AI 日报 · 2026-08-19

WorkBuddy 以对话机器人身份进入企业微信通讯录，在已认证企业的授权范围内调用消息、文档、会议、微盘等十大能力，支持一句话总结未读消息、自动读取群聊所引文档与日程，代发消息须本人确认。

腾讯研究院 AI 速递（20261015）披露，WorkBuddy 客户端与企业微信深度融合，面向已认证企业开放。此前企业微信已在 5.0.10 版本开放 CLI 与 MCP、允许 WorkBuddy 等 Agent 调用十大办公能力（见既有卡片）；本条为该能力在 WorkBuddy 客户端层面的落地形态与交互细节更新。

腾讯研究院（搜狐同步）

Suno 于2026年8月推出 Studio 2.0，仍运行在浏览器中，新增 MIDI 编辑、内置合成器、音频效果器、参数自动化及可直接操作工程的 Studio Chat，开始补齐 DAW 骨架；但复杂路由、第三方生态与本地稳定性仍不及传统 DAW，更像生成式音乐工作站。

Suno 在2026年8月推出 Studio 2.0，定位为“AI版的DAW工作站”。本次更新仍基于浏览器运行，重点加入 MIDI 编辑、内置合成器、音频效果器、参数自动化，以及能够直接操作工程的 Studio Chat。MIDI 是核心更新，用户可导入、录制、编辑音符，支持音频转 MIDI 与 MIDI 转音频，使 AI 生成的控制颗粒从整首歌细化到单个…

腾讯研究院（搜狐同步）

OpenRouter自己不训练模型，却以约75亿美元被支付公司Stripe收购，说明AI行业价值重心正从“模型本身”转向“掌握模型入口与流量分配权”；交易的核心风险是，OpenRouter并入Stripe后能否继续维持“不做模型”的中立性。

2026年8月19日，Stripe宣布收购AI创业公司OpenRouter。据《纽约时报》报道口径，成交价约75亿美元；而三个月前OpenRouter刚完成一轮融资，估值13亿美元，约90天内估值增长超五倍。OpenRouter成立于2023年，全职员工仅82人，按成交价计算，人均估值超过9000万美元。它从未训练过模型，核心业务是帮用户决定每次请求该交给…

腾讯研究院（搜狐同步）

OpenRouter 于 2026 年 8 月 19 日宣布与 Stripe 联手，但将继续以原名、原使命、原产品和原路线图独立运营；交易尚待惯例成交条件完成。

OpenRouter 官方博客宣布，OpenRouter 正在与 Stripe “联合力量”（joining forces），以“推动全球下一波 GDP 增长”。OpenRouter 称，Stripe 是全球最好的金融基础设施平台，而 OpenRouter 长期以来被称为“LLM 的 Stripe”。双方将结合 Stripe 的客户网络、增长数据和全球基础…

openrouter.ai

Replit 推出由 GPT-5.6 Luna 驱动的 Free Mode，让用户无需担心 token 成本即可将想法变成可运行软件。

根据 OpenAI 官网索引页，Replit 宣布扩大软件创建的可及性，具体为推出免费模式（Free Mode），由 GPT-5.6 Luna 提供支持。由于未能抓取正文，详细发布内容待核实。

OpenAI

英伟达、OpenAI与软银将把美国俄亥俄州一座废弃铀浓缩工厂改造为规划电力达8吉瓦的AI超级工厂，可同时运转约150万颗GPU；OpenAI签下20年租约包下算力，英伟达提供资金与信用担保，软银负责建设与电网改造，表明AI竞争重心正从芯片转向土地、电力和超大规模基础设施。

据腾讯研究院AI速递（2026年8月19日）报道，英伟达、OpenAI与软银联手，将俄亥俄州一座废弃铀浓缩工厂改造为“全球最大AI超级工厂”。项目终极电力规划为8吉瓦，可同时运转约150万颗GPU。合作分工上：英伟达注资15亿美元入股软银旗下公司，并提供20年信用担保；OpenAI签署20年租约、全额包圆算力；软银负责建厂与电网改造。报道还引述黄仁勋观点称…

