本期 37 件事。点击标题可查看卡片、来源与相关知识点。
OpenAI 发布了面向开发者的《The builder's guide to GPT-5.6》，介绍初创企业如何用 GPT-5.6 更快、更具成本效益地构建 AI 智能体，核心卖点包括更聪明的模型选择（smarter model selection）与新的 Responses API 能力。由于正文未抓取成功，具体细节待核实。
这是一篇 OpenAI 官网发布的“构建者指南”（builder's guide），主题围绕 GPT-5.6 在 AI 智能体开发中的应用。从元数据看，文章侧重工程实操而非基准评测。正文内容、发布时间与具体案例待核实。
OpenAI
查看来源原文基于语言模型的安全智能体在进攻性（红队）任务中的成功率随推理预算增加而提升，但防御性（蓝队）SOC调查任务的性能更多取决于工具使用与遥测导航能力，而非推理预算本身；评估标准应加入经济效率和操作适配性。
Beyond Success Rate: Cost-Aware Evaluation of Offensive and Defensive Security Agents
arXiv 论文
查看来源原文商汤开源SenseNova-Vision，经典视觉任务并入统一大模型
腾讯研究院（搜狐同步）
查看来源原文Anthropic于2026年7月14日推出专为美国K-12认证教师定制的免费AI工具Claude for Teachers，通过连接全美50州学术标准与循证课程，帮助教师提升教学效率并保护师生共处时间。
Anthropic在2026年7月14日发布Claude for Teachers产品，向美国K-12认证教师免费提供高级Claude功能、教学技能库以及与循证课程、全美学术标准直连的接口。该产品旨在填补教育最佳实践与教师实际时间资源之间的鸿沟，特别是针对资源不足的学校。
Anthropic 博客
查看来源原文腾讯混元开源的HyOCR-1.5是端到端OCR领域首个完整开源训练、推理与权重的专家模型，仅1B参数即可覆盖8种以上OCR任务，借助DFlash投机解码在Transformers下实现6.37倍加速，成为推理速度最快的OCR视觉语言模型（VLM），并支持在CPU及普通笔记本上运行。
2026年7月14日，腾讯混元宣布开源HyOCR-1.5。该模型专注于端到端OCR任务，以极小参数量（1B）实现了多任务覆盖与极低推理延迟，在OmniDocBench v1.6基准上以94.74分位居端到端第一，并显著增强了古文字、图表解析等长尾能力，同时新增了无文字负样本处理能力。
腾讯研究院（搜狐同步）
查看来源原文How sales teams use ChatGPT Work
OpenAI
查看来源原文OpenAI 提供的指南展示了数据科学团队可利用 ChatGPT Work（或相关 AI 工具）从真实工作输入中构建根本原因简报、影响报告、KPI 备忘录、范围分析与仪表板规格，从而提升分析效率与协作质量。具体效果与操作细节因原始材料不可用而待核实。
该资源来自 OpenAI Academy 的专题页面，主题为“数据科学团队如何使用 ChatGPT Work”（How data science teams use ChatGPT Work）。页面旨在说明数据科学团队如何借助 ChatGPT Work 产品完成多项典型任务。因无法获取正文，确切背景与案例细节待核实。
OpenAI
查看来源原文AI与职业这三年：震荡、规律与职业群像
腾讯研究院（搜狐同步）
查看来源原文阶跃星辰发布智能体手机STEPX Neo与原生系统StepAS
腾讯研究院（搜狐同步）
查看来源原文结合NVIDIA TAO agent skills与LoRA后训练，可将Cosmos 3 Nano在Woven Traffic Safety视频问答任务上的准确率从54.41%提升至93.35%，整个流程在一天内自动完成，仅需少量自然语言提示。
