AI 日报 · 2026-07-13

本文提出基于选择性状态空间的两种适配器（MaLoRA 与 MaRA），在冻结大语言模型上通过 token 级动态缩放和上下文级检索，使推理准确率在三个骨干模型和两个基准上平均提升 +6.8 F1（+10.5% 相对），且 token 级增益在长上下文压力下保持。

标准低秩适应（LoRA）为每个任务学习一个静态更新矩阵，该矩阵对所有输入 token 相同，无法捕捉 token 级或实例级的状态变化。本文研究如何将选择性状态空间递归引入适配器，使适配过程具有输入依赖的动态性和跨 token / 跨段的状态记忆。

arXiv 论文

GPT-5.6 在多项标准基准测试中领先、单任务官方标称成本约为 Fable 5 的一半，但第三方评测的智能指数接近 Fable 5；作者实测深度项目协作时表现死板、耗时巨大、额度消耗快，实际成本优势存疑。

OpenAI 全量上线 GPT-5.6，官方宣称在 Terminal-Bench、DeepSWE 等基准上全面领先，单任务成本约为 Fable 5 的一半。第三方机构 Artificial Analysis 的 Sol 智能指数显示 GPT-5.6 得 59 分，贴近 Fable 5 的 60 分；Codex+Sol 以 80 分登顶编程榜单。作者实测一个…

腾讯研究院（搜狐同步）

OpenRouter 于 2026 年 7 月 13 日发布全新品牌标识，以几何数学和包豪斯“形式追随功能”哲学为设计原则，反映其从模型聚合平台向智能时代基础设施的战略跃迁。

2026 年 7 月 13 日，OpenRouter 在官方博客宣布品牌焕新。联合创始人 Julian Thayn 指出，随着平台扩展产品线、新增合作伙伴、完成 Series B 融资，原有标识已无法代表当前公司愿景。新标识从草图出发，通过几何形状的精确排列构建出“OR”字母组合，配色方案区分明亮能量色与深邃专注色，并针对浅色/深色模式分别优化，全面覆盖…

openrouter.ai

OpenAI官方Prompting指南提出：重要任务应包含目标、上下文、输出、边界四要素，无需技术语法，用自然语言开头；并区分Chat、Work、Codex三类载体，配合/plan规划、沙箱运行与验证闭环。

OpenAI发布官方Prompting指南，系统介绍了如何编写高效提示。指南强调提示不需要技术语法，用户用自己的话开头即可。对于重要任务，应包含四个核心要素：目标（想要的结果）、上下文（相关背景信息）、输出（期望的格式或载体）、边界（关键约束条件），并且只选用真正有帮助的部分。指南还提倡从想要的结果说起而非罗列步骤，只提供相关来源，设定“不改已批准数据、先…

腾讯研究院（搜狐同步）

NVIDIA 发布的 Ising Decoder ColorCode 1 Fast 在距离 d=31、物理错误率 0.3% 条件下，将颜色码逻辑错误率（LER）降低超过 347.7 倍，且运行速度比现有最优解码器 Chromobius 快 7.3 倍，使颜色码重新成为实用容错量子计算的有力候选。

2026 年 7 月 13 日，NVIDIA 在技术博客上宣布推出 Ising 解码器系列，旨在突破颜色码（Color Codes）在现实量子纠错（QEC）中由于缺乏快速准确解码器而长期被搁置的瓶颈。该工作开源了完整的训练流水线、权重、合成数据生成工具（基于 cuQuantum 和 cuStabilizer），允许研究者针对特定量子处理单元（QPU）的噪声…

NVIDIA 博客

材料主张，“十五五”时期中国扩大消费的政策重心应从耐用商品更多转向服务消费，以养老、医疗健康、教育文化娱乐、旅游等传统服务为基本盘，以数字服务、智能服务、情绪/悦己消费等新业态为增量，并通过普惠金融、消费券、文旅体娱融合和包容审慎监管推动消费结构向服务型、智能型升级。

材料为《金融时报》文章《加快发展服务消费 推动消费转型升级》（搜狐转载），作者为杜晓宇、陈维宣、贾诗玥。 文章讨论：中国是否正处于从商品消费主导向服务消费主导转型的窗口期；“十五五”时期如何扩大服务消费、推动消费转型升级。 文中提到，2026年7月13日国务院印发《扩大消费“十五五”规划》，7月30日中央政治局会议提出“挖掘服务消费潜力”。上述政策文件、会…