腾讯研究院（搜狐同步）

OpenAI 面向符合条件的 API 客户重申“零数据保留”（Zero Data Retention）政策，并预览了“私有安全处理”（Private Safety Processing）机制，目标是在不损害数据隐私的前提下推进前沿模型的安全审核。此结论仅基于候选摘要，具体细节待核实。

OpenAI 官方网站发布了一则关于“为零前沿模型提供零数据保留”（Offering Zero Data Retention for frontier models）的公告。根据元数据，公告包含两项重点：一是再次确认符合条件的 API 客户可以享受零数据保留；二是预告了一种名为“私有安全处理”的新机制。由于本次未能抓取到原文正文，公告的详细背景、适用范围与…

OpenAI

腾讯营销借KDD Cup 2026官方赛道发起推荐系统“统一序列建模与特征交互”挑战，总奖金池超600万元；学术赛道冠军方案由“lozyyeah”提出，工业赛道冠军团队“日之光面（sunshot）”全程仅用DeepSeek网页版完成建模、训练与消融实验，只在大赛论文终稿语言润色时少量使用GPT，未调用付费API。

KDD 2026在韩国济州岛举行，腾讯营销以KDD Cup 2026官方赛道身份发布赛题，聚焦“大规模推荐系统的统一序列建模与特征交互”。 赛题要求参赛者用一套统一的Recommendation Block，将过去各自独立的序列建模与特征交互合并，验证推荐系统能否复刻大模型式的可扩展统一架构。 大赛开放学术和工业两条赛道，并设置Unified Block和…

量子位

NVIDIA FLARE 通过“定义客户端更新契约 + 最小化网络载荷 + 高效聚合”三组设计决策，支持联邦多模态模型训练；其中与 William & Mary 合作的 FedUMM 示例仅交换 LoRA 适配器，可将每轮每客户端通信量从 28.6 GB 降至 0.094 GB，同时保持接近集中式训练的性能。

NVIDIA 技术博客于 2026 年 8 月 19 日发布文章，介绍如何用 NVIDIA FLARE 构建联邦多模态 AI 工作流。文章指出，现代视觉-语言模型（VLM）可支持视觉问答、图像描述、图文推理等任务，但实际中用于适配模型的数据往往分布在多个机构或组织中，无法集中原始数据。联邦学习提供了一种跨数据本地站点协调训练的途径。对 VLM 而言，挑战不…

NVIDIA 博客

据腾讯研究院AI速递（2026年8月19日）转载的信息，苹果正在研发代号B798的带摄像头AirPods：左右耳机均加入摄像头，作为视觉传感器把物体、文字、街道信息交给视觉智能与Siri理解；项目已进入设计验证测试阶段，但因新版Siri延期，发布时间推迟至2027年末。

苹果计划在AirPods左右两只耳机上都加入摄像头，用于采集视觉信息。 摄像头感知到的物体、文字、街道信息，将交给视觉智能与Siri理解，相当于为Siri提供“眼睛”。 产品外形接近AirPods Pro 3，但耳机柄加长，并配备外部提示灯以保护隐私。 项目代号为B798，已进入设计验证测试阶段，硬件相当成熟。 受新版Siri延期影响，产品发布时间已推迟至…

腾讯研究院（搜狐同步）

微短剧正从真人短剧时代的流量爆发进入AI驱动下的产能爆炸阶段，但AI生成内容占供给约95%的同时仅贡献约4%的播放流量，爆款率也远低于真人短剧；行业正从“流量叙事”转向“价值升维”，六大趋势指向IP化、精品化、价值外溢与海外叙事升级。

中国传媒大学视听艺术研究中心联合腾讯研究院发布《AI向善·内容向美：微短剧精品创作与传播研究报告》，从创作、传播、产业和生态等多维视角，系统梳理了微短剧从“野蛮生长”走向“精耕细作”的深层逻辑。报告认为，微短剧正经历从“流量叙事”向“价值升维”的生态重构，形成“流量型、功能型、精品型”三层并存的生态谱系，价值完成从情绪到情感、再到情怀的三级跨越。

腾讯研究院（搜狐同步）

当AI把游戏制作的技术门槛和试错成本压低后，没有编程经验的年轻人也能在几天内做出游戏Demo；AI已渗透到策划、美术、程序、测试等多个环节，创作入口变宽，但“如何被看见”正成为新的行业门槛。

