CoCo-IR 提出一种新的多轮“上下文组合式图像检索”任务，让用户通过多轮交互逐步细化检索结果。论文基于大型多模态模型（LMM）构建上下文感知检索器，生成随轮次演化的 Transformable Image Embeddings（TIE），并配合全自动数据引擎；摘要报告在 CIRCO 单轮基准上达到 39.4 mAP@5，在新建 CoCo-IR 基准的…
值得关注：将组合式图像检索从单轮交互扩展到多轮上下文，弥补了现有系统在迭代式视觉搜索上的空白。 提出“随轮次演变”的图像嵌入 TIE，而不是一次性生成固定查询表示，是对检索建模的一种新思路。 全自动数据生成与难负样本挖掘机制，有…
本文提出一种名为 Chained Recursive Language Models（Chained RLM）的推理时架构：让同一个大语言模型以“新鲜推理根”的形式被反复调用，通过传递紧凑摘要、黑板和工作区工件，把长上下文推理拆解为多个可检查、可修正的阶段，旨在缓解单次推理中早期错误传播的问题。
值得关注：这项工作属于推理时计算（inference-time computation）方向的尝试，不修改模型权重，而是通过反复调用同一模型并设计工件交接来管理复杂推理。与已有相关卡片中涉及的 VLA 模型忠实性、数据集或水印技…
只按有限视界内的信息收益来选择实验的规划器，在“必须先构造能力、之后才能做有效实验”的任务上会结构性失效；本文提出 CG-Plan，用“能力感知的到目标成本启发式 h = h_cap + h_exp”来缓解这一问题。
值得关注：现有系统常用“单位成本信息增益”等近视指标做实验选择；本文展示的失效不是调参问题，而是固定前瞻深度无法克服的结构性限制。 “能力门控”作为一个独立困难轴，提示研究者需要设计能评估能力构建价值的规划方法。 与已有相关卡片…
BnBERT-iPET 是一种面向孟加拉语的稀疏少样本语言建模方法，通过彩票假设剪枝将模型剪至 10% 的边（即 90% 稀疏度），在少样本下游任务上可与 Bangla Electra、Indic-BERT、XLM-RoBERTa 等大模型“并驾齐驱”。
值得关注：已有相关卡片多涉及图像分割、视频生成和多模态图基础模型；本卡片增量信息在于：它将稀疏化剪枝与少样本学习结合，专门针对孟加拉语这一资源受限语言，展示了“大模型压缩到 10% 后仍可竞争”的实证结果，为低资源语言 NLP …
待核实（目前仅有论文元数据，无法确认研究结论）。
值得关注：该研究主题与“共享具身智能与人机协作优化”构成延续：真实公共空间中的行人如何感知和回应机器人，是机器人进入城市环境的关键问题。与已有相关卡片相比，本条增量信息是：同时覆盖“自主移动机器人”和“个人移动机器人”，并聚焦“…
Argus 是一个持久化、自进化的通用智能体运行时，在不改变模型权重的前提下，通过持久项目状态和控制策略实现自我进化，并在软件工程、数学研究、论文流水线等长时程推理任务上取得显著提升。
值得关注：与已有相关卡片相比，CompactionRL 通过训练策略改进长程智能体，Cortex 针对具身智能体操作，而 Argus 提供了一条不改变模型权重、仅通过持久运行时状态与控制策略进行自进化的通用路线。其增量信息在于：…
ABSeeker 提出 Answer-Backtracked Credit Assignment（ABC）框架，利用从最终答案回溯出的中间线索，将稀疏的轨迹级结果转换为稠密的步骤级奖励，从而训练长程搜索智能体；在 4B 参数规模下，其 BrowseComp 得分可从 37.3% 提升至 55.3%（配合上下文管理），接近约 30B 参数的大模型表现。
值得关注：长程搜索智能体的训练难点在于：一条轨迹即使最终失败，其中也可能包含正确步骤；反之最终成功也可能包含冗余或错误动作。ABC 提供了一种“只看查询和标准答案”即可生成步骤级奖励的思路，无需人工过程标注，就能奖励失败轨迹中的…
商汤开源统一多模态模型SenseNova U1.5-Lite-Preview，基于NEO-Unify架构，仅8B-MoT规模，实现原生4K生成、更准确的中英文字与复杂版式，以及更稳定可迭代的图像编辑，多项基准显著超越前代U1，效果可比肩商用闭源模型。
值得关注：这是商汤在开源统一多模态方向上的新进展。与已有的“商汤开源SenseNova-Vision统一视觉大模型（2026-07-14）”相比，本条记录的是后续更新，增量信息在于：从统一视觉模型扩展到统一多模态生成与编辑，并且…
阿里发布迄今最强的Qwen3.8-Max，参数达2.4万亿、激活95B、支持百万上下文，编程与办公能力显著提升，并计划下周开源权重。
值得关注：这是阿里在超大模型与长程自主智能体方向的最新进展。与已有相关卡片相比，本条增量信息在于：不仅强调模型规模，还展示了从编程到专业办公、再到长程闭环任务（芯片设计优化、电商经营模拟）的端到端自主能力，且即将开源权重，可能对…
