本期 47 件事。点击标题可查看卡片、来源与相关知识点。
据 OpenAI 官网案例页的标题与摘要，社交俱乐部 The Den 在筹备新门店期间，用 ChatGPT Work 把拨款申请书从 3 天压缩到 2 小时、酒牌（liquor-license）材料从 4 天压缩到 3 小时，并把每周节省出的 10–15 小时用于业务增长；由于正文未能抓取，任务口径、时间测算方式和“节省”的统计依据均待核实。
本条对应 OpenAI 官网的一则客户案例，英文标题为 *The Den frees up 10-15 hours a week to grow with ChatGPT Work*。 案例场景是 The Den 正在开设新的门店/场地（new location），属于扩张期，同时需要处理合规与资金类文书工作。 研究/展示问题可归纳为：生成式 AI 助手能…
OpenAI
查看来源原文科大讯飞子公司词元星火开源星火X2.5-4B与1.7B两款端侧模型，是端侧唯一原生支持最长100万Token上下文的模型。
科大讯飞子公司词元星火开源星火X2.5-4B与1.7B两款端侧模型。模型采用混合注意力架构，围绕智能体、代码、数学与指令遵循进行优化，并基于全国产算力使用约20万亿Token完成预训练。权重已在Hugging Face开放。
腾讯研究院（搜狐同步）
查看来源原文影眸发布 Hyper3D WorldGen，支持从单张图片生成可交互 3D 场景；依托获 SIGGRAPH 2025 最佳论文的 CAST 架构重建物体位置、尺度与支撑关系，采用网格与 3D 高斯混合表达，最快 4 秒生成一个可用资产。
腾讯研究院AI速递 20260902 报道，影眸发布 Hyper3D WorldGen。该产品面向“单图生成可交互 3D 场景”这一任务，核心问题可概括为：如何在还原场景中物体的位置、尺度与支撑关系的同时，快速生成能进入专业工具链的 3D 资产。
腾讯研究院（搜狐同步）
查看来源原文腾讯混元将 Hy4 preview 的权重从接近 1.5TB 压缩到约 214GB，采用自研 Sherry 稀疏三值量化与 MIX-STQ1_0 混合精度分配，在主流评测中与 BF16 原版差距在一两分以内，检索类任务基本不掉点，并在“4090 笔记本 + 四卡 A4000”异构联合推理下跑到约 1.02 token/s。
腾讯研究院AI速递 20260902 中报道，腾讯混元开源了 Hy4 量化轻量版。该版本把 Hy4 preview 的权重大幅压缩，目标是降低运行这一模型的硬件门槛。原始材料为快讯摘要，未提供完整技术报告或开源仓库链接。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA技术博客提出了一套以“工作负载实际行为”为核心的GPU配置框架：先按用例归类Token模式，再结合模型、DAU、并发、输入/输出长度、缓存命中率、延迟目标和合约期限等输入做数据驱动的容量规划，并采用“核心+弹性”容量模型及量化、剪枝、蒸馏等优化手段，从而在避免超支的同时满足AI推理的延迟和吞吐需求。
随着AI应用从聊天机器人扩展到内容生成，企业普遍面临一个痛点：如何为推理工作负载可靠地配置GPU资源并优化总拥有成本（TCO）。该博客试图解决的核心问题是：面对复杂的延迟目标、模型选择、流量模式和预算约束，怎样避免凭猜测配置GPU，而是基于真实的Token模式、并发和延迟需求来确定GPU规模。
NVIDIA 博客
查看来源原文智谱创始人唐杰首次披露下一代模型 GLM-6.0 的技术路线为 Fully Self-Training（全自训练）。他认为 Scaling 并未结束，而是重心转移；GLM-6.0 的发布时间尚未公布。
智谱创始人唐杰在中期业绩会上首次披露了下一代 GLM-6.0 的技术路线：Fully Self-Training，即“全自训练”。他同时表示，Scaling 并未结束，而是重心发生转移；GLM-5.3 与 GLM-5.2 采用相同基础模型、参数规模未变，能力提升主要来自扩大长周期任务环境与后训练。
