精选

盖茨警示AI加剧不平等，基金会投入10亿美元

黄仁勋在 All-In Summit 上反对以放慢 AI 速度为安全策略，主张通过工程体系、沙箱、运行时与持续监控来管控模型事故风险。

值得关注：该表态代表一种产业界立场：不把安全与领先对立，而把沙箱、运行时、持续监控和事故根因分析作为治理工具。 与既有 NIST AI RMF 卡片相比，本条不是治理框架或标准流程，而是产业领袖的公开主张，增量在于用工程控制语言…

NVIDIA 团队在 TileGym 中构建了一个受约束的多智能体 AI agent skill，把 cuTile Python 与 Triton-TileIR 的 GPU kernel 翻译为 cuTile Rust；材料称已移植全部 24 个公开算子，平均达到 cuTile Python 性能的 99.5%，并用 Tile IR diff 和机器可检判…

值得关注：Agentic AI 进入底层系统开发时，正确性与性能可信度是主要瓶颈。该项目的增量在于把“可验证性”做成流水线核心：每个阶段都有 validator scripts 和 Tile IR diff，避免把通过测试但结构…

据可获取的元数据，OpenAI 正在探索以 AI 智能体为核心的新广告体验，涉及名为 “Sponsored Agents” 的形态、面向营销人员的工具，以及与 HubSpot、Shopify 的集成；但原始正文未能抓取，除标题与摘要外的具体机制、发布时间、可用范围与商业条款均待核实。

值得关注：广告是大型平台最核心的变现方式之一。AI 智能体若进入广告与营销环节，意味着 agent 商业化的落点从生产力工具、客服、编程等场景，扩展到收入链路本身。 对广告主、平台与用户三方的影响结构可能与以往不同：广告主关心投…

据开发者抓包与腾讯研究院 AI 速递转述，Claude Code 中调用 Opus 5 时已被路由至 Opus 5.2，Anthropic 可能跳过 5.1 直接开启灰度测试；材料同时将这一动作与 Anthropic 内部 RSI（材料称“自我改进”）及 Model 2 跑 Agent 写代码的叙事联系起来，但官方确认信息待核实。

值得关注：与已有卡片的关系：已有 Grok 4.5、GLM 5.2 卡片主要围绕公开编码基准、成本与真实代码实测；SIMA 2 卡片围绕虚拟 3D 世界中的自我改进代理。本条增量在于 Anthropic 未正式发布或灰度中的 O…

How to Use AI Agents to Prepare 3D Scenes for Simulation

据腾讯研究院AI速递 20260916 摘要，Meshy创始人胡渊鸣判断：GPT-6 Astra可能接管场景生成、参数化建模与CAD零件等任务，但与精细3D生成互补；精细3D生成仍需专用模型，扩散路线在速度上更有优势。

值得关注：这提供了“通用大模型是否会替代专业3D生成”的一种产业界判断：不是简单替代，而是任务边界重划。 相对已有 SIMA 2 卡片关注虚拟3D世界中的通用代理，本条增量在于：把讨论推进到3D资产生成、参数化建模与CAD零件等…

Track, Articulate, Act 提出一个 real-to-sim 框架：仅用日常随意拍摄的单目 RGB 人类视频，重建可仿真的铰接物体与手-物交互，并在 MuJoCo 中通过接触重放交互。

值得关注：人类视频包含机器人操作所需的因果证据：手部运动如何引起物体运动，以及如何产生任务相关的物体状态变化。 本条把“人类视频”从策略/指令来源推进到“可仿真铰接资产与接触交互”的来源，与 Zero-WAM 等以人类视频作上下…

论文将多智能体“社会法则”从确定性、基于目标的设定扩展到随机、基于奖励的环境，提出 α-robustness 概念，并给出基于归约为求解一系列 Markov decision processes 的鲁棒性验证方法；实验仅在玩具环境中展示潜力。

值得关注：该工作把社会法则/规范研究推向更贴近现实不确定性的随机奖励设定，并关注协调机制与个体保证效用之间的平衡。 与既有相关卡片的关系：已有卡片涉及 LLM 多智能体社会结构中的潜在目标、奶牛场多智能体电池管理、临床多智能体编…

论文提出：攻击者若影响 AI 顾问，可能把其建议转化为有害的量子纠错恢复更新；在奇数距离方形 toric code 中，被动 syndrome 历史无法区分相反的相干 X 旋转，需额外校准测量和独立评估器来认证更新是否真正优于当前恢复。

值得关注：量子纠错恢复更新若可被 AI 建议影响，就不能默认建议正确；本文把问题从“AI 能否做研究”推进到“AI 建议进入量子控制回路后的对抗安全”。与已有“AI 智能体能否进行开放式 AI 研究”卡片相关但增量不同：这里关注…

ScienceIDE 试图把科学代码仓库转化为科学智能体可编程、可执行、可验证的学习环境；基于验证过的交互轨迹训练的 PhAI-IDE-72B、PhAI-IDE-9B、PhAI-IDE-4B，在留出的科学代码修复任务和部分通用代码、推理、知识基准上取得提升，提供了科学经验向更广能力正迁移的证据。

值得关注：科学软件不只是静态代码资产，也可能成为智能体反复学习、执行和验证的环境。 科学领域的正确性标准复杂，ScienceIDE 将 expert-defined acceptance criteria 和 scientifi…

rMuscle 是一个受人类肌肉记忆启发的实时 VLA 推理框架，通过复用机器人重复执行中的上下文与动作内部状态，在 RTX 4090 和 Jetson Thor 上取得 1.29–1.42X 加速，并在真实机器人上保持原成功率（更细粒度指标待核实）。