腾讯研究院（搜狐同步）

美光科技CEO Sanjay Mehrotra在接受访谈时阐述了存储器在AI时代的新定位——AI智能的核心底座。他认为，随着大模型上下文窗口变大、KV缓存增长、模型参数持续扩张，Token经济学不仅需要算力，更需要强大的记忆能力。

腾讯研究院（搜狐同步）

AI教父辛顿承认2016年“五年内AI取代放射科医生”的预测失败，主因是技术进展慢、工作复杂性被低估且法律责任成本过高；同时他强调大模型具备类人理解能力，并警告超级智能的欺骗性与控制欲。

辛顿在MIT讲座中回顾其2016年提出的“五年内AI取代放射科医生”预测完全失准。他分析失败原因：一是图像理解进展比预期慢；二是忽略了放射科医生在会诊、介入、与患者沟通等多方面工作复杂性；三是律师深度介入后，采用新技术出错的法律责任成本远高于保守不用，医疗机构因风险规避而延缓部署。

腾讯研究院（搜狐同步）

阶跃星辰发布面向手机、汽车等终端的端侧模型全家桶Step Edge，包含四款模型，以低至0.1秒的本地toolcall延迟和多模态本地处理为核心亮点，宣称在29项评测中取得第一。

阶跃星辰在2026年7月13日前后发布了Step Edge端侧模型全家桶。该产品定位于让Agent真正进入终端本地运行，主要面向手机、汽车等设备。Step Edge系列包含基础模型、Audio、GUI、Gen四款子模型，覆盖文本、语音、视觉、界面交互和生成等能力。

腾讯研究院（搜狐同步）

智谱创始人唐杰发内部信，宣布启动两年期“Touch High（摸高）”计划，回归基础模型研究，目标是通过长程任务→智能体社会→无人公司→自我进化→ASI的路径，直接构建“无人公司”；同时援引DeepMind观点指出，即使单模型停留在人类水平，只要AGI实例每年十倍扩张，五年内可达群体级超级智能。

2026年7月，智谱创始人唐杰发布内部信，宣布启动为期两年的“Touch High（摸高）”计划，全面回归基础模型研究，并给出明确的ASI（人工超级智能）路线图。该计划包含四大引擎同步推进，旨在跳过“一人公司”阶段，直接实现“无人公司”的运营模式。唐杰还援引DeepMind观点，从群体层面论证超级智能的可能性，并以极致安全研究和GLM-5.2 MIT开源作…

腾讯研究院（搜狐同步）

AnySearch是一款专为AI Agent设计的搜索产品，通过连接20多个垂直数据源、前置信息筛选和结构化输出，在300道基准测试中综合准确率达76.4%，延迟优于Parallel和Brave Search，上线两个月即登顶Product Hunt周榜第一。

2026年7月，中国团队推出的AnySearch在Product Hunt上获得周榜Top 1，成为少有的以搜索类产品登顶PH榜的案例。该产品不是面向人类用户，而是专门为AI Agent提供实时、准确、可追溯的结构化信息输入，旨在解决Agent在错误或冗余信息上浪费算力的问题。

量子位

当前多智能体LLM系统中普遍采用的本地运行时监控器（逐个检查消息、工具调用或步骤）存在根本性漏洞：分布式后门攻击将有害载荷拆散到多个智能体，使每个本地检查均表现为良性，组装后却构成攻击；一旦片段在监控视图中看起来与正常流量无异，任何基于该视图的检测器都无法捕获。

随着多智能体、工具使用型LLM系统的部署，常见的防护手段是一个运行时监控器，它独立检查每条消息、每次工具调用或每个步骤。本文证明该防护网存在根本性漏洞：分布式后门攻击将有害载荷分散到多个智能体，使得每个本地检查都通过，而组装后的对象正是攻击负载。监控器可以对每一步都做出正确判断，却仍然漏掉攻击。问题不在于拆分本身（拆分后的片段仍可能泄露可疑令牌或溯源边），…

arXiv 论文

提出一种结合Transformer强化学习与人工蜂群（ABC）算法的混合NAS框架，在普通GPU上3小时内即可搜索出参数高效的网络结构，在CIFAR-10上达到84.85%精度（约174K参数），并在信用卡欺诈检测任务上取得0.71的F1分数（约4.6K参数）。

