AI 日报 · 2026-07-07

WUSH-KV 是一种面向低比特 KV 缓存量化的方法：它用校准数据分别构造 key 与 value 的数据自适应变换（WUSH），以降低量化误差，并在 2-bit 端到端评测中声称与 OSCAR 变换持平或更优（具体数值与实验设定待核实）。

问题背景：KV 缓存的内存与带宽开销随上下文长度和批大小增长，成为长上下文推理效率的瓶颈（据候选摘要）。 研究目标：在低比特（重点为 2-bit）下压缩 KV 缓存，同时尽量保持下游任务质量。 材料性质：本条为 arXiv 论文条目（Track: academic，Topics: foundation-model），截至本次整理**未能抓取正文**，以下方…

arXiv 论文

OpenRouter 推出的 Fusion 工具通过并行调用多个预算模型并融合其输出，在 100 项复杂研究任务上超越了 GPT-5.5 和 Claude Opus 4.8，且成本显著降低。

2026年6月12日，OpenRouter 宣布推出 Fusion——一种通过单个 API 调用并行调用多个模型、再使用评判模型（judge model）融合各模型输出结果的工具。为验证其效果，团队采用 Perplexity AI 设计的 DRACO 基准（100 项深度研究任务，涵盖学术、金融、法律、医学等 10 个领域），对比单个前沿模型与不同模型面板…

openrouter.ai

AA-Briefcase 是由 Artificial Analysis 发布的前沿知识工作基准测试，通过在模拟多周真实项目场景中评估 AI 模型的代理能力，揭示了当前顶级模型在长周期、碎片化上下文知识任务中的表现、成本与缺陷。

2026 年 6 月 18 日，Artificial Analysis 宣布推出 AA-Briefcase，这是一个用于测试 AI 模型在复杂、长期知识工作项目中表现的新基准。该基准由来自 Google、麦肯锡、波士顿咨询集团等机构的行业专家耗时数月构建，包含 4 个多周项目场景、91 个私有任务，以及近 2000 个源文件（包括超过 3500 封邮件和…

artificialanalysis.ai

Windsurf 升级为 Devin Desktop，将原 IDE 与智能体管理器合二为一，支持通过看板视图统一管理本地和云端 AI 代理，并开放 Agent Client Protocol 协议以兼容第三方代理。

原 Windsurf IDE 被重新命名为 Devin Desktop，定位为“全功能 IDE + 智能体命令中心”。 新版本引入了 **Agent Command Center（智能体命令中心）**，提供看板视图（Kanban view）来集中管理所有本地和云端代理。 同时推出 **Spaces** 功能，用于在多个代理之间共享上下文，并归集会话、PR、…

Windsurf 博客

Cohere 公司在 2024 年底至 2026 年间密集发布了多款面向企业级 AI 的新产品，涵盖模型、推理、检索、语音识别、安全合规与开发者工具，标志着其在主权 AI、多模态和企业级部署方向的战略扩展。

根据 Cohere 官方博客“Product Launch”分类下的文章，按时间倒序发布的主要产品包括： North Mini Code（面向开发者的首个模型）— 2026-06-09 Command A+（主权智能体能力）— 2026-05-20 Cohere Transcribe（开源语音识别）— 2026-03-26 Model Vault（私有模型…

Cohere 博客

Cursor发布了iOS原生应用公测版，使开发者能通过手机远程启动、跟踪和管理运行在云端或本地机器上的AI Agent，实现随时随地参与开发工作流。

2026年6月29日，Cursor团队在官方博客宣布推出iOS原生应用（公测版）。该应用允许开发者在移动设备上完成从启动Agent、接收通知到审查PR的全流程，支持远程控制本地计算机，并与云端Agent无缝切换。

Cursor 博客

AI将产品经理从信息合成和文档撰写的重复劳动中解放出来，使其角色从“中间人”转变为“两端校准者”，并催生了“先做后筛”“一次性软件”“自更新文档”等全新工作范式。

OpenAI Codex产品经理Rohan Varma在一次访谈/分享中，阐述了生成式AI如何重塑产品管理工作。他指出，传统PM大量时间花在信息收集、PRD撰写和跨部门沟通上，而AI（特别是Codex这类代码生成模型）可以让PM直接跳过繁琐的规划阶段，通过手动跑通流程后交由Codex自动化，甚至实现触发式自动化与Codex管理Codex的线程编排。

腾讯研究院（搜狐同步）

Together AI通过KV-Block-Major稀疏注意力、分页MSA解码、优化索引评分内核及基于Rust的多模态预处理网关等工程优化，将MiniMax-M3推理吞吐量在不同并发级别上提升了81%–125%，并成为该模型的优选云推理平台。

MiniMax发布了新一代旗舰模型M3，具备**100万Token上下文窗口**、原生多模态（图像、视频）和稀疏注意力架构（MSA）。与上一代相比，M3在稀疏注意力计算、更大KV缓存管理、多模态处理等方面带来更高工程挑战。Together AI与MiniMax合作，致力于高效生产级推理服务。

Together AI 博客

Meta 近期遭受多重打击：Gemini 模型被限制使用、内部 AI Agent 技术推进慢于预期、员工士气跌至 20 年谷底。 扎克伯格转变策略，从“全力自研模型”转向“同时卖算力”：据彭博社报道，Meta 正考虑推出 **Meta Compute**，将 AI 基建开放给外部客户。 消息公布后，Meta 股价大涨近 9%，而 CoreWeave、Neb…

量子位

Cohere于2026年7月7日发布开源阿拉伯语语音转录模型Cohere Transcribe Arabic，在开放权重模型中达到最高阿拉伯语识别精度，并在人类评估中以95.8%的偏好率优于Whisper。

Cohere当日发布Cohere Transcribe Arabic，作为其开源语音转写模型系列的新成员。该模型基于Cohere今年早些时候发布的2B前沿自动语音识别（ASR）模型，针对阿拉伯语方言差异、阿英双语/代码切换以及企业专属词汇进行了专门训练。模型以Apache 2.0许可证开源，权重可在Hugging Face下载，也可通过Cohere API…