值得关注：VLA 是当前机器人策略的重要范式，推理延迟直接关系到控制回路实时性和动作质量。 该工作把优化重点放在具身工作负载的重复性上，并将可复用性从外部观测/动作扩展到内部模型状态，属于推理系统层面的优化思路。 对工厂等结构化…

RLLBC-Lib 是一个面向强化学习（RL）与基于学习控制（learning-based control）的教育代码库，通过表格型 RL 与深度 RL 的平行实现、核心原则示例以及可支持自动评分作业的基础，试图降低学生和其他学习者的入门门槛。

值得关注：RL 的抽象交互和多周期动态常使初学者难以仅凭公式建立直觉；可读、可运行的实现可以成为教学桥梁。RLLBC-Lib 的定位不是提出新算法，而是围绕理论基础、深度 RL 平行性和控制方法对比来组织教学材料。

在 AI 胸片报告生成（RRG）评估中，参考报告的书写风格差异足以改变评估指标结果乃至模型排名；论文提出 ReRef 重写参考报告，并发布经放射科医生验证的 MIMIC-CXR-Ext-ReRef 数据集。

值得关注：对 RRG 基准与模型排行榜：材料提示，仅依赖单一参考报告风格下的分数，可能无法稳定代表模型的评估表现；具体影响方向和幅度需结合全文进一步核实。 对数据集与评估设计：需要明确目标报告实践，或使用能更好解耦临床解释与风格…

xvr 是一个自监督 2D/3D 刚性配准框架：它用物理模拟从患者自身术前扫描生成训练数据，结合基础模型与患者特定神经网络/梯度优化，摘要称仅需约 5 分钟微调即可适配任意解剖区域，并在真实透视数据上实现秒级、高精度的跨解剖结构、跨体积成像模态和跨医院配准。

值得关注：它把基础模型、自监督物理渲染和患者特定快速微调组合起来，目标是把 2D/3D 配准从“需标注、需调参、单解剖部位”推进到“泛解剖、快速临床适配、开源可用”。与已有卡片无直接重复；本条增量在于将自监督基础模型用于医学影像…

论文摘要提出一个统一的概率可解释性框架，用稀疏、锚定线性模型同时面向二分类与连续回归，并给出 MIP 与 IHT 两类求解路线；摘要称其解释按构造满足锚定与稀疏约束，并比 LIME、MAPLE 等基线取得更低 relevance error。

值得关注：把形式化可解释性从分类扩展到回归，并用稀疏线性形式控制解释复杂度。 将理论难解性与可处理代理、最优求解和近似算法连接起来，为可解释性方法提供算法路线。 与已有关于线性化 Transformer、OT-ICA 的卡片不同…

一项 2025 年 12 月至 2026 年 3 月在尼日利亚 761 名医疗专业人员中进行的横断面调查显示，医疗 AI 认知度很高（92.6%），但知识/准备度不足（40.9% 报告低或极低知识，63.0% 自认准备充分），形成“高认知—低准备”的临床采用缺口。

值得关注：该研究用尼日利亚多学科、多实践场景样本，量化了“高认知—低准备”的落差，并把障碍按培训、基础设施、成本、岗位、伦理、隐私排序。 与既有卡片的关系：已有“尼日利亚移动购物应用中的 AI 数字主权调查”关注消费者侧透明度与…

英文标题：PointZero: 3D Point Track Completion for Learning Transferable 3D Dynamics。 背景：世界模型使感知系统能够预测场景在交互下如何演变；这类模型通常需要多样、大规模数据训练，才能形成丰富先验。 瓶颈：现有方法通常需要 robot action labels 来学习 action…

值得关注：动作标签稀缺且采集昂贵，是机器人学习和 3D 动力学建模的数据瓶颈之一。 用“轨迹补全”作为自监督或预训练任务，可能把大量无动作标签的观测数据转化为可迁移动力学先验；这是摘要给出的核心动机。 与已有卡片的关系：ReCa…

在双智能体 log(N)-Questions 游戏中，除 Claude Opus 5 明显落后外，五个前沿模型表现接近；随文档集合增大，胜率按单一每轮可靠性参数衰减，且每问题信息量与胜率相关，而推理 token 开销与成功关系不大。

值得关注：这条工作把前沿模型评测从单模型能力转向“同源模型在信息不对称下能否有效通信”。它显示，成功更关联每问题信息量与提问策略，而非单纯增加推理 token。对智能体、多轮协作和通信压缩等场景，log(N)-Questions…

PhysVGGT 是一个前馈模型，能从单张 RGB 图像经一次前向传播，同时预测摩擦系数、邵氏硬度、杨氏模量、密度的逐像素稠密图以及物体级质量；论文摘要称其在 ABO-500 上取得 SOTA，并有效泛化到分布外的 NeRF2Physics，单图推理延迟 0.13 秒，比此前 SOTA 快 27 倍。

值得关注：机器人操作策略（抓取力度、接触摩擦假设、形变预期）本质依赖物理属性，而视觉只给出外观；本工作把"外观→物理"的映射压缩为一次网络前向。 与既有卡片脉络的关系：已有卡片分别涉及像素空间稠密预测（ReChannel）、单目…