精选

CPI-Bench: A Comprehensive,Practical and Intelligent Benchmark for Real-World Image Editing

本文提出 sMuon（small Muon），通过线性化和最小二乘近似求解低秩设定下的松弛 Muon 目标，仅用矩阵乘法实现，使 Muon 优化器能够用于 LoRA 等低秩微调，并在 SFT 和 ReLoRA 预训练实验中取得中等性能改进。

值得关注：填补了 Muon 优化器在低秩微调场景中的空白，使 LoRA 类方法也能受益于 Muon 的预训练优势。 展示了如何通过数学近似解决优化器与参数化方法之间的约束冲突，为后续优化器-适配器组合设计提供参考。 增量信息：与…

通过直接偏好优化（DPO），用实验稳定性数据对齐预训练蛋白质语言模型，得到的 ProteinDPO 能够对蛋白质序列进行热稳定性评分和生成；在 H5N1 流感血凝素上大幅提升热稳定性，同时保留抗体识别能力。

值得关注：展示了“对齐”思想从大语言模型迁移到蛋白质生成模型的价值：用实验数据作为偏好信号，而不是只用序列或结构损失。 为蛋白质设计提供了一条新的数据驱动路径：大规模实验稳定性数据可以直接塑造生成模型的偏好，提升实际可用性。 与…

一场为期3个月的Kaggle挑战赛表明，机器学习粒子拾取算法在处理实验性冷冻电子断层扫描（cryoET）数据时能够超越现有最先进软件，并提供了用于未来工具基准测试的关键参考资源。

值得关注：该挑战赛将Kaggle社区与结构生物学问题相结合，显著扩大了算法开发的参与面。它提供了一个公开、大规模的实验性基准，帮助评估和推动cryoET粒子拾取算法的发展。与此前基于合成数据的小规模挑战不同，本竞赛基于近500张…

OpenRouter联合创始人兼CEO Alex Atallah认为，美国在开源大模型上已远落后中国，DeepSeek、GLM、Kimi等模型靠高性价比占据主导；企业应警惕依赖单一前沿模型巨头，并用动态眼光评估员工使用AI的成本与产出。

值得关注：在OpenRouter先后推出MCP服务器和Fusion工具之后，其CEO的公开表态进一步揭示了公司战略视角：模型层竞争以价格和开放程度为核心，应用层则向极简“驾驭层”转移。本条是已有OpenRouter技术动态的延续…

根据现有元数据，OpenAI 正在预览一项名为 **Ultrafast** 的 API 服务层级，用于运行 **GPT-5.6 Sol**，最高可提速 **14 倍**，并由 **Cerebras** 提供算力支持，输出速度最高可达 **750 tokens/秒**。由于未能抓取正文，具体细节待核实。

值得关注：本条与已有相关卡片的增量信息在于：

据腾讯研究院AI速递（2026-08-13）报道，OpenAI宣布Linux版ChatGPT桌面应用进入预览阶段，将ChatGPT、ChatGPT Work与Codex三件套带到Linux开发环境；但兼容范围有限，仅支持部分主流发行版，且Linux上的桌面控制力弱于macOS。

值得关注：本条是OpenAI在“AI桌面代理”方向上的具体产品进展：将ChatGPT与Codex一体化带到Linux原生桌面，降低了开发者在Linux环境下的切换成本。与已有相关卡片相比，本条提供了可验证的产品兼容性细节（发行版…

OpenAI任命Dali Rajic为首席营收官（Chief Revenue Officer），领导其全球营收组织，帮助各类企业充分实现AI价值。由于原始网页未能抓取正文，本卡片仅基于已知元数据整理，细节待核实。

值得关注：这是OpenAI在营收高管层面的关键人事安排，表明其在AI产品进入规模化落地阶段后，更重视市场拓展与客户成功。 与已有相关卡片中其他AI公司高管变动（如Anthropic任命首席全球事务官）相互呼应，反映头部AI企业正…

Ramp 的 Agent 平台 Inspect 已实现无人值守工作流：CI、监控与定时任务可自动触发 Agent 收集日志、定位代码、跑测试并回传审核，自动化触发的会话数量已超过人工发起；其落地经验强调最小权限、默认只读、高风险操作留人工确认。

值得关注：本条增量信息在于：不同于已有卡片关注的通用 3D 代理、推理基准和交互式 UI 设计，Ramp 的实践展示了 Agent 在真实企业基础设施中“无人值守”运行的具体形态与工程前提，尤其是最小权限、只读默认和人工确认等安…

OpenAI 为 ChatGPT 桌面端和 Codex CLI 提供了一条统一导入路径，可一键复制 Claude Code、Cursor 的配置、技能、插件、项目以及30天聊天记录；但迁移只进不出，细粒度权限、复杂 Hooks 链、Anthropic 模型本身和云端聊天记录无法带走。

值得关注：它意味着智能体开发者的“配置、技能、项目”正在成为可迁移资产，但“导入开放、导出不开放”可能造成新的平台锁定。 增量信息：既有 Cursor 相关卡片聚焦 Design Mode 的交互能力；本条补充的是 OpenAI…