腾讯云黑客松游戏开发挑战赛面向华东、华北、华南、港澳和东南亚五个赛区，共6900多名学生提交606件作品。腾讯研究院研究团队对全部参赛作品去重筛选后，以561份作品作为分析样本，研究“当做游戏不再只是少数专业开发者的事，会涌现出什么”这一问题。原文称“今年夏天”举办，具体年份待核实。（正文提到“2026年的游戏市场”，但赛事年份与文章发布日期原文未明确标注…

腾讯研究院（搜狐同步）

AI视频创作正在进入“预演时代”：与其把复杂分镜压缩进2000字提示词，不如先生成3D白模做镜头预演，再把预演视频交给视频模型渲染，从而提升空间与运镜的可控性。

量子位2026-08-19报道。文章以作者和科班学妹用同一视频模型生成AI视频的对比为引子：模型能力已经很强，但普通创作者缺乏编导思维和镜头调度能力，导致提示词“翻车”。

量子位

腾讯湾擎·WorkBuddy在广州发布，面向广东政务系统提供AI办公能力，依托全国首个省级政务智能中枢“湾擎”，在国产化私有化环境中实现从芯片到大模型的全栈本地运行，并于8月下旬向首批公务员开放试用。

腾讯湾擎·WorkBuddy在广州正式发布，目标是为广东政务系统提供AI办公能力。广东省医保局、中小企业服务中心等首批省直单位参与试点，覆盖数十个应用场景，8月下旬起向首批公务员开放试用。该系统依托全国首个省级政务智能中枢“湾擎”，探索政务服务、政务协同、辅助决策、社会治理四大领域。

腾讯研究院（搜狐同步）

NVIDIA ALCHEMI Toolkit 通过“代理技能（agent skills）+ 参考文件”让通用 AI 编码代理能够根据自然语言提示生成可运行、可复用的 GPU 加速材料模拟代码；在 45 条管线基准中，提示的详细程度改变代码结构与成本，但不改变物理结果。

原子模拟需要三件事：科学知识、计算高效的模拟实现、以及可访问的模拟接口。前两者中，ALCHEMI Toolkit 已用 PyTorch 原生、GPU 加速的可组合模块降低了 MLIP（机器学习原子间势）的实现门槛。但第三个门槛仍然存在：MLIP 生态较新，与经典力场相比缺乏成熟接口，且依赖栈、数据结构和组合方式对计算化学家不友好。

NVIDIA 博客

NVIDIA 的一项实验表明，在工程师设定目标与约束的迭代流程中，通用 AI 编码代理结合 **Holoscan CLI、HoloHub 开发技能和文档/示例**，可以完成一个实时内窥镜工具分割应用从搭建、可视化、基准测试到延迟优化的完整开发；消融实验显示，三组资源组合使用比“无技能、只有 CLI + 文档/示例”更省时、更省 token。

NVIDIA 技术博客（2026-08-19）尝试回答：通用编码代理能否像工程师一样，利用现有的示例、文档和开发工具，完成真实的 NVIDIA Holoscan 边缘 AI 应用开发？ 开发目标是一个端到端的内窥镜工具分割应用：实时推理、分割掩码可视化、统计信息分析渲染，以及可重复的基准测试。 开发过程中复用了 MONAI 内窥镜工具分割模型和 HoloH…

NVIDIA 博客

Cursor推出全新代码托管平台Origin，并开始对付费用户开放Beta测试；这是Cursor首次将代码仓库纳入产品，定位为“面向智能体时代的Git forge”，旨在解决多个AI Agent高频提交下的PR排队问题。

据腾讯研究院AI速递（20260819期）报道，Cursor推出代码托管平台Origin，开发者可以在Cursor中直接新建、克隆和推送项目。Origin被定位为“面向智能体时代的Git forge”，并利用收购的Graphite堆叠式PR机制，应对多个AI Agent同时高频提交、分支冲突导致的PR排队问题。

腾讯研究院（搜狐同步）

企业微信5.0.10全面开放CLI和MCP能力，允许WorkBuddy、Codex及企业自建Agent直接调用文档、表格、邮件、会议等十大办公能力，且不限企业规模。AI Agent可通过“智能机器人”自动查找背景、生成PPT、读文档写代码、分析数据表，实现办公任务自动化。

