AI 日报 · 2026-08-13

OpenRouter联合创始人兼CEO Alex Atallah认为，美国在开源大模型上已远落后中国，DeepSeek、GLM、Kimi等模型靠高性价比占据主导；企业应警惕依赖单一前沿模型巨头，并用动态眼光评估员工使用AI的成本与产出。

腾讯研究院AI速递（20260813）摘要了OpenRouter联合创始人兼CEO Alex Atallah的一组观点，涉及开源模型竞争、SaaS软件价值重估、以及AI时代企业员工成本核算方式的变化。此外，材料还提到Stripe拟以100亿美元收购OpenRouter的传闻（待核实）。

腾讯研究院（搜狐同步）

根据现有元数据，OpenAI 正在预览一项名为 **Ultrafast** 的 API 服务层级，用于运行 **GPT-5.6 Sol**，最高可提速 **14 倍**，并由 **Cerebras** 提供算力支持，输出速度最高可达 **750 tokens/秒**。由于未能抓取正文，具体细节待核实。

OpenAI 官方页面发布了 **Previewing Ultrafast mode**，主题是 GPT-5.6 Sol 的极速推理服务。当前仅能依据元数据和候选摘要生成草稿，页面正文未抓取，因此发布范围、开放时间和具体机制均待核实。

OpenAI

据腾讯研究院AI速递（2026-08-13）报道，OpenAI宣布Linux版ChatGPT桌面应用进入预览阶段，将ChatGPT、ChatGPT Work与Codex三件套带到Linux开发环境；但兼容范围有限，仅支持部分主流发行版，且Linux上的桌面控制力弱于macOS。

这是OpenAI对社区自2024年以来要求Linux桌面应用呼声的回应。预览版允许用户在熟悉的Linux开发环境中直接使用ChatGPT、ChatGPT Work与Codex处理项目与浏览器工作流。现阶段Linux上的Computer Use仍以浏览器自动化为主，桌面控制力弱于macOS。

腾讯研究院（搜狐同步）

OpenAI任命Dali Rajic为首席营收官（Chief Revenue Officer），领导其全球营收组织，帮助各类企业充分实现AI价值。由于原始网页未能抓取正文，本卡片仅基于已知元数据整理，细节待核实。

根据来源元数据，OpenAI宣布任命Dali Rajic担任首席营收官。其职责是领导OpenAI的全球营收体系，并帮助企业客户从AI中获取更大价值。具体任命时间、前任情况、汇报关系及职责范围等细节暂无法从材料中确认。

OpenAI

Ramp 的 Agent 平台 Inspect 已实现无人值守工作流：CI、监控与定时任务可自动触发 Agent 收集日志、定位代码、跑测试并回传审核，自动化触发的会话数量已超过人工发起；其落地经验强调最小权限、默认只读、高风险操作留人工确认。

腾讯研究院AI速递 20260813 报道了 Ramp 对其 Agent 平台 Inspect 无人值守工作流的拆解。核心问题是：如何让 Agent 在无人值守情况下可靠完成复杂任务，以及企业接入 Agent 自动化需要具备哪些基础条件。

腾讯研究院（搜狐同步）

OpenAI 为 ChatGPT 桌面端和 Codex CLI 提供了一条统一导入路径，可一键复制 Claude Code、Cursor 的配置、技能、插件、项目以及30天聊天记录；但迁移只进不出，细粒度权限、复杂 Hooks 链、Anthropic 模型本身和云端聊天记录无法带走。

该条目出自“腾讯研究院AI速递 20260813”，不是独立原始公告；具体官方文档链接和发布细节待核实。 OpenAI 统一了“外部智能体导入文档”，接收端是 ChatGPT 桌面端与 Codex CLI，来源端包括 Claude Code、Cursor。 导入范围覆盖配置、技能、插件、项目和30天聊天记录；导入方式是搬运副本，且没有反向导出能力。 材料称…

腾讯研究院（搜狐同步）

马斯克发布Grok Bot，云端AI队友7×24小时干活

腾讯研究院（搜狐同步）

林俊旸创办语用科技，红杉等投资押注Agent赛道

腾讯研究院（搜狐同步）

荣耀开售号称“全球首款机器人手机”的 Robot Phone，9999元起，预订量已超40万台，8月18日首销。其核心卖点是4自由度机械臂云台与总参数超300B的智能体基座大模型，支持100步以上复杂任务、单轮成功率90.4%。

