Anthropic产品负责人Diane Penn提出，在AI模型开发中，可量化的评估集（Evaluation Sets）正在取代传统的产品需求文档（PRD），成为连接模糊用户反馈与可执行改进目标的核心工具。
值得关注：该观点为AI产品管理提供了可操作的方法论——将主观体验转化为客观指标，有助于加速模型迭代。 标志着AI行业从“功能驱动”向“评估驱动”的范式转变，对团队协作、研发流程和产品决策均有直接指导意义。 结合Anthropic…
来自OpenAI、Anthropic、谷歌、Meta等约12家机构的1100余名员工联署公开信「Pacing the Frontier」，敦促美国政府推动国际合作，控制前沿AI研发节奏，以避免因“自动化AI研究”导致的失控风险。
值得关注：这是首次由AI大厂一线员工（而非外部学者或伦理团体）主动要求政府干预行业研发速度，反映出内部从业者对失控风险的紧迫感。 与已有卡片“NIST AI RMF 剧本”（侧重框架）和“AI在Slack群聊8分钟内破解30年图…
OpenAI 针对 GPT‑5.6 推出了面向 Luna 和 Terra 两个层级的新定价方案，旨在以更低的 token 价格和更高的性能帮助企业规模化部署 AI 工作流。具体定价数值、模型规格和性能对比均待核实。
值得关注：**相比已有卡片“GPT-5.6：随您雄心扩展的前沿智能”的增量信息**：本卡片首次明确提到 GPT‑5.6 针对 Luna 和 Terra 的降价动作和规模化部署导向。此前卡片仅基于元数据描述“每 token 输出更…
蚂蚁百灵发布的Ling-3.0-flash是一款原生混合推理模型，总参数124B但激活仅5.1B（1/64稀疏MoE），在12项基准测试中11项优于万亿参数旗舰Ring-2.6-1T，尤其代码与Agent能力突出，并将于8月3日开源权重。
值得关注：**效率与性能的颠覆性平衡**: 激活参数仅5.1B即可超越万亿旗舰，大幅降低推理成本与硬件门槛，使中小团队也能部署高性能Agent模型。 **开源推动生态**: 开源权重将加速社区在Agent、代码生成等领域的二次开…
本文提出 DAR-Net（Dual-Ambiguity Rectification Network），通过“退化原型表征 + 语义歧义校正 + 空间歧义校正”来缓解全合一图像恢复中退化信息与场景内容纠缠导致的误去除和残留伪影，在多项基准上取得最优平均性能。
值得关注：以往全合一恢复模型常把不同退化“一视同仁”地映射到共享空间，容易混淆“退化”与“内容”。DAR-Net 明确区分“去除”与“保留”两条路径，并分别从通道维和空间维进行校正，为统一恢复模型的设计提供了更清晰的可解释思路。
VAD 提出一种反事实目标重建算法，通过“移除以视觉证据”前后的教师校正差异来估计校正中真正由视觉证据支持的部分，并用该部分重建学生锚定的训练目标，在细粒度视觉基准上优于直接特权视图蒸馏与视觉优势加权方法。
值得关注：现有 OPD 方法多关注校正的位置或强度，但难以区分“视觉证据驱动的修正”和“语言先验/教师偏差”。VAD 将归因问题显式建模为反事实干预，提供了更可解释、更可控的蒸馏信号，为多模态蒸馏提供了一种新范式。
通过重新设计PixOOD的Neyman-Pearson评分阶段并采用TensorRT硬件优化编译，该方法在桌面和嵌入式平台分别达到182 FPS和75 FPS，较原始基线提速20倍和18倍，表明先进异常分割可用于车载实时处理。
值得关注：该工作是将PixOOD这类高精度分布外检测方法推向实时部署的增量进展。与已有的FPGA量子自编码器实时异常检测、盆腔MRI实时异常检测等方向不同，它聚焦于自动驾驶和铁路场景的通用异常分割，并给出了嵌入式GPU上的具体加速验证。
将因果结构纳入算法追索（algorithmic recourse），可以减少用户为“刷分类器”而进行的策略性博弈，并让追索建议在模型重训后保持更稳定；忽视因果结构的追索策略可能诱发大而失准的行为响应，导致预测精度下降、模型失效。
值得关注：算法追索建议本身不只是信息，也是一种干预：用户会据此改变行为，行为变化又会反馈到模型表现中。如果只追求“翻转预测”，追索可能变成“刷分技巧”，而无法真正改善用户资质。
TCA-SIR 将科学灵感检索重新定义为“目标条件抽象”：不是按主题相似度检索论文，而是针对目标问题从候选论文中提取可迁移的抽象原理，并利用这些抽象表示预测可迁移性；在 ResearchBench 上，其 HitRate@top4% 相比 MOOSE-Chem 提高超过 10 个百分点，且生成的抽象可解释检索依据。
值得关注：现有 SIR 多停留在“主题相似”层面，缺少对“如何迁移”的刻画。TCA-SIR 将“可迁移原理”作为显式检索对象，为远程灵感检索提供了更本质的思路，同时给出可解释的检索理由。与已有相关卡片相比，本条不是面向图像或优化…
在测试的推理阶段边界上，**边界K/V缓存是发散轨迹的因果充分载体**；BF16下“保留实时缓存”与“一次性预填相同token”会产生行为差异，而FP32下不产生解码分歧。精确token重放可以可重复，但不等于保持实时状态保真度。
值得关注：该结果把KV缓存从“性能优化/存储机制”延伸到“因果状态载体”：在测试边界上，只要更换48层K/V缓存，发散续写方向就会跟随缓存供体。这对大模型推理的可解释性、可复现性和阶段回放诊断有直接启发。