马斯克发布Grok Bot，云端AI队友7×24小时干活

林俊旸创办语用科技，红杉等投资押注Agent赛道

荣耀开售号称“全球首款机器人手机”的 Robot Phone，9999元起，预订量已超40万台，8月18日首销。其核心卖点是4自由度机械臂云台与总参数超300B的智能体基座大模型，支持100步以上复杂任务、单轮成功率90.4%。

值得关注：这是 AI Agent 从纯软件/虚拟世界走向实体手机硬件的代表性案例。与已有卡片中的 SIMA 2（虚拟3D世界代理）、编码智能体、Cursor 视觉代理不同，Robot Phone 将大模型智能体与实体机械臂集成进…

Vero 是首个在“仓库级”评估 AI 智能体联合生成代码实现与机器可检查形式化证明的基准。最强配置的智能体仅完整解决 43 个实例中的 27 个，在最难仓库上未闭合任何规范（closes no specifications）；这说明当前智能体距离仓库级可验证软件综合仍有明显差距。

值得关注：Vero 将可信 AI 生成软件的评测从“单函数”提升到“多模块仓库”层面，且要求智能体同时负责实现和证明，而不是在给定实现后只做证明。这是一个从“AI 写代码”到“AI 保证代码正确”的关键评测步骤。

V-RAE 提出在冻结的视觉基础模型表示之上构建视频生成用潜空间，证明重建最优的潜空间不一定适合生成，而基于语义表示的潜空间能以更快收敛、更高质量同时支持视频重建、生成与预测。

值得关注：现有视频生成工作多聚焦于模型架构与注意力机制（如 FVAttn 的推理加速）、训练数据构造（如 FlowMimic）或自监督立体生成（如几何互易定理），而 V-RAE 提供了另一个关键增量子：视频潜空间本身的设计。它直…

UniTexture 提出用单个带纹理的 3D 物体作为跨任务通用对抗扰动源，只优化一个共享表面纹理，就能在多个操纵任务中使 VLA 模型产生攻击者指定的动作偏移；在 OpenVLA 和 π0.5 上，平均任务成功率从良性条件的 90.0% 降至攻击下的 48.4%，并可跨套件、跨模型迁移。

值得关注：VLA 模型不只在感知层输出语义，而是直接输出动作。UniTexture 的警示在于：攻击者无需针对每个任务制作扰动，只需一个共享纹理的物体出现在环境中，就可能让多种任务同时失败。这暴露了多任务 VLA 共享表征中的安…

TraVEL 通过将自车轨迹相似性作为强化学习奖励来微调多模态视频嵌入模型，使驾驶视频检索在不增加推理阶段负担的情况下，显著提升对左转/右转、加速/减速等运动中心事件的区分能力。

值得关注：TraVEL 展示了“物理轨迹特权监督 + 单向量视频检索”的新范式：训练时使用轨迹信息，推理时完全不需要轨迹或感知输出，从而兼顾物理层面的运动理解与部署时的检索效率。与已有相关卡片涉及的组合图像检索、流形学习或机器人…

大语言模型在遭遇知识边界之外的实体时，通常仍会生成听起来很具体的细节，而不是退回到更安全、更一般的表述；研究发现，模型中其实已经存在用于“格莱斯式退避”的神经信号，但生成策略没有把这些信号利用起来。

值得关注：该研究为“LLM 幻觉”提供了一种新的解释语言：不是模型“不知道”，而是模型“知道不知道”与“将要说什么”的信号没有在生成时被用于决策。 相对于已有相关卡片中的激活干预、技能熵等方法，本研究的增量信息在于：它从格莱斯语…

掩码扩散（masking diffusion）的 KL 离散化误差可由“去掩码增长复杂度”（unmasking growth complexity, UGC）的局部增量控制；据此可构造“认证最优”（certified-optimal）采样器——以高概率达到指定 KL 误差，且迭代复杂度与对应 oracle 过程只差常数因子，并可在高维示例中用常数个自适应调…

值得关注：这项工作的理论意义在于：它将离散扩散模型的调度问题从“固定步长”或“启发式时间表”推进到“由数据几何驱动、可从样本估计、并带认证式保证”的框架。UGC 不只是误差上界工具，还能揭示数据中的统计依赖结构如何影响采样效率。

在预训练的第一个token就植入期望助手人格（Synthetic Persona Pretraining, SPP），比仅在预训练结束后再引入对齐能更有效地提升宪法遵循、越狱鲁棒性，并减少道德困境中的错位，同时保持模型能力；早期干预的优势随预训练预算增加而增强。

值得关注：挑战了“先预训练、后对齐”的主流流程，提出从训练初始阶段塑造价值观的可能性。 与已有相关卡片的关系：已有卡片涉及重复采样、数据增强等训练后或数据层面的策略；本条则聚焦于对齐的介入时间点，增量信息在于证明“早期预训练干预…