精选

企业微信“记录面聊”功能升级，新增工作台入口、深度打通日程，并联合首发多款AI硬件录音笔，旨在解决面聊漏录与记录难找的问题。

Claude Fable 5 于 2026 年 7 月 1 日重新在 Cognition 的 Devin 产品中上线，此前曾因美国政府指令暂时移除；该模型在 Devin 的 Ultra agent（最强智能体）、Desktop 和 CLI 中可用，并在 FrontierCode 基准测试中取得最高分。

值得关注：Claude Fable 5 的可用性是 AI 编程助手领域的重要信号：模型性能更强、能处理更复杂的长期任务。 事件展示了 AI 产品如何响应政府指令和模型提供商公告，体现行业监管与模型授权之间的张力。 恢复上线说明相…

Agentic MapReduce 通过将搜索与推理分离，用确定性选择器保证全代码库覆盖，用并行代理处理有限分片，解决了传统搜索驱动代理在大型代码库中开销高、上下文瓶颈、覆盖无界的问题。

值得关注：全代码库任务的结果**只有考虑整个代码库才可信**。传统搜索驱动代理无法保证覆盖，且随着仓库增长，其效率与可靠性急剧下降。Agentic MapReduce 通过确定性选择器保证覆盖边界，将代理的推理能力集中在真正需要…

Mastering Agentic Techniques: AI Agent Reinforcement Learning

Linux基金会CTO走访中国AI实验室谈见闻

AI先驱Andrej Karpathy认为当前行业最大的错误是急于让Agent（智能体）投入实际应用，而忽视了底层大模型的基础能力建设；他主张Agent产品的成熟需要十年积累，基础能力本身就是产品。

值得关注：Karpathy作为OpenAI联合创始人和AI领域权威，其观点可能引导行业资源重新分配——从短期Agent应用转向底层模型能力提升，并影响初创公司和大厂的战略优先级。

腾讯正式发布Hy3大模型，通过扩大后训练与强化学习算力规模，在推理、智能体、长上下文任务上比肩参数量2至5倍的旗舰模型，同时大幅降低幻觉率和多轮问题率，并以Apache 2.0协议开源，API输入价格低至每百万Token 1元。

值得关注：腾讯作为中国头部科技企业，其大模型在缩小参数量差距的情况下通过后训练与RL优化实现性能追赶，展示了强化学习在后训练阶段的重要性。 显著降低的幻觉率和多轮问题率，以及工具调用稳定性提升，表明该模型在生产力场景（如Agen…

How to Govern Autonomous Agents in Enterprise AI Factories

传闻谷歌 Gemini 3.5 Pro 将于7月17日发布，其前端与视觉代码生成能力显著超越 Fable 5，但在硬核推理、仓库级工程和长程 Agent 任务上仍不及 Fable 5 与 GPT-5.6。

值得关注：谷歌 Gemini 系列是 OpenAI GPT 系列的主要竞争对手，其模型迭代方向直接反映行业技术趋势。 前端与视觉能力的突破可能改变网页/应用开发流程，降低设计门槛。 延期并换底座预训练说明基础模型架构仍在快速演变…

本文介绍了一个基于 NVIDIA NeMo 工具包、Nemotron 开放模型和 OpenShell 安全运行时的“单报警分析 AI 代理”，它能够自动从结构化与非结构化数据中收集证据、执行专业分析并生成操作建议，大幅加速工业报警处理流程。

值得关注：工业报警管理长期依赖人工经验，效率瓶颈严重；AI 代理能够将重复、经验密集型步骤自动化，降低人力成本与出错率。 全栈 GPU 加速（cuDF、cuVS、cuFFT、cuML）和开放模型（Nemotron）使得端到端推理…

XRFormer 通过多尺度卷积分词器为 X 射线荧光（XRF）光谱定制了 Transformer 架构，在颜料识别和混合分解任务上显著优于 ViT、SpectralFormer 和 1D-CNN 基线，同时参数效率更高。

值得关注：该工作表明，多尺度、模态感知的分词器是 Transformer 在数据有限条件下进行 XRF 建模的有效且参数高效的基础，为文化遗产等领域的 XRF 光谱分析提供了新方法。

WristMimic 通过将无接触的身体运动与接触丰富的手指操控明确分离，仅利用手腕的关节运动学目标引导全局控制，在物理仿真中实现与全手指姿态监督方法相当或更优的物体操控效果，并支持跨不同手部形态的指部无关重定向。

