AI 日报 · 2026-07-15

FixAnything 通过复用预训练视频生成模型，将渲染伪影清理建模为视频到视频翻译，仅需轻量级微调即可统一修复 3DGS、NeRF、网格和点云等多种 3D 表示的渲染质量问题，并借助相机位姿精度作为奖励信号来保证 3D 一致性。

使用 3D 场景表示（如高斯泼溅 3DGS、神经辐射场 NeRF、网格或点云）进行新视角渲染时，如果输入视角稀疏或目标视角偏离输入，会产生明显伪影。近期工作尝试用扩散生成先验来缓解这些伪影，但往往针对单一 3D 表示定制，需要自定义架构或大量重新训练。FixAnything 旨在用单个通用模型修复多种渲染伪影。

arXiv 论文

68岁“强化学习之父”、图灵奖得主Richard Sutton与Khurram Javed离开Keen Technologies，在加拿大创立Oak Lab，主张智能体必须通过试错从自身经验持续学习、实时进化，批评当前大语言模型仅学习人类文本而非经验，部署后即停止学习。

2026年7月，Richard Sutton与Khurram Javed共同创立Oak Lab，公司总部位于加拿大。Sutton认为大语言模型（LLM）的核心缺陷在于：它学习的只是人类积累的文本，而非通过与环境交互获得的经验；模型部署后便停止学习，未能真正践行他提出的《苦涩的教训》（The Bitter Lesson）——即智能必须依靠搜索和试错产生新发现…

腾讯研究院（搜狐同步）

腾讯混元团队公开了旗舰模型Hy3（295B参数）的极致量化方案，提供1bit和4bit两种GGUF格式，以及可直接对接vLLM的GPTQ Int4版。同时为llama.cpp新增了Multi-Token Prediction (MTP) 投机解码支持，显著提升了推理速度。

腾讯研究院（搜狐同步）

通过构建可验证的思维链、压缩推理痕迹、分离记忆与求解过程，以及按任务类型进行细粒度评估，可以显著提升AI模型的推理准确性，而非仅仅追求最终答案的正确性。

NVIDIA Nemotron模型推理挑战赛邀请Kaggle社区，在相同开放模型、基准、基础设施和评估约束下，探索如何提高推理准确性。超过5,000名活跃参与者组成4,000多个团队，提交了数千次结果和1,000多条讨论帖。参赛者训练LoRA适配器、构建合成思维链数据集、破解谜题类型、调试基础设施并公开分享发现。最终评分在私有排行榜上完成。

NVIDIA 博客

安全研究员利用钓鱼仓库（即伪装成正常项目的诱饵仓库）对xAI推出的Grok Build进行渗透测试，发现该IDE虽然宣传“数据本地优先”，实际运行中却将用户完整的代码仓库连同Git修改历史一并上传至谷歌云存储，上传量远超正常对话所需的元数据。进一步测试表明，即使用户在设置中关闭“改进模型”开关，上传行为依然未被阻止。日志记录显示存在339次自动上传，其中一…

腾讯研究院（搜狐同步）

前OpenAI研究员Kokotajlo警告，大厂并非逐个替代岗位，而是集中算力让AI自动写代码、做科研，一旦研究闭环闭合并开启自我改进，失业潮将瞬间爆发；他预计超级智能中位落点在2030年，默认路径下有约70%概率走向AI接管式大灾难。

前OpenAI研究员（姓名待核实，材料中仅写Kokotajlo）在近期观点中提出，当前AI巨头并未采用逐岗位替代策略，而是将算力集中投放在让AI自动完成代码编写和科学研究上。他认为，一旦AI能够自我改进并形成研究闭环，大规模失业将在短时间内发生。同时，他判断超级智能（Superintelligence）的中位到达时间约为2030年，并估计若保持当前默认发展…

腾讯研究院（搜狐同步）

GPT-Red 是 OpenAI 提出的一种自动化红队（red teaming）系统，通过自我博弈（self-play）机制让模型自行生成对抗性测试案例并从中学习，从而提升 AI 系统对提示注入攻击的鲁棒性、安全性和对齐能力。（待核实具体实现细节）