Cohere 博客

蚂蚁灵波发布的LingBot-Vision和LingBot-Depth 2.0，首次从“边界”学习入手，使机器人在透明材质、小目标、远距离、弱光等复杂场景下的深度感知显著提升，并已开源模型权重和代码。

蚂蚁灵波团队于2026年7月7日发布了**LingBot-Vision**（面向机器人真实任务的空间原生视觉基模）和**LingBot-Depth 2.0**（基于该基模的空间感知模型）。前者作为视觉底座，更重视几何结构与边界，后者将底座能力转化为更稳定的深度结果。研究团队开源了模型权重、代码和技术报告。

量子位

加拿大阿尔伯塔省政府使用 Anthropic 的 Claude Code（基于 Opus 和 Sonnet 模型）在 20 小时内扫描了 4.66 亿行代码，发现并修复了大量安全漏洞，将本需约 6.5 年的工作缩短至数小时，并建立了持续安全审查机制。

自 2025 年起，阿尔伯塔省政府技术与创新部（Ministry of Technology and Innovation）负责管理全省 27 个部委的约 1280 个应用和 3400 个代码仓库，其中大部分从未进行过系统性安全审查，积压的技术债务高达数十亿美元。该部门组建内部团队，使用 Claude Code 对政府系统进行大规模安全审查、漏洞修复和现代…

Anthropic 博客

京东JoyAI App上线了UGC数字人功能，用户只需一张照片即可生成写实或卡通风格的专属数字人，具备全双工对话能力和生活服务助手功能。

京东JoyAI App新增UGC数字人功能，用户上传一张照片，即可生成写实或卡通风格的专属数字人，实现“照片复刻”与“真人风格重塑”。该功能复用了京东“万能博士”的技术底座，数字人具备全双工对话能力，可随时打断、自然接话，摆脱传统一问一答的机械感。数字人同时扮演情绪陪伴与全能助手的角色，支持点外卖、金融咨询、学习规划等生活服务。

腾讯研究院（搜狐同步）

NVIDIA Confidential Computing（CC）在Blackwell GPU上实现硬件级安全，通过融合私钥、NVLink加密和远程证明保护AI推理中的数据和模型，性能开销极小（通常低于8%），可达到未启用安全方案的98%性能。

AI在带来生产力和创新的同时，也引发了数据隐私、主权以及使用中数据（尤其是在推理和模型交互期间）安全性的担忧。NVIDIA致力于解决“如何在确保性能的前提下，为生产级AI推理提供硬件级安全保护”这一核心问题。其Confidential Computing技术将安全层嵌入Blackwell GPU的芯片、互连与系统软件中，在保护数据、代码和模型权重的完整性及…

NVIDIA 博客

Gemini 3.5 Pro 绝密泄露，前端赶超Fable 5!

新智元

针对 Claude Code 被曝存在安全后门、Agent 行为风险频发的问题，蚂蚁安全开源了 SingGuard-NSFA（智能体安全）和 SingGuard（多模态安全）两大框架，将安全检查前置到执行之前，实现过程可解释与新增风险易扩展。

2026 年 7 月，工信部 NVDB 平台发布风险预警，指出 Claude Code 存在安全后门隐患，可在用户不知情的情况下收集敏感信息；此前 OpenClaw 等 Agent 产品也被曝出高危险漏洞。 行业意识到“模型做了什么”（行为安全）比“模型说了什么”（内容安全）更难以防范，传统内容审核体系无法覆盖工具调用、恶意代码生成、提示注入等行为风险。…

量子位

Anthropic 在 Claude 模型内部发现了一个名为 **J-space** 的神经表征子空间，它仅占不到十分之一的运算量，却承担着类似人类“可报告的思维”功能：被删除后，Claude 的语法、知识检索等低级能力保留，但多步推理、总结等高级能力几乎归零。研究者认为这体现了功能上的“全局工作空间”，但强调不等于“意识”。

Anthropic 发布超长论文，借鉴神经科学中的 **全局工作空间理论**，探索 Claude 的内部是否存在类似人类“意识可及的思维”与“潜意识”的分层结构。他们开发了新的分析工具 **Jacobian lens（J-lens）**，通过为词表中的每个词计算残差流空间中的专属方向，读取出模型处理文本时“心里正在想”的词集（即 J-space），并设计了…

量子位

由于原始材料无法获取，此部分内容待核实。

待核实。根据文章标题推测，该文可能介绍了某位被称为“全球第一位AI哲学家”的人物在谷歌DeepMind工作9年期间为AGI（通用人工智能）安全所做的努力与思考，但具体内容无法从材料中确认。

新智元

Cohere的“AI for Developers”博客专注面向开发者的AI技术实践，覆盖AI代理、安全性、模型推理、代码生成等前沿话题，为开发者提供可落地的指导与案例。

该博客页面汇集了Cohere在“AI for Developers”分类下的多篇技术文章（截至页面抓取时间2026年6月，共列出6页内容）。文章主题涵盖自动fork维护、安全代理、LLM服务公平性、MCP协议、自主代理能力、W4A8量化、MoE模型投机解码、数据传输优化、AI供应链安全、AI基准测试、代码生成、GraphRAG到代理搜索、构建AI代理、可信…

Cohere 博客

由于原始材料无法访问，无法提取任何实质结论。待核实。

根据文章标题推测，主题涉及AI领域的“折叠”现象——即Fable 5和GPT-5.6等先进模型或产品正逐渐成为少数人或少数公司的特权。但具体事件细节、背景或研究问题均无法从材料中确认，待核实。

新智元

企业AI成功的关键不在于模型或计算能力，而在于围绕AI构建的集成、可治理、持续改进的系统平台。

微软执行副总裁Jay Parikh于2026年6月2日发表博客，提出企业应成为AI优先（AI-first）企业，并详细介绍微软构建的全面代理平台（agent platform）——涵盖构建、上下文化、运行、治理、持续改进和交付的完整系统。

Microsoft AI 博客

企业微信“记录面聊”功能升级，新增工作台入口、深度打通日程，并联合首发多款AI硬件录音笔，旨在解决面聊漏录与记录难找的问题。

企业微信对其“记录面聊”功能进行升级，新增工作台入口并与日程深度打通，支持在日程开始时提醒用户记录，同时提供统一查看与搜索历史面聊记录的能力。此外，企业微信联合首发多款AI硬件录音笔，主打一键快速启动、嘈杂环境稳定收音与超长续航，这些硬件可与“记录面聊”功能无缝互联。