据腾讯研究院AI速递（标题标注日期20260819）报道，企业微信上线5.0.10版本，宣布向AI Agent开放CLI与MCP能力。开放的对象包括WorkBuddy、Codex及企业自建Agent，覆盖文档、表格、邮件、会议等十大办公能力。Agent无需事先上传资料，即可自动调用企业微信功能完成多项办公自动化任务。

腾讯研究院（搜狐同步）

对于AI翻译，一个“可读”的输出可能产生“可评估性差距”：即使把源文本展示给用户，用户给出的整体质量评分也未必反映该输出在多大程度上保留了源文内容；这一现象在复杂文本上尤为明显。

该研究关注AI翻译输出评估中的一个认知缺口：用户能否真正评估“源文保留”程度？作者提出，可读性与源文保留可能背离；即便界面同时显示源文，用户对整体质量的判断也可能无法体现保留内容的差异。研究同时考察了用户对输出和系统的评价如何与信任、以及是否愿意把个人文本交给系统处理（披露意愿）相关。

arXiv 论文

当专家纠正了 LLM 助手的错误，这条修正通常随会话一起消失，同类错误随后再次出现。作者主张：这是一个运维问题，而非工具问题；需要一套以“错误闭环”为核心的七原则运行纪律来治理修正的持久化。

论文讨论的是“LLM 助手的错误修正无法持久化、错误类别反复复发”的现象。作者认为，用于持久化修正的机制已经存在并在逐步落地，但治理这些机制的纪律缺失，包括：带来源的版本管理、复发监控、反向指标、陈旧规则退役等。问题不是“没有工具”，而是“没有运维体系”。

arXiv 论文

The HydroGym reinforcement learning platform for fluid dynamics

nature.com

在冻结的 Rad-DINO 胸部X光编码器上，注意力池化（attention pooling）适配器取得最强的整体判别性能，但对种族等受保护属性的编码也最强；整体性能提升并不总能减小亚组差距，公平性影响因任务而异且不可预测，必须逐任务直接评估，而不能凭属性编码强度或平均性能推断。

基础模型正越来越多地被适配到下游医学影像任务，但所选适配策略对亚组公平性的影响仍不清楚。本研究以胸部X光病理分类为任务，系统比较三种参数高效适配技术在冻结的 Rad-DINO 编码器上的表现，并分析不同亚组之间的性能差距。

arXiv 论文

SPK 提出一种从预训练目标检测器中显式“引出”与分布外（OoD）相关的结构化先验知识、并将其压缩为五维表示用于 OoD 检测的框架；实验显示该方法在多种检测器架构和多个 OoD 基准上达到当前最优，说明目标检测器内部隐藏着比通常被利用的更丰富的潜在知识。

目标检测器常对训练类别之外的物体产生过度自信的预测，形成所谓的 OoD 幻觉。已有方法要么直接在检测器表示上构造评分函数，要么通过修改检测器本身来抑制幻觉，但对表示中隐含的潜在先验缺乏显式解码。该研究提出的问题是：如何从预训练目标检测器中显式引出并利用这些潜在先验，实现可解释且有效的 OoD 检测？

arXiv 论文

SCORE 提出一种无目标标签的跨被试 EEG-to-Image 检索框架：通过“恢复”不同被试在共享图像空间中的坐标方向，在 200 路检索基准上显著改善无标签新用户的检索准确率，且部署时无需目标标签或更新编码器。

视觉解码可从 EEG 等神经信号中恢复被试感知的图像内容，有潜力用于神经通信。但现有 EEG-to-Image 检索方法面对没有标注校准数据的新用户时，性能远低于被试内（within-subject）方法，限制了实际部署。作者分析跨被试 EEG 特征后发现：不同被试对概念间关系的保持是相似的，但这些关系所在的坐标方向不同；由此提出 SCORE。

arXiv 论文

在广泛临床采用前，必须对大语言模型（LLM）在医疗中的安全（safety）与安保（security）风险进行系统评估和缓解；该综述提供了一个统一框架，将风险映射到临床AI系统的开发阶段、安全防护层和当前临床相关威胁上。