腾讯研究院（搜狐同步）
查看来源原文ATV Big Air Tour 使用 ChatGPT Work 加速市场营销、周边商品运营等工作，并将商品照片转化为库存网站，用时 15 分钟；案例标题称“3 天的工作变成了 3 小时”，但具体任务与统计口径待核实。
本卡片来自 OpenAI 官网收录的 ATV Big Air Tour 应用案例。根据现有元数据，ATV Big Air Tour 将 ChatGPT Work 用于营销（marketing）、周边商品运营（merchandising）及更多工作；其中一个具体例子是，它将商品照片转换为库存网站，耗时约 15 分钟。案例标题显示，原本需要 3 天的工作被压缩…
OpenAI
查看来源原文Runway发布界面世界模型Solaris，界面像视频实时生成
腾讯研究院（搜狐同步）
查看来源原文OpenAI产品负责人 Tara Seshan 认为，AI 产品正从“聊天、Agent、常驻AI同事”三阶段演进；第三阶段的 Agent 会留在项目里记住目标与进度，而要让它真正干活，需要补上项目状态、分级权限、执行轨迹、人工检查点与回滚路径等支撑。
这是腾讯研究院AI速递（标注日期 20260902）汇总的一则“报告观点”，并非 OpenAI 正式产品发布。讨论的核心问题是：Agent 要成为“常驻AI同事”，而不是一次性外包工具，产品和组织需要增加哪些能力。
腾讯研究院（搜狐同步）
查看来源原文据腾讯研究院AI速递20260902报道，通用AI智能体公司Manus宣布正式恢复独立运营，肖弘、张涛和季逸超组成的原创始团队将继续领导公司；公司将以独立AI智能体实验室形式运营。
Manus宣布正式恢复独立运营，原创始团队继续领导公司。公司未来专注于让智能体更深入嵌入日常工作流、与外部环境互动，并在获得授权后主动代表用户执行任务。此前8月11日已启动与Meta分拆的数据迁移，部分用户数据在8月23至24日被删除；重组后的股权结构与知识产权切割方案尚未披露。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA 与 CrowdStrike 将 Nemotron 3 Ultra、经强化学习后训练的 Nemotron 3 Super、Falcon 遥测和专用智能体 harness 组合成一个“验证优先”的攻防对抗系统，把红蓝攻防从手动交接变成可自动迭代的闭环，使检测生成从“看似合理”变为“可回放、可测试、可修正”。按文章报告，回测平均检测率为 41.9%…
背景：安全团队开始用智能体做安全运营，但很多实现仍锚定在已有告警、预定义工作流和已知攻击行为上；更难的挑战是发现防御遗漏，并把缺口变成可靠覆盖。 研究问题：能否由开放模型和专用 harness 驱动的红蓝智能体，以机器速度规模化运行“持续攻防测试”这个端到端循环？ 做法：NVIDIA 与 CrowdStrike 在仿照 NVIDIA 加速计算基础设施的隔离…
NVIDIA 博客
查看来源原文百融智能将AICC（AI Contact Center，把AI接入企业联络中心）作为企业级Agent落地的核心切口，采用“RaaS（Results as a Service）按结果收费”模式；2026年上半年AICC收入同比增长52%，物流场景日处理量从不足1000通增至超1.5万通，提供了一个“企业为AI的实际产出付费”的跨行业落地样本。
2026年上半年，百融实现收入9.14亿元，同比下降43%；毛利由11.82亿元降至4.88亿元，毛利率由73%降至53%；由上一年同期盈利2.01亿元转为亏损3.22亿元。财报归因于2025年发布并实施的互联网助贷监管文件及后续规定，使部分金融机构暂停部分产品运营。 公司重新按业务属性划分收入为三块：AI决策、AICC、其他业务。AI决策收入3.72亿元…
量子位
查看来源原文中国科学院大连化学物理研究所等发布智能化工大模型3.0 Pro，构建“大模型—智能体—专业技能与工具—应用场景”四层技术体系，集成超过400个化工智能体和工具；据资讯稿披露，其文本问答准确率为81.96%，多模态问答准确率为80.75%，已有300余家化工企业与院所注册使用，API累计调用量突破1400万次。
