精选

Generator-Aligned Representation Interfaces for Diagnostic Soft Equivariance

在理想化AI竞赛实验中，不安全开发行为主要源于落后于对手的竞争压力以及对手的行为动态，而非个体风险偏好；政策应侧重降低竞争压力与促进合作，而非仅关注个人风险。

值得关注：该研究挑战了“不安全AI开发主要源于个体风险偏好”的常见叙事，揭示了竞争结构和社会动态（如对落后的恐惧、模仿对手）的关键作用。这为AI安全政策提供了新视角：单纯限制风险或教育开发者可能效果有限，更应关注如何设计竞争机制…

现有多模态大语言模型在真实临床诊断中的多轮推理能力仍然有限，即使最优模型也仅有极少数案例能完全正确诊断；ClinMM-Bench 是目前规模最大的多轮多模态临床诊断评估基准，揭示了五种典型失败模式。

值得关注：本工作首次将临床诊断的 **多轮交互特性** 纳入基准测试，填补了现有单轮评估无法模拟真实临床流程的空白。 与已有单轮或孤立任务基准相比，ClinMM-Bench 更贴近医生逐步获取信息、修正假设的真实工作流，为改进模…

所有评估的九种表格基础模型（TFM）在标签偏移、社会经济偏移和地理偏移三种真实分布偏移下均出现系统性性能下降，无论预训练策略如何，偏移差距在 0.003–0.060 之间；高性能模型还存在显著的可扩展性瓶颈。

值得关注：填补了TFMs在分布偏移下鲁棒性评估的空白。 结果表明TFMs并未克服传统模型的分布偏移弱点，这与“基础模型自动泛化”的预期不符。 为高风险领域（如信用评估、医疗、投票预测）的模型选型提供了实证依据，提醒需额外考虑分布偏移风险。

向 LLM 提供实时集群服务调用图与工作负载绑定信息（拓扑上下文），可将拓扑依赖型安全补丁的正确率从 11.1% 提升至 78.0%，而拓扑无关补丁不受影响，证明该提升来源于上下文而非通用提示丰富。

值得关注：此前研究仅依赖扫描器输出，忽略了运行时依赖关系；补丁看似合规却可能隐式切断服务链路。KuTIE 首次在受控多依赖类条件下量化了拓扑上下文的效果，证明将实时服务图纳入 LLM 提示是自动化安全修复不可缺失的环节。

本文提出了一种跨模态不一致检测方法（Kontrast），能够自动识别并分类维基百科文本/表格与Wikidata知识图谱之间的知识冲突、粒度差异、时间变化及知识图谱不完整性，揭示了多模态知识间的互补与校正潜力。

值得关注：本研究首次系统性地将“文本-表格-知识图谱”三种模态之间的不一致作为独立问题提出，并给出了自动检测与分类方案。这有助于提升多模态知识库的可靠性，对LLM预训练和检索增强生成的质量控制具有直接参考价值。相比已有关于知识图…

Desktop-Delta Bench（DDB）是一个针对计算机使用智能体（CUA）的离线步骤级基准测试，旨在评估模型对 GUI 状态转换中因果关系的理解能力。初步实验表明，现有模型在该基准上表现不佳，最优非干扰项和干扰项精确匹配率仅约 65%，且存在系统性错误复制给定顺序的问题。

值得关注：填补了 GUI 定位与最终任务成功之间的诊断层缺失，为改进桌面 CUA 的验证、可靠性和恢复能力提供了针对性测试。 揭示了现有模型在理解异步、因果状态转换方面的不足，对开发更鲁棒的计算机使用智能体具有指导意义。

本文提出了一种联邦纵向-生存建模框架，通过客户端可分离的离散时间风险目标，使多个机构在不共享原始传感器数据或个体失效记录的情况下协同训练故障预测模型，并在C-MAPSS涡扇发动机退化数据集上验证其性能接近集中式训练。

值得关注：首次（待核实是否为首次）将纵向+生存分析与联邦学习结合用于工程系统故障预测，突破了传统Cox模型在联邦场景中的可分离性限制。 相比已有“多模态经验贝叶斯变分自编码器用于联合纵向与事件时间建模”（医学应用），本文关注工业…

CHARM 是一种多模态图基础模型，通过引入层次上下文建模，将节点替换为层次化图上下文，从而在零样本迁移场景下跨图域和跨模态任务上取得一致改进，无需目标域微调。

值得关注：填补了多模态图零样本迁移研究的空白：此前方法往往需要下游适应或限于单模态/单域。 展示了层次上下文建模+LLM 结合的有效性，为构建真正可跨域迁移的图基础模型提供了新方向。 与已有卡片（如机器人基础模型、强化学习压缩方…

深度生成模型（DGM）广泛用于高维复杂数据，并越来越多地被应用于空间和时空建模。然而，在真实世界中，由于真实底层过程未知，评估模型是否学到了正确的数据分布十分困难，往往只能依赖观测数据本身。本文在**已知的非平稳高斯随机场**上评估四种代表性 DGM（flow matching、DDPM、score‑SDE、VAE），并给出综合指标来检验模型对真实均值和协…