生成式AI尤其是大语言模型正在快速进入临床诊疗，但广泛适用性也带来新的责任、脆弱性和威胁。 本文是发表于 *Nature* 的综述文章，在线发表时间为2026年8月19日，卷656，页577–589。 重点评述LLM本身及其与医院工作流、人类医务人员交互中的安全与安保文献。

nature.com

本文提出用最优传输（optimal transport）球替代相对熵球，构造“Wasserstein 熵值风险”（Wasserstein entropic value-at-risk, WEVaR），使正在学习环境的智能体在无知时保持谨慎、在自信时变得大胆，并且能覆盖名义模型认为“不可能”但实际可达的灾难情景；目前摘要给出了理论框架与双重对偶性，具体数值结…

研究问题：传统熵值风险（Entropic Value-at-Risk, EVaR）通过鲁棒优化恒等式将置信水平解释为相对熵球半径，但该相对熵球无法触及名义模型（nominal model）赋概率为零的灾难事件。对于一个安全攸关的学习型智能体，这些“名义上不可能”的灾难恰恰是必须对冲的。 本文做法：改用最优传输球（Wasserstein 球）作为替代模型集合…

arXiv 论文

ReWEIGH the Evidence: Calibrating Token-Level Ordinal Visual Evidence to Mitigate Hallucinations in Large Vision-Language Models

arXiv 论文

VITAL 是一个基于双通道共学习架构的深度学习框架，通过融合蛋白质语言模型嵌入与几何感知编码器，能够同时预测肽-蛋白相互作用、映射结合界面并估计定量亲和力，在多个基准上取得最高 AUC=0.87 的准确率，并以开源包和交互式网站形式供社区使用。

肽-蛋白相互作用的定量表征是计算生物学中的长期挑战，限制了机制理解和治疗开发。现有方法多聚焦于定性筛选或结构预测，缺乏同时提供界面信息与定量亲和力估计的统一平台。VITAL（Versatile InTerface-Aware global-local co-Learning）旨在解决这一问题，通过深度学习同时实现相互作用预测、界面映射和亲和力定量。

nature.com

多视图推理本身可以被预训练并在任务间复用：SIMPLE 的冻结推理骨干在不更新参数的情况下具有竞争力，经轻量适配器校准后在多数评测数据集上取得领先性能。

现代预训练编码器使异构视图的表示越来越可复用，但决定视图效用、组合证据的流程在每个下游任务中仍被重新学习。有关视图相关性、互补性、可靠性、缺失性的知识因此被反复丢弃，而不是跨任务迁移。本文重新表述多视图学习：不是学习固定融合函数，而是学习一种可复用的、任务条件化的推理流程。

arXiv 论文

现代 Intel AI PC 虽然单机内存不足以容纳 70B 级大模型，但通过将模型按层切分为预编译的 OpenVINO 流水线分片，并组合使用“beam_idx Gather 注入”“投机解码”和“微批处理”三项技术，几台 AI PC 在普通网络上协作就能提供服务，且性能可达到甚至超过单机未拆分模型的吞吐。

论文提出一个分布式 LLM 推理方案，目标是利用 Intel AI PC 上常常空闲的集成 GPU 和 NPU 资源（16+ GB 统一内存），让一组 AI PC 协同运行单个设备无法容纳的大模型（如 70B 参数 LLM）。核心研究问题是如何把层间流水线并行改造成实际可用的高速推理系统，而不仅仅是“能跑起来”。

arXiv 论文

PGFS++: Molecular Property Improvement under Synthesis and Diversity Constraints

arXiv 论文

Open-MOPD: Diagnosing and Fixing Capability Imbalance in Multi-Teacher On-Policy Distillation

arXiv 论文

Lévy Attention: Single-Pass Predictive Uncertainty for Continuous-Time Attention

arXiv 论文

根据现有元数据，该条目指向一篇 Science Robotics 论文，英文题名为“Learning vision-driven reactive soccer skills for humanoid robots”，主题涉及人形机器人的视觉驱动反应式足球技能学习；但正文未抓取，具体方法、实验、结果与结论均待核实。

