2026年7月16日，NVIDIA 技术博客详细介绍了如何将上下文感知的视频 AI 代理集成到企业工作流中。该方案基于 NVIDIA NemoClaw（用于构建自主代理的开放蓝本集合）和 NVIDIA Blueprints（可定制的参考工作流），具体使用了 Metropolis Blueprint for Video Search and Summariz…
值得关注：相比之前仅做视频分析，本文展示了如何让代理“行动”——即基于视频分析结果自动协调后续动作（如派发工单、升级模式）。这是视频 AI 从感知走向自主决策的关键一步。 与已有相关卡片（如企业 AI 代理治理、ParseBen…
Cars24通过集成OpenAI驱动的语音和聊天代理，每月处理超100万分钟的对话，成功挽回了12%的丢失销售线索，并将代理工作流（agentic workflows）推广至全公司多个团队。
值得关注：这一案例提供了大型语言模型在商业客服场景中的量化价值证据，尤其是语音代理在挽回销售线索方面的具体成效。同时，它展示了企业如何将代理工作流从单一客服场景规模化推广至整个组织，为其他企业实施类似战略提供了可参考的路径。相比…
大型语言模型（LLM）中的物理危险（Physical Danger，PD）与文本内容危险（Content Danger，CD）在隐状态空间中形成可分离信号；基于此设计的 PRISM 单层逻辑探针能以低误报率高精度检测物理风险，显著优于同等规模的 LLM 裁判。
值得关注：首次在表示层面明确区分了“物理危险”与“文本内容危险”，揭示现有文本安全过滤无法应对的物理安全维度。 PRISM 提供了一种轻量、高精度、低误报的表示级检测方法，避免传统 LLM 裁判对无害物理指令的过度抑制，对于部署…
TikStance 是一个包含 161 个视频和 13,876 条评论的多模态层次数据集，覆盖 2024 年美国大选周期中的三位主要政治人物（Donald Trump、Joe Biden、Kamala Harris），为短视频平台政治立场检测提供了可靠的标注基准。
值得关注：TikStance 是目前首个将多目标覆盖、层次化对话树与可靠的多层次人工标注相结合的短视频政治话语数据集，为理解短影音平台上的选民立场演变提供了实证基础。
AI正从工具转变为科研循环中的自主参与者，导致研究从“手工艺模式”转向“流水线模式”，即研究的工业化；这一转变虽具潜力，但带来七大关键问题，需在负责任推进的前提下加以应对。
值得关注：这是首次以“工业化”这一精确术语来刻画AI对科学研究模式的根本性改变，并系统列出了AI驱动科学在负责任发展前必须面对的结构性挑战。它提醒学界和政策制定者：AI的潜力真实且显著，但接受其潜力不等于无视风险，必须在理解这些…
teLLMe 将行车记录仪视频标注构建的结构化事件表与 PC 因果结构学习、bootstrap 稳定性检查和 DoWhy 线性回归相结合，并通过 schema‑aware LLM 将自然语言问题映射为结构化因果查询，从而为交通机构从观测数据中估计天气、高峰时段等因素对交通密度的因果效应，返回可解释的“因果卡片”。
值得关注：为大规模观测性交通视频数据提供了端到端的因果分析流程，填补了从“数据”到“可解释因果推断”的缺口。 结合 LLM 降低了因果推理的使用门槛，使非技术专家也能通过自然语言提出因果问题。 与已有相关卡片（如 OpenLon…
T²MLR 通过在 Transformer 解码过程中引入前一个 token 的中间层表示到当前 token 的早期层，使中间推理状态得以跨时间步持久化，仅用少量网络层（约 20%）的局部循环即可在自然语言预训练和多跳推理微调中一致超越参数匹配的基线模型，且无需从零预训练，可直接改造现有预训练模型。
值得关注：揭示了有效潜在推理的关键在于有针对性的局部循环，而非过去工作中遍历所有层的方式，为轻量化改进 Transformer 推理能力提供了新方向。 兼容已有预训练模型，无需从头重新训练，使得该架构更易于在现有系统中落地。 推…
Symbal 是一个基于现成基础模型的双阶段框架，能够自动检测多模态大语言模型（MLLM）生成图像描述中的系统性错误（即与特定视觉特征相关的重复性错位），并在 SymbalBench 基准上实现了 63.8% 的准确率，相比最强基线提升近 4 倍。
值得关注：提出了一项新任务（系统性错位检测）及其解决方案，填补了 MLLM 生成描述质量审计的空白。 Symbal 不需要访问生成模型本身，在实际应用中（如使用第三方数据集或黑盒 API）具有很高的可用性。 与已有相关卡片不同，…
不确定性度量不是需要公理化的原始量，而是更高层建模决策的结果；通过将严格真损失对应的主观风险分解，可以统一导出认知不确定性和偶然不确定性度量，并为学习理论提供新框架。
值得关注：颠覆传统UQ思考方式：从“定义公理”转向“从高层选择推导”，可能简化UQ方法的设计与比较。 理论统一：为UQ社区十多年来提出的多种度量提供了共同的数学基础，有助于消除不同方法之间的混淆。 本卡片与已有相关卡片无直接重复…
无监督可见光-红外行人重识别（USVI-ReID）面临两大挑战：模态间巨大差异以及缺少跨模态身份标注。已有渐进关联范式试图逐步弥合差距，但存在两个关键瓶颈——依赖模糊的全局表示、以及开环方式下伪标签噪声不受抑制地传播。