据“腾讯研究院AI速递 20260813”第6条信息，荣耀开售全球首款机器人手机 Robot Phone，起售价9999元，预订量已超40万台，8月18日首销。该机配备4自由度机械臂云台，支持拍摄自动追焦；智能体基座大模型总参数超300B，支持100步以上复杂任务，单轮成功率90.4%；首发 YOYO 机器人模式与技能商店，并开源机器人方案。硬件方面，首发…

腾讯研究院（搜狐同步）

Vero 是首个在“仓库级”评估 AI 智能体联合生成代码实现与机器可检查形式化证明的基准。最强配置的智能体仅完整解决 43 个实例中的 27 个，在最难仓库上未闭合任何规范（closes no specifications）；这说明当前智能体距离仓库级可验证软件综合仍有明显差距。

AI 智能体越来越多地被用于编程，但其生成的代码没有正确性保证。论文提出“验证式代码生成”路线：智能体同时输出实现和满足规范、可由机器检查的证明。现有基准要么只针对单个函数，要么在给定实现的前提下只评估证明生成；尚不清楚智能体能否在真实的多模块代码库中做出连贯的实现与证明选择。Vero 旨在填补这一空白。

arXiv 论文

V-RAE 提出在冻结的视觉基础模型表示之上构建视频生成用潜空间，证明重建最优的潜空间不一定适合生成，而基于语义表示的潜空间能以更快收敛、更高质量同时支持视频重建、生成与预测。

当前隐空间视频生成依赖自编码器定义生成模型所操作的紧凑潜空间。现有视频自编码器的潜空间主要面向像素级重建进行优化，缺乏高层语义组织；但重建最优的潜空间未必适合生成建模。V-RAE 重新思考“什么样的视频潜空间更适合生成”，并引入一种视频表示自编码器（V-RAE）来构建紧凑的生成潜变量。

arXiv 论文

UniTexture 提出用单个带纹理的 3D 物体作为跨任务通用对抗扰动源，只优化一个共享表面纹理，就能在多个操纵任务中使 VLA 模型产生攻击者指定的动作偏移；在 OpenVLA 和 π0.5 上，平均任务成功率从良性条件的 90.0% 降至攻击下的 48.4%，并可跨套件、跨模型迁移。

视觉-语言-行动（VLA）模型是通用机器人策略，可遵循语言指令完成多种操纵任务。由于它们直接控制具身智能体，对抗干扰可能引发不安全物理行为。已有攻击通常针对单一任务或指令优化，多任务 VLA 的跨任务漏洞尚少被探索。UniTexture 的研究问题是：能否用单一纹理化 3D 物体，在多个任务中同时诱导 VLA 动作预测产生定向偏差？

arXiv 论文

TraVEL 通过将自车轨迹相似性作为强化学习奖励来微调多模态视频嵌入模型，使驾驶视频检索在不增加推理阶段负担的情况下，显著提升对左转/右转、加速/减速等运动中心事件的区分能力。

从大规模驾驶日志中高效检索相关片段，对数据策展、模型开发和安全分析至关重要。传统规则化检索系统可以显式定位驾驶事件，但依赖专家规则、辅助数据和多阶段感知流程；通用多模态嵌入模型虽然简单高效，但往往利用静态场景线索作为捷径，难以区分“左转 vs. 右转”“加速 vs. 减速”这类以运动为核心的驾驶事件。本文研究如何将通用多模态嵌入模型适配到驾驶视频检索任务。

arXiv 论文

大语言模型在遭遇知识边界之外的实体时，通常仍会生成听起来很具体的细节，而不是退回到更安全、更一般的表述；研究发现，模型中其实已经存在用于“格莱斯式退避”的神经信号，但生成策略没有把这些信号利用起来。

论文提出一个观察：当被问及超出自身知识范围的实体时，LLM会倾向于编造看似合理的细节，而不是像“合作式说话者”那样，在不确定指称时沿着特异性层级向上退避，用较低信息量换取较高真实性。作者将这种失败置于格莱斯语用学框架中，并追问：LLM是否具备执行这种“退避”的构成要素？

arXiv 论文

掩码扩散（masking diffusion）的 KL 离散化误差可由“去掩码增长复杂度”（unmasking growth complexity, UGC）的局部增量控制；据此可构造“认证最优”（certified-optimal）采样器——以高概率达到指定 KL 误差，且迭代复杂度与对应 oracle 过程只差常数因子，并可在高维示例中用常数个自适应调…