NVIDIA于2026年7月14日发布技术博客，展示如何利用自主编码AI代理（coding agent）调用NVIDIA TAO库中的agent skills，对NVIDIA Cosmos 3 Nano模型进行后训练（post-training）。实验使用Toyota的Woven Traffic Safety（WTS）数据集（四选一视频问答任务），通过Lo…
NVIDIA 博客
查看来源原文基于Codex（GPT 5.5）的自主编码智能体，结合NVIDIA NeMo RL、NeMo Gym以及Brev-etiquette、Session-memory、Autoresearch三种技能，能够端到端地自动化强化学习研究工作流，包括环境搭建、实验编排、模型迭代优化，甚至实现论文到代码的转化。
NVIDIA技术博客于2026年7月14日发布文章，介绍了如何利用前沿编码智能体（Codex with GPT 5.5）在NVIDIA Brev GPU实例上，依托NVIDIA NeMo框架（NeMo RL和NeMo Gym）运行一个轻量级、用户侧无需编码的“Autoresearch”自动研究工作流。该工作流展示了三种核心能力：全栈自主性（设置软件栈、管理…
NVIDIA 博客
查看来源原文OpenAI 提出企业应从“每美元有用工作量”（useful work per dollar）出发，衡量并优化智能体相关AI投资，从而实现降本增效并规模化高价值工作流。具体评估框架与实证结果待核实。
OpenAI 发布了题为 _How to manage AI investments in the agentic era_ 的官方博客（发布日期待核实），针对企业在智能体时代如何管理AI投资给出了指导建议。核心主张是企业需要一套新的投资衡量标准，而不仅仅是追踪模型成本或计算资源。
OpenAI
查看来源原文Glean创始人Arvind Jain认为，前沿AI模型层正快速商品化，OpenAI和Anthropic提供的垂直应用套件过于肤浅，难以在企业应用层取胜；企业级AI的真正壁垒在于深层上下文与权限管理，而直接暴力检索成本高昂；他预判三年内多数企业负载将运行在开源模型上。
在腾讯研究院AI速递20260714中，Glean创始人Arvind Jain就AI产业格局发表观点，指出模型层商品化趋势，并批评头部AI公司（OpenAI、Anthropic）的企业应用策略不足。
腾讯研究院（搜狐同步）
查看来源原文浪潮信息推出业界首款CPU原生液冷整机柜服务器及升级版元脑SD200超节点，单柜最高支持384颗CPU、可承载4万+智能体协同，面向智能体时代重构算力体系。
2026年7月，浪潮信息发布两款面向智能体时代的新型算力设备：一是CPU原生液冷整机柜服务器，基于开放OCM架构（Open Compute Module），实现全域部件液冷并适配800V高压供电；二是升级版元脑SD200超节点，在Kimi K2.6万亿模型上单Token生成低至4.77ms，支持多模融合，在DRACO等基准表现超越单一模型。
腾讯研究院（搜狐同步）
查看来源原文AnySearch登顶Product Hunt周榜，专为Agent打造搜索
腾讯研究院（搜狐同步）
查看来源原文Anthropic Claude Platform高管认为，AI agent正从聊天界面转向深嵌组织流程的“隐形操作系统”，其核心演进是复杂脚手架变薄、智能体身份独立化，企业应分三步衡量ROI。
2026年7月，Anthropic三位负责Claude Platform的高管在一次对谈中阐述了agent形态的演变趋势。他们指出，Anthropic的平台定位已从单纯提供API，演进为承接基础设施与脚手架的智能体平台；随着模型能力增强，原先用于编排agent的复杂“脚手架”正在变薄；智能体的身份将独立于特定工作流，能够按需申请权限；多智能体之间可以相互竞…
腾讯研究院（搜狐同步）
查看来源原文现有度量深度估计模型通常针对单一相机类型（针孔或鱼眼）设计，难以处理实际系统中混合使用多种相机（如自动驾驶、机器人导航中同时搭载鱼眼和针孔相机）的场景。X-Lens 旨在解决异构相机系统下实时、准确的度量深度估计问题，支持可变数量的校准鱼眼与针孔输入视图。
arXiv 论文