腾讯研究院（搜狐同步）

Claude Fable 5 于 2026 年 7 月 1 日重新在 Cognition 的 Devin 产品中上线，此前曾因美国政府指令暂时移除；该模型在 Devin 的 Ultra agent（最强智能体）、Desktop 和 CLI 中可用，并在 FrontierCode 基准测试中取得最高分。

2026 年 6 月 9 日：Claude Fable 5 在 Devin Cloud、Desktop 和 CLI 中首次上线。 2026 年 6 月 12 日：因 Anthropic 最新公告及美国政府指令，Cognition 产品中移除了对 Fable 5 的访问权限；其他模型（如 Claude Opus 4.8、GPT-5.5）仍可使用，Devin…

Windsurf 博客

Agentic MapReduce 通过将搜索与推理分离，用确定性选择器保证全代码库覆盖，用并行代理处理有限分片，解决了传统搜索驱动代理在大型代码库中开销高、上下文瓶颈、覆盖无界的问题。

传统编码代理擅长局部任务（修复 bug、添加端点、重构模块），但面对需要**考虑整个代码库**的任务（安全扫描、代码质量检查、破坏性变更检测）时，会暴露出三个问题： 1. 代理大部分预算花在**查找**代码而非执行任务上（数据：探索消耗 >50% 工具调用、~46.5% 主代理 tokens）。 2. 上下文成为共享瓶颈：随着运行时间增长，无关证据争夺注意…

Windsurf 博客

Mastering Agentic Techniques: AI Agent Reinforcement Learning

NVIDIA 博客

Linux基金会CTO走访中国AI实验室谈见闻

腾讯研究院（搜狐同步）

AI先驱Andrej Karpathy认为当前行业最大的错误是急于让Agent（智能体）投入实际应用，而忽视了底层大模型的基础能力建设；他主张Agent产品的成熟需要十年积累，基础能力本身就是产品。

Karpathy公开批评当前AI领域“急于逼Agent干活，却未先搞懂底层大模型”的倾向，并以2016年他参与失败的“World of Bits”项目作为教训。他强调Demo容易但产品难，Agent产品成熟需要长期积累，并建议从业者向神经科学学习以理解智能本质。同时他指出，大厂在Agent领域并没有五年的深厚积累，真正站在能力前沿的是灵活敢试的独立开发者与…

腾讯研究院（搜狐同步）

腾讯正式发布Hy3大模型，通过扩大后训练与强化学习算力规模，在推理、智能体、长上下文任务上比肩参数量2至5倍的旗舰模型，同时大幅降低幻觉率和多轮问题率，并以Apache 2.0协议开源，API输入价格低至每百万Token 1元。

2026年7月7日（根据腾讯研究院AI速递），腾讯正式发布Hy3大模型。该模型在扩大后训练与RL（强化学习）算力规模的基础上，实现了推理、智能体、长上下文等任务上对参数量更大（2至5倍）旗舰模型的竞争力。同时，模型在生产力场景中进步显著，可靠性大幅改善，并宣布以Apache 2.0协议开源，降低API价格。

腾讯研究院（搜狐同步）

How to Govern Autonomous Agents in Enterprise AI Factories

NVIDIA 博客

传闻谷歌 Gemini 3.5 Pro 将于7月17日发布，其前端与视觉代码生成能力显著超越 Fable 5，但在硬核推理、仓库级工程和长程 Agent 任务上仍不及 Fable 5 与 GPT-5.6。

根据泄露信息，Gemini 3.5 Pro 的 UI 设计、SVG 生成等前端能力明显跃升，被指超越竞品 Fable 5。 模型的主要短板集中于推理与编码领域，尤其在需要深度推理、大型仓库工程和长时间自主运行 Agent 的场景下表现不如 Fable 5 和 GPT-5.6。 谷歌此次模型延期是由于更换了底层底座并重新进行预训练。基于同一底座，谷歌还计划推…

腾讯研究院（搜狐同步）

本文介绍了一个基于 NVIDIA NeMo 工具包、Nemotron 开放模型和 OpenShell 安全运行时的“单报警分析 AI 代理”，它能够自动从结构化与非结构化数据中收集证据、执行专业分析并生成操作建议，大幅加速工业报警处理流程。

工业机器互联产生大量报警（每小时数百条），技术人员需要人工跨多个数据源（历史记录、规程手册、传感器读数）核实报警原因、确定应对措施并撰写工单。这一过程重复、耗时且需要广泛经验。研究问题为：能否构建一个 AI 代理来自动化上述步骤，在数秒内给出证据包（观察、根本原因假设、补救措施、推荐行动），从而释放人力处理更复杂问题。

NVIDIA 博客

XRFormer 通过多尺度卷积分词器为 X 射线荧光（XRF）光谱定制了 Transformer 架构，在颜料识别和混合分解任务上显著优于 ViT、SpectralFormer 和 1D-CNN 基线，同时参数效率更高。

XRF 光谱是文化遗产材料分析的关键模态，但其自动学习面临挑战：XRF 光谱是复杂的一维信号，包含尖锐的元素峰、较宽的结构和背景变化，现有基于学习的模型并未充分考虑这些特征。本文提出 XRFormer，专门针对 XRF 光谱设计。

arXiv 论文

WristMimic 通过将无接触的身体运动与接触丰富的手指操控明确分离，仅利用手腕的关节运动学目标引导全局控制，在物理仿真中实现与全手指姿态监督方法相当或更优的物体操控效果，并支持跨不同手部形态的指部无关重定向。

将人体与物体交互演示重定向到物理仿真时，不仅需要再现身体运动，还需复现物体运动和接触力才能成功操控。然而，仅基于位置的双手轨迹无法指定操控所需的接触力，直接跟踪手部姿态会过度约束接触丰富的手指行为。现有方法面临“手指姿态监督导致的冗余约束”与“缺乏接触力信息”之间的矛盾。

arXiv 论文

WorldDirector 通过将语义运动编排与视觉生成解耦，并利用大语言模型协调3D轨迹与相机运动，实现了对复杂、长时间视频事件的高可控性生成，且能保持动态物体在长时间离场后重新出现时的外观一致性。

