本期 31 件事。点击标题可查看卡片、来源与相关知识点。
DeepSeek V4 Flash 以输入每百万 token 0.14 美元、输出 0.28 美元的价格引发热潮；海外平台 Nous Portal、Cline 叠加补贴甚至倒贴，OpenCode 单日跑出 8T tokens。7 月 31 日重跑后训练的 Flash 智能指数达 50 分，反超自家 Pro、逼近 Opus 4.8，消息称 DeepSeek…
腾讯研究院AI速递 20260805 报道，DeepSeek V4 Flash 低价上线后引发大量调用。OpenCode 单日跑出 8T tokens；海外平台如 Nous Portal、Cline 叠加补贴甚至“倒贴”，Cline 烧账单后直接将免费额度翻三倍。7 月 31 日重跑后训练的 Flash 跑分大幅跃升。摘录中另有一条“开源评测集多语种 WE…
腾讯研究院（搜狐同步）
查看来源原文现有视频扩散或流模型因迭代采样过程缓慢而计算成本高；当前最优加速方法（如变分分数蒸馏VSD、对抗损失）难以优化且易出现模式崩溃，导致视频多样性丧失和运动缺失。本文旨在提出一种更简化、可扩展的蒸馏方法，以支持多种预训练模型并实现不同NFE的快速推理。
arXiv 论文
查看来源原文ElasticTTT 通过三种正则化机制（目标分布正则化、对比式 CFG、异步噪声调度）解决了标准测试时调优（TTT）中由分布-单点优化失配所引发的“先验崩坏”（Prior Collapse）问题，在单次视频编辑任务上取得当前最优性能。
**研究问题**：将标准的测试时调优（TTT）应用于预训练扩散模型进行视频编辑时，存在根本性失配：生成模型本质上是分布映射（distribution-mapping），而 TTT 进行单点优化（single-point optimization）。这种失配导致“先验崩坏”（Prior Collapse），模型丢弃文本条件和空间潜在变量，生成结果坍缩为源视频…
arXiv 论文
查看来源原文伯克利等团队提出的harness框架schema，通过将世界模型编写为可运行、可验证、可搜索的程序，在不改动模型权重的前提下，将Claude Code基线在ARC-AGI-3公开集上的42.83% RHAE提升至98.98%，但成绩为自报告，尚未经官方独立复核。
伯克利等研究团队推出名为“schema”的harness框架，在ARC-AGI-3公开集上，配合Claude Opus 4.8与Fable 5模型，达到了98.98%的RHAE（Robot-Human Alignment Evaluation？待核实具体指标全称）。该方法的核心思想是让AI像物理学家一样思考：通过“观察—推演—执行—记录”的闭环，让模型主动…
腾讯研究院（搜狐同步）
查看来源原文OpenAI 在一次内部或公开分享中总结了部署长期运行 AI 模型（长周期模型）过程中暴露的新安全风险、实际发生的失败案例，以及通过迭代部署逐步完善的安全防护措施。
随着 AI 模型被用于需要持续运行数小时甚至数天的任务（如自主编程代理、长期规划、持续对话等），传统基于单次交互的安全对齐方法失效。OpenAI 针对这类“长周期模型”部署场景，系统地收集了实际运行中的安全失败案例，并基于经验改进了对齐技术。
OpenAI
查看来源原文微软宣布与 AMD 深化合作，将 AMD 最新的 Helios AI 平台和第六代 EPYC 处理器引入 Azure，推出三款新虚拟机：HDv2（AI 数据系统）、HXv2（芯片设计与技术计算）和 ND MI455X v7（AI 推理），以应对 AI 工作负载对基础设施的多样化需求。
2026 年 7 月 20 日，微软云与 AI 执行副总裁 Scott Guthrie 发布博文，指出 AI 工作负载正以超过单一基础设施架构可支持的速度增长，需要跨堆栈的更高专业化。为此，微软继续演进 Azure 基础设施，包括引入 AMD 的 Helios AI 平台和下一代 EPYC 数据中心处理器，在 Azure 上提供三种新的虚拟机类型，分别面向…