该条目属于生成式AI在化工行业的落地动态。核心产品问题不是做一个通用聊天模型，而是让大模型以“智能体+专业工具+场景”的方式进入化工行业。发布方给出的方案是面向化工领域持续预训练，再叠加大量行业智能体与工具，形成垂直平台。
腾讯研究院（搜狐同步）
查看来源原文掌静脉识别在真实部署中会因手掌表面脏污、汗液、温度变化等出现明显性能下降；该论文发布了据称为首个公开的“视频”掌静脉数据集 CUP，并提出一种轻量测试期鲁棒匹配方法，在不重训练现有模型的情况下显著恢复脏污等条件下的识别精度。
研究问题：掌静脉生物识别广泛用于安全、非接触认证，但真实环境中的表面噪声（汗液、污垢）、光照与运动变化、温度导致的血管可见度变化等因素，此前缺少对应数据进行系统研究。
arXiv 论文
查看来源原文自然产生的用户交互反馈并非如近期研究所说那样“噪声大且难以利用”；它其实是一种高度可操作的LLM改进信号。以往认为无效，主要是因为现有评估范式存在系统性偏差：当模型因反馈而真正修正问题时，LLM评判者常常反而偏好较差的基线输出。
本文挑战“用户反馈信号噪声大、难以有效利用”的既有观点。研究问题是：用户反馈对LLM修订是否有独特的、不可替代的增益？如果有，为什么此前的评估没有发现它？
arXiv 论文
查看来源原文将 E2M1 FP4 载荷与无符号 E5M3 块缩放结合（即 UE5M3），并采用选择性随机舍入，可以在约 190B token 的 Nemotron-H 8B 预训练中取得比 NVIDIA Transformer Engine 参考配方更低的训练/验证损失和更高的下游量化推理点估计，同时省去随机 Hadamard 变换与 BF16 最终层豁免。
稳定的 4 位浮点（FP4）预训练很困难，因为 FP4 的 E2M1 格式只能表示很窄的数值范围。 NVIDIA Transformer Engine 的参考配方依赖“当前张量缩放 + 随机 Hadamard 变换（RHT）+ BF16 最终层”来维持稳定，但这些操作加在了 FP4 矩阵乘法之外，增加了额外工作。 本文尝试用另一种更简单、更利于硬件实现的配…
arXiv 论文
查看来源原文TRACE（Transparent Reasoning Architecture for Credible Execution，透明推理架构以实现可信执行）提出了一种四层可审计决策框架，使自主机器人的每个动作都可以通过文档化因果链追溯到传感器证据；在仓库机器人导航的500个模拟决策周期中，其三个可审计性指标均超过98%。
研究问题：由深度学习驱动的自主机器人面临根本性审计挑战——发生事故时，调查者无法重建系统为什么做出特定决策。 论文方案：论文提出 TRACE 决策框架，用文档化因果链连接传感器证据与自主行动，从而支持决策级审计。 材料来源：arXiv 预印本 2609.02861v1，作者 Cagri Temel，公布时间为 2026-09-02。
arXiv 论文
查看来源原文从论文摘要看，现有统一生成模型（UGM）和世界模拟器在面对“从视觉输入推断规则，再生成逻辑约束图像”的任务时，普遍存在**推理-生成鸿沟**：局部看起来合理，但全局往往不合逻辑。RIG-BENCH 正是用于暴露这一短板的压力测试与诊断基准。
背景：近期的统一生成模型（UGMs）和世界模拟器在视觉感知与合成上取得前所未见的结果，但主要依赖表层事件对齐，高层视觉推理能力仍未被充分探索。 核心概念：真正的视觉生成智能需要 **Reasoning-to-Generation**，即从视觉输入中推断潜在规则，并通过精确、受逻辑约束的视觉结果来体现解决方案。 研究问题：如何系统性评测模型是否具备“推理驱动…
arXiv 论文