OpenAI 发布了名为 GPT-Red 的研究成果，旨在利用大语言模型自身的生成能力，模拟红队攻防对抗过程，无需人工标注即可持续发现并修复模型的脆弱点。该系统聚焦于提示注入（prompt injection）和安全性对齐挑战，试图实现模型鲁棒性的自主进化。（待核实发布日期及公开程度）

OpenAI

前谷歌DeepMind科学家Alex Turner于2026年7月15日辞职，并发布万字长文，指控谷歌高层在五角大楼压力下秘密签署一份“毫无红线”的军事AI协议，将Gemini模型部署于军方隔离数据中心，使谷歌丧失对模型思维链的监控能力，且多位曾公开反对致命自主武器的AI领袖（Jeff Dean、Demis Hassabis、Yoshua Bengio、S…

2026年1月，美国国土安全部特工街头枪杀平民，Turner发现谷歌是DHS的云与AI供应商。随后五角大楼向AI巨头施压，要求签署允许“任何合法政府用途”的军事AI合同。Anthropic拒绝并遭供应链威胁，而谷歌高层准备妥协。Turner于2026年4月27日晚得知合同正式签署，合同中限制自主武器和大规模监控的条款仅使用无法律约束力的“不应该”措辞，且谷…

新智元

来源博客标题为“Bridging the ‘Porch Gap’”，描述中提到 Boston Dynamics 正在测试用 Spot 完成最后一英里的交付，目标是将包裹送达客户门阶，减少配送员的体力消耗并提高运营效率。 具体测试细节、部署规模、合作方、时间节点等未在摘录中提供（待核实）。

bostondynamics.com

Anthropic在2026年8月发布的第二份《Risk Report》中，首次承认公司内部存在一个比Mythos 5更强、但目前“没有对外发布计划”的模型Model 2；同时将高风险场景下的“误对齐”风险从“极低”上调至“低”，并承认现有评测已出现“饱和”。（据新智元报道，原始报告细节待核实）

新智元报道，Anthropic发布了覆盖至2026年7月15日的第二份《Risk Report》，首次亲口承认内部运行着比自己公开最强模型Mythos 5更强的模型，代号Model 2。 Anthropic表示：目前没有对外发布Model 2的计划。 报道将这一节奏与Mythos 5类比：Mythos 5最初也被称“不打算发布”，后来才有了Project…

新智元

Anthropic 从超 30 万段真实对话中提取信号，将 Claude 的价值倾向压缩为四条坐标轴，发现不同模型版本的语言风格有显著差异，且同一份内容用不同语言咨询可能得到截然不同的评价。

Anthropic 发表了一项关于 Claude 价值观随模型与语言变化的研究。研究团队从超过 30 万段真实对话中提取信号，将 Claude 的价值倾向量化为“顺应与审慎、温暖与严谨、深度与简洁、坦诚与执行”四条坐标轴，并据此绘制了不同模型版本及不同语言环境下的画像。

腾讯研究院（搜狐同步）

Google DeepMind CEO 哈萨比斯（Demis Hassabis）公开呼吁美国牵头组建类似金融业监管局（FINRA）的前沿AI标准机构，要求前沿模型在网络、生化、核等高风险领域通过独立安全评估后方可在美部署，并警告AGI可能在几年内实现，其影响规模与速度均为工业革命的十倍。

哈萨比斯撰文指出，当前AI技术发展已超过人类理解速度，激烈的商业竞赛导致实验室“比谁下限更低”，抢先违规者反而占便宜。他主张由美国牵头建立独立的前沿AI监管框架，参照FINRA模式设立标准机构，所有前沿模型在发布前必须经过独立安全评估认证，尤其需在网络攻击、生化武器、核安全等高风险领域通过科学评估方可部署。

腾讯研究院（搜狐同步）

DeepSeek在首轮融资结束仅六周后，即启动新一轮融资，投前估值约710亿美元（4800亿人民币），并已开始筹备2027年IPO，最快2026年底递交上市申请。融资主要用于自建数据中心、采购AI芯片及研发Agent系统。