查看来源原文计划评估器（plan evaluator）可能奖励一个变得“不那么明确”的战略计划。本文系统研究了这种失败模式：在LLM生成的商业路线（venture routes）的分阶段期望值计分器中，删除计划中的某项中间转换（transition）并重定向其前驱节点，同时保留下游价值，会导致分数非单调变化（即分数可能上升）。论文通过命题1给出了分数变化的解析公式，并…
arXiv 论文
查看来源原文本文揭示了生成模型输出中嵌入的水印在“检测→归因→提取→定位”四个法医层级上所需的最小样本长度，给出了首个紧的熵率定律：归因到 \(N\) 个用户之一需 \(\Theta(\log N / h)\) 个 token，提取 \(\ell\)-bit 载荷需 \(\Theta(\ell / h)\)，且存在真实不可归因窗口和足迹-分辨率不确定性原理。
生成模型水印通常仅用于检测文本是否为机器生成。本文将其拓展为“法医阶梯”（forensic ladder）：同一水印可完成归因（识别产生该文本的用户）、提取（携带隐藏载荷）和定位（找出经编辑后仍存活的片段）。核心问题是：每一级在样本长度 \(n\) 上的代价是多少？
arXiv 论文
查看来源原文ViCo3D: Empowering LiDAR-based Collaborative 3D Object Detection with Vision Foundation Models
arXiv 论文
查看来源原文基于功率谱的可预测性指数不能回答“添加上下文（更长回看窗口、检索插件或预训练模型）是否有帮助”这一问题，因为上下文的价值取决于操作点而非序列本身，且频谱在相位随机化下不变，而超越二阶的高阶结构才是检索和基础模型真正贡献的部分。
该论文提出一项“不可能结果”：任何仅从功率谱构建的指数都在相位随机化下保持不变，而相位随机化序列渐近高斯化，会破坏检索和基础模型所依赖的超越二阶的结构。作者通过构造“频谱和边际相同但相位不同”的替代对（surrogate pairs），隔离出频谱不变性带来的误导。在此基础上，提出一种无需标签的配置级诊断——**覆盖亏空（coverage deficit）*…
arXiv 论文
查看来源原文标准双向视频扩散模型在处理长因果链（如多个球连续碰撞）时性能显著下降，且增加去噪步骤无法弥补，因为其去噪循环并不提供可扩展的串行计算能力——这一现象被定义为**序列性差距**。
视频扩散模型能否正确预测多个物体依次碰撞的动力学结果？该研究通过多球硬球动力学控制实验，发现标准双向视频扩散模型（如Diffusion Transformer等）在预测依赖事件的序列（如球A击中球B、球B再击中球C）时，随着因果链长度增加，推理性能持续下降；而长度匹配但无球间碰撞的单球控制实验中退化几乎消失，证明问题不来自视频时长，而来自**事件依赖结构*…
arXiv 论文
查看来源原文在聚合准确率上，大语言模型（LLM）对任务无关上下文看似鲁棒，但这一稳定性掩盖了显著的逐样本不稳定性——即使是随机字符构成的伪词也能导致部分样本的预测翻转，且翻转有升有降，这表明聚合指标无法揭示模型在长尾风险上的脆弱性。
随着大语言模型能力增强，它们越来越多地被部署在上下文丰富的场景中，任务输入常伴随长段、部分无关的上下文。研究者通过向基准测试问题前添加任务无关上下文，观察模型在聚合准确率上的表现，却发现：最先进的模型在聚合层面似乎不受影响，但逐个样本分析时，预测结果存在显著翻转。
arXiv 论文
查看来源原文TerraZero 是一个纯程序化生成的驾驶仿真与自对弈训练栈，仅依靠强化学习从零开始训练，无需任何人类演示或后备规划器，在 InterPlan 长尾基准上成为首个超越更大规模学习型规划器的完全学习策略，并实现了零样本跨城市泛化（包括无监督涌现左手交通驾驶）。
训练鲁棒的自动驾驶代理需要仿真器同时满足三个要求：足够快以支持大规模强化学习，足够真实以在真实地图结构上产生贴合实际的行为，足够多样以覆盖安全关键的长尾场景——而这些场景在记录数据中极少出现。现有仿真器在速度、真实度或多样性上存在权衡，难以兼顾。
arXiv 论文
