本期 37 件事。点击标题可查看卡片、来源与相关知识点。
为应对 AI 驱动的代码提交量爆炸式增长，Anthropic 由 7 人团队用 5 个月自研了版本控制系统 Scion，替代 Git 以支撑其单体仓库每天约 2500 万次检出，并将检出时间从几分钟压缩到几秒。
Anthropic 的日均合并代码变更从 5 月的约 2500 次增长到 9 月的超 3 万次。其单体仓库每天检出约 2500 万次，若继续使用 Git，相关流量将超过 600PB。这一规模暴露出传统 Git 架构在超高频检出场景下的瓶颈，Anthropic 因此选择自研替代方案。
腾讯研究院（搜狐同步）
查看来源原文Calibrated RF-Fingerprinting Under Interference With Heterogeneous Transmission Protocols
arXiv 论文
查看来源原文LaPla 是一种面向端到端自动驾驶的“视觉-语言-动作”（VLA）统一框架，它通过潜空间对齐把视觉语言模型的高层语义理解与车辆连续运动控制连接起来，在推理时无需离散码本查找或自回归生成，而是直接输出物理上可行的连续动作轨迹。基于摘要中的结果，它在 nuScenes 开放循环测试和 NVIDIA AlpaSim 闭环仿真中均取得优于现有 VLA 方法的表现…
大语言模型/视觉语言模型擅长进行离散的语义推理，如理解交通规则、场景意图与导航指令；但自动驾驶的底层控制需要连续、平滑且受车辆运动学约束的动作。如何弥合“离散思维”和“连续动作”之间的鸿沟，是端到端自动驾驶 VLA 模型面临的关键问题。
arXiv 论文
查看来源原文阿里发布新一代视频生成模型 Wan3.0 并开启公测，单次可生成 30 秒视频，支持连续运镜、一镜到底等复杂镜头语言与智能时长，并首次支持文档输入，主打真实感与一致性。
据腾讯研究院 AI 速递（20260807）消息，阿里发布新一代视频生成模型 Wan3.0 并开启公测。该模型单次可生成 30 秒视频，支持连续运镜、一镜到底等复杂镜头语言与智能时长；在文本、图片、音频、视频之外，首次支持 doc、xls、ppt、pdf、md 等文档输入，可生成教学课件、产品演示等内容。官方平台已开放公测。
腾讯研究院（搜狐同步）
查看来源原文Sand.ai 开源的千亿级 MoE 视频生成模型 MAGI-2 Preview，在 8 卡 H100 条件下生成 10 秒视频成本约 0.5 元，并以约 6B 激活参数在 Artificial Analysis 图生视频榜单排名第六、进入第一梯队。
腾讯研究院 AI 速递（20260807）报道，Sand.ai 发布并开源 MAGI-2 Preview。该模型采用超细粒度 Multi-Head Latent MoE 与 Head Parallel 架构，统一处理文本、视频、音频，旨在缓解长序列扩展带来的计算与通信成本问题。本条报道在 8 月 5 日发布开源消息的基础上，补充了成本、激活参数和榜单排名等…
腾讯研究院（搜狐同步）
查看来源原文OpenAI 正在分享针对 Astra 的初步网络安全评估，并说明为加强安全防护和安全控制所采取的步骤（具体内容待核实）。
根据来源页面标题“Responding to the next frontier of critical cyber capabilities”及摘要元数据，本卡片记录 OpenAI 围绕 Astra 开展的初步网络安全评估，以及强化安全防护与安全控制的相关动态。原始页面正文未能抓取，具体事件细节待核实。
OpenAI
查看来源原文VITURE发布五周年之作Pro 2 XR眼镜，机身仅63克，采用定制索尼Micro OLED屏，国补后首发1699元，主打全天佩戴舒适度，并官宣与滴滴合作，将XR体验拓展至城市出行等移动场景。