2026年7月，据《金融时报》报道，DeepSeek正接触新投资者，开启第二轮融资，投前估值约710亿美元（约4800亿元人民币）。 该估值较首轮融资后估值520亿美元上涨约37%。 首轮融资于约六周前完成，总额超500亿元人民币，梁文锋个人出资200亿元，腾讯、宁德时代及国家人工智能产业基金等参与。 DeepSeek同时开始筹备IPO，目标2027年上市…

量子位

Mind Lab 发布的 Macaron-V1 采用 Mixture-of-LoRA（MoL）架构，通过四个独立 LoRA 模块分别掌管聊天、Agent、编程和生成式 UI，在 SWE-bench Verified 等评测中达到或超越 Opus 4.8、GPT-5.5 等闭源模型，同时坚持开放权重、可私有化部署，并被视为“经验时代”持续学习路线的重要落地案…

2026 年 7 月 15 日，前 OpenAI CTO Mira Murati 发布 Thinking Machines Lab（TML）的 Inkling 模型（975B 参数，20亿美元融资）。同日，图灵奖得主 Richard Sutton 宣布创办 Oak Lab，强调要从根基重新审视深度学习。 DeepSeek 创始人梁文锋此前也提出：下一代模型…

新智元

LibTV上线视频Agent与Skill Hub，整合短剧全流程

腾讯研究院（搜狐同步）

快手旗舰级Agentic Coding模型KAT-Coder-Pro V2.5在编码智能体评测中超越Claude Opus 4.8（PinchBench 94.2分 vs Opus），SWE-Bench Pro 65.2分仅次于Opus，并通过AutoBuilder将仓库环境构建成功率从16.5%提升至57.2%，沉淀超10万个可验证环境。

快手发布KAT-Coder-Pro V2.5，这是其旗舰级Agentic Coding模型，专注于代码生成与工程任务。实测中，该模型可在34分钟内手搓点球游戏、用约1400行代码复刻《我的世界》，并在1分20秒内闭环定位真实开源库Bug。

腾讯研究院（搜狐同步）

斯坦福团队在《Science》上发布的Biomni是首个整合105个生物信息学软件与59个数据库的通用AI智能体，可自主完成基因分析、药物研究、罕见病诊断等全流程科研任务，在443题评测中平均准确率57%，多项任务达到资深专家水平，并将罕见病诊断耗时从110分钟压缩至3分钟。

斯坦福大学研究团队在《Science》期刊上推出通用生物医学智能体Biomni。该智能体集成了105个生信软件和59个数据库，旨在让AI贯穿生命科学研究的全过程，包括基因分析、药物研究、疾病诊断、蛋白优化与实验设计。Biomni能够自主调用工具完成复杂工作流，并可与PyLabRobot对接，将自然语言实验需求转化为机器人可执行代码，打通干湿实验壁垒。

腾讯研究院（搜狐同步）

VideoRAE 利用冻结的视频基础模型（V-JEPA 2、VideoMAEv2）的多尺度分层特征，通过轻量级 1D 自注意力投影仪压缩为紧凑、可重建且适合生成任务的视频潜在表示，在 UCF-101 类到视频生成任务上取得最先进的 gFVD（AR 40，DiT 93），训练速度比竞争自编码器基线快约 5 倍。

视频生成模型通常依赖 3D-VAE 学习潜在空间，但传统 3D-VAE 主要针对像素级重建优化，导致其潜在表示捕捉的语义和时空结构有限。与此同时，视频基础模型（VFM）如 V-JEPA 2 和 VideoMAEv2 表现出强大的视频理解能力，但能否将其冻结表示转化为紧凑、可重建且生成友好的视频潜在表示尚未被充分探索。本文提出 VideoRAE 回答这一问题。

arXiv 论文

Transformer 前馈块的各个架构组件（跳跃连接、归一化放置、两矩阵结构、宽度扩展）在初始化时协同控制梯度秩（rank）的保留，从而平衡秩崩溃、集成行为与参数数量之间的内在权衡；输入-输出 Jacobian 的初始化秩可以预测 CIFAR-10 上的训练可行性。