来源材料仅提供论文题名、期刊卷期信息、URL、Track 与 Topic。 候选摘要称该文位于 Science Robotics, Volume 11, Issue 117, August 2026；正式出版状态与准确卷期待核实。 从题名可确认的主题范围是：humanoid robots、vision-driven、reactive soccer skil…

science.org

单个训练样本对最终模型的贡献通常只能“估计”而无法“测量”，因为要直接测量，需要做两次完整的预训练，而两次训练之间仅在一个 batch 的一行上存在差异。本文在较小规模上把这种反事实实验真正跑了出来：训练了 32 个 124M 参数的 GPT-2 模型（在 OpenWebText 上），共 4 种条件、8 个随机种子。在总训练步数 9,536 步中的第 2…

arXiv 论文

将梯度提升集成中每棵树的叶值视为坐标，每个样本就变成 R^M 空间中的一个点，模型分数就是坐标之和；这一视角为对比解释提供了精确且可审计的基础，并支持在“可执行性”约束下更有效的逆决策（recourse）。

研究问题：梯度提升集成的预测是“每棵树一个叶值相加”。能不能不再依赖近似、采样或对特征的可加性假设，而是通过视角转换直接获得精确对比解释？ 核心论点：把叶值当作坐标而不是中间结果后，每个样本成为 R^M 中的一个点，模型在该空间中线性地工作：分数 = 坐标之和。 后续做法：论文基于该表示构建逆决策方法，并在五个表格数据集上使用重复交叉验证评估。

arXiv 论文

该研究利用深度学习模型将大气环流预测转化为降水预测，预测2026年夏季中国中部将出现干燥异常，并通过可解释性分析将这一预测主要归因于特定的大气环流异常。

Interpretable AI predicts a 2026 summer dry anomaly in central China

arXiv 论文

本文提出了一条利用RGB正射影像辅助生成3D探地雷达（GPR）标注数据的高性价比流程，并设计了一个融合残差连接、混合卷积核与深度/通道注意力机制的3D CNN，在路面修补（patch）和裂缝（crack）缺陷的二分类任务中优于基线架构。

探地雷达（GPR）是土木与交通工程中广泛使用的无损地下探测技术，但要在自动化道路检测中大规模应用，面临两个关键挑战：一是标注过的真实3D GPR数据集稀缺；二是缺少专门针对3D GPR数据特性设计的深度学习模型。本研究同时应对这两项挑战，在真实运营中的高速公路路段上构建数据集，并提出专用3D深度学习框架。

arXiv 论文

前沿语言模型的平均能力已接近饱和，真正区分系统的是重复相同请求时输出围绕目标的“散布”或“精度”，而不是“能力”本身。

论文（arXiv:2608.19140v1）指出，当前对前沿语言模型的比较、营销与基准测试都围绕“能力”（capability）——即最好或平均输出能达到什么水平。作者认为这衡量了错误的轴：模型的准确度已经饱和，均值能落在目标上；实际区分系统的是“精度”（precision），即在重复相同请求下输出围绕目标的集中程度。文章借用射击术语说明：能力是平均弹着点…

arXiv 论文

作者提出利用 RVQ 神经音频编解码器自身的层级结构，在连续码本几何空间中做“对比式检索”来代替传统的离散 token 预测或连续回归，从而从较粗的编解码器 token 重建高质量音频；在语音和音乐的编解码器恢复任务上，该方法优于单遍 token 预测基线和单步回归基线（具体指标和实验细节待核实）。

背景：基于残差向量量化（RVQ）的神经音频编解码器，已成为基于 token 的通用音频生成中最主流的离散表示方式。 问题：从较粗的编解码器 token 重建高质量音频仍然是开放问题，并约束着所有生成这些 token 的系统的保真度上限。 既有框架：过去研究通常把“重建”二分为离散 token 预测或连续回归。 本文论点：这种二分法不完整；RVQ 的层层次本…

arXiv 论文

本技术报告描述了通过人声模仿查询声音效果的两种互补微调策略，是 AES AIMLA 2025 挑战赛的获胜提交；但摘要未给出具体性能数字，实际效果有待核实。

该报告针对的是 AES AIMLA 2025 挑战赛中的声音效果查询任务：用户通过模仿声音（例如用嘴模拟“嗡嗡”或“碰撞”声）来检索对应音效。作者在赛后更新了技术报告，以补充挑战赛结束后发布的细节。

arXiv 论文

本研究用超分辨率生成对抗网络（SRGAN）对锂离子电池NMC正极材料的低分辨率EBSD数据进行计算增强，在5倍超分辨率下可实现约25倍的采集加速或视场扩展，并在晶粒尺寸、形状等关键指标上保持可接受的精度。