现有世界模型通常将物理动态与像素渲染混为一体，依赖连续视觉观察来维持运动，导致难以控制长时间视频中的物体外观稳定性和物理逻辑。研究提出如何构建一个既能实现自由视角探索、又能保持动态物体持久记忆的高度可控视频世界模型。

arXiv 论文

WordVoice 通过构建大规模双语标注数据集 WordVoice-5A 并提出显式“声学规划”机制，首次实现了在基于大语言模型（LLM）的文本到语音（TTS）系统中对词级时长、边界、能量、音高、语调五个维度的精细、解耦控制，同时保持了零样本合成的稳定性。

**现状**：现有 LLM 驱动的 TTS 系统虽然自然度极高，但依赖隐式端到端生成范式，只能实现粗粒度控制，无法在需要精确风格干预和时间对齐的场景（如有声书旁白、视频配音）中对词级声学属性进行显式操控。 **核心瓶颈**：缺乏精细标注的数据集，以及将多维控制信号整合到离散自回归生成架构中的设计挑战。

arXiv 论文

SenseNova-Vision 将计算机视觉任务统一表示为多模态生成问题，在单一模型中通过自然语言指令和视觉提示完成多种视觉任务，无需专用架构，且性能可匹配专用系统。

传统计算机视觉需要为不同任务（检测、分割、深度估计等）设计专用架构和预测头，缺乏统一性。本文提出将视觉任务形式化为统一多模态生成（Unified Multimodal Generation），让模型在文本和图像的原生生成空间中输出结果，从而将各类视觉能力整合到通用基础模型中。

arXiv 论文

该研究通过引入新数据集（MIDV-DynAttack）、新验证方法及公开基准，首次系统评估了自动系统对身份文档全息图动态攻击的检测能力，并提出了无需动态攻击样本即可训练的最新方法。

身份文档上的光学可变器件（全息图）为人眼提供了强安全性，但远程自动验证面临挑战。现有方法可应对静态伪造（如复印），但因缺乏公开数据集，从未评估过对真实动态伪造（如手工制作的全息图）的检测能力；且多数方法只能检测已知攻击类型，难以泛化到未知攻击。本文旨在弥补这一空白。

arXiv 论文

通过结合无监督域适应（风格迁移模型 AdaIN 和 CycleGAN）与 Swin Transformer V2 分类器，该框架在跨站点乳腺X线数据集上有效提升了钙化良恶性分类性能，将外部验证集的 AUC 分别从 0.68 提升至 0.72（EMBED）和 0.73（Duke Calcification Dataset）。

深度学习计算机辅助诊断系统在乳腺X线摄影分类任务中表现出色，但多站点数据集之间的域偏移（domain shifts）仍是模型泛化的主要挑战。本研究提出一种钙化分类框架，旨在改善跨站点乳腺X线数据集中恶性与良性乳腺疾病的分类。

arXiv 论文

TILDE 将文本到图像扩散模型中的概念遗忘形式化为一个分布对齐问题，通过能量倾斜的目标分布（在遗忘约束下最小偏离预训练模型的分布）和残差 ∇-GFlowNet 训练，在高效移除目标概念的同时显著提升了良性生成的保留质量与分布保真度。

文本到图像扩散模型在部署时面临隐私、版权、商标和安全等监管要求，需要在训练后抑制（遗忘）特定概念。现有方法虽能有效移除目标概念，但往往忽视遗忘后模型对良性生成的质量、多样性和语义覆盖的保持。理想的黄金标准是从头训练一个不含目标数据的保留模型（retain-only model），但常见遗忘目标并未指定遗忘后分布应如何逼近这个参考分布，导致保留效果仅作为更新…

arXiv 论文

LCA 是一个模型无关的编排框架，通过将多模态数据摄入与特征推断解耦，为肿瘤学临床决策支持提供了高度模块化、可扩展且鲁棒的基础架构。

当前肿瘤学中的多模态深度学习模型受限于单体设计——数据摄入、临床路由和 AI 推理三者紧密耦合，缺乏灵活性。LCA 旨在通过后验编排框架解决这一刚性限制，实现可扩展的临床决策支持。

arXiv 论文

RSF-GLLM 提出将可微图推理与答案生成解耦，利用循环软流模块传播连续相关分数并通过结构线索跨越语义不相似的桥接节点，在 WebQSP 和 CWQ 数据集上取得与基于 LLM 的昂贵方法相当的性能且推理效率更高。

多跳知识图谱问答（Multi-hop QA over Knowledge Graphs）面临关键挑战：传统“检索-读取”流水线破坏了可微性，导致检索器无法学习弥合中间节点与查询之间缺乏词汇重叠的语义鸿沟。本文旨在解决该问题。

arXiv 论文

引入大规模真实世界多变量时间序列数据（RMISC语料库）可以显著提升时间序列基础模型在零样本泛化方面的表现，效果优于仅使用合成多变量数据训练的模型。

近年来，时间序列基础模型（TSFMs）在多变量建模中实现了先进的零样本泛化能力。然而，现有主流多变量TSFMs主要基于合成多变量数据进行预训练，合成数据易于规模化，但可能无法捕捉真实时间序列中复杂的时序动态和跨变量关系。核心研究问题是：使用真实世界语料库训练的领先TSFMs是否以及能在多大程度上优于使用合成数据训练的模型？

arXiv 论文

人工智能在印度次大陆是一把“双刃剑”，既能促进语言包容，也可能导致文化同质化；本文通过纵向梳理印度自然语言处理（Indic NLP）的发展历程，并提出“文化感知”（Culture Sensing）研究方向，旨在构建更具文化意义和包容性的印度基础模型。