传统神经架构搜索（NAS）通常需要数千GPU天的巨额计算资源，阻碍了其在普通硬件上的应用。本文旨在设计一种“节俭”且“模因”（memetic）的NAS框架，使架构搜索能在消费级GPU（如NVIDIA RTX 3060）上运行，同时产出适合边缘部署的紧凑模型。

arXiv 论文

Towards shared embodied intelligence in humanoid robots through optimization, development and testing of the human-aware ergoCub robot

nature.com

The brain is a diverse place, why not computing?

nature.com

StoryTeller 是一种无需微调的框架，通过维护经视频验证的叙事记忆，使视频-语言模型能为长篇电影生成连贯、有上下文依据的音频描述，从而显著改善盲人和低视力观众的电影叙事理解。

**问题**：现有视频-语言模型在处理短视频片段时效果良好，但对长篇电影生成音频描述时，往往独立处理每个时刻，导致描述丢失角色身份、事件缘由及跨场景的叙事联系，使盲人/低视力观众难以跟随完整剧情。 **目标**：在不依赖字幕、脚本、对齐字幕、角色库、预计算人脸识别或任务特定微调的前提下，实现故事感知的长篇音频描述。

arXiv 论文

邀序编码通过让教师模型从学生自身分布中挑选训练样本，仅编码师生不一致的部分，使得代码长度独立于参数数量和数据熵，在压缩率上比先序编码（prequential coding）常提升数个数量级，并为首个在十亿参数大语言模型上取得领先泛化保证的PAC-Bayes界提供支持。

压缩与智能密切相关：能将其训练数据编码为短代码的模型往往发现了有助于泛化的规律。然而，传统的基于参数的压缩方法（如量化）的代码长度随模型规模线性增长，对参数中存储的实际信息不敏感；先序编码虽通过压缩训练轨迹绕过了参数规模问题，但必须编码精确的数据序列，在高熵数据上编码长度仍然很大。本文提出“邀序编码”（requential coding），旨在构建一种独立…

arXiv 论文

Relaxing Faithfulness with Intervention-Only Causal Discovery

arXiv 论文

AI 润色工作邮件会显著改变邮件的情绪基调（玩耍语气增加积极性，专业语气降低积极性），但并不会直接改变收件人的打开率、回复率或响应时间；然而，发件人自身邮件中的积极情绪会显著预测收件人的行为（打开几率提高约 2 倍，回复几率提高约 3.3 倍），这表明 AI 辅助沟通通过所产生语言的情绪基调间接影响职场互动。

本研究通过一项随机交叉现场实验，首次量化了 AI 辅助写作（GPT-5）在实际职场邮件中对收件人行为的影响。121 名来自六家公司的员工在三周内以三种条件发送工作邮件：无辅助写作、GPT-5 以玩耍语气重写、GPT-5 以专业语气重写。共分析了 16,880 封邮件的收件人行为数据。

arXiv 论文

Paradoxes of Game Theoretic Equilibria and Price of Anarchy

arXiv 论文

**研究问题**：现有基准缺乏对视觉型工具调用代理（visually grounded tool-calling agents）的系统评估，尤其缺少支持多图像、多轮对话、状态变更以及真实对话现象（目标修改、错误纠正、状态突变）的统一评测环境。 **事件**：该论文提出了 MM-ToolSandBox，一个包含自动场景生成管道、人工验证场景集和交互式 UI…

arXiv 论文

MicroCharNet 以仅 0.08M 参数和 0.096 GFLOPs 的计算量，在 UFPR-ALPR 车牌字符检测数据集上达到了与多个近期 YOLO 基线相当甚至更优的精度，证明了超轻量架构在边缘设备上实时部署的可行性。

