DASH 提出在标准同策略自蒸馏（OPSD）的逐 token 监督中引入“散度自适应传播门”，根据局部散度相对序列均值的偏差动态调整反向多步聚合，从而在不增加任何 teacher/student 前向计算的情况下，在 3 个数学推理基准、3 个模型规模上一致优于 vanilla OPSD。
值得关注：OPSD 类方法此前主要关注如何提供稠密监督（如借助特权教师、构造伪解、定位推理支点），而 DASH 首次明确指出现有 OPSD 忽略了“散度的时间演化”这一维度，并给出了一个计算开销极小的解决方案。它提示：在序列级强…
根据论文摘要，本文指出可解释人工智能（XAI）在“解释方法的评估”方面存在不足，并通过DetoxAI图像识别系统、人类基础评估示例，以及应对概念漂移的反事实解释适配等案例加以说明，最后强调需要追踪数据、模型和解释的共同演化。由于未获取正文，具体结论细节待核实。
值得关注：大多数XAI研究侧重提出新的解释方法，而对其评估质量关注不足；本文聚焦“评估”本身，弥补这一视角。 随着真实世界数据流存在概念漂移，解释方法的有效性和稳定性需要动态评估，本文为此提供了案例与思考。 与已有相关卡片（如L…
CalibForge 提出用“求解器相对的可学习区”来合成终端任务：通过对抗性求解器校准，让候选任务既可执行可验证，又对训练中的智能体具有适当挑战性，最终构建 5,431 个校准终端任务，并在 Terminal-Bench 2.0 等基准上显著提升模型性能。
值得关注：CalibForge 将智能体训练数据生成从“可解性验证”推进到“难度校准”，为自动扩展高质量终端任务提供了新路径。它关注的是训练数据本身的可学习性，属于数据合成层面的基础设施性工作，有可能与下游智能体训练方法互补。
本文提出并检验了用概念激活向量（CAVs）分析两类基于Transformer的L2口语自动评分系统内部是否存在对第一语言（L1）、年龄等无关属性的偏差；发现概念的可恢复性与敏感性依赖模型表示和架构，稀疏自编码器（SAEs）虽提高了概念的线性可恢复性，但会削弱原始激活空间中的敏感性。
值得关注：自动口语评分系统用于高风险测试，公平性至关重要。本文提供了一种可解释性审计思路，帮助识别模型是否依赖L1、年龄等无关属性。 这是对CAV偏差检测方法的重要扩展：从基于特征的评分器推进到基于BERT/Whisper的神经…
在表格密集的长文档（如财务报告、审计报告、监管申报）中，基于“文本分块 → 嵌入 → Top-K 近邻”的 RAG 设计会结构性丢失单位与表头上下文；本文提出的 READ 用三种确定性操作替代黑盒检索，在 51 个已验证问题上达到 58.8% 准确率，显著高于稠密检索的 15.7%（Holm 校正后 p=2×10⁻⁵）；但 BM25 与 READ 在统计上…
值得关注：首次把“Top-K 黑盒检索在表格密集长文档中结构性失效”变成了可测量的证据。 READ 的可解释性来自接口：智能体每一步都执行确定性操作，而不是依赖无法解释的相似度分数。 与已有相关卡片的不同点：本条不是对天文分类或…
任务型对话智能体（task-oriented conversational agents）的评估结果是否可信，取决于 benchmark 本身是否可靠；本文提出一个无需参考标准（reference-free）的框架，用 LLM 作为裁判，从“一致性、复杂度、策略覆盖度”三个维度评估 benchmark 质量，并提供可操作的弱点诊断。
值得关注：填补了一个常见空白：模型评测很多，但“评测所用的题”本身很少被审。 把 LLM 的能力从“答题者”延伸到“出题质量的审查者”，属于元评估（meta-evaluation）。 对当前大量使用 LLM 自动生成评测集的做法…
GB/T-Bench 是首个面向国家标准文件结构化审查的基准，实验显示最强 LLM 与专家仍有显著差距；提出的多智能体框架 GB/T-Reviewer 可将最佳审查得分从 0.3280 提升至 0.5094。
值得关注：填补了规则密集型专业文档审查缺少系统评测基准的空白。 将文档审查从“通用问答”推进到“可定位、可分类、可覆盖”的诊断式评测。 提出可复用的多智能体审查框架，对国家标准文件质量保障有直接应用潜力。
BaKron: Efficient Quantization with Kronecker-Factored Hessians
AV-AIVAT 将方差缩减工具 AIVAT 与随时有效置信序列（CSs）结合，使两个智能体的强弱比较可以在“证据已经足够”的那一刻合法停止；在 95% 名义水平、目标精度 ±1 大盲注、使用渐近置信序列（AsympCS）时，原始收益所需的中位对局数是 AIVAT 校正后收益的 74 倍。
值得关注：它把“方差缩减”和“随时有效停止”结合起来，解决的是评估成本与统计有效性之间的实际矛盾。 相比固定预算或普通置信区间下的可选停止，AV-AIVAT 允许持续监测数据并随时停止，同时保持置信水平。 对 LLM 智能体评估…
研究问题：在 agnostic PAC 设定中，二分类假设类 \(H\subseteq\{-1,+1\}^X\) 的 VC 维为 \(d\ge1\)，目标是从 \(n\) 个 i.i.d. 样本中输出 \(\widehat h\)，使其风险 \(L(\widehat h)\) 尽量接近 \(H\) 内最优风险 \(L^*=\min_{h\in H}L(h)…
值得关注：这是一个样本复杂度最优性结果：本文给出匹配下界的风险上界，把不可知 PAC 学习的样本复杂度问题推进到“通用常数意义下的最优”。 对理解“假设类 VC 维有限时，需要多少样本才能保证接近最优风险”这一问题给出了更完整的理论答案。