论文研究AI如何影响印度次大陆的语言和文化基础。印度语言的丰富形态、复杂文字与语法规则、双言现象及巨大方言差异等结构和社会语言学特征，给构建AI基础模型带来了独特挑战。作者试图刻画这一问题的全貌，指出AI在促进大规模访问和包容的同时，也可能使世界观同质化、排斥未被充分代表的语言和世界观。

arXiv 论文

Publisher Correction: A 98-qubit trapped-ion quantum computer with all-to-all connectivity

nature.com

ProxyPose 通过将单目视频中的 6-DoF 姿态追踪问题转化为视频到视频的转换任务，仅需输入视频和首帧一个标记像素，利用微调的视频扩散模型生成代理视频，即可使用经典方法恢复 6-DoF 轨迹，在无需额外输入（如 3D 模型、深度图）的情况下达到最先进精度。

从单目视频中追踪物体或表面的六自由度（6-DoF）姿态是计算机视觉中的长期难题。现存方法通常需要输入 3D 模型、深度图、物体掩码或任务特定特征，并且在无纹理、透明、反光或可变形表面上表现不佳。ProxyPose 提出将其重构为视频到视频转换问题。

arXiv 论文

量子计算机天然适合模拟量子多体系统，但能否设计出物理上合理的量子机器学习（QML）任务，并展示量子相对于经典的学习优势（学习分离）？本文从PAC学习理论出发，研究量子多体动力学的可学习性。核心问题：是否存在一个基于哈密顿量演化的自然机器学习任务，使得量子学习器高效可行，而经典学习器在多项式时间内无法完成？

arXiv 论文

PACR-Video 通过冻结文本到视频扩散 Transformer，仅添加低秩时间适配器与递归提示库，在不进行全模型微调的前提下，实现了多镜头长视频外推中实体、场景、语义和因果关系的连贯保持，并在六个基准上超越多种现有方法。

多镜头长视频外推需要保持重复出现的实体、场景结构、视觉风格和因果进程的长期一致性。现有方法通常需要对生成器进行全参数微调，参数效率低且容易丢失之前镜头的关键信息。PACR-Video 提出一种参数高效框架，在不改动底层扩散 Transformer 的前提下，通过轻量适配模块和上下文路由机制解决这一挑战。

arXiv 论文

PAW 将自然语言描述的模糊函数编译为轻量级本地可执行神经工件，使用 0.6B 参数的解释器即可达到 32B 参数直接提示的性能，推理内存仅为后者约 1/50，并在 MacBook M3 上以 30 tokens/s 运行。

许多日常编程任务（如日志告警、修复格式错误的 JSON、按意图排序搜索结果）难以用严格的规则实现，当前越来越依赖大语言模型 API，但这带来了成本、可复现性和本地化问题。论文提出模糊函数编程（fuzzy-function programming）范式，将自然语言规格说明编译为紧凑的本地可执行神经工件，从而减少对外部 API 的依赖。

arXiv 论文

Point as Skeleton 是一个生成式传感器仿真框架，通过引入点云骨架条件和 Reset-and-Roll 机制，在闭环驾驶仿真中实现了更稳定的自回归视频生成，兼顾了闭环交互性与视觉保真度，并在 nuScenes 和 nuPlan 数据集上验证了其有效性。

端到端自动驾驶（E2E-AD）的评估仍然困难，现有驾驶仿真方法往往需要在闭环交互性（如 CARLA）和真实世界视觉保真度（如 nuScenes）之间权衡。作者提出 Point as Skeleton 框架，旨在实现既支持闭环 rollout 又保持高视觉真实感的传感器仿真，以解决自回归生成长序列时误差累积的问题。

arXiv 论文

Pitwall 是一个在实时一级方程式（F1）比赛中生成多语言策略简报的生产系统，通过将每个句子分解为可验证的事实声明并借助校准的蒙特卡洛概率引擎进行验证，将忠实性作为架构属性而非事后补救，实现了高保真度的实时生成。

实时体育评论是“有截止时间的地面化生成”：评论涉及真实、具名的运动员，基础状态每几秒变化，且在生成时没有参考文本。传统方法难以同时满足时效性和事实准确性，容易产生幻觉。Pitwall 旨在解决这一矛盾，为 F1 策略提供忠实、可验证的实时自然语言简报。

arXiv 论文

PIPBench 是首个将用户画像（profile）纳入评估的个性化图像生成基准，揭示了现有方法在捕捉用户审美偏好方面的关键局限。

当前的文本到图像模型（如 DALL·E 3）虽能遵循多样化的提示词，但无法感知用户的个体审美偏好。研究聚焦于**个性化图像生成**：模型需要根据用户历史偏好的少量图像和简短提示，生成符合其隐式视觉偏好的输出。为此，作者引入了 PIPBench——第一个包含用户画像的评估基准。

arXiv 论文

由于非人类灵长类动物发声或手势序列的长度分布快速衰减，无监督依存句法分析器所检索到的正确边的比例必然很高，因此无需金标准即可评估其性能；而人类语言序列缺乏该性质，导致评估困难。

依存句法分析旨在为序列寻找树表示。无监督依存句法分析在模型训练时不依赖金标准。人类语言中，通常存在或可创建金标准来评估无监督解析器；但对于其他物种，金标准未知。那是否意味着无法判断解析器准确率，进而导致依存句法分析在其他物种中不可行？本论文对此提出挑战。

arXiv 论文

该研究提出的双层控制框架（上层动态定价 + 下层基于多智能体深度强化学习的电池管理）在奶牛场场景中，相比基于规则的模型可将能源套利利润提升最高 18%，同时增加分布式发电利用率且不显著增加成本，并符合爱尔兰电网电压规范。

Multi-Agent Deep Reinforcement Learning for Multi Objective Battery Management in Dairy Farms

arXiv 论文

红外遥感图像能捕捉强度结构、目标-背景对比度及不受光照影响的线索，而这些在RGB图像中常不可见。然而，现有的遥感视觉-语言资源与模型大多聚焦于可见光波段，红外遥感视觉-语言理解仍未被充分探索。MonoIR-RS旨在填补这一空白，提供一个受控、可复现的测试平台，将红外模态与语言对齐。

arXiv 论文

该研究首次系统评估了条件式户型图生成模型对域偏移的敏感性，发现跨域转移时性能可下降一个数量级；并提出通过合成数据预训练来缓解该问题，在零样本和低数据微调场景下均显著优于现有基线，低数据量下微调性能提升高达40%。