车牌字符检测是智能交通系统的关键环节，需要高精度和计算效率以适应实时部署。现有高精度模型多基于大尺度架构，计算开销大，难以在资源受限设备上运行。本文提出 MicroCharNet，旨在用极简设计平衡精度与效率。

arXiv 论文

尽管大语言模型（LLM）在众多任务上表现优异，但其是否具备、如何具备以及能在多大程度上展现出有效的元认知能力（对自身认知过程的监控与调节）仍不明确；本综述首次系统梳理了该领域的现有知识、评测方法、改进技术及未来方向。

元认知是人类智能的基础组成部分，对学习、问题求解、决策、沟通等至关重要，也被视为构建有能力和透明AI系统的关键。然而，当前对LLM能否拥有或被赋予类人元认知能力（例如自我评估、知道何时该寻求外部信息、调整推理策略等）缺乏系统性认识。本文旨在填补这一空白，提供关于LLM元认知的首次全面综述。

arXiv 论文

本文提出了一种基于级联低秩适配（LoRA）的多模态融合框架，通过分阶段集成不同模态来提升医疗培训环境中动作识别的性能，且支持参数高效的扩展。

医疗培训环境（如护理技能训练）中的动作与活动识别通常涉及多种数据模态，但现有融合方法大多假定固定融合结构或需重新训练所有组件。本文旨在解决如何以参数高效的方式、灵活地分阶段集成相关或异构模态，且无需重新训练已学习组件的问题。

arXiv 论文

本文提出一种**无需额外训练**的潜在身份调优方法，通过探索预训练冻结编码器的潜在空间中的语义方向，实现对特定身份的细粒度局部面部编辑，并保持跨图像的身份一致性。

人脸生成和编辑要求极高精度，微小的修改也可能显著改变人物身份感知。当前基于通用文本到图像模型的个性化和编辑方法缺乏细粒度面部编辑所需的精度。本文研究的核心问题是：**如何在不重新训练模型的前提下，实现对特定身份的局部、精细且语义一致的面部编辑**，并保持不同生成图像之间的身份一致性。

arXiv 论文

Invariant Learning Dynamics of Transformers in Inductive Reasoning Tasks

arXiv 论文

本文提出一个以人为中心的人工智能（HCAI）框架，主张在词典编纂中AI应增强而非取代词典编纂者，强调通过高自动化结合有意义的人类控制来保障专业自主性、缓解偏见并围绕编纂者需求设计工具。

生成式AI为词典编纂带来显著机会（如加速词条编写、处理大规模语料），但也引发词典编纂者未来角色、语言及文化多样性保护等担忧。本文以HCAI原则为基础，借鉴其他语言职业中AI整合的经验，系统审视AI如何融入词典编纂工作流。

arXiv 论文

LLM 作为裁判时的打分偏差并非仅表现为输入-输出层面的噪声，而是可以在隐藏状态的表征几何中找到低维、类型特异的方向。沿该方向进行因果控制可以双向调节评分偏差，且简单线性投影即可提前预测裁判在未见基准上的失败，性能远超基于文本的替代方法。

Inside the Unfair Judge: A Mechanistic Interpretability Account of LLM-as-Judge Bias

arXiv 论文

本文提出Q-DIBA，首个针对量子神经网络的输入感知动态后门攻击方法，通过联合训练经典触发器生成器与受害者QNN、引入集成密度对比损失，在保持高干净准确率的同时实现高攻击成功率和输入特异性，并能抵抗多种现有防御。

量子神经网络在近期量子设备上的机器学习中具有潜力，但其安全风险尚未充分理解。已有研究表明QNN易受后门攻击，但现有量子后门大多依赖所有中毒输入共享的固定触发器，这种设计易被检测。虽然经典神经网络中已有输入感知动态后门攻击研究，但迁移到QNN面临新障碍：测量将后ansatz量子态压缩为有限经典输出，削弱了对触发器生成器的监督；个体密度矩阵随输入波动，导致逐样…

arXiv 论文

RAG 框架会将其检索到的意识形态话语传递到 LLM 生成中，且采样温度显著影响该传递强度：中等温度下话语对齐最高，低温度下由于确定性过强而抑制传递。

尽管 RAG 被广泛用于减少幻觉和增强事实性，但检索材料若包含意识形态立场，RAG 可能在其输出中传递、放大或抑制这些话语。现有研究主要关注检索错误的鲁棒性，而忽视了意识形态偏见的影响。本研究旨在考察 RAG 框架（包含意识形态话语）对 LLM 生成答案的影响，并探究采样温度如何调节这一过程。

arXiv 论文

HOCT（高阶细胞追踪Transformer）通过边中心架构和3D几何先验，解决了现有细胞追踪图中因细胞分裂导致的节点嵌入纠缠和边标签随机性问题，在不使用深度预训练图像编码器的情况下，在细胞追踪挑战赛和细菌分裂基准上达到最先进水平，并可在人类在环微调中以仅400个标注实现59%的错误降低。