本文是 arXiv 上的理论性学术论文，研究 masking diffusion 在离散采样中的调度（schedule）设计。核心问题是：如何在去掩码/揭示过程中安排计算块，使 KL 离散化误差尽可能小。作者提出用数据几何量 UGC 来刻画这一问题，并给出可估计、可认证最优的调度构造方式。

arXiv 论文

在预训练的第一个token就植入期望助手人格（Synthetic Persona Pretraining, SPP），比仅在预训练结束后再引入对齐能更有效地提升宪法遵循、越狱鲁棒性，并减少道德困境中的错位，同时保持模型能力；早期干预的优势随预训练预算增加而增强。

当前语言模型通常在预训练完成之后才引入对齐和“助手身份”，此时行为先验已经固化，导致价值观像一层“薄薄的外壳”，而不是根深蒂固，容易产生后续错位。该论文提出一种新范式：在预训练阶段、从第一个token起就安装期望的助手人格，从而让对齐从一开始就融入模型。

arXiv 论文

SbCD（Symmetry-breaking Crystal Diffusion）提出用马尔可夫跳跃扩散过程显式建模晶体生成中空间群之间的转移，从最低对称性先验出发逐步生成完整晶体结构；在 MP20 和 MPTS-52 上的 de novo 生成实验中，性能明显优于其“保持对称性”的对照版本。

晶体生成在材料科学中受到广泛关注，但现有生成模型难以输出完整的晶体学规格，导致对全局对称性和结构依赖关系的建模能力受限。 目前最先进的方法通常只生成到“位点对称性”层面，并在生成时从经验分布中采样空间群；这种做法没有把空间群转变本身整合进生成过程。 本文借鉴物理中的自发对称性破缺思想，提出一种新的扩散生成框架，旨在从最低对称性先验反向生成完整结构规格。

arXiv 论文

SNM-VFI 提出一种无需训练的生成式视频帧插值框架，利用预训练光流模型产生对应感知的中间帧和置信图，作为潜在先验引导预训练视频扩散模型，从而兼顾运动对应保持与感知真实感，并在 DAVIS、Sintel、KITTI 等基准上展示了较强的感知质量、重建精度和时间一致性。

传统扩散式视频帧插值方法通常从随机噪声合成中间帧，难以显式控制运动对应。SNM-VFI 研究如何在不重新训练扩散模型的前提下，把光流估计得到的中间帧和置信图注入到视频扩散过程中，实现运动可控的插值，并改善遮挡、物体边界等不确定区域的生成质量。

arXiv 论文

SCULPT 提出一种“减法组合”的部件感知 3D 生成框架，在结构化 3D 潜空间中迭代地“切出”一个部件并同步更新剩余物体，使得部件边界与整体几何在生成过程中原生对齐，避免了先分割或先加法拼装带来的接缝、穿透和材质不连续问题。

部件感知 3D 生成旨在生成既完整连贯、又暴露结构化部件（便于编辑、指定材质、动画和复用）的数字资产。现有方法往往在生成循环之外强加部件结构：

arXiv 论文

SAEVerbalizer 通过将稀疏自编码器（SAE）的解码器方向注入大语言模型（LLM）的表示，并微调 LLM 下游层，使模型直接为 SAE 特征生成自然语言解释，从而绕开依赖外部行为观察的传统解释路径。

稀疏自编码器被用来从 LLM 表示中提取大量特征，但解释这些特征目前仍主要依赖外部观察——即通过观察模型行为来推断特征含义。这种方式既容易得到浅层解释，又需要大量行为数据采集，计算效率低。SAEVerbalizer 提出直接利用 SAE 解码器方向来生成自然语言解释，以同时缓解这两方面问题。

arXiv 论文

LLM编码智能体的“匹配执行分数”并不能区分命令生成错误与生成后被接口（序列化、包装、重新解析）引入的故障；QuoteBench通过精确最终状态验证测量这一边界，结果显示披露边界后模型恢复能力差异巨大，因此评估应报告完整配置而非只报匹配分数。

QuoteBench: How Matched Scores Can Hide Command-Path Failures

arXiv 论文

PlayWorld 提出用多模态“智能体玩家”（Agent Players）代替固定动作序列，来评测视频世界模型在长时程目标下的表现；实验显示，当前九种先进世界模型在长时程交互目标上仍不可靠，尤其在空间一致性和持久状态演化方面。

PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives

arXiv 论文

机器学习决策系统能达到的性能不是由算法复杂度单独决定，而是受制于底层数据生成过程的结构性信息界限；想在预测上突破，必须先有足够好的数据模型。

本文从信息论、交互建模和随机动力学三个视角，审视数据驱动决策系统的内在限制。作者指出，机器学习程序通常用预测准确率和计算效率来评价，但其可实现性能根本上受数据生成过程的结构性质约束，这些约束可形式化为信息界限。

arXiv 论文

OmniScientist 是一种端到端、全模态、全学科的 AI 科学家系统，直接从异构原始证据开展多学科研究；在 36 个真实数据案例中全部完成“原始数据 → 可编译论文”的全流程，且直接感知相比“只接收预计算标量特征”的盲变体在 7 个评估维度上均更优、在 85% 的成对比较中胜出。

现有 AI 科学家虽然能自动化越来越完整的科研工作流（假设生成、代码执行、论文写作），但通常只处理文本、代码、标签或预计算摘要，导致对科学发现关键的**空间、时间、跨通道、程序性关系**无法被智能体利用。OmniScientist 旨在解决“工作流覆盖 ≠ 完整证据访问”的问题，让研究直接基于原始多模态证据进行。

arXiv 论文

本文提出 ARMDIL（Adaptive Router for Multi-Domain Image classification with LLMs），利用多模态大语言模型（MLLM）作为路由器，为每张图像动态选择最合适的视觉骨干模型，以提升跨数据集、跨域图像分类的鲁棒性与可适应性。

现代图像分类模型在单一任务特定数据集上表现良好，但跨领域、跨难度泛化能力有限。本研究针对这一挑战，提出一个由 MLLM 智能体驱动的异构集成框架，将不同架构的视觉模型组合起来，实现更稳健的跨数据集图像分类。

arXiv 论文

本文提出一种不需要选定下游任务或验证集、仅依据预训练轨迹即可衡量单个训练样本影响力的方法，并在 Pythia 与 PolyPythia 的 18 种配置上发现：训练早期文学类数据与最终参数轨迹的对齐更强，后期 STEM 类数据的对齐更强。

在语言模型预训练中，跨时间一致地衡量训练数据影响力很困难。常见做法需要选择一个能代表模型通用能力的下游任务或验证集作为归因目标；同时，依赖中间检查点的任务表现会使不同训练阶段的比较变得复杂。该研究尝试回答：能否不依赖任何下游任务，直接度量训练数据在预训练轨迹中的影响力？

arXiv 论文

MARC v1 是一个开源、模型无关的确定性多智能体编排框架，用角色分工和可追踪中间输出替代单体 LLM 提示，面向临床推理，并支持 YAML 配置与 CPU 本地部署。

论文（arXiv:2608.13476v1）提出 Multi-Agent Reasoning and Coordination（MARC），旨在解决临床 AI 推理中单体大模型提示不可解释、故障难以定位、需要手动提示工程等问题。MARC 通过协调抽取、推理、答案生成和评估等角色专门化智能体，显式传递上下文并保留可追踪的中间结果，从而支持分阶段失败归因。

arXiv 论文

MapRoute++ 是在 Genμ 2.0 挑战赛 Task 3 中提出的视觉概念遗忘方法。它在 MapRoute 基础上加入任务特定训练目标、更丰富的概念表示和语义路由，在 Stable Diffusion v1.4 的官方基准上以 ERR 指标平均超过当前最优基线 12.1%，同时强调保留无关概念和语义相邻概念。

文本到图像扩散模型在生成时需要移除特定视觉概念（如受版权保护或不当内容），但又要避免破坏模型对其他概念的生成能力。MapRoute++ 针对这一“视觉概念遗忘”问题，作为 Genμ 2.0 挑战赛 Task 3 的参赛方案，提出改进的路线式遗忘框架。

arXiv 论文

在完整自动驾驶软件栈 Autoware 上，LLM 辅助动态分析的主要瓶颈不是候选弱点生成，也不是模糊测试，而是“构建集成”（build integration）；研究预算内未动态确认任何候选弱点，观察到的崩溃全部来自桩代码而非 Autoware 本身。（待核实）