电子背散射衍射（EBSD）是定量表征锂离子电池电极材料微观结构、优化电池性能的关键手段，但EBSD采集速度慢，难以获得具备统计代表性的高吞吐量数据集。本文尝试用机器学习超分辨率框架，将低分辨率EBSD数据计算增强为高分辨率数据，从而提高EBSD分析通量。

arXiv 论文

S-JEPA 的软目标中，非最大概率的数值结构并不能完全决定学习到的 Encoder 表示；这些非最大概率值被分配到哪些 GMM 分量同样重要。

S-JEPA 使用软高斯混合模型（GMM）后验概率而非硬聚类标签来保留不确定性。已有做法通常只关注概率值本身，但一个未被回答的问题是：当某个样本的非最大概率值集合固定时，这些值具体映射到哪些 GMM 分量，是否会影响最终学到的 Encoder 表示？

arXiv 论文

本文提出 MDTIM（Masked Diffusion Time-series Imputation Model），通过掩码扩散训练和随机离散化，使模型在时间序列插补任务中直接预测原始值，并在多种缺失场景下取得优于现有确定性方法和生成式方法的鲁棒性与可扩展性。

时间序列插补对可靠的时间序列分析至关重要，但真实数据中的复杂时序动态和噪声使其仍具挑战。现有方法存在两个主要局限：

arXiv 论文

DistScan 提出一种新的目标检测后门检测思路：即使输入中没有触发器，后门注入也会系统性地改变模型在 NMS 前的预测类别分布，使其偏离训练类别频率；因此只需在干净验证集上统计中间类别预测，即可判断模型是否被植入后门，无需访问模型权重、无需知道触发器、也无需额外训练。

在安全关键场景中部署的目标检测模型容易受到后门攻击：当隐藏触发器出现时，模型会发生针对性的异常行为。已有检测方法要么依赖触发器反演，要么依赖特定架构假设；更重要的是，代表性已有方法在面对“场景级攻击”时难以可靠泛化。场景级攻击指单个触发器同时诱发场景中所有目标的异常行为。

arXiv 论文

DA-WAM 提出将预测表示学习、动作条件未来建模与轨迹评分统一到一个驾驶决策目标下，让预测的未来直接参与轨迹选择，并在 NAVSIM-v1 和 NAVSIM-v2 上取得当前最优性能（具体指标数值待核实）。

自动驾驶系统需要根据自车动作预测场景演化，但现有世界模型在决策中的潜力尚未充分发挥。关键挑战是：未来建模不能只追求“预测准确”，还必须做到“对决策有信息量”——即预测出的未来应直接影响轨迹选择。论文指出，现有方法要么把未来表示学习与规划优化解耦，要么让不同轨迹候选共享同一组预测状态，从而稀释了动作带来的后果差异，削弱了未来表示对轨迹取舍的指导作用。

arXiv 论文

该研究针对Hawkes过程驱动的非马尔可夫随机控制问题，提出先用混合指数核将多变量Hawkes过程有限维马尔可夫化，再在近似模型上使用一种连续时间确定性策略梯度算法（Hawkes-CT DDPG）求解，并证明了马尔可夫化过程、强度及问题值对原非马尔可夫模型的收敛性。

Continuous-Time Reinforcement Learning for Controlled Hawkes Jump-Diffusions

arXiv 论文

本文提出一种基于嵌入（embedding）的大规模动态主题建模方法，用于在 12.7 亿条 Reddit 评论中检测与量化“主题漂移”（topic drift）；初步结果显示，政治与社会争议话题在嵌入空间中呈现显著方向性漂移，而音乐、体育等领域相对稳定。

研究问题是：如何在评论级（comment-level）的短文本大规模语料中，定量检测和描述主题随着时间发生的语义漂移与话语演变。作者将动态主题建模技术应用到 Reddit 语料库（2006–2022，12.7 亿条评论），在嵌入空间而非词频或主题分布空间中分析语义变化。

arXiv 论文

ChildSafeAds 2026 是一个面向“可能触达儿童和青少年”的YouTube视频中商业内容检测的共享任务，提供来自939个频道的3,360个视频数据，并设置三个子任务和四级证据访问设置，用于评估系统在广告/商业内容识别、产品分类和法律风险识别上的表现。