深度 Transformer 中，矩阵乘法和非线性激活在增加表达力的同时会降低表示和梯度的秩，导致深度增加时出现“秩崩溃”（rank collapse）等谱病理。该论文系统研究 Transformer 前馈块中每个设计元素（跳跃连接、归一化、双矩阵结构、中间宽度扩展）如何影响秩随深度的演化，并试图统一已有的归一化放置、深度缩放等领域的结果。

arXiv 论文

TRACE 是一种无需额外评判器或过程标注的密集信用分配方法，通过冻结参考模型的对数概率与时序差分（TD）变化为每个智能体动作分配奖励，在纯强化学习（无监督微调、无中间训练阶段、无实时网络数据）下显著提升了长程搜索智能体的工具使用能力。

多轮智能体在执行复杂任务时，需要经过数十至数百次工具调用序列才能给出最终答案，这使得后训练阶段面临根本性的信用分配挑战。仅基于最终结果的奖励在短程推理中可靠，但在长轨迹中变得稀疏且方差大，甚至可能误导：一次失败的探索中可能包含许多有用的动作，但结果奖励会将这些动作与最终错误等同对待，分配给它们相同的负优势。

arXiv 论文

在不动用底层模型微调的情况下，仅用轻量级线性/注意力探针从 Evo 2 第 26 层冻结激活中提取信号，即可在宏基因组测试集上以高区分度检测抗菌素耐药性（AMR）和细菌毒力，为快速、低成本的宏基因组生物监测提供第一道筛查层。

基因组基础模型（如 Evo 2）能够学习丰富的序列表示，但其在生物安全筛查中的价值此前缺乏系统评估。本研究探索了在冻结 Evo 2 模型（不微调）的条件下，其倒数第二层（layer‑26）的激活中线性可及的生物安全相关信号量级，具体包括 AMR 和细菌毒力的检测能力，并检验该方法在实际短读测序场景中的鲁棒性。

arXiv 论文

将语言模型中的Screening机制（基于查询-键相似度的绝对相关性评估与显式低相关令牌剔除）扩展到视觉领域，提出VisionScreen模型，在图像分类基准上优于传统Vision Transformer（ViT）。

传统的ViT依靠softmax归一化的自注意力机制，为所有图像块分配相对权重，导致难以独立评估每个块的相关性。图像中常包含大量背景或冗余块，而自注意力无法显式排除它们，从而将不必要的信息引入特征聚合。本文受语言建模中Screening的启发，提出了VisionScreen，通过绝对相关性评估使每个图像块只聚合内容与空间上相关的块，不再依赖softmax带来…

arXiv 论文

本研究旨在解决两个核心问题：1）沙尘浓度上升趋势在欧洲是否一致？2）主要驱动因素究竟是沙漠化/干旱化，还是大气环流变化？团队通过构建欧洲最全面的沙尘金属元素日数据库（103个站点，约18,500个日测量值），结合机器学习模型与阿尔卑斯冰芯记录，给出了多尺度答案。

nature.com

Rethinking Penetration Testing for AI-Enabled Systems: From Resource Compromise to Behavioral Objective Violation

arXiv 论文

Peak-End-Net 是一种受心理学“峰终定律”启发的轻量级视频美学评估框架，利用冻结的视觉 Transformer 和少量可训练参数，在域内和跨域视频美学基准上均取得当前最优性能，验证了心理学建模在视频美学评估中的价值。

视频美学评估（VAA）旨在预测视频的美学吸引力，但相较于图像美学评估（IAA）等其他视觉评估任务进展缓慢。主要障碍包括：大规模标注基准的缺乏，以及美学判断固有的主观性。本文从心理学角度重新审视 VAA，基于“峰终定律”（人们主要依据体验中的高峰时刻和结尾来评判整体体验）设计新框架。

arXiv 论文

Music-to-Dance Generation via Atomic Movements

arXiv 论文

本文扩展了经验贝叶斯变分自编码器（EB-VAE）框架，使其能够同时建模纵向肿瘤体积轨迹和脱落（dropout）事件时间，并通过基因条件先验整合高维基因组协变量，在黑色素瘤和乳腺癌实验中验证了混合半机械解码器在参数可解释性上的优势。