自动驾驶车辆依赖庞大的安全关键软件栈，攻击者可控输入可能影响转向、制动或其他控制决策。 静态分析可以找出候选弱点位置，但要动态确认其可利用性，通常需要人工构造可执行测试工件，成本很高。 本研究试图回答：大语言模型能否自动化完成这一过程，具体对象是开源自动驾驶软件栈 Autoware。（待核实）

arXiv 论文

本研究提出一个以美国小学五年级及以下知识为边界的 88B token 预训练语料 LITTLECURRICULUM，并从中训练出 5B 参数模型 LITTLELEARNER，作为研究模型知识获取与能力边界的可控沙盒；初步实验显示，后训练和上下文学习能让模型更好地利用已有知识，但不会让能力扩展到课程范围之外。

研究问题：现代大语言模型在海量异构网络文本上训练，研究者很难判断模型在训练时是否已经接触过某类知识，因此难以研究知识和技能的获取过程。 事件：作者构建了一个课程化、教学可控的预训练语料，并从头训练模型，使训练数据的知识范围可解释、可限定。

arXiv 论文

许多临床预测模型把干预后结局视为从基线测量到未来终点的“单步映射”。但实际术后恢复往往是一条不规则轨迹：临床观察、用药调整、再次干预、生理测量等事件异步发生，并可能随时间改变风险判断。

arXiv 论文

Intern-S2-Preview 是一个面向科学发现的多模态智能体基础模型系列，通过“科学多模态预训练 + 统一后训练（SFT、多任务RL、智能体RL、蒸馏）”的流水线，在科学、多模态、智能体和通用基准上取得有竞争力或领先的结果；其中 397B 模型引入了从时间序列理解到数值预测的扩展能力，而独立的 4B 记忆解码器扩展可在不修改冻结 397B 骨干的情…

科学发现越来越需要 AI 系统能够对异构模态的科学证据进行推理，与科学工具和环境交互，并在长时间任务跨度中持续推进。为此，研究团队提出 Intern-S2-Preview 系列模型，旨在支持多模态科学理解、推理、生成和长时程任务。该工作来自 arXiv 预印本（arXiv:2608.13505v1），发布于 2026-08-13。

arXiv 论文

HumanTracker 是一个专门用于人形机器人运动跟踪评估的基准与指标，其核心是让评估结果更贴近人类在视频中的直观感知，并能捕捉传统运动学指标容易遗漏的接触与稳定性错误。

人形运动跟踪是遥操作和全身模仿学习的关键技术，但现有评估往往与人类在视频中的感知不一致。传统运动学误差只是逐帧姿态差异的平均值，会忽略最影响观感的物理伪影，例如支撑不稳定、脚滑步、触地时机错误等。同时，常用测试集规模小、多样性不足，难以覆盖接触丰富、长时程的行为。为此，研究者提出 HumanTracker 基准和 HumanScore 指标。

arXiv 论文

GS$^{2}$CI: Robust Gaussian Splatting For Snapshot Compressive Imaging via Large Vision Model Priors

arXiv 论文

FineX 将细粒度动作线索分解为 RGB 外观、姿态热图几何和骨骼图拓扑三路表征，通过成对交叉注意力与潜空间稀疏专家混合（Sparse MoE）进行融合，在 Gym99、Gym288 和 Diving48 上达到当前最优结果；在长尾分布明显的 Gym288 上，平均类准确率从 68.6% 提升到 76.2%（+7.6 个百分点），且不依赖文本监督或大规模…

细粒度人体动作识别（Fine-grained Human Action Recognition, FHAR）需要区分视觉上相似、但主要差异体现在身体配置、动作节奏或局部外观上的动作。

arXiv 论文

将一个可控单量子比特与常规传感器耦合，可在学习经典信号时将所需测量次数指数级减少，并在超导腔-量子比特实验中实现10^7倍测量次数缩减。

量子优势常被认为需要远超当前实验平台的处理能力。 本文研究问题：能否用单个可控量子比特增强常规传感器，以指数级减少学习经典信号所需的测量次数？ 回答是肯定的，并给出了理论框架与实验验证。

arXiv 论文

多标签 Jaccard 度量（IoU）的精确凸校准需要指数多个预测坐标；如果只要求固定加性遗憾容差，则存在多项式预测维数的凸替代损失。

本文研究多标签分类和二元分割中常用的逐样本 Jaccard 分数（intersection over union, IoU）在凸替代损失下的校准维数。当标签数为 $s$ 时，真实标签组合和预测报告组合各有 $2^s$ 种。在约定 $\mathrm{Jac}(\varnothing,\varnothing)=1$ 下，论文分析 Jaccard 损失矩阵的结构…

arXiv 论文

视网膜基础模型的潜在空间可以作为临床可控视网膜图像合成的基质，生成结果能保留临床表型信息；但用真实图像训练的分类器评估时，这些优势消失，存在“合成-真实表征差距”（synthetic-to-real representation gap）。