从活体成像显微镜数据重建细胞谱系，需要在时间维度上关联细胞检测结果，包括追踪细胞分裂过程。现有常用方法构建候选图并在帧间关联细胞分割（节点），但忽视了候选追踪图中的两个结构性障碍：（i）细胞分裂使不同的谱系路径在节点嵌入空间中相互纠缠；（ii）共享同一节点的边具有近乎随机的标签一致性，导致候选图拓扑结构对图神经网络聚合无用。该研究提出了HOCT，一种边中心…

arXiv 论文

HASTE: A Platform for Rapid Post-Disaster Building Damage Assessment

arXiv 论文

FactorDiff通过将样本分解为更小的因子（如像素），并动态地将每个因子路由至最相关的预训练专家，在需要逻辑一致性和空间解耦的任务上，持续优于现有的基于全局标量加权的专家组合方法。

离散扩散模型通过组合多个预训练专家（compositional generation）来实现超出单个训练数据的泛化能力。最近的理论工作引入了时间依赖的混合权重，以更好地对齐组合扩散动力学与目标分布。然而，这些方法以整个样本为单位工作，将生成的每个状态视为一个整体，忽略了不同专家在空间或功能上的专长。本研究旨在解决这一根本限制，提出逐因子（factor-wi…

arXiv 论文

本文通过引入 C-RASP 构造，首次为 Transformer 模型的学习能力（learnability）提供了初步的样本复杂度（sample complexity）界限，将理论分析从表达性（expressivity）推进到可学习性。

大量已有理论工作通过设计人工权重或计算复杂性论证，刻画了哪些任务在 Transformer 的假设类中、哪些不在，但这些分析局限于模型的表达性，极少研究这些最优解是否可被学习（即从数据中高效获得）。本文致力于弥合这一差距，探索学习 Transformer 构造所需的样本量。

arXiv 论文

共享意义依赖于人们对范畴的学习与约定。该研究探讨**智能体记忆特性（适应性与遗忘/记忆退化）如何改变共享意义的出现与演化**。现有概念语义模型缺乏协调游戏机制，无法解释群体中共享意义的形成与变化；而已有的协调游戏均假设玩家在合伙（partnership）设定下共享收益。该工作首次将概念对齐建模为**非合伙（non-partnership）协调游戏**，并通…

arXiv 论文

本文提出证据支持的视频问答任务（E-VQA），要求模型联合输出语义答案和准确的时空证据（时间片段+密集跟踪分割掩码），并发布首个经过人工验证的像素级基准 ST-Evidence 及 160k 规模的自动化生成数据集 ST-Evidence-Instruct；微调后的 7B 模型在指标上相比同尺寸 UniPixel 基线提升显著（t-mean +27.2，J…

当前视频大语言模型（Video LLMs）在问答任务上表现优异，但本质上是黑盒——仅输出文本答案，缺乏可验证的视觉依据。已有的可解释性工作依赖文本理由或稀疏的边界框，难以处理遮挡、非刚性变形等复杂视频动态。为解决这一问题，作者提出了 E-VQA 任务，要求模型同时输出语义答案和精确定位到像素级别的时空证据，从而让模型的推理过程变得可验证。

arXiv 论文

当前需求工程（RE）实践在获取、规约和验证AI系统的可解释性需求时，存在概念模糊、可测试性差、标准碎片化等跨阶段挑战，系统化支持不足。

可解释性是AI系统（尤其是安全关键和受监管领域）的关键需求。尽管已有框架、模式和用户中心方法，但缺乏对工业环境中现有RE实践如何支持可解释性需求的经验理解。本研究通过戴姆勒卡车公司（Daimler Truck）的案例，探索在需求工程生命周期中如何用已有技术获取、规约和验证可解释性需求。

arXiv 论文

Encoder-Side Neuron Identification and Amplification for Acoustic Perception in Large Audio-Language Models

arXiv 论文

Cycle-World 在训练和推理阶段同时引入时间反向预测与循环一致性约束，显著抑制自回归视频生成中的误差漂移，在 60 秒长视频合成中达到领先的生成质量和时间一致性。

