DeepMind zaprezentował AlphaProof Code, agenta, który napisał trzy miliony linii dowodów w Lean, by formalnie zweryfikować rdzeń szyfrowania Signal; to pokaz formalnej weryfikacji realnego, krytycznego systemu w dużej skali. https://deepmind.google/blog/introducing-alphaproof-code/
Meta AI zaprezentowało Muse Ember, swój najmniejszy i najbardziej efektywny model, celujący w tę samą kategorię co Claude Haiku i GPT Luna; ma obsługiwać powtarzalne zadania agentów, takie jak wywołania narzędzi i podzadania kodowe. https://simonwillison.net/2026/Nov/10/muse-ember/
World In-Context Learning for Agentic Robot Manipulation proponuje uczenie w kontekście dla manipulacji robotycznej, które ma odseparować nabywane umiejętności od rozkładu danych treningowych i uniknąć wad polityk trenowanych wagowo. https://huggingface.co/papers/2611.12885
dNaViT bada dyskretne kody jako ogólnoprzeznaczeniowe reprezentacje wizualne, próbując przenieść paradygmat autoregresywnego przewidywania kolejnego tokenu z języka na obraz, by zunifikować infrastrukturę modeli językowych i wizyjnych. https://huggingface.co/papers/2611.12426
MotionGraphicsBench to ekspercko wyselekcjonowany benchmark stu zadań, oceniający zdolność modeli językowych do generowania grafiki ruchu na podstawie statycznych obrazów i opisów łączących wymagania przestrzenne, wizualne i czasowe. https://huggingface.co/papers/2611.10592
Praca o strumieniowym generowaniu wideo w niewielu krokach rozszerza metodę APEX poprzez przesunięcie warunku (condition shifting), by ograniczyć koszt pamięci i obliczeń dystylacji dopasowującej rozkłady. https://huggingface.co/papers/2611.14033
Infrathon wprowadza benchmark długohoryzontowych zadań optymalizacji realnej infrastruktury AI i sprawdza na nim sześć modeli w stu pięćdziesięciu przebiegach z dwudziestoczterogodzinnymi budżetami czasowymi. https://huggingface.co/papers/2611.11995