Microsoft AI 博客
查看来源原文2026年政府工作报告首次将“打造智能经济新形态”独立成段部署，表明中国正从“人工智能+”技术赋能转向以规模化应用、开源生态、算电协同、治理体系为支柱的全局性智能经济战略，我国在模型能力、场景、算力、政策、人才五方面具备综合优势，但高影响力基础研究、顶尖人才密度、高端芯片自主供给等方面仍有明显短板。
2026年《政府工作报告》首次将“打造智能经济新形态”独立成段，提出深化拓展“人工智能+”，推动智能终端和智能体加快推广，促进商业化规模化应用，培育智能原生新业态；支持开源社区建设；实施超大规模智算集群、算电协同等新基建；加强全国一体化算力监测调度；发展卫星互联网和“5G+工业互联网”升级版；深化数据开发利用；完善人工智能治理。该部署被视为抓住新一轮科技革…
腾讯研究院（搜狐同步）
查看来源原文月之暗面发布全球首个开源3万亿参数级模型Kimi K3（实际参数量2.8万亿），在前端代码竞技场超越Claude Fable 5排名第一，API价格仅为Fable 5的三分之一，但官方承认其用户体验与顶级闭源模型仍有差距。
2026年7月20日（据腾讯研究院AI速递），月之暗面正式发布Kimi K3模型。该模型是全球首个开源且参数规模达到3万亿级别的多模态大模型，原生支持视觉理解，拥有100万token上下文窗口。完整模型权重计划于7月27日前开放。
腾讯研究院（搜狐同步）
查看来源原文DeepSeek V4正式版灰度测试中，提供Flash和Pro两版本，性能接近Opus 4.8级别；首创“峰谷计费”模式，Pro版百万输出tokens平时仅0.87美元，远低于竞品Fable 5的50美元，但单任务迭代轮数偏多。
2026年7月20日前后，DeepSeek V4正式版进入灰度测试，最快近日发布。该版本包含Flash和Pro两个版本，整体性能官方声称接近Opus 4.8级别。DeepSeek首次在AI大模型行业引入“峰谷计费”机制，以低价策略冲击市场。同时，旧模型deepseek-chat等将于2026年7月24日下线。
腾讯研究院（搜狐同步）
查看来源原文Together AI与Y Combinator合作，为YC投资组合中的AI初创公司提供首个专用GPU集群，使它们能以短期灵活方式获得长期优惠的计算资源，无需签署两年期合同。
2026年7月20日，Together AI与Y Combinator宣布合作，交付首个专门面向YC社区的GPU集群。该集群旨在解决AI初创公司面临的最大瓶颈——计算获取困难。初创公司过去往往需要预先签署两年期合同，成本超过公司全部现金余额，迫使它们要么融资只为支付计算合同，要么无法获得竞争力所需算力。新集群让初创公司可通过Together AI的自助门户…
Together AI 博客
查看来源原文商汤在WAIC 2026推出面向长程任务的交付级原生多模态智能体基座日日新SenseNova U1 Pro，具备8K输出和长程Agentic闭环思维，人均日生图量已达107张，推动内容生成从单点能力迈向系统级交付。
在2026年WAIC上，商汤科技发布了日日新SenseNova U1 Pro，这是一款面向长程任务的交付级原生多模态智能体基座，旨在将AI内容生成从“生成单张图/单段文”升级为“端到端系统级交付”。现场展示了WAIC九周年水墨长卷等案例，覆盖信息图、海报、影视分镜等创作场景。
腾讯研究院（搜狐同步）
查看来源原文AI 编码工具只加速了软件工程中占比最小的“执行”环节，而前后端的“决策”和“交付”环节反而因成本下降变得更繁忙；当前 Agent 准确率远达不到生产要求，协作型 Agent 比全自动更实用，程序员将转向更高阶的判断角色。
普林斯顿大学教授 Arvind Narayanan 指出，软件工程的实际瓶颈并非写代码，而是“决定做什么”和“让代码交付运行”两个环节。基于对当前 AI 编码工具（Agent）可靠性的长期观察，他质疑“AI 将取代程序员”的叙事，并分析了效率提升后的岗位重塑逻辑。
腾讯研究院（搜狐同步）