查看来源原文SolarWM 提出一套从数据处理到长时程推理的“完全开放”框架，用可重构数据引擎将来自 10 个数据集的 143 万个规范片段统一为帧对齐契约，并在保留 Wan2.2、LTX-2.5、MiniMax-H3 各自表征与目标的前提下，通过三阶段统一训练方案得到 4 个 5B–33B 模型；据摘要，这些模型仅用 5 秒序列训练，即可在分钟到小时级的推演（rol…
跨异构数据源和多种视频骨干训练视频世界模型存在挑战：数据集在时长尺度、相机几何、视觉质量、运动模式和描述（caption）风格上差异很大；不同视频生成器又使用不同的表征与架构。简单混合数据、为某个模型单独定制实现，会造成监督不一致，也让结果难以复现和比较。SolarWM 的核心问题是把“数据源”与“模型实现”之间的耦合关系拆解开，建立一个可复现、可扩展的交…
arXiv 论文
查看来源原文ShallowStream 提出让多模态大语言模型（MLLM）的浅层网络在持续视频流中同时完成帧编码与检索索引构建，在保持与最强现有流式方法相当性能的同时，显著降低每帧预填充延迟和端到端延迟。
流式视频理解是具身智能、自动驾驶、工业监控、安防预警和可穿戴助手等现实应用的关键能力。然而，用 MLLM 持续处理视频流计算开销巨大。已有工作尝试通过视觉 token 剪枝、token 合并、量化、按需取帧和上下文卸载来降低开销，但大多忽略了“模型深度”这一维度：对每一帧反复执行全深度 MLLM 预填充非常昂贵，而且 KV 缓存会随预填充深度线性增长。Sh…
arXiv 论文
查看来源原文SafeEvolve 提出一种由智能体自身经验驱动的“护栏-策略协同演化”框架，在 agentic 安全基准上取得优于现有基线的安全-效用权衡。
LLM 智能体的性能由基座模型和与环境交互时使用的“护栏”共同决定，安全风险不仅可能出现在有害最终回答中，也可能出现在多步执行轨迹中。现有安全对齐机制往往只侧重外部护栏更新或单纯策略优化，单独使用任何一种范式都难以桥接运行期控制与内在安全。
arXiv 论文
查看来源原文RoGe 是一个端到端统一框架，将“隐式场景重建”与“视频扩散生成”联合训练，去掉了以往混合方法中“渲染图像/点图/3D Gaussian”这类有损的显式 3D 桥接；摘要称其在 DL3DV 上的图像级指标和视频时间一致性均优于重建型、生成型和混合型基线。
RoGe: Novel View Synthesis via End-to-End Implicit Reconstruction and Generation
arXiv 论文
查看来源原文作者提出了一套结合题目筛选、合成推理轨迹、监督微调（SFT）与强化学习（RL）的语言模型后训练方案，并引入反馈驱动的测试时计算策略 GenCorrect；据摘要报告，该系统在 IOI 2025 和 IOI 2026 题目/赛制中均超过金牌线，其中 IOI 2026 的竞赛专用系统在 535.4/600 的分数上超过了最高分人类选手 498.27，作者称这是…
竞赛编程已成为测试大语言模型推理能力的重要场景，国际竞赛如 IOI、ICPC 被视为最具挑战性的设置之一。 论文关注的问题是：如何通过后训练让语言模型在竞赛编程中达到金牌级表现。 摘要中报告的方法并非简单增大模型或预训练规模，而是对模型进行竞赛场景的端到端专门化。
arXiv 论文
查看来源原文MuyBridge 是一个纯端侧系统，用单部手机的单目视频流估计运动员基于节段法的人体质心（segmental center of mass，CoM）轨迹：以 63 FPS 的 2D 姿态估计为主干，配合约 2.86 Hz 的稀疏单目深度更新，在 AthletePose3D（跑步、田径、花样滑冰）上取得 33–41 mm 的垂直方向 CoM 误差，且不需要…
三维质心是运动、康复与临床步态生物力学分析中的基本量。但现有技术存在两难：3D 姿态追踪和网格恢复等方法主要优化 3D 关键点精度，缺乏解剖学约束；多视角三角化等方法则需要沉重的计算与采集设施，难以部署在教练和运动分析师最需要的训练/比赛现场。因此，从单摄像头获得公制的 CoM 仍很困难。MuyBridge 正是针对这一缺口提出的手机端单目方案。
arXiv 论文