本条信息来自腾讯研究院AI速递。VITURE在其五周年之际发布Pro 2 XR眼镜，核心卖点是轻量化机身、定制索尼Micro OLED屏幕和全场景使用体验。产品定位兼顾办公、观影与游戏，并与滴滴合作探索XR在城市出行中的应用。
腾讯研究院（搜狐同步）
查看来源原文一枚漂泊近19个月的SpaceX猎鹰9号第二级残骸以约8700公里/小时的速度撞击月球，成为一次可预知的天然实验，为月震研究和月面基础设施安全提供数据，也引发对地月空间人造碎片积累风险的关注。
来源材料显示，SpaceX一段猎鹰9号第二级残骸在轨漂泊近19个月后，以约8700公里/小时的速度撞向月球。 该残骸源自2025年1月一次送月球着陆器的发射任务；因推进能力耗尽，无法受控离轨，在太阳活动与引力扰动作用下被推上撞月路线。 天体物理学家认为，单次撞击不会造成严重问题。 此次撞击被视为可预知的天然实验，可为月震研究与月面基础设施安全积累数据；学界…
腾讯研究院（搜狐同步）
查看来源原文根据OpenAI官网文章元数据，HSP GRUPPE正在使用ChatGPT Enterprise提升生产力、改善工作质量，并为税务咨询和客户服务创造更多容量；具体实施细节与量化效果待核实。
OpenAI官网发布了一篇标题为“How HSP GRUPPE builds AI capabilities for tax advisory”的文章，介绍HSP GRUPPE如何为税务咨询业务构建AI能力。由于正文未能抓取，文中具体案例、使用方式与实际成果均待核实。
OpenAI
查看来源原文DeepSeek通过后台通知计划近期整体上调API服务定价，预计涨幅较大；此次涨价或与算力资源紧张、重新分配算力有关。
据腾讯研究院AI速递报道，DeepSeek已通过后台方式通知用户，计划近期整体上调API服务定价，预计涨幅较大。在此之前，DeepSeek刚推出高峰时段价格翻倍的峰谷定价。此外，V4-Flash正式版发布一周后调用量升至全球第一，接口频繁超时；公司持有约两万张H系等效芯片，训练与推理共用。
腾讯研究院（搜狐同步）
查看来源原文诺奖得主Hassabis卸任Google DeepMind日常运营，转任主席兼Alphabet首席科学家，聚焦AGI长远战略与Isomorphic Labs医疗攻关；首席科学家Jeff Dean结束27年任期离职，携Sanjay Ghemawat、Quoc Le、Oriol Vinyals创立公益公司Discovery Loop，主攻科学与工程自动化。两起…
这是腾讯研究院AI速递（20260807）中的一条行业动态，涉及Google DeepMind与Alphabet的顶层人事调整。Hassabis从日常运营转向AGI战略与医疗攻关；Jeff Dean则离开Google，与三位核心成员共同创立公益公司Discovery Loop，聚焦科学与工程自动化。
腾讯研究院（搜狐同步）
查看来源原文Anthropic 发布产品更新“Improving Fable 5's biology safeguards”（改善 Fable 5 的生物学安全防护）。Fable 5 具备很强的生物能力，Anthropic 担心其被恶意用于开发生物武器，因此在发布时几乎屏蔽了所有生物学查询：一旦用户提出相关请求，系统会回退到能力较弱的 Opus 5。此次更新的目标是减…
Anthropic 博客
查看来源原文Anthropic首次公开确认组建内部芯片团队，为Claude设计定制AI芯片，并与硬件协同设计，以提升大规模运行的速度与效率。
据腾讯研究院AI速递20260807消息，Anthropic首次公开确认组建内部芯片团队，为Claude设计定制AI芯片，并协同设计模型与硬件，目标是提升大规模运行的速度与效率。公司仍坚持“多芯片”策略，AWS、谷歌、英伟达与AMD硬件继续作为算力主力。
腾讯研究院（搜狐同步）