该研究评估四个视网膜基础模型在“表征 tokenizer 框架”下支持临床可控图像生成的能力，并检验基础模型潜在表征中的人口统计学与临床信息在合成图像生成过程中是否得以保留。可控生成能力此前在医学基础模型领域探索较少。

arXiv 论文

从三维平衡密度场可以直接学习经典密度泛函理论中的超额自由能泛函，同时保持空间对称性与变分一致性，且无需自由能或化学势标签；单个学习到的泛函可跨温度、体系尺寸与统计系综迁移，并能复现结构因子、状态方程、液-气共存和界面展宽等非训练目标。

液体的集体行为敏感依赖热力学条件、界面与受限环境，而预测每个新状态通常需要单独的原子模拟。经典密度泛函理论提供了一种可重复使用的变分描述，但其核心超额自由能泛函一般未知；已有的学习近似大多局限于平面或低维情形。本文作者 Bingqing Cheng 展示了直接从全三维平衡密度场学习这一泛函的可行性。

arXiv 论文

当前主流多模态大语言模型（MLLMs）在基于TikZ代码的科学图表编辑任务上仍不可靠：专有模型平均编译成功率仅约75%，且在图表还原和编辑正确性上表现有限；但通过构建混合训练集并采用“重建—编辑”课程学习，参数量低于9B的紧凑模型（如Qwen3.5-4B）可取得显著提升。

科学图表的代码化编辑比单纯的图形理解或代码生成更具挑战性：模型必须同时恢复视觉结构、定位用户提出的修改请求、生成可编译代码，并保持所有无关内容不变。现有TikZ基准大多集中于图形重建与生成，少有系统评估“指令引导的科学图表编辑”任务。为此，论文提出Edit2TikZ基准，专门衡量模型在给定编辑指令下生成可编译TikZ代码并保持其他内容不变的能力。

arXiv 论文

DreamX-Phi 1.0 是一种动作条件视频世界模型，输入观测帧、语言指令和预设动作序列（末端执行器位姿与夹爪状态），预测未来观测；它通过 PRoPE 风格几何编码、深度分支和 SAM3 掩码 + V-JEPA 教师保证动作忠实性与物体一致性，并在 WorldArena 2.0 Challenge 的 Track 1 和 Track 2 上分别获得第一…

机器人操作需要预测动作执行后的未来视觉结果，但仅追求生成真实性不足以保证预测对动作的忠实性——模型可能生成“看似合理”的视频，却移动了错误的机械臂或丢失了被操作的物体。DreamX-Phi 1.0 旨在解决动作条件视频世界模型中“真实但不忠实”的问题，同时兼顾场景几何、小物体操作一致性以及部署效率。

arXiv 论文

本文从半参数理论出发，为点击后转化率（CVR）这类链式结果提出了一个新的双稳健因果效应估计器，并设计了目标正则化框架来提升数值稳定性；理论和实验均表明，其优于朴素地组合“损失去偏”与标准因果估计器的做法。

CVR 是电商和广告中的关键指标，反映转化流程第二阶段的效率和用户体验，因此估计 CVR 的因果效应具有重要的实际意义。 直接对点击样本应用现有因果推断方法会带来样本选择偏差，并因排除未点击数据而增大方差。 近期 CVR 预测研究引入“理想损失”（ideal loss），试图在全样本上通过无偏的损失估计来优化模型参数；但损失的无偏性并不能保证最终估计量的无…

arXiv 论文

Mimir v1 是一个基于 Hierarchical Reasoning Model（HRM）架构、参数规模为 10 亿的语言模型，从零开始训练，仅使用“许可”（permissible）的后训练数据，就在英语上表现出强竞争力，并在丹麦语上达到新的最先进水平，同时保持模型开放可获取。