查看来源原文星尘智能推出第二代具身基座模型Lumo‑2，采用“先预测世界再生成动作”的隐式世界‑动作架构，在家庭场景中实现端到端推理速度比标准自回归提升2.71倍且不损失精度，并同步发布了具备长期语义记忆与多机调度能力的智能体Agent Philia。
星尘智能于2026年7月发布第二代具身基座模型Lumo‑2，这是业内首个面向家庭场景的隐式世界‑动作模型。公司一口气公开了20多个真机演示视频，展示模型在家庭环境中的实际作业能力。同时，星尘智能还发布了智能体Agent Philia，提供长期语义记忆与多机调度功能，完善其“AI模型—具身OS—绳驱本体”三位一体全栈架构。
腾讯研究院（搜狐同步）
查看来源原文腾讯Robotics X实验室联合混元发布Hy-Embodied系列三个基座模型，首次系统性打通“感知—身体—行动”闭环，已在日化品工厂实测中实现作业成功率高于95%、节拍快于6秒每件，同步推出两个智能体并保持开源开放。
2026年7月20日，腾讯Robotics X实验室与混元联合推出Hy-Embodied系列具身模型与智能体成果。该系列包含三个基座模型（VLM、RxBrain、VLA）和两个智能体（Apexio、TairosAgent），并同步升级了Tairos开放平台。模型已进入日化品工厂实测，展示出高成功率与快速节拍，标志着腾讯在具身智能领域的系统化突破。
腾讯研究院（搜狐同步）
查看来源原文无问芯穹在WAIC上完整发布“前店后厂一中心”Agentic Infra战略，获得MiniMax、阶跃星辰、智谱、Kimi四家国产头部基模公司深度合作，并展示了跨集群异构PDD架构、运维智能体系统、跨集群强化学习等核心技术细节，日均Token调用量较去年12月增长40倍，对标海外Baseten/Together AI等估值130‑150亿美元公司，但在国产…
2026年7月20日WAIC论坛上，MiniMax和阶跃星辰同时出现在无问芯穹公司论坛现场，分别进行战略合作签约和主旨演讲；此前智谱张鹏和Kimi杨植麟也曾与该司联合创始人同台。四家头部基模公司先后与同一家AI Infra公司达成合作。无问芯穹正式发布面向Agent时代的“前店后厂一中心”战略：算力集散中心（Agentic Infra平台）、Token工厂…
量子位
查看来源原文本文提出将向量搜索视为因果推断中的最近邻匹配，利用检索增强生成（RAG）框架进行策略学习，通过两步法分解策略遗憾并利用最近邻估计器和Transformer的预测误差界进行理论分析。
Vector Search As Nearest Neighbor Matching: RAG-based Policy Learning in Causal Inference
arXiv 论文
查看来源原文ATLAS 通过分离不变因子与异质因子，并利用辅助标签从异质因子中提取可迁移因子，使下游潜在因子回归性能接近最优，在辅助标签可用时实现跨环境迁移预测，否则退化为鲁棒的不变因子预测。
本文研究多环境因子模型：高维协变量从异构环境收集，环境间联合分布可能不同，但潜在结构可分解为**不变因子**（共享载荷）和**异质因子**（环境特定载荷）。该模型源于迁移学习与潜在因子回归，目标是为响应变量 Y 获得稳定低维表示以支持解释和鲁棒外推预测。
arXiv 论文
查看来源原文TPIPS 是一种基于文本提示的视觉相似性度量，能够根据用户指定的语义方面（如形状、颜色）动态评估图像对之间的相似性，在多个基准上比现有单一标量度量更接近人类判断，并解锁了文本引导检索、组合搜索和生成模型细粒度评估等新功能。
人类对图像相似性的判断是上下文相关的——例如两幅图像可能在形状上相似但在颜色上不同。现有的感知相似性度量（如 LPIPS、SSIM 等）只能输出一个单一标量值，无法根据具体语义方面进行条件化。本文旨在填补这一空白，提出一种支持文本提示的、多语义的感知相似性度量。
arXiv 论文
查看来源原文SWE-Pruner Pro 利用编码器LLM自身的内部表示来逐行判断工具输出是否保留，无需额外分类器，在节省最多39% token的同时还能轻微提升任务准确率。