本文提出一个六维分类法，用机制、目标、数据需求、持久性、结构范围和模型类型六大维度统一描述与比较训练后适应（post-training adaptation）技术，为AI治理中的模型变更追踪提供共同词汇表。
值得关注：在AI监管日益要求“模型被修改过什么、如何修改”可追溯的背景下，本文直接回应了这一需求：它不是提出某个具体的微调技巧，而是为所有训练后适应技术建立公共描述语言。与已有相关卡片相比，增量信息在于：本卡片聚焦训练后适应技术…
SpaceX 2026年第三季度营收145.75亿美元、同比增长161%，其中“超级智能”业务营收75.60亿美元、同比增长830%，首次超过发射等传统业务成为第一大收入来源；马斯克同时表态与特斯拉合并是“好主意”，双方已设特别委员会但未就条款达成一致。
值得关注：与既有卡片《SpaceX上市后首份财报》（2026-08-05，Q2数据）相比，本条是Q3的延续与更新：AI相关业务从“第二大收入来源、仍在亏损”进一步变为“第一大收入来源”，收入结构变化是增量信息；但本条材料未披露A…
摘要表明，给 3D 扩散策略注入一个由短观测历史学习、并由稀疏未来夹爪状态监督的未来趋势 latent，可在不引入显式轨迹或计划的情况下提供“前瞻”，且仅给 DP3 增加 3.52% 参数，就在 RoboTwin2.0、LIBERO-40、DexArt 和五个真实机器人任务上优于 DP3。
值得关注：把“前瞻”作为条件信号引入 3D 扩散策略，而不是要求模型输出显式轨迹或计划。 仅小幅增加参数，并保留原始 DP3 的密集动作与滚动时域公式，工程改动方向较清晰。 在多个仿真基准与真实机器人任务上报告一致提升，提示未来…
据量子位 2026-08-05 报道，清华系团队 Sand.ai 推出了视频生成模型 MAGI-2-preview，并公开代码与权重。该模型采用 MoE 架构，总参数 114B，单次前向激活约 6B，被文章称为“全球首个千亿 MoE 视频生成模型”。
值得关注：视频生成模型的 Scaling 面临“模型更大、视频更长、成本可承受”的不可能三角，MAGI-2-preview 用 MoE 路线给出了一个可运行的系统级解法。 与单纯迁移语言模型 MoE 不同，视频 MoE 要解决超…
根据宇树科技官网新闻页的标题元数据，其创始人王兴兴（Wang Xingxing）登上《时代》杂志封面，新闻标注日期为2026-08-05；具体报道内容、封面期号及采访细节待核实。
值得关注：如果消息属实，这被视为中国机器人创业者登上国际主流新闻杂志封面的标志性事件，可能反映中国足式机器人/人形机器人企业正在进入全球主流视野。但“首次”“标志性”等判断尚需更多证据支撑。
SK海力士与闪迪联合推出下一代高带宽闪存（HBF）的首个标准规范，由OCP作为行业通用标准发布；同时公布了第十代375层4D NAND等新一代闪存技术进展。
值得关注：AI大模型及代理式AI的推理和训练对存储带宽、容量与能效提出了更高要求。HBF标准试图为高带宽闪存提供类似于HBM的标准化路径，其进展可能影响未来AI计算系统的存储设计。本卡片的增量信息在于：这是HBF标准化的早期节点…
Cursor 开源了名为 **Mixture-of-Kittens（MoK）** 的确定性 MoE 训练 megakernel，将 MoE 层的通信与计算融合到单个内核中；在 GB300 NVL72 上，其 MXFP8 前向吞吐量最高可达最快公开基线的 **2.37 倍**，并在生产训练环境中将端到端 tokens/s 提升了 **1.41 倍**。
值得关注：MoE 是大模型扩展的关键架构，但通信开销往往使 MoE 层成为训练瓶颈。MoK 的开源意味着其他研究团队和工程团队可以借鉴其内核设计、通信方向选择策略和确定性实现，减少重复造轮子的成本。与已有相关卡片提到的模型级成果…
Palantir CEO Karp 认为，大语言模型是概率性的，不能直接用于造车、发火箭等高精度任务；企业买 Token 烧钱难以产出价值，关键在于将模型、应用层与算力结合，并让客户自持权重、数据与算力。
值得关注：本条与已有相关卡片无直接重复。它提供了一个产业界高管对“Token 经济”的反思：在生成式 AI 热潮中，单纯按 token 调用模型未必能创造业务价值；本地基础设施、应用层和算力自持可能成为企业采用 AI 的关键考量…
OpenAI针对苹果的起诉发表官方声明并公开邮件与聊天记录，否认“有组织地窃取硬件机密”，称苹果所谓的诉前沟通源于一封发错的邮件和“一通不存在的电话”；但公开记录也显示，两名前员工离职后确曾回答产品计划相关问题，且iCloud权限一度保留。
值得关注：这是少见的AI头部企业与大型科技巨头之间围绕硬件机密对簿公堂的公开案例。 与既有AI行业“模型竞赛”类报道不同，此案涉及硬件、组织行为和法律风险，是AI产业竞争维度多元化的信号。 增量信息：OpenAI在2026年8月…
Artificial Analysis 发布了“端点准确性指数”（Endpoint Accuracy Index），用于衡量不同提供商端点（provider endpoints）所服务的模型质量是否与参考模型一致；具体方法与结果目前待核实。
值得关注：随着同一开源或开放权重模型被多家云厂商部署，用户默认“同模型同质量”，但量化精度、推理框架、采样参数、防护策略等都可能造成实际输出差异。该指数首次将“端点与参考模型的一致性”作为可量化维度纳入公开评测，是对既有模型能力…