儿童和青少年是YouTube的重要受众，视频中嵌入的赞助内容与商业推广若不充分披露，可能带来合规与儿童保护问题。本共享任务旨在推动对这类视频中商业内容的自动识别与分析。每个实例以SponsorBlock（一个开源的众包浏览器扩展）用户标注的赞助片段为起点，配对可用的转录文本、视频与频道信息，以及视频描述中链接的销售或服务页面，构建为可评估的数据集。

arXiv 论文

NEAR 框架通过将高重复次数的神经响应中心作为锚点，同时从“带噪查询”和“候选图像表征”两侧向该锚点对齐，显著提升了仅有一或几次重复时的脑-图像检索准确率，减少了对大量重复采集的依赖。

脑-图像检索（brain-to-image retrieval）旨在从脑信号中解码视觉信息，可用于神经康复、梦境解码等。现有方法通常需要对同一图像刺激重复采集多达 80 次神经试次并求平均，以抑制噪声、提高信号稳定性；这带来高延迟、高成本和高用户负担。当重复次数很少（如 1 次或 4 次）时，检索准确率会急剧下降。以往研究多将这种下降归因于查询端的噪声，但…

arXiv 论文

语言模型智能体可以通过连续隐藏状态进行公共转录中不可见的隐蔽通信；论文提出的“可验证潜在对齐（VLA）”框架能够在不使用攻击样本训练主监控器的情况下，以较高准确率监控此类私有通道，并在具备白盒反事实访问时有效缓解合谋行为。

语言模型智能体不仅通过文本对话协作，还可能通过模型内部的连续隐藏状态（latent states）互相传递信息。这些状态不会出现在公开转录文本中，因此可能被用于隐蔽的恶意协调，例如在拍卖中合谋压低出价。现有安全机制通常只检查公开文本，无法发现这类私密通信。论文引入 Verifiable Latent Alignments (VLA)，一个激活感知（acti…

arXiv 论文

GC-OPD 在 rollout 组内分别归一化验证器奖励和轨迹级 OPD 分数，用二者之差作为带符号的“教师-验证器分歧残差”，再按相对优势分配到 token，从而在不丢弃逐 token 稠密教师指导的情况下引入验证器的整体任务反馈；在 5 个长上下文基准上，Qwen3-4B 的五基准均值从 29.08 提升到 40.47，Qwen3-8B 从 35.1…

同策略蒸馏（OPD）让学生在自己的采样上训练，并由更强教师逐 token 提供稠密指导。 在长上下文任务中，逐 token 教师支持可能偏爱“局部合理”的回答，忽略分布在不同位置的证据，或违反全局任务约束。 任务级验证器从整体回答判断任务完成度，能给出反映部分成功的分级奖励。 作者在两类代表性长上下文证据聚合任务上诊断这一错位：随着输入范围变长，轨迹级 O…

arXiv 论文

ADEPT 提出一种大规模强化学习框架：先在通用物体重放置任务上预训练灵巧策略，再通过稳定的后训练配方适配下游任务，使多指机器人能从原始视觉-触觉感知直接学习长时程操作技能，并零样本从仿真迁移到真实机器人。

高自由度多指机器人的灵巧操作往往难以从零开始强化学习，且每个新任务都要重复学习相似技能。本文研究的是：如何通过预训练与后训练，让灵巧操作策略具备跨任务的迁移能力，并最终在真实机器人上部署。

arXiv 论文

法国量子计算初创公司 Pasqal 的研究者开发了一款自主AI智能体，能用英语提示生成量子计算代码并自动在量子计算机上运行；它并非完全免人工，但显著降低了量子编程门槛。

Nature 新闻（2026年8月19日）报道，Pasqal 公司的研究者把“vibe coding”带入了量子计算。该工具接受英文自然语言描述，将之转化为量子计算代码，并自主在量子计算机上执行。相关预印本已于2026年7月发布在 arXiv 上。

nature.com