精选

三星发布首款无屏形态的AI眼镜Galaxy Glasses

OpenAI推出名为Presence的企业级AI智能体运营平台，整合模拟运行、安全护栏、人工复核和AI评估等工具，可调用Codex分析智能体短板并提出优化建议，内置AI语音对话技术，标志着OpenAI从模型销售商向企业软件服务商转型。

值得关注：与“已有相关卡片”中的Cursor Design Mode、SIMA 2、编码智能体基准等不同，本卡片关注的是企业级智能体运营平台这一产品形态。OpenAI从模型提供商转向提供“智能体运营平台”，是AI产业链从模型能力…

Mind Lab 推出首个正式版 MoE 智能体模型 Macaron-V1（含 748B 旗舰版和 50B 可本地部署版），采用 Mixture-of-LoRA 架构大幅降低训练成本，商业化两周内年化经常性收入（ARR）突破千万美元，标志智能体模型从理论到商用的全链路闭环初步打通。

值得关注：与已有卡片（如 SIMA 2、Cursor Design Mode）聚焦“通用智能体能力”或“开发效率”不同，本条突出了智能体模型的**商业化速度**和**成本可负担性**。MoLoRA 架构在保持性能的同时将训练成本…

腾讯云发布的CodeBuddy NPC是能自主完成方案规划、代码开发、提交PR、执行测试并按CI结果持续修改直至交付的云端研发智能体，经优化后首轮Token消耗从2万降至约2000（降幅超90%），企业可按任务复杂度灵活调度模型以平衡性能与成本。

值得关注：与已有相关卡片中Cursor的Design Mode（2026-06-05）侧重UI修改相比，CodeBuddy NPC覆盖了从规划到交付的完整开发流水线，且具备团队协作能力。 与Together Inference …

Anthropic 在托管智能体平台 CMA 上一次性推出六项关键更新，将单个 agent 的技能上限从 20 提升至 500，并引入多档思考力度调节、种子会话预置、子 agent 线程级可观测性以及七种 webhook，使平台从单纯的 API 产品进化为可运维的企业级智能体平台。

值得关注：这是 Anthropic 在智能体平台能力上的重大跃进，直接对标企业级 AI agent 部署需求，与 OpenAI 同日发布的 Presence 平台形成竞争。 通过提升技能上限和可观测性，CMA 更接近“操作系统级…

长内容创作者（如网文作者、报告撰写者、自媒体人）长期面临AI“失忆”困境：即使模型拥有很长的上下文窗口，也无法有效管理、梳理和利用这些信息，导致万字报告前后口径打架、角色设定OOC（偏离人设）、关键引用无处可查。文章指出，“长任务的天花板≠模型上下文窗口长度”，现有Agent在这一场景下表现欠佳。元石科技推出的**问小白5 Pro**，定位为“新一代长内容…

值得关注：在已有卡片中，SIMA 2 关注虚拟世界具身智能，编码智能体关注推理效率与成本，Cursor Design Mode 关注 UI 修改的交互方式。问小白5 Pro则聚焦**长内容创作的完整工作流**，将“长上下文窗口”…

金山办公发布的“灵犀专业版”是一个独立（而非内嵌于WPS）的AI办公Agent，其核心价值在于理解个人工作历史与项目上下文，将AI的起点从单次提示词推进到用户完整的工作流程，并保持最终交付文件的严肃性与可编辑性，本质上是对办公软件角色的重新定义。

值得关注：**增量信息**：相较于SIMA 2、Cursor Design Mode等聚焦于特定任务闭环或UI交互的Agent，灵犀专业版将AI的起点向前挪到用户的**工作历史和个人语境**，通过“记忆”和“项目上下文”处理跨任…

本文认为，即使是大规模文生图扩散模型，只要使其内部结构可见且可操作，也能成为艺术家的创造性材料；通过集成到 ComfyUI 的模型弯曲与交互检查界面，艺术家可以调试模型特定组件并观察到一致性的视觉效果，从而形成实用的逐层直觉。

值得关注：提供了一种不同于传统技术解释的实践型 XAI 思路，使艺术家在创作过程中主动“拆解”模型而非被动接受黑箱输出。 填补了大规模扩散模型在创意领域作为“可修改变材料”的空白，相对已有工作（如仅提供可视化解释的工具）强调了可干预性。

Twins 通过通道级拼接 ViT 与 VAE 特征构建统一的连续 token 空间，并引入针对流匹配的焦点回归损失，缓解了多模态理解与生成任务中不同表征之间的优化不平衡，在 ImageNet 上无分类器引导时比朴素 MSE 损失提升达 10.57 gFID。

值得关注：该工作首次系统性诊断了连续统一表征在理解与生成联合训练中面临的优化不平衡问题，并提供了可操作的损失函数修改方案，推动了多模态基础模型向单一表示空间收敛的实用化进程。与已有融合 ViT 与 VAE 的方法相比，Twins…

TRACE-ROUTER 是一种任务级路由框架，通过将每个任务一次性分配给一个LLM后端（使用上下文赌博机），并利用任务的终端奖励更新策略，从而在智能体工作流中实现比逐调用路由更优的精度-延迟权衡。

值得关注：与已有方法（如逐调用路由）不同，TRACE-ROUTER 将路由决策与任务级监督信号对齐，解决了多步工作流中反馈归因问题。这为企业部署智能体AI提供了更实际的成本-质量优化方案，无需显式估计任务复杂度即可自适应工作负载。