查看来源原文SpeND（Spectral-like Neural Discretisation）将无网格离散算子中“未被多项式一致性约束的自由度”交给神经网络学习，使构造出的微分算子能在更宽波数范围内近似谱算子的频响，同时通过硬约束投影严格保持多项式一致性。
SPH、RBF-FD、LABFM 等无网格方法通常通过在局部模板上强制多项式一致性来构造离散微分算子。当模板节点数多于一致性约束数时，相应线性系统欠定，剩余自由度由核函数选择、基函数预处理或最小范数条件隐式决定。问题在于：多项式一致性只约束算子低波数极限，不控制细小结构所在波段的精度。SpeND 将这部分自由度选择建模为学习问题。
arXiv 论文
查看来源原文本文提出一种面向电信网络根因分析（RCA）的结构化推理框架，通过在诊断前将异构网络遥测组织成规范上下文、在诊断中强制决策路径推理、在输出时生成证据支撑的解释，来减少大语言模型（LLM）在5G/6G场景下直接用于RCA时的幻觉与不稳定，提升诊断准确率和决策一致性。实验基于TeleLogs和TelecomTS两个5G RCA数据集（待核实具体规模与来源）。
电信网络运维中的根因分析需要从跨层、多源、动态的网络数据中定位性能劣化原因。5G及未来6G网络的跨层依赖使RCA更加困难。现有方法经历了基于规则、机器学习到新兴的LLM增强范式；但直接使用通用LLM做电信RCA存在幻觉、推理不稳定、与结构化网络证据对齐不足等问题。该工作因此提出并验证一个让LLM沿证据化路径进行诊断的结构化推理框架。
arXiv 论文
查看来源原文在光滑凸优化中，采用预定步长序列的梯度下降（GD）仍有不可忽视的收敛误差下界：本文给出 non-anytime 下界 \(\Omega(n^{-1.6342})\) 和 anytime 下界 \(\Omega(n^{-1.2408})\)，分别改进了 Ma-Chen 与 Tsai 等人的结果，并借助 silver schedules 的非 anytime…
本文是一篇 arXiv 理论论文，属于优化与机器学习理论交叉方向。研究问题是：在光滑凸优化中，如果梯度下降的步长序列是预先确定的（predetermined stepsizes），GD 能被加速到什么程度。
arXiv 论文
查看来源原文Graph Machine（GM）是一种维护 O(n) 大小状态并通过稀疏动态路由访问该状态的架构；用 GM 稀疏层替换 Qwen3-0.6B 中 75% 的稠密 Transformer 层后，在 15.7B tokens 上从头预训练，每个 KV 头只需从 4,096 个 token 中检索 4 个 token，最优模型的 loss 便获得轻微改善。
论文关注 Transformer 预训练中的状态访问与计算复杂度平衡。 作者指出，既有方法要么使用固定大小状态，要么使用“稀疏但静态”的路由；GM 希望实现稀疏层内 O(n) 复杂度，同时不把潜在可访问状态大小限制为 O(1)。 实验路线：将 Qwen3-0.6B 的 75% 稠密 Transformer 层替换为 GM 稀疏层，并使用 15.7B tok…
arXiv 论文
查看来源原文GRADSOLVE 是一个面向 NVIDIA GPU 的开源 JAX 库，用于求解低维 ODE 集成（ensemble）并执行反向模式求导：它记录自适应求解器接受的步，再对这些步做定步长重放和微分，返回这些步的精确离散伴随；一旦完成一次记录，其梯度计算速度比 Diffrax 的 checkpointed adjoint 快约 5.6–14.1 倍，具体优势…
常微分方程（ODE）广泛用于科学与工程模型，许多应用需要关于参数的导数。 由大量独立轨迹组成的 ODE 集成适合在 GPU 上运行。 现有 GPU 软件存在两难：最快的集成求解器无法以同等速度被反向模式求导；而为求导设计的求解器在正向求解上又更慢。 摘要指出，此前没有一个工具能在融合核函数求解速度的量级上同时提供反向模式梯度。GRADSOLVE 旨在填补这…
arXiv 论文