OpenAI 发布了面向教育场景的 ChatGPT Work 与 Codex 新插件（教育插件），旨在帮助 K-12 教师、大学教育者和学生进行学习、教学、研究与构建，但具体功能细节待核实。
值得关注：这是 OpenAI 在 AI 教育应用方向的一次明确动作，与 Anthropic 的 Claude Tag 团队协作或“艰难问题”公众倡议不同，本条聚焦于教师和学生的实际工作流。若插件落地，可能影响教学备课、作业辅导、…
Karpathy以约10美元、约100万Token的预算，让Opus 5模型自主运行近两小时，写出约5500行代码，将《指环王》开篇文字做成了可交互的3D场景。这个实验展示了大模型按需生成临时虚拟世界的潜力，也暴露了模型无法原生感知视频、只能靠静态截图自检的局限。
值得关注：该案例属于AI智能体自主完成复杂任务的前沿演示，由知名AI研究者Karpathy发起，成本低、过程长、产出完整。相比一般代码生成评测，它强调了模型在“视觉反馈循环”上的瓶颈：生成的是3D交互场景，却无法直接“看”结果。…
Grok新增了视频分析能力，可在数十秒内生成长视频摘要，并声称能鉴别Deepfake及溯源制作模型；但技术人员指出其实际依赖字幕而非逐帧画面，存在幻觉与稳定性不足。
值得关注：这是大模型厂商在主流聊天产品中直接宣称“视频Deepfake检测+生成模型溯源”能力的实例，将AI内容鉴别的边界从图像扩展到视频。与已有的AI安全框架相比，本条目提供了具体的产品级视频伪造检测功能样例，是AI治理从原则…
DeepMind研究员Trask：单体模型式微，未来是智能路由集成
NVIDIA 技术博客提出，以视频世界模型为骨干的“世界动作模型（WAM）”正在挑战传统视觉-语言-动作模型（VLA）范式；开放的 NVIDIA Cosmos 3 世界基础模型可作为 WAM 后训练的强起点，在物理泛化、少样本适应新机器人和部署灵活性上带来可量化的收益。
值得关注：这是对“VLA vs WAM”范式争论的一次具体产品化回应：不只是论文概念，NVIDIA 给出了可下载的模型权重、可复现的后训练配方和从数据中心到边缘的部署方案。 与既有“世界-动作模型崛起”卡片相比，本条提供了**具…
据量子位报道，一家DAU破亿的出海AI穿搭应用在遭遇推理成本倒挂（人均年收入2美元，人均云端算力+传输成本3美元）后，通过将推理层迁移至Akamai推理云并换用NVIDIA RTX PRO 6000，将GPU集群规模缩减75%，单图生成耗时从12秒降至3-5秒。
值得关注：AI应用的用户规模增长不等于盈利，推理基础设施成本可能倒挂并拖垮现金流。本案例展示了针对推理场景的跨云异构迁移和专用GPU/量化选型（FP4）如何显著压缩成本，为出海AI企业提供了一条“存量云不动、仅迁移推理层”的低风…
Jeff Dean提出“1%法则”：小团队应瞄准通用模型成功率为0-1%的难题，依靠私有数据、专用模型与产品设计取胜。
值得关注：该观点为AI创业者和研究者提供了差异化的战略思路：在基础模型能力快速提升时，小团队仍可通过私有数据、专用模型和产品设计找到生存空间。同时，它也提示推理效率和Agent稳定性是未来AI落地的核心瓶颈。
开源智能体Hermes试图通过剥离通用策略提示词，把模型对大厂的忠诚转移给用户，并用性格与批评技能、上下文学习及Curator自动清理记忆技能，应对“你说得完全对”式谄媚；开源被视为防止AI被少数公司垄断的关键。
值得关注：本条提供了与“能力增强/交互升级”不同的增量视角：智能体的对齐对象是谁？开源智能体通过技术和许可双重手段，把模型忠诚从厂商转移到用户，关系到AI治理、商业生态和用户自主权。与已有相关卡片中的SIMA 2（通用具身智能体…
Genspark 在 AGI Playground 2026 发布了 GenOffice——一款面向 Windows/Mac、免费开源无广告的本地 Office 客户端。据材料称，其 Alpha 版由一名工程师在一周内完成，Token 成本约 1 万美元；这是一次用低成本、开源方式抢占白领高频办公入口的尝试。
值得关注：这是 AI 代理（Agent）从虚拟环境、开发工具向白领日常办公软件渗透的信号。与“SIMA 2 在 3D 虚拟世界中的通用代理”不同，GenOffice 面向的是高频、刚需的办公场景；与 Cursor 的视觉 Age…
E-Bench是一个面向智能体多步工具调用能力的中文场景基准测试，由腾讯混元联合清华、东南大学推出，用王者荣耀、QQ音乐、腾讯会议等真实产品原型设计任务；测试显示11个前沿模型平均成功率仅54.56%，可靠性不足是当前最大瓶颈。
值得关注：当前智能体评测多集中在单轮指令或简单工具调用，而E-Bench强调“多步工具调用”和“干扰信息下的可靠性”，更贴近真实产品落地。它指出了一个此前容易被忽视的事实：模型能力不仅取决于“会不会用工具”，更取决于“在复杂信息…