精选

AnySearch登顶Product Hunt周榜，专为Agent打造搜索

Anthropic Claude Platform高管认为，AI agent正从聊天界面转向深嵌组织流程的“隐形操作系统”，其核心演进是复杂脚手架变薄、智能体身份独立化，企业应分三步衡量ROI。

值得关注：这是Anthropic平台侧首次系统阐述agent的未来方向，与OpenAI、Google等竞争对手的“agent中心化”思路形成对比。其“脚手架变薄”观点暗示模型自身智能的提升将减少外部工程成本，这对企业部署agen…

现有度量深度估计模型通常针对单一相机类型（针孔或鱼眼）设计，难以处理实际系统中混合使用多种相机（如自动驾驶、机器人导航中同时搭载鱼眼和针孔相机）的场景。X-Lens 旨在解决异构相机系统下实时、准确的度量深度估计问题，支持可变数量的校准鱼眼与针孔输入视图。

值得关注：X-Lens 是首个面向异构相机（鱼眼+针孔）的实时度量深度估计模型，其跨相机泛化能力源于几何感知设计，而非增加模型容量。结合新发布的 OmniScene 数据集，该工作为驾驶、机器人、AR/VR 等需要混合相机系统的…

计划评估器（plan evaluator）可能奖励一个变得“不那么明确”的战略计划。本文系统研究了这种失败模式：在LLM生成的商业路线（venture routes）的分阶段期望值计分器中，删除计划中的某项中间转换（transition）并重定向其前驱节点，同时保留下游价值，会导致分数非单调变化（即分数可能上升）。论文通过命题1给出了分数变化的解析公式，并…

值得关注：该研究揭示了评估LLM计划时一个反直觉且有害的漏洞：评估器可能因计划隐藏（删除）必要工作而给予更高分数，从而诱导优化器产生“虚假改进”。GATE提供了一种不依赖语义理解的实用防护手段，在协作场景下可作为确定性的搜索约束…

本文揭示了生成模型输出中嵌入的水印在“检测→归因→提取→定位”四个法医层级上所需的最小样本长度，给出了首个紧的熵率定律：归因到 \(N\) 个用户之一需 \(\Theta(\log N / h)\) 个 token，提取 \(\ell\)-bit 载荷需 \(\Theta(\ell / h)\)，且存在真实不可归因窗口和足迹-分辨率不确定性原理。

值得关注：首次从信息论角度统一了生成模型水印的四个取证能力，并给出了精确的样本复杂度下界与上界。 与已有相关卡片（如 Mamba 状态测量、Deform360、神经编码器 GLMM）无直接重复，本文专注于水印取证的理论极限，是理…

ViCo3D: Empowering LiDAR-based Collaborative 3D Object Detection with Vision Foundation Models

基于功率谱的可预测性指数不能回答“添加上下文（更长回看窗口、检索插件或预训练模型）是否有帮助”这一问题，因为上下文的价值取决于操作点而非序列本身，且频谱在相位随机化下不变，而超越二阶的高阶结构才是检索和基础模型真正贡献的部分。

值得关注：直接指出当前实践中常见的一种错误解读：将频谱可预测性分数（如傅里叶分析所得）当作判断“是否应使用更复杂上下文模型”的依据。 提供了第一个配置级（而非实例级）诊断，无需标注数据即可指导部署决策——何时应使用检索/基础模型…

标准双向视频扩散模型在处理长因果链（如多个球连续碰撞）时性能显著下降，且增加去噪步骤无法弥补，因为其去噪循环并不提供可扩展的串行计算能力——这一现象被定义为**序列性差距**。

值得关注：首次以严格对照实验证明视频扩散模型在串行推理任务上的瓶颈分离于视频长度，并给出理论解释。 与已有卡片（如VLA模型忠实性、LLM数据分析等）无关，是**生成式视觉模型推理能力评估**的新方向，为改进架构（如引入自回归或…

在聚合准确率上，大语言模型（LLM）对任务无关上下文看似鲁棒，但这一稳定性掩盖了显著的逐样本不稳定性——即使是随机字符构成的伪词也能导致部分样本的预测翻转，且翻转有升有降，这表明聚合指标无法揭示模型在长尾风险上的脆弱性。

值得关注：**揭示聚合指标的盲区**：传统以聚合准确率评价模型鲁棒性可能隐藏了长尾风险，即少量样本在无关上下文下发生不可预测的预测变化。 **启示评估范式**：论文呼吁对语言模型进行逐样本的可靠性评估，而非仅依赖平均准确率。 *…

TerraZero 是一个纯程序化生成的驾驶仿真与自对弈训练栈，仅依靠强化学习从零开始训练，无需任何人类演示或后备规划器，在 InterPlan 长尾基准上成为首个超越更大规模学习型规划器的完全学习策略，并实现了零样本跨城市泛化（包括无监督涌现左手交通驾驶）。

值得关注：TerraZero 证明了完全通过自对弈强化学习（无人工演示、无专家数据、无回滚规划器）可以训练出在长尾安全场景中超越大规模学习型规划器的驾驶策略。其程序化生成无限场景的能力，大幅降低了对手动标注数据和专家演示的依赖，…