在肿瘤治疗反应建模中，纵向肿瘤测量、脱落信息（丢失原因可能与疗效相关）和遗传协变量提供了互补信息，但如何将这些异构数据源整合到统一的群体模型中仍面临挑战。现有非线性混合效应模型（NLME）可解释但扩展性有限，而纯神经方法缺乏机制约束。本文旨在构建一个灵活的概率框架，同时处理：

arXiv 论文

通过复用迭代微调过程中的检查点作为领域专家，并训练一个轻量级页面级图像分类器按视觉风格路由，该系统在满文三种书写风格（楷书、奏折半草书、行书）的OCR上，以0.30%、1.57%、4.83%的字错误率（CER）匹配了专门训练的专家性能，且路由器页面级领域分类准确率达99.3%。

历史满文OCR面临多种视觉风格差异（楷书、行书、奏折使用的半草书）以及标注数据稀缺的双重挑战。传统单一OCR模型难以兼顾全部风格，而逐域单独训练专家则需要大量标注和存储开销。该研究提出一种多专家路由系统，从已有的迭代微调过程中“捡回”中间检查点作为领域专家，并用一个轻量级分类器自动将页面分派到最合适的专家，从而在低资源场景下高效覆盖多风格OCR。

arXiv 论文

本文从最小最大（minimax）理论出发，证明基于似然的深度神经网络（DNN）估计器在同时存在乘性散斑噪声和加性高斯噪声时，非参数回归的估计误差上界与下界匹配，且收敛速率与仅有加性高斯噪声的情况相同（对数因子除外），表明乘性散斑噪声并未从本质上增加估计的统计难度。

散斑噪声（speckle noise）是一种乘性噪声，常见于合成孔径雷达（SAR）、光学相干断层扫描（OCT）和数字全息等相干成像模态。尽管深度学习方法在散斑去噪中已取得实际最优性能，但其基本统计极限长期未被探明。与加性噪声不同，乘性散斑噪声导致回归函数无法通过条件均值识别，常规的基于最小二乘法的深度学习方法不再适用。本研究首次从统计学习理论角度回答：在乘…

arXiv 论文

利用录音元数据（如地点和时间）作为辅助监督信号，可以显著提升生物声学基础模型的物种识别性能及其对真实世界被动声学监测场景中物种分布偏移和声学域偏移的泛化能力。

生物声学基础模型通常依赖大规模公民科学平台（如 Xeno‑Canto）提供的地理与生态多样数据。已有工作表明，仅使用监督学习即可在如此大规模数据上训练出顶尖的物种检测模型——但这些社区数据仓库中附带的录音元数据（位置、时间等）尚未被充分利用。本研究系统探索了将元数据作为辅助监督信号的可行性，并提出新模型 MetaPerch，在 17 个生物声学数据集上评估…

arXiv 论文

M⁴World 是一个能够同时生成未来环视视频流和同步 LiDAR 点云的多视角多模态驾驶世界模型，支持用户在个体物体级别进行交互式操控，并可稳定输出长达分钟级的流式预测。

驾驶世界生成（driving-world generation）是实现可扩展自动驾驶仿真的核心技术，但已有方法在物体级别的精细可控性以及长时间跨度的稳定性上存在明显不足。本文提出 M⁴World 以同时解决这两个瓶颈。

arXiv 论文

本文提出将李雅普诺夫特征指数（LCE）作为强化学习中的密集奖励信号，使智能体在倒立摆的竖直运动稳定任务中不仅复现了经典的Kapitza摆振荡模式，还发现了更优的阻尼方案——将摆锤完全固定在严格竖直位置（静止稳摆），超出了Kapitza摆原本的动态稳定范围。

**研究问题**：如何让强化学习智能体在没有显式物理方程指导的情况下，自动发现倒立摆通过竖直方向主动运动实现稳定的策略？传统稀疏奖励（如“是否稳定”）难以引导智能体学习，而物理启发式密集奖励可能加速探索。 **背景**：Kapitza摆是经典物理现象——通过高频竖直振荡使倒立摆稳定在倒立位置（动态稳定），但稳定后摆锤仍会持续小幅度振荡。本文试图通过强化学习…

arXiv 论文

本文提出一种基于平方Wasserstein距离来衡量非高斯性的新ICA算法OT-ICA，证明最大化数据投影与标准正态分布之间的Wasserstein距离等价于恢复独立成分，在模拟数据和实际应用（EEG伪影去除、计量经济价格发现）中均优于传统代理方法。