当前大语言模型开发高度依赖大规模、通常并非合法可用的数据集，这对致力于开源和符合伦理数据来源的研究者构成了很高门槛。该研究针对这一问题提出 Mimir v1，探索是否可以在仅使用可许可数据的前提下，用较小规模的开放模型取得具有前沿竞争力的表现。

arXiv 论文

本文提出一种简单且高效的“防御式提升器”（Defensive Booster），能够同时获得在线梯度提升的 Brier 分数竞争性保证和在线弱到强提升在弱学习条件下的误差收敛保证，而此前这两种保证需由不同方法分别提供。

研究在线概率预测问题：由自适应对手选择二元结果，预测者需要逐轮输出概率预测。作者希望利用一个针对弱假设类 $H$ 的在线学习算法，同时达到两种不可比较的保证：

arXiv 论文

DARTree 是一种无需训练的推测解码方法，将预训练的自回归修正头（AR correction head）从单条链扩展到树结构，在数学、代码和对话等七个基准上实现了更高的平均接受长度和推理加速。

推测解码通过并行验证多个草稿 token 来无损加速自回归语言模型。扩散式草稿模型能并行预测整个 token 块，但其逐位置分布是边缘分布，并未按每个草稿路径实际选中的 token 进行条件化；现有循环修正方法仅沿单条草稿链引入因果信息，而扩散式树构建扩大了候选覆盖范围，但没有在单个分支内携带这种修正。DARTree 研究的问题是：如何将预训练的自回归修正…

arXiv 论文

ContactGuard 利用动作条件潜世界模型，在机械臂尚未接触物体前预测策略动作块（action chunk）的短期后果，若预测潜状态指示失败则提前中止执行，从而避免接触类操作中“接触后才发现失败”的问题。

接触丰富的机器人操作中，失败往往要在机器人已经与物体发生接触后才被检测到。特别是在腕部相机设置下，虽然近距的夹爪—物体视图有助于观察接触状态，但一个不良的接近动作可能在传统检测器反应之前就已经造成推挤、未抓取、滑动或扰动物体。ContactGuard 针对分块视觉运动策略（chunked visuomotor policies）提出一种接触前执行监控方法，…

arXiv 论文

基于 One-Class SVM（OCSVM）、Minibatch K-Means（MK-Means）和 Maximum Mean Discrepancy（MMD）的概念漂移检测方法，都能让恶意软件分类模型达到与周期性重训练相当的准确率，同时显著减少需要重训练的模型数量；其中 OCSVM 驱动的漂移感知重训练总体表现更优。

概念漂移指数据随时间的统计特性相对于训练数据发生变化。恶意软件检测或分类模型尤其容易因概念漂移而性能下降，因为攻击者会不断修改现有恶意软件。本文研究如何自动检测概念漂移，并在检测到漂移时触发重训练，以替代“无论是否漂移都定期重训练”的高成本策略。

arXiv 论文

该文证明，对于测试时对抗样本鲁棒学习，VC 类的样本复杂度可以做到关于 VC 维 $d$ 线性；这一结果由一个简单的不当（improper）算法实现——对 $O(d^*)$ 个 bootstrap 样本分别做鲁棒经验风险最小化（RERM），再输出多数投票，其中 $d^*$ 为对偶 VC 维。同时，文中给出匹配下界：在该 oracle 模型下，任何学习器都需…

本文研究测试时（test-time）对抗样本鲁棒学习问题：学习一个预测器，使其在输入被对抗性扰动时仍保持正确。此前 Montasser, Hanneke, and Srebro (2019) 给出了一个上界，而本文证明 VC 类的对抗鲁棒学习具有线性于 VC 维的样本复杂度，相比旧上界实现指数级改进。

arXiv 论文

AutoDesign 将“模型-框架（harness）系统”本身作为优化对象，通过元框架优化器驱动代码智能体依据运行反馈递归改进框架，在论文转海报任务上以低于 3 美元、40 分钟的自主运行达到接近会议海报质量，并在 PosterBench 上超越闭源商业系统 Claude Design。