查看来源原文本研究提出可在激活层面实施反事实干预的“报告坐标夹”，使语言模型在面对非证据性激励压力时（如用户自信、声望压力）保持内部信念不变（抵抗），同时仍对真实证据做出响应（更新），两指标在基准测试中联合达到1.00（Wilson 95% CI [0.99,1.00]），但当前仅作为可构建参考下的因果证书，直接部署的版本存在损失。
对齐的语言模型在非证据性激励压力下（例如用户表达高度自信、对话中的声望效应、用户要求的重述）会错误报告：即使内部信念未改变，模型也可能同意用户或过度表达确定性。作者将此定义为**内部激励相容性（Internal Incentive-Compatibility, IC）**的失败，即模型报告未能遵循“抵抗禁止影响、响应许可证据”的因果契约。研究问题：如何学习…
arXiv 论文
查看来源原文AI基础设施的快速扩张正加剧能源消耗与电子废物问题，同时AI生成的虚假内容侵蚀公众信任，阻碍多项可持续发展目标（SDGs）的进展；亟需将AI技术重新对准SDGs方向。
本文是一篇发表于Nature Machine Intelligence的通讯文章（Correspondence），系统梳理了AI技术发展对联合国可持续发展目标（SDGs）带来的多重风险，并呼吁重新校准AI发展方向。文章指出，数据中心在2024年已消耗全球约1.5%的电力，预计到2030年其能源需求将翻倍以上；在激进增长情景下，生成式AI产生的电子废物到20…
nature.com
查看来源原文PalmClaw 是一个运行在手机上的开源 LLM 智能体框架，通过将设备能力封装为参数明确、结果结构化的“设备工具”，相比 GUI 操作的基线方法实现了任务成功率提升 11.5%、完成时间减少 94.9%，并降低了部署负担。
传统 LLM 智能体多运行在桌面或服务器上，通过调用工具执行多步任务。手机作为广泛可及且包含用户数据、传感器和日常应用的环境，同样适合智能体部署。然而现有的移动智能体主要依赖图形用户界面（GUI）操作（如点击、滑动、输入），这种方式形成冗长且依赖界面的动作序列，无法直接访问设备底层能力，且执行边界难以定义。PalmClaw 旨在解决上述问题，提供一个原生运…
arXiv 论文
查看来源原文本文提出 FormalAnalyticGeo，一个全自动、可扩展的神经符号框架，用于生成多模态解析几何问题，并产出包含 7000 余道验证题目的数据集 AnalyticGeo7K，生成答案的中位相对误差仅为 0.70%。
多模态大语言模型在数学推理上取得显著进展，但解析几何领域因标注样本稀缺而研究不足。现有图表生成方法无法满足解析几何需求：模板方法不能处理约束驱动的布局，生成模型缺乏精确渲染带标注圆锥曲线的几何精度。因此，需要一种可规模化、自动生成高质量多模态解析几何问题的框架。
arXiv 论文
查看来源原文在冻结的小型代码大语言模型（0.5-1.5B参数）上，通过PoPE方法的安慰剂对照测试表明：无论是通过提示通道还是权重通道，错误内容本身并未带来显著的解锁优势——提示通道中内容消融安慰剂甚至略优于实时错误模式（12 vs 10），权重通道中错误内容适配器与无干预基线持平（8-8，p=1.0），而SHA混乱安慰剂反而领先（10）；内容归因的优越性未被确认。
已有自修复文献在测量模型根据失败尝试后的错误信息进行重试时，缺乏安慰剂对照控制。本文将失败程序视为“猜想”，执行反例视为“相对于神谕的反驳”，并引入PoPE（Popperian Placebo-controlled Evaluation）方法学，用以衡量“能够证伪LLM生成代码的证据是否可以被同一模型操作化利用”。
arXiv 论文
查看来源原文FlowWAM: Optical Flow as a Unified Action Representation for World Action Models
arXiv 论文
查看来源原文本文提出**集成控制流滤波（EnCF）**，通过随机控制流和伴随匹配实现**隐式数据同化**，在处理非高斯、多对一、多模态和隐式观测模型时优于传统卡尔曼型滤波。