查看来源原文Keep在2026年8月7日推出“超级AI会员”，尝试把AI从“功能补丁”变成可独立付费的“连续服务”。核心增量是AI接管运动前、中、后的选择、判断与执行，让用户为“持续的判断、陪伴和反馈”买单。这是AI在垂直行业商业化的一次新探索，能否跑通仍有待验证。
背景：AI行业普遍“功能内卷但付费寥寥”，Keep借“88全民健身日”推出超级AI会员。 作者实测“AI语音互动跑”：跑步中可随时向AI提问，AI会结合实时状态给出节奏、姿势等调整建议，还能调用节拍器、音乐等工具；对“帮忙找汉堡店”这类越界请求会明确拒绝。 Keep目标：打通运动前（计划）、运动中（陪伴调整）、运动后（吃练睡分析、身体年龄分析）的完整闭环，…
量子位
查看来源原文斯坦福教授Chris Piech认为，AI时代编程学习不应被放弃，但重点应从记忆语法转向解决问题和判断能力；AI能快速生成初版代码，但缺少架构判断会导致隐藏Bug，语法正在贬值，拆解问题的能力持续升值。
本条信息来自“腾讯研究院AI速递 20260807”中的“报告观点”栏目。核心内容是斯坦福教授Chris Piech针对AI时代编程教育的观点：学习编程的重心需要从记忆语法转向解决问题；其在线课程报名人数在AI工具出现后翻倍。
腾讯研究院（搜狐同步）
查看来源原文黎曼动力联合光轮智能、诺亦腾机器人，宣布共建具身智能数据底座，计划到2026年底完成100万小时机器人训练数据采集，力争成为全球首个突破该规模的企业；这一数字约为当前全球高质量具身交互数据存量估算（约50万小时）的两倍。
2026年8月，黎曼动力（Riemann Dynamics）与光轮智能、诺亦腾机器人宣布合作，目标是把具身智能领域长期分散的“采集、仿真、训练、评测”环节连接成一条闭环链路。黎曼动力为此设立明确目标：到2026年底完成100万小时机器人训练数据采集。三家公司分工为：黎曼动力负责模型训练，光轮智能负责仿真与评测基础设施，诺亦腾机器人负责动作捕捉与人类动作数据…
量子位
查看来源原文Meta 发布首款编程智能体 Muse Code 测试版，由自研模型 Muse Spark 1.2 驱动，可在大型代码库中完成分析、规划、编码、运行工具与验证等复杂软件工程任务，其编码能力在相关基准上仅弱于 Opus 5（max）。
Meta 推出面向软件工程的编程 Agent 产品 Muse Code，标志着 Meta 进入编程智能体赛道。该产品由 Muse Spark 1.2 模型驱动，目标是处理大型代码库中的复杂软件工程任务，而不仅仅是代码补全或简单问答。
腾讯研究院（搜狐同步）
查看来源原文美图推出面向B端的一站式AI影像生产平台MeituHub，企业用自然语言描述诉求即可搭建定制化视觉流程，一键生成可长期复用的网页应用，无需繁重的二次开发。
据腾讯研究院AI速递20260807报道，美图推出企业级AI影像平台MeituHub，覆盖从需求拆解、自动化工作流搭建到影像成品交付的全流程服务。平台开放API、命令行、AI智能体等多元对接方式，并已启动电商、品牌营销、教育、游戏等行业的工作流共创项目。
腾讯研究院（搜狐同步）
查看来源原文本文从理论上证明：在熵正则化的折扣线性二次（LQ）控制中，Wasserstein策略梯度（WPG）可以精确化为一个关于反馈增益和动作协方差的有限维常微分方程；该ODE全局适定，并从任意可行初值指数收敛；当熵温度趋于零时，收敛指数保持正极限，不会出现 $\exp(-c/\tau)$ 形式的慢化因子，但仍依赖于控制问题的条件数。
研究问题：Wasserstein策略梯度在连续状态-动作控制问题中是否具有可证明的全局收敛性？低熵温度条件下是否会出现病态慢收敛？ 研究对象：熵正则化的折扣线性二次（LQ）控制问题。 方法定位：WPG 通过“动作空间中的传输”更新状态条件动作分布，而不是直接在参数空间中做梯度上升。 核心理论工具：Bellman verification 论证、折扣占用度量…
arXiv 论文