线性独立成分分析（ICA）旨在从线性混合信号中恢复相互独立的源信号。经典ICA算法通过最大化非高斯性（用负熵衡量）来实现，但精确的负熵优化在计算上不可行，因此依赖代理对比函数（如四阶累积量）和参数化对数似然。本文提出直接使用平方Wasserstein距离 $W_2^2$ 作为非高斯性度量，规避了对代理函数的依赖。

arXiv 论文

Lighthouse RL 提出一种基于“灯塔”（lighthouses）的策略性重置策略，能够大幅提升模拟电路尺寸优化中强化学习的样本效率与泛化能力，在多个基准测试中实现 100% 成功率与最高 1.72 倍加速。

模拟电路尺寸优化（analog circuit sizing）是一类计算昂贵的黑箱优化问题。传统方法难以在不同性能目标间泛化，标准强化学习则因在无前途区域无效探索而浪费资源。本文旨在通过一种轻量级、即插即用的重置策略解决这两种不足。

arXiv 论文

Leveraging unlabelled data for generalizable neural population decoding

arXiv 论文

本文提出一种名为 CSFS（Cluster‑based Sequential Feature Selection）的聚类包装式特征选择方法，能在不牺牲预测精度的前提下，将风能/太阳能功率预测的特征选择计算成本平均降低 21%。所有结论均基于摘要，因无法获取全文而需待核实。

可再生能源发电受环境条件影响，出力不稳定，因此准确预测至关重要。然而现有预测流程中，面对大量监测和环境变量，特征选择方法要么有限、要么不成体系。本文通过两项结构化文献综述（自做风电功率曲线建模综述，以及基于已有综述的光伏功率预测综述）确认了这一缺口，并为此设计了 CSFS 方法。

arXiv 论文

Hindcast通过冻结Reddit历史快照并设置每个市场的时间截止点，消除了LLM预测评估中因训练数据泄漏和检索结果泄漏导致的“事后知识”偏差，从而更真实地衡量模型的预测能力。

标准回测（backtesting）用已解决的历史问题来评估预测系统：系统在结果公布前给出的概率会被评分。但对LLM，存在两条泄漏渠道：一是检索增强的模型可能获取事件发生后的报告，使预测变成查询；二是新模型训练数据包含更接近事件发生时间的数据，使得去年模型眼中的“未来问题”出现在今年模型的训练数据中。结果是测试声称评估“预见力”，实际却在评估“记忆力”。该研…

arXiv 论文

利用10米分辨率卫星影像和机器学习绘制的欧洲湿地地图显示，湿地高度碎片化（27–33%面积位于<25公顷的斑块中），人类活动影响约20%的湿地面积，且各国对欧盟自然恢复法（NRL）的恢复承诺存在显著不均。

欧洲湿地储存大量碳，但数世纪的土地利用已侵蚀碳储量和生物多样性。欧盟自然恢复法（NRL）要求到2030年恢复至少30%未处于“良好状态”的湿地生态系统，但缺乏空间一致性的湿地类型和状态信息。本研究旨在提供高分辨率、标准化、可重复的湿地制图基线，以量化人为干扰并评估各国恢复目标的匹配程度。

nature.com

本文以传统游戏引擎的“动作‑状态‑观测”循环为组织视角，系统分析了交互世界模型在玩家动作控制、游戏状态动态、状态‑观测持久性和实时交互生成四个维度的研究现状，并发布了超过90小时的《黑神话：悟空》游戏数据集，推动状态感知的游戏世界建模。

交互式游戏世界需要响应玩家动作、遵循演化游戏规则、保持长期一致性并实时运行。尽管视频生成模型被视为潜在下一代游戏引擎，但现有模型在这些方面仍有不足。本文重新审视该领域，将传统游戏引擎的循环作为分析透镜。

arXiv 论文

Enabling local neural operators to perform equation-free system-level analysis

nature.com

Earthquaker-AI 将基于 Lego WeDo2 的机器人模拟与基于检索增强生成（RAG）的对话助手相结合，通过分年级的量规评估实现小学生地震安全知识的渐进式学习，实验显示高准确率与低幻觉率。