查看来源原文GDB-Reward 的核心主张是：把图形设计领域各类不可微的评估指标统一转换为强化学习奖励，从而在不微调文生图模型的情况下，提升模型输出对设计规格的遵从性（依据候选摘要，具体效果与机制待核实）。
文生图模型在自然图像合成上表现较强，但在图形设计上仍有短板；图形设计要求满足版式、布局、颜色与视觉沟通等精确约束。 提示词优化是扩散模型微调之外的一种低成本替代方案，但冻结的图像生成器不可微，需要能对候选输出排序的奖励信号。 研究问题由此提出：图形设计评估指标本身能否直接成为强化学习奖励？
arXiv 论文
查看来源原文在无噪声高斯压缩感知的理想化线性设定中，**全维线性生成先验**在整族可调线性先验中取得最小期望重建误差；此时调低先验复杂度并不能改善重建误差。该结果与去噪任务中低复杂度先验因偏差-方差权衡而更优的行为形成对比。
本文研究的是生成先验用于压缩感知等逆问题时的“可调复杂度”设定：即维护一族复杂度不同的生成先验，在反演时选择特定复杂度。此前已有实验表明，在多种逆问题中通过适当调节生成先验复杂度可以获得更低的重建误差；而本文试图建立对应的理论。具体研究问题是：在**可调线性生成先验族**（且族内各先验通过奇异值分解自然关联）的设定下，压缩感知的最优先验复杂度应当如何选择？
arXiv 论文
查看来源原文论文为 Model-RB 基准实例 `frb100-40` 给出了可核验的最优性证书：一个 100 顶点的独立集，以及一个将该 4,000 顶点图划分为 100 个大小为 40 的团的验证性划分；二者合在一起证明最大独立集大小为 100，最小顶点覆盖大小为 3,900。预注册搜索实验显示，新增的 pair 与 triple 修复算子相对基础 ULSA 没有…
`frb100-40` 是 Model-RB 基准中一个超过 20 年未被解决的公开挑战。据摘要，自 2014 年以来，其实例的公开记录停留在“100 个变量中的 99 个”。本研究的目标不仅是找到更好的启发式结果，而是为这一实例提供确定性的最优性证明。
arXiv 论文
查看来源原文CW-Net（Concept-Wrapper Network，概念封装网络）将自动驾驶机器学习规划器的决策“因果性地”锚定到人类可理解的概念上，并在真实自动驾驶车辆上完成部署；结果显示，它改善了驾驶员对车辆行为的心智模型，使其能更好地预测车辆行为，尤其是在意外场景中。
背景：自动驾驶汽车越来越依赖深度神经网络，但黑箱规划器让人类难以预判其何时会失败，可能带来严重安全后果。 既有可解释性研究大多局限于仿真或玩具级场景，难以判断其在实际部署中的真正用处。 核心问题：能否提供一种可理解、有用且对决策过程忠实（causally faithful）的可解释深度学习方法，并在真实自动驾驶车辆上改善用户的预测能力？ 作者提出 CW-N…
nature.com
查看来源原文本文提出一种轻量级全合一图像恢复方法 FReSH-IR（Frequency Reconstruction via Spectral Harmonization），通过在层级编解码器中显式分解高、低频特征并结合傅里叶跳跃连接，以比 Transformer 类模型少 80% 的参数与计算量，取得相近的恢复质量。
雨、雾、雪等不利天气会显著降低图像质量，影响人类感知和物理 AI 系统。现有恢复方法计算开销大，难以处理高分辨率图像，也难以同时应对多种退化。论文试图解决“能否用轻量级网络实现多类天气退化统一恢复”的问题。
arXiv 论文
查看来源原文EarlyEval 提出“早期结果预测”这一评估降本新轴：在 agent 执行过程中用一对 LightGBM 成功/失败分类器判断最终结局，一旦置信度过阈值就提前终止运行，从而在只让 agent 解决率平均变化 1–2 个百分点的情况下，最多减少 44.1% 输入 token 和 29.4% 输出 token。（待核实）
评估 LLM agent 对模型开发至关重要，但运行成本越来越高；一个前沿模型在 agentic benchmark 上完成一次评估可能花费数百到上千美元，并在迭代中反复支付（待核实）。现有基准蒸馏（benchmark distillation）通过减少评估任务数量降本，但没有降低每个任务内部的执行成本。EarlyEval 正是针对“任务内”成本：利用“最…