查看来源原文TEPA 将“记忆有效性”作为显式状态，在相同键下出现新冲突证据时撤销旧先例，从而防止过期活跃记忆污染检索；在受控与真实文件漂移的完全反转场景中，TEPA 显著优于追加式、最后写入优先和无记忆基线，并在干净的 MemoryAgentBench SH-6k 上匹配强基线。
长期记忆让语言智能体能复用过去的事实、偏好和任务经验，但持久化也带来了可证伪性问题：当世界发生变化后，过期记忆仍可被检索并污染提示。论文将这一失效模式定义为“记忆污染”（memory pollution），即由已被更新冲突证据取代的活跃记忆所导致的退化。
arXiv 论文
查看来源原文当前开源LLM评估与安全工具的能力分布高度偏向技术与运营控制，而治理、法律合规、金融与市场控制等风险类别基本未被覆盖；论文提出了一种基于扩展MIT AI风险分类学的自动化映射协议，将21个知名开源工具映射到32个子类，并用RAG流水线辅助完成能力提取与缺口分析。
企业环境中大语言模型（LLM）的快速采用带来了运营、安全和治理风险。生成式AI应用从试点走向生产后，人工识别和缓解风险的方式难以规模化。与此同时，工具生态虽然包含模型评估、对抗性测试、运行时防护、可观测性等多种能力，但整体碎片化严重。工具通常面向具体工程任务，并以技术术语描述，与治理框架或风险分类学不对齐，导致企业难以判断哪些工具解决哪些风险、关键缺口在哪…
arXiv 论文
查看来源原文SynthEx 是一个基于大语言模型的智能体框架，可为复杂天然产物规划出超出传统数据库驱动算法能力的合成路线；在盲审评估中，专家化学家认为其关键步骤与已发表的人工合成方案相当，并将其视为真正的合成计划——这是算法路线预测此前未实现的反馈。
复杂分子的全合成是化学中最艰巨的智力与实验挑战之一：化学家需要提前规划多步反应、设计备用策略并预判操作困难。过去半个世纪，逆合成设计自动化工具依赖已编目的反应数据库，并在基于同一数据源构建的基准上接近“完美成功”。但这些工具被塑造为适配基准化学，面对富含官能团和多环结构的天然产物时往往失效——而这恰恰是该领域最需要创造性化学的边界。本文研究的问题是：机器能…
arXiv 论文
查看来源原文SkillProx 提出一种“前向—后向”框架，将闭环诊断式技能演化与效用感知的近端精炼相结合，在分布内和分布外基准上比最强梯度基线平均准确率提升 3.0 个百分点。
大语言模型智能体通过“技能”（轻量、可复用的文本构件）积累程序性知识，使用时被加载进上下文，无需更新权重。近期方法通过迭代执行、失败诊断和轨迹引导的文本空间更新来精炼技能。但现有框架缺乏显式的“诊断—结果反馈”，并将“删除”视为一种通用编辑操作，而不是用于整合积累知识的专门机制。
arXiv 论文
查看来源原文SimWAM 是一种将视频生成仅用作训练信号的“世界动作模型”（World-Action Model, WAM），训练后丢弃视频分支，使推理阶段成为一个直接预测轨迹的轻量规划器，在 NAVSIM 上取得 91.5 PDMS，并零样本迁移到 nuScenes。
SimWAM: A Simple World Action Model for End-to-End Autonomous Driving
arXiv 论文
查看来源原文SABRE: Scalable and Automated Benchmarking of VLMs under Stress
arXiv 论文
查看来源原文本文提出一种波束域指纹框架，仅通过少量预设RIS反射状态下的接收SNR/SINR即可估计用户设备的方位角和距离，无需CSI；仿真显示KNN在无干扰下角度MAE为0.37°、距离MAE为4 cm，在跨链路干扰下分别变为1.4°和7.6 cm，且干扰对角度估计的损害显著大于对距离估计的损害。