本文提出Earthquaker-AI混合教育框架，旨在增强小学生的地震准备意识和应急行动能力。该框架在获奖STEM项目Earthquaker（使用Lego WeDo2模拟地震响应）的基础上，引入基于RAG的对话AI助手，将学习从机械模拟扩展到认知与元认知加工。

arXiv 论文

大多数GitHub项目对智能体编码工具的采纳仍处于早期，中位数项目在三个月内仅生成1–2个智能体PR；密集采纳集中在少数项目，且人机协作以单人监督模式为主。

本研究旨在填补现有知识的空白——以往研究多关注智能体生成PR（pull request）的产出质量，但缺乏项目级别的采纳与管理模式分析。论文通过分析25,264个智能体PR（来自2,361个热门GitHub仓库），回答三个问题：① 智能体编码工具在项目中的采纳情况；② 项目级别的智能体PR生产力；③ 人机协作模式。

arXiv 论文

在持续学习场景下，只有内置回归控制（regression control）的智能体优化方法才能使优化增益在新任务上持续累积；否则，要么负迁移，要么无法在新一轮优化中继续提升。

目前大多数智能体优化方法的报告收益是一次性的（one-shot）：智能体针对固定基准优化后，改进结果被当作方法的稳定属性。这并未测试部署型智能体面临的真实场景——随着时间推移，新失败和新任务出现，优化会被递归应用。核心问题是：优化器驱动的增益能否**复合**（compound）？即，智能体在第一轮优化后，是否能在新任务上再次优化而不侵蚀第一轮获得的增益？

arXiv 论文

DeltaMerge-LowRes 提出将语言适应和任务适应解耦学习，然后在权重空间中用四种规则组合；其中新提出的跨轴 TIES（cross-axis TIES）规则在低资源摘要和问答任务上显著优于仅使用任务增量，稀疏感知合并可降低分类校准误差 36% 而保持宏 F1 持平。

低资源 NLP 中常见场景是同时适应新语言和新任务，但传统方法需要昂贵的语言–任务联合微调。本文研究能否将语言增量（Δ_L，从无标注单语文本学习）和任务增量（Δ_T，从英文标注数据学习）分别训练，推理时在权重空间组合，从而避免联合微调。

arXiv 论文

本文提出 Deep Interaction 方法，允许用户直接编辑语言模型的多步推理回复中的错误部分，并将编辑后的思维链提炼为提示，从而引导模型沿正确路径推理。相比基线方法，在 STEM 推理任务上纠正成功率提升超 25%，token 用量减少约 40%。

大语言模型通过思维链（CoT）推理能解决复杂多步任务，但一旦中间步骤出错，现有交互方式要么要求模型重新生成整个回答（可能重复犯错），要么让用户逐轮指出错误（模型常回应“你说得对，我错了”后仍出现类似错误）。研究问题：如何让用户高效、精准地纠正推理模型中的错误，同时保留正确的推理步骤。

arXiv 论文

Constraint-Aware Counterfactual Editing for Aspect-Based Sentiment Analysis

arXiv 论文

CF-Net 通过显式建模跨模态不一致性并引入说话人归一化与确定性加权，在 ABAW 2026 挑战赛的 BAH 数据集上实现了矛盾/犹豫识别的领先性能，Macro F1 达 0.7364（AP=0.7492）。

检测非受限视频中的矛盾与犹豫（Ambivalence/Hesitancy, AH）极具挑战性，因为目标信号本身模糊，且通过细微的跨模态不一致而非典型情感表达来体现。该任务属于第三届 AH 视频识别挑战赛（ABAW 11th，与 ECCV 2026 同期），目标数据集为 BAH。

arXiv 论文

本文提出RAG系统**PAT（Pragmatic Auto-Translator）**，通过整篇文档和可比语料库上下文引导LLM进行语用重述翻译，初步验证LLM可以逐渐脱离句子级翻译范式，但重述效果尚不稳定，需要进一步改进。