arXiv 论文
查看来源原文论文摘要称，基于德·菲内蒂定理和线性规划构造的荷兰赌检验发现，语言模型的概率预测存在显著不连贯性：事件间的逻辑关系更丰富时，不连贯性增加；加入无关上下文细节可使不连贯性提高约一个数量级。
论文指出，人们越来越多地用语言模型支持生活决策，很多这类决策涉及概率预测，例如“重大人生事件、自然灾害或经济结果的可能性”。 用户可能默认这些预测来自一个连贯的世界模型。论文的研究问题是：语言模型的概率预测是否内部自洽？在结果尚未揭晓或无法观测时，能否评估这种自洽性？
arXiv 论文
查看来源原文该工作提出用“预测状态匹配”（predicted-state matching）训练判别式世界模型，使网络智能体在测试时通过预测并区分不同动作导致的网页状态来选择更优动作，相关实验表明该方法优于传统监督式下一状态预测训练的世界模型。
Discriminative World Models for Web Agents
arXiv 论文
查看来源原文DiscoSign 是一个面向语篇（discourse）级别的手语翻译框架，提出用模块化大语言模型（LLM）处理“文本→手语标注（gloss）”中的语篇现象。摘要称，相比“仅句子翻译”，该方法显著改善了空间一致性和实体追踪，同时保持有竞争力的单句翻译质量。
DiscoSign: Discourse-Aware Text to Sign Language Gloss Translation
arXiv 论文
查看来源原文这篇Nature综述指出，AI驱动的物理实验设计正从“调整个别参数”发展为在广阔硬件配置空间中搜索最优解，甚至提出全新实验布局；这些AI发现的结构常挑战传统设计惯例，却能达到或超过人工设计的性能，未来有潜力开辟探索宇宙的新途径。
本文是一篇发表于《自然》的综述（Review），在线发表于2026年9月2日。它研究一个核心问题：人工智能如何参与物理学实验的设计？文章将实验设计形式化为“在受实际约束的硬件配置空间中寻找最优解”，并围绕四个指导问题展开：(1) 如何设计表达性强的搜索空间；(2) 如何构建快速可靠的模拟器；(3) 如何把科学目标转化为可计算的目标函数；(4) 如何开发能同…
nature.com
查看来源原文研究团队将天然蛋白结构域与人工智能设计出的、自然界中不存在的蛋白组装体相结合，制造了名为STV（合成转运载体）的RNA递送工具；其中最优候选STV-C8的RNA递送效率比天然病毒载体和临床使用的脂质纳米颗粒（LNP）高数个数量级，并具备可编程的细胞靶向性。
病毒经过数十亿年进化，已成为高效的基因递送载体，但大多数病毒衣壳在大小和形状上趋同。它们适应自然环境所需的部分特性，在受控的基因工程应用中未必必要，甚至可能成为劣势。 本文提出的问题是：能否利用生成式AI蛋白设计工具制造不依赖自然进化路径的蛋白组装体，并将其功能化为核酸转运载体？ 作者将天然蛋白功能域与AI设计的合成蛋白组装体结合，构建了超过100种“自下…
nature.com
查看来源原文本文用 Copula 理论建立了迭代数据一致反演（iDCI）与原始联合数据一致反演（DCI）解之间的关系，并证明：iDCI 收敛后的残余差异可由观测联合分布与预测联合分布的 Copula 完全刻画；若施加精确的 Copula 变换，则可以恢复原始 DCI 解（原文证明细节待核实）。
数据一致反演（DCI）构造概率测度，使其前向推布（push-forward distribution）与观测数据一致。迭代数据一致反演（iDCI）将这一框架扩展到广义随机反问题，通过顺序施加多个前向约束来求解，从而避免直接逼近高维联合密度。然而，iDCI 与原始联合 DCI 解之间的关系此前尚不清晰。本文试图用 Copula 理论澄清这一问题。
arXiv 论文