Mitigating Domain Shift in Conditioned Floor Plan Generation: Synthetic Pre-training for Data-Efficient Adaptation

arXiv 论文

Listen to Gen Z when it comes to AI in education

nature.com

Lift3D-VLA: Lifting VLA Models to 3D Geometry and Dynamics-Aware Manipulation

arXiv 论文

本研究提出了一种仅依赖公开卫星影像和建筑形态数据的可扩展网格化框架，能够以高空间分辨率划分印度城市内部的富裕与贫困区域，并通过Google街景和贷款违约数据验证其有效性。

在印度等发展中国家，快速城市化地区缺乏精细尺度的社会经济数据，限制了识别城市内部富裕与匮乏空间差异的能力。本研究旨在利用开源地理空间数据，构建一种低成本、可解释且可推广的城市富裕程度划分方法。

arXiv 论文

LACUNA 是首个提供参数级定位真相的大模型遗忘测试平台，发现现有最先进遗忘方法在参数层面高度不精确且易受重新浮现攻击，而一旦实现精确定位，即使是简单的基于梯度的遗忘方法也能达到强擦除效果。

大语言模型会记忆训练数据中的敏感个人信息（PII），需要可靠的遗忘（unlearning）方法。当前最先进的遗忘方法遵循“先定位再遗忘”范式，但现有基准仅从输出层面评估遗忘效果，无法判断知识是否真正从模型参数中被擦除，还是仅仅被掩盖。重新浮现攻击的成功进一步放大了这一担忧。为此，该研究提出了 LACUNA，首个具有参数级定位真相的遗忘测试平台。

arXiv 论文

本文构建了一个高质量、人工验证的GitHub仓库行业分类数据集NAICS-GH（6,588个仓库，标记为NAICS两位数行业），并设计了一套检索-验证流水线，在人工验证样本上达到96.98%的精确率，为产业创新地理、开源软件产业构成等实证研究提供了基础资源。

GitHub拥有数亿公共仓库，但平台本身并未提供仓库到标准化行业分类的映射。这种缺失限制了关于创新地理分布、开源生产的产业构成以及新技术在经济部门间扩散的实证研究。本文试图填补这一空白，通过构建一个基于北美行业分类系统（NAICS 2022）的标注数据集来解决该问题。

arXiv 论文

HoloCount 是一个分级诊断性视觉计数基准，揭示了当前多模态大语言模型在从感知性计数过渡到复杂逻辑推理与对抗场景时性能显著下降，定量的精确性仍是重大瓶颈。

多模态大语言模型在定性场景理解上取得了显著成功，但在定量精度上存在持续的数字幻觉。现有计数基准多集中于简化语境下的基础感知，未能捕捉逻辑约束或对抗条件下出现的复杂失效模式。为此，本文提出了 HoloCount——一个基于三级层次分类法的整体性、诊断丰富的基准。

arXiv 论文

本文首次揭示了全双工口语语言模型（SLM）中模态干扰的根本原因——声学与语义建模在共享深层参数空间时产生梯度冲突，并提出了Lychee-FD框架，通过层次化参数分离策略有效解耦冲突模态，同时利用专用语义对齐通道保持跨模态连贯性。实验表明，该方法在Spoken QA上提升7.4%，在FullDuplexBench 1.5上提升28.5%，且不牺牲推理效率。

开发无缝、高性能、原生智能的全双工口语语言模型（SLM）是语音和自然语言处理领域长期追求的目标。然而，现有方法受限于严重的模态干扰（modality interference），导致知识退化、语义完整性受损，使得交互不自然、不智能。本研究通过细粒度的模型优化动态分析，发现模态干扰源于声学建模与语义建模在被迫共享深度参数空间时产生的梯度冲突。

arXiv 论文

混合整数线性规划（MILP）实例在求解器开发中难以获得，尤其是当模型来自私有或特定应用管道时。现有通用生成器通常选择公式模板、汇总统计、局部图编辑或重组后的块作为生成单元，但这些单元未能显式记录 MILP 局部部分与其余实例的耦合关系。GraphBU 旨在解决这一结构保留问题。

arXiv 论文

Graph Convolutional Attention: A Spectral Perspective on Graph Denoising and Diffusion

arXiv 论文

该研究针对生物医学问答任务，根据问题类型（是非题、事实题、列表题）分别设计不同的LLM推理流程，在BioASQ 14b Task B官方评测中表现具有竞争力，并在Batch 4的事实题子任务中获得第一名。

生物医学问答不仅需要从科学文献中准确提取信息，还需要跨文档可靠地整合证据。现有方法通常对所有问题采用相同的提示策略，忽略了不同问题类型在推理和评估上的差异。本研究旨在通过问题类型感知的LLM流水线提升答案的鲁棒性和证据可靠性。

arXiv 论文

提出ReChannel方法，利用预训练DiT模型直接进行像素空间稠密预测，无需生成式解码器，在无trimap抠图、KITTI深度和指代分割上达到新SOTA，且比同类方法更快更准。

大型文本到图像模型因其RGB生成预训练学习到丰富的语义、结构和几何先验，成为稠密预测的有吸引力的骨干网络。现有方法将稠密预测视为目标生成，把深度、法线、alpha抠图、掩膜、热力图等注释编码到RGB训练的VAE潜空间，再解码回图像状目标。本文指出这种做法继承了过多的生成输出界面：稠密预测要求同一图像平面上像素正确的任务原生场，而非渲染新的RGB内容。关键观…

arXiv 论文

FreqDepthKV 是一种无需重训练的推理时 KV 缓存压缩方法，通过将相邻层 KV 状态分解为共享低频深度分量和稀疏高频残差，按注意力头对重建敏感度的贡献动态分配压缩模式，在长上下文推理中能以 3.9 倍有效压缩比接近完整 KV 缓存的任务精度。

长上下文大语言模型推理日益受到 KV 缓存内存和带宽成本的限制，但激进的压缩策略会移除检索和多步推理所需的层特定证据。如何在不严重损失任务精度的前提下实现高压缩比，是当前推理优化的核心挑战。

arXiv 论文

FootsiesGym 是一个开源环境，将极简格斗游戏 Footsies 改造为适合强化学习研究的双人零和不完全信息博弈基准，并提供了向量化模拟器以支持高效训练。