自回归扩散模型虽能生成高质量视频，但其序列生成方式固有的误差累积问题导致长时视频中结构崩塌与视觉退化。Cycle-World 旨在解决这一长期视频世界模型中的误差漂移（error drift）难题。

arXiv 论文

当前最强的多模态大语言模型（MLLM）在单视角视频理解上表现良好，但在体育视频的多视角推理中无法有效利用多视角信息，瓶颈在于细粒度视觉感知与视角选择而非逻辑推理；新提出的智能体框架 SportMV-Agent 通过迭代主动视角选择、感知工具执行和基于证据的推理，相对最强基线提升 14.46%。

体育视频存在密集遮挡、快速运动与复杂交互，单一视角难以完整解析。实际比赛中裁判依赖多个摄像机角度提供的互补证据，但现有基准均未评估 MLLM 在**多视角体育视频理解**上的能力。本研究旨在填补这一空白，并提出能够有效融合多视角信息的智能体方案。

arXiv 论文

本文提出了一种针对Mamba系列选择性状态空间模型的精确测量工具，能够离线计算任意子集状态模式剔除后的输出误差，并发现训练好的模型会根据输入动态重分配状态资源——称为“输入驱动迁移”，基于此现象的模式剪枝可在半数状态预算下达到未剪枝模型的性能。

An Exact Instrument for State Usage in Selective State-Space Models, and the Input-Driven Migration It Reveals

arXiv 论文

AdvancedMathBench: A Benchmark Suite for Advanced Mathematical Proof Generation and Verification

arXiv 论文

REGRIND 提出一种极简的流水线，仅需单次人类演示，通过将手‑物体运动重目标到保留空间与接触关系的机器人参考，结合残差强化学习仿真训练，即可零样本迁移到真实多指手上执行剪剪刀、拧螺丝等工具操作，产出的策略表现流畅且类人。

近期全身人形控制研究已验证“将人类运动重目标到机器人运动学参考，再通过强化学习训练策略跟踪”这一简单配方有效。但该方法是否能迁移到灵巧操作领域尚不明确，因为操作涉及复杂、富含接触的动力学，需要精细调节接触模式和力。本文提出 REGRIND 流水线探索该问题。

arXiv 论文

Song 等人提出将“可持续性机器人学”（Sustainability Robotics）确立为一门新学科，通过三大指导原则（最小侵入性、普遍可及性、共生性）和两个互补维度（可持续机器人设计、机器人可持续解决方案），克服当前机器人发展碎片化问题，使技术进步与全球可持续发展目标对齐。

机器人技术在应对气候变化、医疗、教育等可持续性挑战方面潜力巨大，但当前相关研究缺乏统一框架，存在碎片化风险，可能导致技术获取不平等、错失广泛影响机会。为此，该篇 Perspective 文章倡导建立“可持续性机器人学”这一新学科，以整合科学、工程、经济、伦理与政策视角。

nature.com

该论文对一份已发表的教学评论分类协议进行回溯性基准测试，发现该协议在2019年冻结编码器、稀疏词特征、提示大语言模型等三代表征方法下均保持有效；在情感分析任务上，前沿模型并未比廉价模型表现出显著优势，跨语言（西班牙语→英语）迁移也未发现描述性分离，表明模型选择本质上是部署决策而非协议属性。

高校收集的大量开放式教学评价反馈往往得不到充分阅读。此前研究基于标注指南、标注者内部一致性测量、分层交叉验证和冻结编码器设计，在西班牙语机构语料上建立了一套将评论按主题类别和情感分类的验证协议。本研究关注两个未解决的限制：该协议在表征方法不断演进后是否仍具竞争力；该协议的情感分类能否迁移至第二种语言（英语）。

arXiv 论文