数据同化从模型预报和观测中估计动力系统的状态。但许多观测机制是**多对一、隐式、非光滑**或仅能通过仿真访问，无法提供传统集成滤波所需的残差结构或似然指导。作者形式化定义了**隐式数据同化**，即将分析律定义为预报分布的能量倾斜，并设计相应算法。
arXiv 论文
查看来源原文在包含随机性和隐藏信息的对抗性桌游中，为集成确定性MCTS引入两种动态资源分配机制（动态确定性数量与动态仿真分配），可以在迭代和时间约束下产生统计学显著的强度提升。
模拟算法（尤其是蒙特卡洛树搜索MCTS的多种变体）适用于高不确定性环境，例如含有大量随机元素和隐藏信息的对抗性棋盘游戏。本文针对集成确定性MCTS（Ensemble Determinization MCTS）提出了一系列增强，核心问题是如何动态分配计算资源以提升搜索效率。
arXiv 论文
查看来源原文大型语言模型（LLM）智能体在执行任务时普遍缺乏任务复杂度感知能力，倾向于“最大上下文优先”策略导致大量冗余消耗；本文提出的E3方法（估计-执行-扩展）在保持100%成功率的同时，将成本降低85%、令牌使用减少91%、审查文件数减少92%，是迈向工程接地AI（EGAI）的关键一步。
LLM智能体在自动化多步工程与信息学工作流时，很少主动评估一项任务实际需要多少努力。它们通常执行“最大上下文优先”策略——重新读取已经看过的文件和依赖项——使一行代码的编辑演变为一次小型代码库审计。本文指出缺失的核心能力是**任务感知执行范围估计**：在投入预算之前判断任务难度、真正需要的信息以及最短可靠路径。为此，作者形式化了“最小充分执行”与“智能体认…
arXiv 论文
查看来源原文DermDepth是首个针对皮肤科领域的单视图度量尺度3D重建模型，通过合成数据集D-Synth训练，可将真实皮肤镜图像的度量尺度误差从超过16倍降至1.1倍以下，无需额外硬件或多次拍摄。
皮肤科临床实践中常使用普通相机拍摄皮肤表面，以测量和追踪病变大小、形态和纹理，用于伤口或皮肤癌筛查、监测和诊断。现有研究高度集中于2D方法，而3D信息对此类目标自然更有优势。本文提出DermDepth，证明在无需额外硬件或多次拍摄的情况下，可实现皮肤镜和宏观图像的密集单目3D重建、度量尺度测量以及丰富的表面法线纹理估计。
arXiv 论文
查看来源原文cgDDI 框架通过混合方法合成多样皮肤影像（特别是深肤色和罕见病），将仅含 656 张真实图像的数据集扩展 400 倍以上，在恶性分类任务上达到 90.9% 的 SOTA 准确率，并显著改善跨人群公平性。
皮肤科诊断需要在不同人群上公平地工作，但系统性缺失专家标注图像，尤其是深肤色和罕见病的样本，阻碍了公平方法的开发。研究引入 cgDDI（可控多样皮肤影像生成）框架，旨在低成本、高效率地生成多样化的皮肤病图像，以弥补数据缺口。
arXiv 论文
查看来源原文本文证明，**离散扩散语言模型**（而非自回归模型）可以通过少量并行去噪步骤直接转录语音，在 LibriSpeech test-clean 上达到 6.6% 的词错误率，且训练参数量仅为骨干模型的 0.16%。
自动语音识别（ASR）长期被自回归解码器主导，每步输出一个 token。作者探索是否可以用**离散扩散语言模型**代替自回归解码器，通过少量并行去噪步骤逐步精炼整条转录。他们以 DiffusionGemma（26B 混合专家模型，使用均匀随机 token 离散扩散而非吸收掩码方案）为骨干，训练一个“音频原生”接口。
arXiv 论文
查看来源原文本文提出一种名为 GyroFlow 的潜在生成模型，可以直接从噪声生成五维相空间中湍流的统计稳态快照，绕开高成本的瞬态模拟，并在生成质量和计算速度上超越现有自回归、降阶及其他生成式方法。
许多非线性物理系统（如等离子体中的陀螺动力学湍流）在达到统计稳态之前，会经历一个初始瞬态阶段，其中扰动增长并发生非线性相互作用。直接数值模拟必须完整解析这一瞬态动力学，计算成本极高。针对流体动力学，已有大涡模拟等降阶方法，但对于陀螺动力学等系统，尚缺乏同样有效的闭合模型，高保真模拟仍是必需。现有的代理模型（如自回归方法）存在误差累积问题。
arXiv 论文
查看来源原文