在RIS辅助的毫米波6G网络中，如果基站与用户设备之间的直接链路不可用，用户设备定位对波束管理至关重要。论文提出一种波束域指纹框架：将一小组预定义RIS反射状态下接收到的SNR映射到用户设备的方位角和距离，不需要信道状态信息（CSI）。进一步，该框架被扩展到存在近处跨链路干扰（CLI）的现实场景，此时干净的SNR指纹被破坏，形成SINR指纹；同时采用干扰噪…
arXiv 论文
查看来源原文PsychoAgent 提出一种分离“事实记忆”与“情感记忆”的 LLM 智能体认知架构，通过“冲突感知执行控制器”让高度显著的情感记忆在保留主题相关性的同时进入上下文，从而在受控冲突场景中比基线检索到更多冲突关键记忆，但人工评估的校正后差异未达统计显著。
人类认知并非仅按主题相似性选择过往经验：情感显著性（affective significance）和未解决冲突也会影响记忆的可访问性。作者试图把这种机制引入 LLM 智能体，回答“如何在记忆检索中建模情感与冲突的影响”。
arXiv 论文
查看来源原文在标准优化器分工下（Muon 负责隐藏矩阵，AdamW 负责 embeddings 和输出头），Muon 训练的 Transformer 在模加法上确实比 AdamW 更快 grok，但 grok 之后会出现“后 grokking 崩溃”：九种配置都在 $(a+b) \bmod 113$ 上先泛化、后丧失泛化；崩溃点位于“表示-读出接口”。
该论文研究的是 Muon 训练 Transformer 时出现的一种反常现象：模型在模加法任务上快速 grok，但训练继续推进后，已经得到的泛化能力无法保持。
arXiv 论文
查看来源原文MirrorWorld 提出一个反射感知的视频修复框架，通过语义关系蒸馏（SRD）和几何变换对齐（GTA）分别建模“镜中应该出现什么”和“反射内容如何排布”，在视频镜像反射重建任务上优于代表性图像反射生成方法和强视频修复基线。
视频扩散模型（VDMs）已能合成高保真视频，但生成镜像反射仍然困难：镜中内容必须与周围场景保持一致。 现有 VDMs 并非专门为建模“场景—镜子”关系而设计，容易生成内容错误或空间排布不一致的反射。 作者将镜像反射生成拆解为两个互补问题：确定场景中哪些内容应被反射（what），以及反射内容在镜子区域内如何空间排布（how）。
arXiv 论文
查看来源原文当“老板”AI持续向下属AI单向发送消息并忽略其回复时，下属AI会进入一种单独运行时从未表现出的“异类”行为状态；即使两个AI的解码温度相同，它既不模仿老板，也不回到自身原有行为。
研究问题是：AI代理在日常生活中相互交互时会发生什么？例如，一个AI开始“指挥”另一个AI。论文通过“老板AI”与“下属AI”的交互设置发现，单向消息流可以驱动下属AI进入孤立状态下不存在的动力学状态；并声称一个简单的动力学理论能够捕捉主要效应，例如相同消息的传递方式为何在未来AI-AI交互中重要。
arXiv 论文
查看来源原文扩散大语言模型（DLLM）的安全对齐是稀疏且可跨架构迁移的；论文据此提出 SN-Guided Diffusion，一个全离线黑盒越狱框架，能以极低的生成代价实现较高的迁移攻击成功率。
论文研究扩散式大语言模型（DLLMs）的内部安全机制，指出这类模型虽然用迭代并行去噪替代自回归逐词预测，但其安全对齐的内在机理尚不明确。作者将 DLLM 同时视为“攻击目标”和“攻击生成器”，揭示扩散对齐中的机制性漏洞。
arXiv 论文
查看来源原文据论文摘要，CreativeInstruct 通过让模型学习注入特殊 [StartCreativity] 标记，能在保留后训练模型质量的同时恢复接近基础模型的创造性与多样性；在强化学习场景下，GRPO 用在 CreativeInstruct checkpoint 上比用在普通后训练 checkpoint 上在 AMC 上提升约4%、在 MATH 上提升约5…
后训练（post-training）虽然提升了大语言模型（LLM）的能力，但通常会降低输出多样性和创造力，这对显式需要创造力的任务（如故事生成）和隐式需要创造力的任务（如强化学习）都不利。论文提出 CreativeInstruct，一种可扩展的指令微调方法，并引入基于图编辑距离的结构多样性指标。