数据集的 AI 就绪性不是一成不变的固有属性；随着生物学知识的快速更新，模型与数据之间的对齐必须通过持续学习和基础设施支持来动态维护。

值得关注：本文超越了“数据质量”的静态讨论，明确指出 AI 就绪性必须与数据演变对冲，否则模型可快速过时。 提出的四个问题为数据资产管理者提供了可操作的评估维度，填补了 FAIR 框架在时间维度上的空白。 强调了“模型-数据对齐…

V折刀切法（V-fold jackknife）是一种计算高效且理论严谨的半参数推断替代方案，无需推导影响函数，对固定V可得到Studentized统计量收敛于t分布（自由度V‑1），从而给出有效的置信区间。

值得关注：本工作为半参数推断（尤其是涉及机器学习估计量的场景）提供了一种理论上有保证且计算量远低于bootstrap的替代方法，填补了bootstrap在相关设置中理论性质未知的空白。通过固定V下的t分布近似，避免了方差估计量不…

技能对LLM智能体的净收益被平均成功率所掩盖；技能的主要差异不在于谁“增益”更多，而在于谁“回归”更少——即技能引入后导致原本可解决的任务反而失败的现象。

值得关注：提出“回归税”（Regression Tax）概念，量化了技能引入的隐性代价，挑战了“技能越多越好”的直觉。 与已有卡片“技能自我对弈”形成互补：该卡片关注技能协同演化提升能力，本卡片揭示技能可能带来副作用，并指出缓解…

论文提出可感架构（SUSA）——一种针对波动率预测的储层设计原则，其两个复值储层变体在16个美国股票/ETF序列上与GARCH表现相当，对IWM和XLP资产有统计显著的QLIKE改进，且其预测与HARQ型预测互补，堆叠集成可在75%测试场景中超越最强单一模型。

值得关注：该工作首次提出针对波动率预测量身定制的储层设计原则（SUSA），而非简单套用通用循环神经网络。其状态条件专家机制能够显式建模不同市场时期（平静、爆发、恢复、压力）的非线性动态，且与HARQ等主流方法互补，为构建集成系统…

SM4RT提出了一种结构化运动4D重建Transformer，通过将场景运动分解为若干SE(3)刚体运动基元，实现了从单目RGB视频中端到端联合推断3D几何、世界坐标系运动与场景运动结构。

值得关注：SM4RT明确了“运动本身具有几何结构”这一物理先验，将4D重建从逐点无结构化建模提升为基于刚体运动学的结构化表示，可能显著提升运动估计的鲁棒性、一致性和可解释性。

Skill Self-Play（Skill-SP）提出一种**技能协同演化框架**，通过生成器、求解器和动态技能控制器在强化学习循环中持续自对弈，在保持任务多样性的同时获得可靠的验证信号，从而在工具使用和推理基准上持续提升大语言模型性能，甚至扭转初始不匹配模型的表现。

值得关注：该方法首次将**技能**作为连接结构化验证与开放式探索的桥梁，为自演进LLM训练提供了新范式； 协同演化的思想避免了传统自生成方法中奖励信号不可靠的问题，同时突破了环境绑定方法的天花板； 展示了即使初始能力较弱的模型也…

本文证明奇异值软阈值（singular value soft-thresholding）可通过归约到矩阵极分解来计算，从而利用GPU友好的极分解算法，在GPU上相比标准SVD方法实现显著加速；但鲁棒性未经探究，且因符号函数的不连续性只适用于低精度应用。

值得关注：提供了SVD的高效替代方案，尤其适用于大规模矩阵处理，可能降低GPU上的计算瓶颈。 启发其他通过极分解间接计算矩阵函数（如阈值、投影）的技术路线，拓宽了极分解的应用场景。

人类常通过身体抽象（如影子、剪影、反射）进行沟通，但机器人目前主要依赖物理形态表达。本研究旨在让机器人学会操控自身投影的视觉抽象（特别是阴影）来与观察者交流。核心挑战在于：机器人不仅需要推理自身运动，还需理解运动如何被转化为外部投影并被人感知。

值得关注：机器人通过阴影等抽象视觉形式进行沟通，在以下场景具有潜力： 非语言交互场景（如嘈杂环境、远程呈现） 娱乐与教育（如机器人皮影戏、动态故事讲述） 人机协作中提示意图（如阴影箭头指向）

本文提出机器人分解世界模型，将动作执行过程拆解为机器人自身控制器/运动学渲染的标称轨迹，再通过 URDF 显式渲染机器人几何体，从而让视频世界模型专注于学习物体如何响应机器人运动，在未见过的机器人形态上也能泛化，并可从人类演示视频重定向生成机器人操作视频。

值得关注：提出了一种通用接口，将机器人特异性（几何、运动学）从世界模型中剥离，使世界模型更专注于物理交互预测，有望提升机器人操作任务的规划能力和数据效率。 与既有脉络的关系：与 Cycle-World（抑制误差累积）、Defor…

量子谱模型（QSM）通过将输入矩阵直接编码进哈密顿量生成器，使量子模型的归纳偏置显式地匹配输入数据的谱结构，从而在多个基准任务上优于坐标式旋转门编码的传统量子模型。

值得关注：该项工作展示了输入条件化谱表示如何为量子机器学习模型提供可分析的归纳偏置，开辟了结构感知模型设计的新视角。与传统坐标式编码相比，QSM显式利用了矩阵输入的谱结构，在量子电路深度有限时能更高效地捕获全局关系，对于处理图、…