SCOPE 提出一种将供应链实体 token 化、并通过共享运营表示统一协调多类决策的复合策略模型，在城市生鲜零售的真实运营数据上持续优于“分阶段独立优化”的方法，说明跨环节耦合建模能提升端到端供应链决策效果。
值得关注：已有相关卡片多关注 AI 加速培训流程、临床检验工作流或四旋翼控制；本条卡片的增量信息在于：它针对供应链中“选品—补货—配送”相互耦合的长期痛点，提出了一种统一 token 化建模与复合策略的机器学习框架，并首次使用国…
ScaFE 不直接把临床照片交给视觉语言模型（VLM）诊断，而是让大语言模型生成确定性的、可执行的“临床特征程序”，在本地计算瘢痕视觉属性，再用轻量随机森林分类；在三医院 600 张照片的留一站点评估中达到 81.0% 的站点宏平均平衡准确率，比最强基线 BiomedCLIP 高 10.0 个百分点；仅用 10% 开发数据时仍保有 72.0% 平衡准确率并…
值得关注：现有范式要么依赖大量数据训练端到端图像模型，要么把图像交给托管 VLM、在隐私和可审计性上打折扣。ScaFE 展示了“LLM 生成特征程序 + 本地执行 + 可解释的结构化特征”这一中间路线：既保留 LLM 的临床知识…
在把“批评、反思、重写、辩论、检查”等所有环节消耗的token都计入成本后，**没有任何方法在同等成本下可靠优于“重复采样取多数答案”这个简单基线**；共有10项比较显著更差，且全部来自模型检查自身输出的方法。
值得关注：该工作为“自我反思/自我精炼”类方法提供了更严格的基线对照：很多收益可能来自“生成了更多文本”，而非方法本身的机制。 它填补了Wang et al. (2024)缺乏推断统计的空白，用配对设计和多重性校正让结论更可靠。…
在 GNN 的同一张图上，节点分类（NC）到链接预测（LP）的迁移在“同质性图”上稳定有益；而链接预测到节点分类的迁移则很脆弱，朴素复用表示甚至可能降低准确率，只在“LP 容易但 NC 尚未饱和”的结构主导场景中才可靠为正。迁移方向具有强方向性，并可用简单数据集统计量（尤其是同质性）来预测和规避负迁移。
值得关注：已有相关卡片分别关注知识图谱问答、教学反馈分类协议、医学影像跨模态迁移。本条与它们不重复，增量信息在于：
ROAD 将判别式3D基础模型已有的语义和结构先验迁移到扩散Transformer中，并用互惠目标对齐解决生成/判别潜在空间的异质性，从而以仅 1.5% 的工业基线 Step1X-3D 训练数据达到有竞争力的高保真3D生成性能，显著降低训练成本。
值得关注：ROAD 改变了“3D生成必须从零学习几何、主要靠堆数据和算力”的默认路径，提示已有的判别式3D基础模型可以充当生成模型的“训练时教师”。
ReToken 是一种轻量级可学习嵌入，充当显式检索目标，从预填充的视觉 KV 缓存中选取与查询相关的稀疏视觉 token；在 Visual Haystacks 上使 Qwen3VL-8B 提升 13.4 个百分点、InternVL3.5 提升 12.4 个百分点（相对提升超过 20%），并能零样本迁移到长视频场景，在 LVBench 上为 Qwen3VL…
值得关注：该工作为 VLM 在长视觉上下文中的信息获取提供了一条轻量路径：无需一次性处理全部视觉 token，而是通过一个额外可学习 token 来定位与查询相关的稀疏视觉证据。与已有卡片分别关注错误归因、语音自然度、长期准确率…
在本地计算机使用智能体（CUA）上增加推理时计算往往收益递减，并会改变失败模式；上下文扩展可提升轨迹稳定性但会饱和，时间扩展减少停滞却未必提升任务成功率，结构分解带来规划/格式开销，并行扩展以高计算成本部分缓解失败。
值得关注：这是对推理时扩展在本地、资源受限模型上的系统实证研究。此前研究主要表明推理时扩展可改进前沿计算机使用智能体，但对本地模型效果未知。本卡片的增量信息在于：揭示了本地场景下“更多计算”并非线性收益，失败模式会随扩展维度发生…
RefCaptioner: Multi-Reference Image-Grounded Video Captioning
PhiZero 提出一种以“物理语言”（physical language）为核心的物理世界模型：先用紧凑离散的世界状态转移序列显式推理未来演化，再将其渲染为视频，而不是像现有模型那样直接在像素空间预测未来视频。
值得关注：这是对“世界模型是否必须直接预测像素”这一主流路径的一种替代回答：通过在视频预测中引入离散、符号化的中间层，把物理演化的推理过程显式化，可能提升世界模型的样本效率、可控性与可解释性。与已有相关卡片（CamVLA、数据分…
SWE-bench类基准中约13.6%的PR-Issue配对存在错位；本文提出的PAIChecker多智能体系统能在SWE-Gym和SWE-bench Multilingual上分别达到最高92.12%和91.67%的二元准确率，优于四种LLM后端下的现有方法。
值得关注：该工作提示我们：被广泛用作LLM评测基准的SWE-bench类数据并非完全可靠。PR-Issue错位可能导致模型在错误的问题-补丁对上训练和评测，从而高估或低估LLM的真实issue解决能力。PAIChecker为未来…