值得关注：为基于仿真的人体操控技能迁移提供了一种更鲁棒、更泛化的策略。它避免了手指级姿态跟踪带来的过约束问题，同时利用手腕作为低自由度的锚点，使得手指可以灵活适应不同物体和手部结构。这对人形机器人的操控技能学习和领域泛化具有直接价值。

WorldDirector 通过将语义运动编排与视觉生成解耦，并利用大语言模型协调3D轨迹与相机运动，实现了对复杂、长时间视频事件的高可控性生成，且能保持动态物体在长时间离场后重新出现时的外观一致性。

值得关注：解决了现有世界模型在长时间视频生成中动态物体“遗忘”外观、运动不连续、难以自由控制视角的瓶颈，将大语言模型的推理能力与视频生成结合，为构建真正可交互、可重用的世界模拟器提供了新范式。

WordVoice 通过构建大规模双语标注数据集 WordVoice-5A 并提出显式“声学规划”机制，首次实现了在基于大语言模型（LLM）的文本到语音（TTS）系统中对词级时长、边界、能量、音高、语调五个维度的精细、解耦控制，同时保持了零样本合成的稳定性。

值得关注：首次在 LLM‑TTS 中实现了显式、解耦的多维词级控制，突破了隐式生成范式的“黑箱”限制。 提供了大规模高质量标注数据集，解决了该领域的核心数据瓶颈。 所提出的 bound‑token 机制和声学调制模块具有通用性，…

SenseNova-Vision 将计算机视觉任务统一表示为多模态生成问题，在单一模型中通过自然语言指令和视觉提示完成多种视觉任务，无需专用架构，且性能可匹配专用系统。

值得关注：该工作简化了视觉任务的开发流程，无需为每个任务构建独立模块，推动视觉基础模型向通用智能体方向迈进，降低了工程和维护成本。

该研究通过引入新数据集（MIDV-DynAttack）、新验证方法及公开基准，首次系统评估了自动系统对身份文档全息图动态攻击的检测能力，并提出了无需动态攻击样本即可训练的最新方法。

值得关注：全息图是护照、身份证等官方文档的核心防伪特征。随着远程身份验证需求增长，自动系统对动态攻击的脆弱性成为关键安全漏洞。本研究首次提供了系统性评估工具和解决方案，直接关系到金融、边境管控、数字身份等领域的防伪能力。

通过结合无监督域适应（风格迁移模型 AdaIN 和 CycleGAN）与 Swin Transformer V2 分类器，该框架在跨站点乳腺X线数据集上有效提升了钙化良恶性分类性能，将外部验证集的 AUC 分别从 0.68 提升至 0.72（EMBED）和 0.73（Duke Calcification Dataset）。

值得关注：该研究展示了无监督域适应技术在解决真实临床多站点数据异质性（设备厂商、成像技术差异）方面的潜力，为乳腺X线钙化分类模型的跨中心部署提供了可行路径。

TILDE 将文本到图像扩散模型中的概念遗忘形式化为一个分布对齐问题，通过能量倾斜的目标分布（在遗忘约束下最小偏离预训练模型的分布）和残差 ∇-GFlowNet 训练，在高效移除目标概念的同时显著提升了良性生成的保留质量与分布保真度。

值得关注：概念遗忘是安全部署扩散模型的关键能力。TILDE 首次将遗忘后的分布保留作为一个明确的优化目标，而非隐式结果，使得遗忘模型在移除敏感概念的同时能够最大化保持对正常用户的生成质量与多样性，更接近“只保留”模型的表现。

LCA 是一个模型无关的编排框架，通过将多模态数据摄入与特征推断解耦，为肿瘤学临床决策支持提供了高度模块化、可扩展且鲁棒的基础架构。

值得关注：突破单体设计限制，使多模态数据摄入与 AI 推理解耦，提升系统适应性和模块化程度。 通过 SIP 隔离核心 AI 与医院 IT 基础设施，降低部署风险，增强对数据异常和模型变更的鲁棒性。 为未来肿瘤学临床决策支持系统提…

RSF-GLLM 提出将可微图推理与答案生成解耦，利用循环软流模块传播连续相关分数并通过结构线索跨越语义不相似的桥接节点，在 WebQSP 和 CWQ 数据集上取得与基于 LLM 的昂贵方法相当的性能且推理效率更高。

值得关注：传统方法无法处理中间节点与查询无直接词汇重叠的语义鸿沟，而 RSF-GLLM 通过可微图推理弥合这一鸿沟，同时保持 LLM 的生成能力，为高效、可解释的知识图谱问答提供了新路径。