多模态源材料到精简结构化媒介输出（如学术论文转海报）可被概念化为一个以模型-框架系统为中心的长时程智能体过程。理想框架系统应满足两点：贴合人类设计先验，并能通过经验探索积累可复用经验、实现递归自我改进。论文指出现有范式是静态的，缺乏这种能力。为此提出 AutoDesign，并选择论文到海报生成作为实例化与评估场景。

arXiv 论文

本文首次完整刻画了Transformer在正则语言上的长度泛化能力，并给出一个以语言句法幺半群大小为参数的多项式时间判定算法。

Transformer语言模型有时能泛化到比训练时更长的序列，但缺乏对“哪些任务允许长度泛化”的精确刻画。正则语言是语言理论中的基础类别，此前甚至不知道Transformer能在哪些正则语言上实现长度泛化。本文解决这一问题，其核心工具是对C-RASP形式体系的代数刻画。

arXiv 论文

AlayaWorld v1.1 在保持骨干架构、分块自回归生成方案和训练数据不变的前提下，大幅修订了条件信号的表示与注入方式，核心原则是让条件信号在潜在表示和时间结构上尽量贴近生成内容。

本卡片基于 arXiv 上发布的 *AlayaWorld: Interactive Long-Horizon World Modeling - Full Technical Report (v1.1)* 技术报告。报告介绍了一个改进版 AlayaWorld。与前版相比，骨干架构、分块自回归生成方案和训练数据保持不变，但条件信号的处理被重构：此前基于深度扭曲…

arXiv 论文

Evoke 通过将持久世界状态外部化、并重新设计教师模型来提供长时程监督，使三步生成学生模型在保持低延迟交互的同时，获得有界上下文、抗长期漂移的开放式世界生成能力。

交互世界模型需要同时满足持久记忆、响应式交互和长时程生成，但这三个要求互相冲突：在去噪器上下文或键值缓存中维护历史会带来随会话变长的成本，迫使模型在会话长度与记忆保留之间取舍；低延迟交互依赖少步生成，而少步生成的能力又受限于其教师模型。Evoke 旨在同时解决这两个限制。

arXiv 论文

本文为求解非光滑复合目标分布 \(\pi(dx)\propto \exp\{-f(x)-g(x)\}dx\) 的 MYULA 算法建立了更精细的复杂度界：用“参考主动迹” \(B_{\mathrm{ref}}\) 代替全局曲率上界 \(d/\lambda\) 来控制离散化误差；在分片线性、Lasso、分组和全变差惩罚下，精度依赖可由 \(\widetild…

研究问题：对如下非光滑复合目标，MYULA 达到给定 \(W_2\) 精度需要多少次迭代？

arXiv 论文

巴西圣卡塔琳娜联邦大学（UFSC）的人工智能学术联盟（LIA）提出并实践了一套以学生为中心、基于项目的组织框架，将大学的教学、研究与拓展三大支柱整合起来；该框架具有灵活性，可被学术联盟及类似学生组织复制借鉴。

该论文针对“如何在工程与计算教育中系统整合教学、研究与社会拓展”这一问题，介绍了由学生主导的 LIA 所采用的组织框架。LIA 是 UFSC 的一个学术联盟，其经验被整理为一种可复制的模型，用于在课外教育环境中同时培养技术能力与横向能力。

arXiv 论文

AaLLM 是一个开源、端到端的多智能体大语言模型工作流，输入用户规格后可直接输出包含拓扑生成与电路尺寸确定（sizing）的网表；在若干电路上，生成的新颖拓扑品质因数（FoM）可与已知拓扑相当，某些电路最高可达 3 倍提升，同时 SPICE 调用次数比现有 SOTA 多智能体流程减少 3–4.5 倍，墙钟时间减少 40 倍。

模拟电路设计是一个耗时、迭代的过程，设计空间非线性且高维，严重依赖专家直觉。现有基于大语言模型的方案大多是碎片化的，只单独处理尺寸确定或拓扑生成；这些方法需要手动添加领域技术知识，效率低且容易在电路尺寸确定过程中产生幻觉。此外，现有方法难以生成创新拓扑，只能依赖传统拓扑，可能导致次优设计。

arXiv 论文

该论文提出“因果世界模型”（Causal World Model, CWM）的形式化定义，主张有用的世界模型不能只具备生成能力，还必须捕获实体属性、实体与实体之间以及实体与环境之间的因果交互，并探讨了这些组件能否从数据中恢复、能恢复到什么等价程度（即可识别性）。

世界模型（World Models）正被视为智能体在训练分布之外进行预测、规划和行动的基础。然而，现有世界模型研究往往强调生成能力，对“模型是否真正理解环境动态背后的因果结构”关注不足。本文从因果视角，在不同抽象层次上考察世界模型：从感知观测，到形成关于环境动态结构的表征，并提出一个统一视角来连接这些层次。

arXiv 论文