自动翻译系统（从CAT工具到机器翻译）绝大多数仍按逐句处理。本文核心问题：能否让LLM通过**整篇文档、语料库信息**的翻译方式超越逐句范式？作者构建了PAT系统，采用RAG（检索增强生成）架构，将用户配置的规范与来自可比语料库（美国英语与拉丁美洲西班牙语的真实长篇文本）的上下文相结合，向LLM传递检索到的段落级、章节级和文档级示例，进行整篇文档生成。目标…

arXiv 论文

本研究证明，使用缩放后的 Lee–Sidford 度量的 Dikin 行走，在热启动下从多面体中进行指数采样的混合时间为 $d^{2.25}$ 次迭代，将此前 $d^{2.5}$ 的上界改进为更接近 $d^2$ 猜想。

Dikin 行走受内点法启发，是一种仿射不变的马尔可夫链，用于从多面体中均匀或指数采样。其混合时间由局域提议所依赖的障碍度量决定：

arXiv 论文

该论文围绕多机器人协调中的异中心（环境中心）遥操作展开，关注可变视角下的操作方式；因仅有元数据，具体结论、方法与实验结果待核实。

多机器人系统在搜救、物流、建筑等场景中需要操作者同时监控和指挥多个机器人。传统以单机器人自我中心视角为主的遥操作可能让操作者难以把握全局空间关系，增加认知负担。该论文标题表明其探索“异中心”（allocentric，即以环境为参照）的遥操作，并强调“可变视角”，试图改善多机器人协调任务中的人机交互效率。具体研究问题与动机待核实。

science.org

本文提出的端到端框架在知识获取、内容开发、内容审查、教学和评估五个阶段全面引入AI加速，已获得美国国家会计委员会（NASBA）认可，并在NVIDIA Agentic AI认证考试中验证其高效性。

到2030年，每100名工人中有59人需要重新培训或技能提升，但企业填补技能差距的平均时间从2014年的约3天增长到2018年的36天。现有框架大多只加速技能提升项目的单个阶段，且普遍缺乏行业验证。为此，研究人员提出一个端到端框架，将AI加速应用于全部五个阶段，并注重生产效率和学习效率。

arXiv 论文

根据论文标题与发表元数据，本研究面向野外四足机器人，探索将感知能力与敏捷、多技能运动相结合；具体研究结论与性能结果待核实。

标题显示研究对象为四足机器人（quadrupedal robots），应用场景为“野外”（in the wild），核心能力关键词为“敏捷”（agile）、“感知”（perceptive）和“多技能运动”（multiskill locomotion）。 研究可能试图解决在非结构化真实环境中，机器人如何依靠感知完成多种敏捷运动技能的问题。具体问题定义、方法设…

science.org

HealthClaw 是一种开源智能体架构，通过分离共享安全规则与隐私纵向记忆，能够在多次交互中自动更新用户画像、流程和经验记录，将单次查询的答案准确率从 0.2% 提升至 45.7%，同时将提示端上下文暴露量降低 71.7%，并在隐私探针中产生更少的不安全披露。

个人健康管理涉及反复多次的交互，但现有健康 AI 系统大多将每次请求孤立处理。研究团队开发了 HealthClaw，一种能够随着用户日常习惯、偏好、测量数据和风险变化而持续更新支持的自进化智能体。该架构将共享安全规则与医学知识从包含画像事实、可复用流程和事件痕迹的私密纵向记忆中分离出来，并在每次交互后通过归纳机制决定哪些信息应该更新画像、修订流程、保留为事…

arXiv 论文

AI代理在自主分析数据时，约有一半概率会被精心篡改的“投毒”数据集误导，得出与真实情况相反的结论，这对科研诚信和自动化决策构成严重威胁。

2026年7月15日，《自然》新闻栏目报道了一项尚未经同行评审的研究。该研究由卡内基梅隆大学等机构学者完成，旨在证明恶意行为者可以通过上传与原始数据集高度相似但统计趋势被篡改的“投毒”数据集，诱使基于大型语言模型的AI代理在数据分析中得出错误结论。研究团队针对五个高度争议的社会议题进行了模拟攻击。

nature.com