值得关注：为深度生成模型在空间/时空建模中的应用提供首个系统性、可量化的评估框架，特别关注**非平稳性**这一关键特征。 帮助研究人员和 practitioners 理解不同生成模型在捕获统计结构上的差异，从而为气候、环境、地球…

GeoLens 通过多工具视觉推理（结合工具注意力强化学习），在超高分辨率遥感 VQA 任务上显著优于直接推理和单工具缩放基线，实现了更强的准确率、证据定位和更高效的工具使用轨迹。

值得关注：**突破单工具缩放瓶颈**：首次系统证明缩放工具在高难度遥感任务上存在上限，并给出超越方案。 **数据集与算法贡献**：GeoMTVR 为遥感领域提供了首个大规模多工具推理轨迹数据集；工具注意力强化学习算法为MLLM的…

ClinPRISM 在拥有 40 亿参数的大语言模型（LLM）骨干上，仅需 16 个时间序列令牌和平均每条问题 0.15 秒的推理延迟，即在保留测试集上取得了最先进的问答性能，同时大幅降低了计算成本。

值得关注：首次针对不规则临床时间序列设计专用 LLM 推理框架，解决了稀疏、异步采样带来的建模困难。 提出的经济高效方案（少令牌、低延迟）使实时临床应用（如病房监测警报、电子病历问答）成为可能。 提供了大规模合成训练数据与指令集…

陶哲轩在加州理工学院以“Math 2.0”为题演讲，指出数学因可验证、可数字化、数据充足而最先受AI冲击，正从“证明匮乏”转入“证明充沛”时代，但真正的瓶颈是人类想象力与对问题的理解。

值得关注：本条与已有卡片“陶哲轩在2026年ICM提出AI能力猜想，数学进入工业化时代”构成延续： ICM卡片侧重AI能力猜想、数学问题“真正解决”的五层划分、证明过剩与证明消化不良、稀缺能力转向提问与组织知识。 本条侧重“Ma…

据候选摘要，PivotOPD 提出一种在线策略蒸馏框架：在多轮智能体任务中，既训练学生模型预防“关键错误”（pivotal mistake），也训练其从这些错误造成的后续状态中恢复；但正文未抓取，以下实验细节与结论均待核实。

值得关注：多轮智能体的失败往往不是单步分类错误，而是早期关键动作导致状态偏移，后续难以恢复；因此“恢复能力”可能与“预防错误”同等重要。 若 PivotOPD 结果成立，它把 OPD 从一般轨迹模仿推进到针对关键失败点的预防与恢…

李飞飞团队发布触觉模型T-Rex，灵巧手成功率翻倍

英伟达CEO黄仁勋首次在社交媒体X发帖，公开25家科技公司联署的《开放权重与美国AI领导力》公开信，主张开源对美国AI生态、竞争与安全至关重要；闭源巨头OpenAI、Anthropic、谷歌缺席，信中对“蒸馏”技术正名触及闭源阵营核心利益。

值得关注：黄仁勋首次使用X平台发声，标志着英伟达从硬件供应商向AI生态规则制定者身份延伸。 联署方几乎囊括美国主要科技企业，但闭源三巨头集体缺席，凸显AI行业路线分歧白热化。 为“蒸馏”正名直接挑战闭源商业模式，可能影响未来AI…

Microsoft 于 2026 年 7 月 27 日发布 Project Perception，一个专为 AI 时代设计的代理式安全系统，通过“红、蓝、绿”三色智能体团队和全新 Cyber Stack 架构，实现持续感知、推理和自主防御，预计 2026 年 8 月 3 日进入公开预览。

值得关注：**增量信息**：与已有知识卡片（AI 投资回报记分卡、CFO 成本框架、公众提问）不同，本卡片聚焦于 AI 时代安全基础设施的根本重构。Project Perception 直接回应了“攻击成本下降、防御需要自动化”…

NVIDIA Ising Calibration 1.5 是一款开源的 31B 参数视觉语言模型，通过增强的上下文学习能力实现量子处理器诊断输出的全自动校准，在零样本和上下文学习设置下均超越所有开源模型，并与领先闭源模型（如 Fable 5、GPT 5.6 Sol）竞争。

值得关注：首次实现全自动量子计算机校准的 AI 智能体工作流，减少人工干预，加速量子处理器调试和重调谐。 开源发布（权重、数据、基准、配方）使 QPU 构建者和运营商可以自定义、部署和微调，保持数据控制权。 量化版本使得在本地单…

技术与叙事：一部关于狂热者与反思者的历史

陶哲轩在2026年国际数学家大会（ICM）上提出“AI能力猜想”，认为AI可能以可接受成本承担研究级数学任务，但现有评价体系将面临冲击；他主张将数学问题“真正解决”分为五层，警示AI加速前端可能导致“证明过剩”与“证明消化不良”，未来稀缺的是提出问题、理解问题与组织知识的能力。

值得关注：这是顶级数学家对AI冲击数学研究的系统性前瞻，与已有相关卡片（如AlphaEvolve自动发现算法、Slack群聊破解图论猜想）形成补充：AlphaEvolve侧重AI作为工具自动求解，而陶哲轩讨论的是AI对数学共同体…