论文提出了一个用于双人零和不完全信息博弈的基准环境 FootsiesGym。该环境基于 HiFight 开发的极简 2D 格斗游戏 Footsies，旨在隔离格斗游戏中“中立博弈”阶段循环、非传递的战略交互，同时保持足够简单以便高效分析。研究问题包括如何设计一个可复现、高吞吐量的训练平台，并评估现有强化学习算法在该环境下的表现。

arXiv 论文

Nimblemind多智能体系统（nMAS）在54份胃活检病理报告中检测幽门螺杆菌阳性及相关胃炎的四类二元字段，总体准确率达98.61%，且通过自动化证据链接可将人工审查时间从83.3工时降至1.4工时，显著提升效率。

新加坡约31%人口存在幽门螺杆菌感染证据。持续感染与慢性活动性胃炎和消化性溃疡相关，根除幽门螺杆菌是胃癌预防的关键。然而，支持幽门螺杆菌阳性和相关胃炎的证据分散在异构的编码字段和自由文本报告中，需要处理肯定和否定的上下文，关键词搜索受限，人工审查难以规模化。本研究回顾性评估了Nimblemind多智能体系统（nMAS）在提取这些信息中的表现。

arXiv 论文

EntroPath 是一种通过聚合点间所有 k 步路径的集合（而非单一路径）来构建相异度距离的流形学习新方法，在非均匀采样密度和分支轨迹突出的流形上，其恢复测地几何的效果优于传统扩散映射和最短路径方法。

现有的基于图的嵌入方法主要有两类：一类使用局部归一化随机游走（如扩散映射），另一类使用最短路径距离。前者容易将扩散集中在密集采样区域，后者对图中虚假捷径边敏感。研究问题是如何设计一种对采样密度鲁棒、又能避免捷径干扰的测地距离恢复方法。

arXiv 论文

ELSA3D通过引入弹性语义锚定机制（Anchor Tokens + 层级感知的八叉树分词器），在统一骨干网络中同时实现图像/文本到3D生成与3D描述任务，性能达到新SOTA，并大幅降低计算开销（FLOPs和推理延迟减半）。

现有的统一3D基础模型试图在单一骨干中完成3D资产生成和基于语言的推理，但文本-3D交互多为隐式的。常见做法是将文本和3D token拼接为扁平序列后依赖自注意力，导致粗粒度结构线索与细粒度几何细节在表示中混乱混合。为了解决这一问题，作者提出了ELSA3D——一种通过弹性语义锚定在匹配的抽象尺度上联合构建语言和几何推理的统一3D模型。

arXiv 论文

EgoPolice 是一个由真实警察随身摄像机视频构成的基准数据集，用于评估模型在高风险、快速运动场景下的自我中心视频理解能力。测试表明，当前最强视频模型（如 Gemini 2.5 Pro）在预测“掏枪”等高风险动作时仍表现不佳。

警察随身摄像机（body‑worn camera）产生了大量第一人称视角视频，但有效分析其中关键行为（如暴力冲突、武器出现）非常困难。现有视频理解模型多针对平稳、预设场景，难以处理警民互动中常见的剧烈抖动、密集交互和稀有高风险事件。EgoPolice 旨在填补这一空白，提供一个专门针对执法场景的挑战性基准。

arXiv 论文

DynaKRAG 通过一个学习的状态条件策略（state-conditioned policy）在多跳检索增强生成中动态选择当前最合适的证据操作（检索、诊断、充分性判断等），在 HotpotQA、2Wiki 和 MuSiQue 三个基准上均超越了现有最强基线。

现有多跳 RAG 方法往往将迭代检索、查询重写、证据批判、充分性判断等操作组织为特定管道或预定义控制拓扑，没有探索如何学习一个共享的策略来根据当前证据状态灵活选择下一步操作。DynaKRAG 将多跳证据获取建模为**状态条件控制**问题，在每个步骤中由“有效性层”构建可执行动作集，再由学习到的控制器选择下一操作，从而统一了证据获取中的诊断、补缺和终止决策。

arXiv 论文

论文证明：LLM 智能体在早期交互轮次中的隐藏层激活已能可靠预测最终失败，基于此设计的“探针级联”机制可在保持高召回率（如 90%）的前提下节省 37%~47% 的推理计算量，性能远超仅使用行为信号的方案。

大语言模型（LLM）智能体在解决多步任务时，常常沿着注定失败的轨迹执行，却持续消耗大量推理计算资源，直到失败变得明显。研究问题：能否从智能体的内部表征中早期预测失败，从而提前终止无效计算？

arXiv 论文

DepthWeave-KV通过跨层低秩基分解与令牌条件深度路由器，在64K上下文长度下实现8.3倍KV缓存压缩，同时保持接近全缓存的任务质量，吞吐率达72.8 tokens/s。

长上下文语言模型推理时，存储键值（KV）缓存所需的内存带宽和容量已成为瓶颈。现有压缩方法通常在各层或各令牌上使用统一的压缩预算，当词汇线索和语义状态需要不同保留度时，检索性能会下降。DepthWeave-KV旨在解决这一均匀压缩导致的关键信息丢失问题。

arXiv 论文

当前大语言模型在真实世界数据分析场景中表现远未达到实用要求；新提出的DataGovBench基准揭示了显著性能差距。

现有用于评估大语言模型（LLM）数据分析能力的基准大多脱离真实场景——它们只关注从小表格中检索事实，忽视了大尺寸多表格数据集、外部知识整合以及探索性洞察发现等现实复杂问题。本文提出了DataGovBench，一个基于政府公开数据设计的基准，旨在评估LLM在实际场景中的表现。

arXiv 论文

Danus: Orchestrating Mathematical Reasoning Agents with Fact-Graph Memory

arXiv 论文

CAIRN 是一种拓扑感知的 3D 大语言模型（3D-LLM），通过显式建模房间间的连通性和物体级关系，首次实现了对包含多个互联房间的真实家庭环境的跨房间 3D 场景理解，并在新提出的 CAIRN-MR 基准上大幅超越此前所有 3D-LLM 模型。