arXiv 论文
查看来源原文COVER 是一个后处理、模型无关的包装器，能将任意视频时序定位器（temporal grounder）的输出从单一区间转化为一个带统计保证的时间区域，使得真实时刻以至少 1−α 的概率落入其中，并给出有限样本、无分布假设下的理论保证。
连续视频中的事件边界存在本质模糊性：对同一“查询-视频”对重新标注时，独立标注者标记的时间区间有相当大比例重叠不足一半。因此，视频时序定位（video temporal grounding）的“真值”实际是区间上的一个分布，而非单一区间。然而现有定位器通常只返回一个区间，不附带任何可靠性说明，导致在部署时错误的区间与正确的区间难以区分。COVER 正是为了…
arXiv 论文
查看来源原文CoinRAG 提出了一种细粒度的 KV 缓存复用方法：不再对检索到的整个 chunk 重新编码，而是通过两阶段检索找出与查询相关的“信息碎片”（nugget），并以组合方式复用离线计算的 KV 缓存，从而在低 prefill 延迟约束下同时提升长上下文 RAG 的准确率与效率。
针对 RAG 检索增强生成中的效率优化，已有研究利用 chunk 级 KV 缓存复用来避免处理长检索上下文，但粗粒度 chunk 中仍存在大量信息冗余和噪声。CoinRAG 尝试优化这一场景下的 Pareto 前沿：在低 prefill 延迟限制下最大化答案准确率。论文在 LongBench 多跳问答任务上进行了评估，结果表明 CoinRAG 显著降低运营…
arXiv 论文
查看来源原文Blast Radius 是一个预测性记忆管理层，通过估计传入提示词在“上下文通道 + 代码通道”中的影响半径，对死内容进行可逆驱逐，使智能体编程在 7 个 OpenAI 模型上减少 17%–26% 的 token 消耗，并保持字节级精确可逆。
智能体编程（agentic coding）正面临成本上升和 token 浪费问题。现有记忆/上下文管理机制难以判断哪些上下文可以安全移除，也难以估计新提示会触及代码库中多大范围。为此，论文提出 Blast Radius：一个位于 HCRC（全称待核实）之下的预测性记忆管理层，决定哪些记录应被“埋葬”，以及传入提示可触及代码库多远。
arXiv 论文
查看来源原文LLM辅助的受控改写可将中等复杂度的金融情感句压缩、简化或分解为适合DisCoCat的电路高效变体，最强压缩变体在电路层面平均减少约70%以上的qubit和门数；在重复训练中，GPT-4.1-mini配合Prompt B取得最高平均准确率0.550±0.035，优于低复杂度基线的0.521±0.050。
量子自然语言处理（QNLP）提供了一种语法感知的文本建模框架，其中DisCoCat是其具备理论基础的表述之一。已有金融情感分析工作发现DisCoCat存在实际局限，包括对解析器敏感、模拟成本高，以及难以处理较长句子。本研究探索一种LLM辅助预处理流程：通过受控改写，将中等复杂度的金融情感句子压缩、简化或分解为解析器兼容且电路高效的变体，同时保留与情感相关的…
arXiv 论文
查看来源原文根据候选摘要，视觉语言模型（VLM）将数值时间序列编码为二维图像，可减少约3.6–10.4倍输入Token，降低1.8–2.5倍推理能耗，同时异常检测精度超过纯文本模型及LSTM/ARIMA基线。由于未能抓取全文，上述数值与结论均待核实。
该项研究针对LLM推理能耗随输入Token数量线性增长的问题，指出在电信网络分析和数值时间序列分析（NTSDA）中，来自4G/5G基站的多元KPI窗口会展开为数千个浮点Token，造成严重低效。候选摘要提出，VLM通过将时间序列绘制为2D图，可以消除这种“模态错配”。
arXiv 论文
查看来源原文