查看来源原文（待核实）CodePoisonRAG 是一种面向“检索增强代码生成”（RACG）的黑盒、定向上游知识投毒框架：攻击者不需要修改大模型，也不访问受害者的检索/生成系统，只要向知识库注入少量与任务匹配的带毒代码制品，就可能让模型生成带攻击者指定软件弱点（CWE）的代码。
CodePoisonRAG: Knowledge Poisoning Attacks on Retrieval-Augmented Code Generation
arXiv 论文
查看来源原文Cliff 是一种面向大语言模型 RLVR 后训练的奖励塑形策略。它用一个现成的 LLM 教师找出每次推理轨迹中的“第一个错误”，把轨迹切成正确前缀和错误后缀，并转换为 token 级优势：前缀给正反馈、后缀给负反馈。据论文摘要，Cliff 在 12 个场景中一致提升推理性能，比 on-policy distillation 高 15%、比标准 GRPO…
基于可验证奖励的强化学习（RLVR）已成为大语言模型后训练的重要范式，但依赖结果奖励，对中间推理过程的反馈较粗。 已有增强方案往往需要额外约束：例如依赖专门的奖励模型，或假设教师与学生推理模式相同。 Cliff 的切入点是：一旦推理出现第一个错误，后续推理已经以无效前缀为条件，继续评估“后面的推理”能提供的额外信息有限；因此，定位第一个错误比逐步过程打分更…
arXiv 论文
查看来源原文候选摘要显示：恢复位置本身并不单独决定性能。RAW 域恢复可以优于最好的通用 RGB 恢复模型；但若 RGB 恢复模型在训练中考虑了 ISP 变换，则能取得最佳整体性能。关键在于恢复模型与目标成像流水线之间的对齐程度。
现代相机通过图像信号处理器（ISP）将 RAW 传感器测量值转换为 sRGB 图像。 该工作以 ISP 为中间环节，比较两种“盲恢复”放置方式： A：ISP 之前，在 RAW 域进行恢复； B：ISP 之后，在 sRGB 域进行恢复。 基准覆盖范围，据候选摘要： 四组智能手机设备； 两个学习式 ISP； 三种退化场景：噪声、模糊、噪声与模糊联合退化； 若干…
arXiv 论文
查看来源原文AutoCompass 提出一种利用含噪绝对位姿标签（如原始 GPS）来训练“神经地图匹配器”（neural map matcher）的监督方法，并声称不需要航向标签；模型仅从原始 GPS 标签训练就能自动学会准确航向。在驾驶和以自我为中心的视频基准上，该方法一致优于通常强依赖绝对位姿标签的对照训练方式。
视觉定位中，神经地图匹配器用于估计一张图像相对于某张 2D 地图的 3 自由度位姿。传统方法需要在大规模地理参考图像上训练，而这些图像的位置和航向标签往往含有噪声，会影响训练出的模型。
arXiv 论文
查看来源原文本文提出一个名为 AICOME（AI COntextual MEasurement）的验证框架，用于检验“由 AI 从受访者信息中构造的测量”是否能恢复情境模型中的个体和群体层面效应；基于 2022 年中国家庭追踪调查（CFPS）的职业分组验证显示，该方法在数据丰富时能恢复调查变量中大部分情境信息，但存在明确边界条件。
研究者越来越多地使用人工智能来构造传统调查中缺失的社会、组织与职业特征测量。然而，现有做法往往把 AI 测量视为“对回答的预测”，忽略了它在情境模型（contextual models）中可能同时具备的群体与个体层面分析价值。本文提出 AICOME 框架，回答的核心问题是：
arXiv 论文
查看来源原文语音脑机接口（speech BCI）目前因数据集、记录方式、语音类型和词汇表不同而缺乏统一的进展度量；本文提出开放词汇互信息（Open-Vocabulary Mutual Information, OVMI），用一个信息论指标衡量解码器相对“用户可能想表达的词语分布”传递了多少信息，从而让不同条件下的系统可以在同一“通信尺度”上进行比较。
语音脑机接口将神经活动翻译为语言，有望帮助瘫痪患者恢复言语能力，也可能催生更自然的人机交互。但该领域的不同系统在数据集、记录方式、语音类型、词汇表等方面差异很大，各自报告的分数难以直接比较。本文指出，这背后有两个尚未解决的问题：
arXiv 论文
查看来源原文