现有 3D 场景理解的大语言模型（3D-LLM）大多局限在简化的单房间场景中，无法处理真实住宅中多房间互联且包含多样物体的复杂环境。该研究旨在解决“跨房间 3D 场景理解”这一核心问题，使模型能够感知房间拓扑结构并在不同房间之间进行推理。

arXiv 论文

通过引入视觉对齐奖励和视觉-动作对齐奖励，VAORA方法能有效抑制视觉语言模型在交互式物理推理中的幻觉链式推理，并缩小推理与行为之间的差距，从而在未见过的任务和环境中实现更好的泛化。

视觉语言模型在交互式物理推理中难以泛化到未见过的任务和环境。主要存在两个失败模式：1）产生与物理现实矛盾的幻觉链式推理；2）模型的推理与实际行动之间不匹配。本研究提出VAORA，一种新颖的奖励设计方案，直接解决这两个问题。

arXiv 论文

数据增强（如生成对抗网络 GAN）并不能有效净化已投毒的 3D 点云数据集；投毒攻击能够逃避增强技术的清洗作用，在增强数据中传播并最终干扰通用分类器的决策。

针对公开数据集的投毒攻击会引发两大担忧：(i) 将投毒数据用于训练时导致感知对象误分类；(ii) 在系统条件满足时，后门被触发。然而，投毒攻击对数据增强模型的影响尚不明确。虽然数据增强会降低投毒攻击的成功可能性，但仍有悬而未决的问题：数据增强是否会影响投毒攻击的影响？是否会增加投毒样本或注入后门的数量？本文旨在探索这些问题。

arXiv 论文

本文首次系统研究了印地语（Hindi）音频描述（ADs），构建了首个由8部完整电影人工标注的印地语ADs数据集Andha-Dhun，并发现简单机器翻译会引入伪影、降低多样性，无法适配文化参照；而人工翻译虽有所改善但仍不足，最终强调印地语ADs应以印度BLV观众的可访问性为目标，内容适配比严格忠于原文更重要。

音频描述（Audio Descriptions, ADs）是指在影视媒体的空白段落中，为盲人或低视力（BLV）观众叙述视觉内容。随着印度中央电影认证委员会（CBFC）发布相关指令，ADs需要从英语扩展到其他印度语言。然而，此前没有任何工作针对印度语言生成ADs。本研究填补了这一空白，首次对印地语ADs进行系统性研究，涵盖数据、生成与评估。

arXiv 论文

视觉语言模型（VLM）在作为扩散图像编辑的条件编码器时，虽然其本身具备强定位能力，但由于单次前向传递的约束，定位信号无法可靠传播到预设的层配置中，而是隐藏在随输入提示变化的中间表示里——这一根本错配导致了现有编辑流程的定位失效。

背景：VLM 凭借多模态推理能力被广泛用作扩散图像编辑的**条件骨干网络**。 问题：独立 VLM 表现出强定位能力，但将其嵌入编辑流程后，定位精度显著下降，尤其在复杂多实体场景中。 假设：性能差距源于将 VLM 作为条件编码器——模型被限制为**单次前向传递**，无法执行其原本优化的自回归生成过程，导致能力未能充分暴露。

arXiv 论文

An Experimental Design Approach to Evaluating Agentic AI's Autonomous Model Discovery

arXiv 论文

Align4D 框架通过三种对齐技术（物体距离对齐、运动-几何联合对齐、异步优化）将任意模态输入（文本、图像、视频、3D）转化为连贯的视频-3D 对，实现了高质量、一致性的 X-to-4D 生成，且无需昂贵的大规模多样化数据集。

当前生成式扩散模型在图像、视频、3D 内容多模态控制方面表现优异，但任意用户定义的模态到 4D（X-to-4D）生成仍然面临挑战：构建多样化数据集成本高昂，现有方法可扩展性有限。本文提出 Align4D，旨在将任意模态输入转化为连贯的视频-3D 对，利用视频指导 4D 运动、3D 数据塑造 4D 几何，从而解决这一难题。

arXiv 论文

AirflowAttack 是首个针对红外（IR）遥感视觉语言模型（VLM）的对抗攻击，通过将热气流湍流制作为物理可行的通用扰动，在多个模型上实现了平均 48.5% 的场景分类攻击成功率，暴露了该领域严重的安全漏洞。

视觉语言模型越来越多地被部署于安全关键场景中的红外遥感图像分析，但它们的对抗鲁棒性此前未被系统研究。本文提出了 AirflowAttack，旨在检验并揭示红外遥感 VLMs 在面对物理可实现的对抗扰动时的脆弱性。

arXiv 论文

该研究提出了一种融合白天视觉性能与夜间逆反射评估的VLM（视觉语言模型）增强框架，能够低成本、自动化地对交通标志进行综合状态评估，并在462个验证标志中识别出68个需要立即更换的隐患标志。

交通标志是全天候道路安全的关键视觉工具。美国《统一交通控制设施手册》（MUTCD）规定了白天可读性、色彩对比度等视觉要素以及夜间逆反射性能要求。传统评估依赖人工巡检，联邦公路管理局（FHWA）指出该方法主观性强、劳动密集且存在安全隐患；而逆反射仪价格昂贵，小型机构难以承担。现有研究多只关注白天或夜间单一维度，缺乏综合评估手段。本研究旨在开发一种集成昼夜评估…

arXiv 论文

本研究提出了一种基于物理信息神经网络（PINN）的框架，用于模拟双材料系统中的瞬态弹性动力波传播，能够准确预测波在界面的透射和反射，并在不依赖额外有限元模拟的情况下预测新时刻和修改材料属性后的波响应，为高速固体力学和冲击工程提供高效代理模型。

传统的弹性动力波动模拟通常依赖有限元方法（如ANSYS Workbench Explicit Dynamics），但计算成本高、缺乏连续解析形式。该研究旨在利用物理信息神经网络（PINN），将控制方程（轴对称线性弹性动力学方程）、初始条件、边界条件和界面条件嵌入损失函数，直接学习波传播过程，从而提供一个连续且计算高效的替代模型。

arXiv 论文