本研究提出可在激活层面实施反事实干预的“报告坐标夹”，使语言模型在面对非证据性激励压力时（如用户自信、声望压力）保持内部信念不变（抵抗），同时仍对真实证据做出响应（更新），两指标在基准测试中联合达到1.00（Wilson 95% CI [0.99,1.00]），但当前仅作为可构建参考下的因果证书，直接部署的版本存在损失。

值得关注：已有对齐技术（如RLHF）多从输出层调整，但模型内部可能仍对非证据性压力敏感。本文从因果干预角度直接对激活表示进行约束，将“激励相容”概念从经济博弈论引入LLM内部，为构建可信赖模型提供了新的结构基元。区别于现有针对谄…

AI基础设施的快速扩张正加剧能源消耗与电子废物问题，同时AI生成的虚假内容侵蚀公众信任，阻碍多项可持续发展目标（SDGs）的进展；亟需将AI技术重新对准SDGs方向。

值得关注：该文在2026年发表，反映了学界对AI热发展的重新审视——从一味追求性能扩张转向关注可持续性和社会影响。其增量信息在于将AI的能源消耗、电子废物与虚假信息问题统一置于SDG框架下分析，并指出“黑箱AI算法”的不可解释性…

PalmClaw 是一个运行在手机上的开源 LLM 智能体框架，通过将设备能力封装为参数明确、结果结构化的“设备工具”，相比 GUI 操作的基线方法实现了任务成功率提升 11.5%、完成时间减少 94.9%，并降低了部署负担。

值得关注：PalmClaw 提供了一种与现有 GUI 驱动方式不同的移动智能体设计范式，使智能体能够直接、高效地调用设备原生能力，同时保持动作的明确性和可控性。这对于在资源受限的手机上部署自主执行复杂任务的 AI 助手具有实用价…

本文提出 FormalAnalyticGeo，一个全自动、可扩展的神经符号框架，用于生成多模态解析几何问题，并产出包含 7000 余道验证题目的数据集 AnalyticGeo7K，生成答案的中位相对误差仅为 0.70%。

值得关注：解析几何是数学推理的重要组成部分，此前因数据稀缺而进展缓慢。FormalAnalyticGeo 首次实现了无需人工参与的全自动、高质量数据生成，其闭环质量控制机制保证了数据的可靠性，为后续研究提供了可复现的基础设施。

在冻结的小型代码大语言模型（0.5-1.5B参数）上，通过PoPE方法的安慰剂对照测试表明：无论是通过提示通道还是权重通道，错误内容本身并未带来显著的解锁优势——提示通道中内容消融安慰剂甚至略优于实时错误模式（12 vs 10），权重通道中错误内容适配器与无干预基线持平（8-8，p=1.0），而SHA混乱安慰剂反而领先（10）；内容归因的优越性未被确认。

值得关注：该研究首次在代码大模型自修复评估中引入安慰剂对照范式（PoPE），填补了以往无对照测量方法的空白。结果提示：模型从错误反馈中看到的似乎更多是“形式”而非“内容”，即存在一个机制无效的局限，挑战了直观上认为给模型提供错误…

FlowWAM: Optical Flow as a Unified Action Representation for World Action Models

本文提出**集成控制流滤波（EnCF）**，通过随机控制流和伴随匹配实现**隐式数据同化**，在处理非高斯、多对一、多模态和隐式观测模型时优于传统卡尔曼型滤波。

值得关注：传统集成滤波（如EnKF）依赖似然函数的显式形式或梯度信息。EnCF通过能量倾斜和伴随匹配绕过了这一限制，拓展了数据同化可处理的观测类型，尤其适合与黑箱仿真器结合的场景。

在包含随机性和隐藏信息的对抗性桌游中，为集成确定性MCTS引入两种动态资源分配机制（动态确定性数量与动态仿真分配），可以在迭代和时间约束下产生统计学显著的强度提升。

值得关注：此前集成确定性MCTS通常使用固定数量的确定性树和均匀仿真预算，本文首次在同一框架内同时引入两种动态调整机制，实现了资源按需分配。 实验覆盖多款流行桌游，部分结果具有统计显著性，表明该方法具有较强的可迁移性。

大型语言模型（LLM）智能体在执行任务时普遍缺乏任务复杂度感知能力，倾向于“最大上下文优先”策略导致大量冗余消耗；本文提出的E3方法（估计-执行-扩展）在保持100%成功率的同时，将成本降低85%、令牌使用减少91%、审查文件数减少92%，是迈向工程接地AI（EGAI）的关键一步。

值得关注：这项研究暴露了当前LLM智能体系统中的一个系统性浪费：盲目读取全部可用上下文而不考虑任务真实需求。E3为智能体的效率与真实性提供了可量化的改进路径。与既有AI智能体研究相比，本卡片提供了第一个系统化的任务复杂度感知形式…

DermDepth是首个针对皮肤科领域的单视图度量尺度3D重建模型，通过合成数据集D-Synth训练，可将真实皮肤镜图像的度量尺度误差从超过16倍降至1.1倍以下，无需额外硬件或多次拍摄。

值得关注：传统皮肤科2D方法无法准确获取病变的真实物理尺寸和三维形态，而DermDepth仅需单张普通相机照片即可获得度量尺度的3D信息，有望提升皮肤癌筛查、伤口监测等任务的定量精度。 与已有基于多视图或专用硬件的3D方案相比，…