值得关注：现有渐进关联方法本质上是开环的，伪标签噪声会随训练累积。SSRL 首次将闭环反馈机制引入无监督跨模态行人重识别，从结构和语义两个层面自校正，显著提升了鲁棒性。相比已有相关卡片（如金融异常检测、优化器、算子学习等），本条…
本研究提出了一种结合大语言模型（LLM）与专家审核的自进化标注框架，旨在为抑郁症相关数据集提供结构化、可追溯、符合DSM-5-TR标准的症状级证据和标签生成，在初步研究中提升了标注一致性与可解释性并减少了人工修改工作量。
值得关注：填补了抑郁症标注过程中结构化证据缺失的空白，使标注过程可审计、可复现。 自进化设计通过记忆机制实现持续改进，无需频繁重新训练，降低了工程成本。 与已有相关卡片（如HealthClaw自进化智能体）相比，本工作聚焦于**…
SearchOS 提出了一种系统级多智能体框架，通过将隐式搜索进度外显化为持久共享状态（前沿任务、证据图、覆盖图、失败记忆），并引入管道并行调度与搜索工具中间件，显著提升了开放域信息搜索代理在长交互历史下的鲁棒性和效率，在 WideSearch 和 GISA 基准上全面超越现有单/多智能体基线。
值得关注：针对现有智能体在长交互中易陷入重复循环的痛点，首创性地将搜索进度外显化并持久化，结合失败记忆避免重复错误。 管道并行调度与技能系统提高了资源利用率，实用性更强。 与已有卡片（BioASQ 14b 答案类型感知 LLM …
SciDiagramEdit: Learning to Edit Scientific Diagrams from Paper Revisions
SceneBind 提出了一种统一的全模态场景表示，在实例级语义（“有什么”）基础上加入了显式的3D空间结构（“在哪里”），并在跨模态场景检索和音频-视觉定位任务上达到当前最优。
值得关注：现有全模态研究多聚焦于语义对齐，而 SceneBind 首次在视觉-音频-语言三种模态中系统性地融合了3D空间结构，填补了“在哪里”这一关键维度的空白。其轻量级设计也降低了实际部署成本。
通过协调学习范式（全局帧运动跟踪）、数据策略（on-policy rollout量+参考动作多样性）和模型架构（Humanoid Transformer），行为基础模型（BFM）在人形机器人控制上实现了显著的性能提升，全局模式下平均关键点位置误差（MPKPE）降低82%。
值得关注：现有机器人基础模型（如π0.7）主要针对灵巧操作任务，而本工作专门聚焦人形机器人全身控制，提出了实用的缩放配方，并给出了量化指标。这是首次系统揭示学习范式、数据与架构三者协调对BFM缩放的关键作用，为后续大规模人形控制…
本文提出一种两阶段混合神经-物理框架，利用RTS平滑器交替进行状态推断与神经网络参数更新，从部分观测数据中学习未知的ODE组件，同时在保持可解释性的前提下改善潜状态重建与长期预测。
值得关注：相比纯黑箱模型，该框架保留了物理可解释性；相比纯物理模型，它能从数据中学习缺失动态。 特别适用于仅能观测部分变量的实际系统（如生物神经电路、生理信号分析）。 与已有相关卡片（如物理约束晶粒生长、散斑回归、优化器）无直接…
RoboTTT 首次将机器人策略的视觉运动上下文长度扩展至 8K 时间步（较现有技术高出三个数量级），在不增加推理延迟的前提下，实现了从人类视频演示的一次性上下文模仿、在线策略改进、扰动鲁棒性以及在多阶段长程任务上的显著性能提升。
值得关注：首次证明在机器人策略中，增加预训练上下文长度能持续提升闭环性能（steady gains），此前未见此类规律。 将上下文缩放作为机器人基础模型的独立缩放维度，与参数规模、数据规模并列，为后续模型设计提供新方向。 测试时…
以往针对预训练数据的投毒研究大多依赖维基百科等已建立的数据源，其规模与异质性无法代表真实预训练语料库，且忽视了投毒数据与数据筛选管道之间的相互作用。本研究探索了在更现实的网络规模下，是否可以通过现有网络内容注入机制（公共讨论界面）对预训练数据进行投毒。
值得关注：拓宽了对预训练数据投毒威胁的认识：攻击者不再需要攻破权威数据源，只需利用开放的Web讨论平台即可大规模注入有害内容。 针对数据筛选管道的盲点：许多现有数据清洗流程未考虑来自公开讨论界面的恶意内容，可能被系统性地绕过。 …
Plover 通过将任务计划外化为可检查、可修改的工件，使 GUI 自动化代理的运行更加透明、可控和可适应，用户可以在计划可见、干预局部化的前提下有效修复代理的失败行为。
值得关注：现有视觉多模态代理将规划与适应视为内部过程，用户无法介入纠偏。Plover 首次系统性地将计划外化并支持局部修复，弥补了用户监督与代理自主性之间的鸿沟，为构建可信、可交互的 GUI 自动化系统提供了新思路。
LLM在上下文学习中的概率估计严重违反全概率公式所要求的自一致性，但细粒度子群体估计反而比直接总体估计更准确（“宏观谬误”），表明模型拥有子群体知识但无法可靠聚合。
值得关注：首次系统检验ICL的概率一致性假设，揭示模型虽具备子群体知识（细粒度估计较准），但缺乏将知识正确传播回总体层次的推理能力。 提供了可扩展的无参考评估框架（无需人工标注），用于诊断模型在条件推断中的系统性偏差。