SWE-Pruner Pro: The Coder LLM Already Knows What to Prune
arXiv 论文
查看来源原文提出一个包含平衡小批量采样和晚期注入策略的简单域泛化训练框架，在跨模型（GPT-Images-2.0、Gemini-3.1、FLUX.2、Seedream 4.5）像素级篡改定位任务上，平均gIoU和cIoU相对先前SOTA（PIXAR）分别提升26.1%和26.8%。
现代视觉语言模型（VLM，如ChatGPT、Gemini、Qwen-Image）大幅提升了图像生成与编辑能力，导致像素级图像篡改检测在跨模型和分布外（OOD）场景下变得日益重要且挑战性增强。本文研究的是：如何学习一个对多种VLM生成的不同篡改分布均保持鲁棒的篡改定位模型，即域泛化问题。
arXiv 论文
查看来源原文PPL-Factory 通过结合任务感知的困惑度评分与预算感知的选择标准，在仅使用 1% 训练数据时即超越现有数据选择方法；使用 10% 数据时在 GSM8K 和 MATH 上分别超全数据微调精度 0.9 和 4.8。
大语言模型微调中，不同训练样本对下游性能的贡献不均。高效数据选择可降低计算成本，但现有方法多依赖间接启发式（如质量、多样性、推理链长度），这些固定标准难以泛化到不同任务。基于困惑度的选择虽简单且模型感知，但现有工作对整个序列统一评分，忽略了语言建模与推理任务在学习目标上的差异。本文提出的 PPL-Factory 旨在解决任务相关性与预算约束下的样本选择问题。
arXiv 论文
查看来源原文Patch Policy 是一种轻量级架构扩展，使基于 Transformer 的机器人策略能直接利用预训练的密集补丁令牌（patch tokens），在不引入完整视觉语言模型（VLM）巨大计算开销的前提下，显著提升控制性能——在多个模拟与真实环境套件中相比全局池化表示提升40%，相比微调后的 OpenVLA-OFT 提升18%，而参数量仅为后者的约0.7…
现有机器人策略要么将每个观测压缩为单个全局令牌（丢失精细空间细节），要么使用从头训练的视觉骨干（无法利用大规模视觉预训练的优势）。虽然大型视觉-语言-动作模型（VLA）能操作密集补丁特征，但它们继承了十亿参数 VLM 的全部计算成本，导致体量大、速度慢。本文旨在填补这一空白：在保持策略训练效率和推理速度的前提下，让 Transformer 策略高效吸收并利…
arXiv 论文
查看来源原文通过在预训练语言模型前面插入学习到的连续向量（软前缀），可以系统性覆盖模型原本正确的三段论推理答案，且该效果在不同逻辑形式与接口变体间保持良好的泛化性，揭示了模型逻辑稳定性的显著模型间差异。
研究问题：大语言模型在面对通过软前缀学习的上下文压力时，其原本正确的逻辑判断（三段论推理）会被多大程度地覆盖？这种覆盖效应在不同模型、不同逻辑形式和接口设置中如何泛化？软前缀的主要作用机制是对特定答案语义的偏向还是固定符号的强制？
arXiv 论文
查看来源原文该工作提出一种上下文条件化的安全批评器（safety critic），通过学习自适应间隙偏好对扩散规划器生成的轨迹候选进行排序，在Habitat-Matterport 3D（HM3D）和MP3D上的PointGoal导航任务中取得了最高的成功率和成功率加权的路径长度，并且零微调地从模拟迁移到了Unitree G1人形机器人实物平台。
机器人在杂乱室内环境中失败的原因常不是无法生成无碰撞路径，而是固定的安全边际校准不当：保守的边际导致绕路和超时，宽松的边际则在感知偏差下导致近边界捷径。基于扩散的规划器可以从第一人称RGB-D图像生成多样化的轨迹候选，但可靠的候选选择仍是瓶颈。本文提出一套上下文条件化的安全批评器（context-conditioned safety critic），用于学…
arXiv 论文
查看来源原文It's Not What You Say, It's How You Say It: Evaluating LLM Responses to Expressions of Belief
arXiv 论文
查看来源原文HOMIE 提出统一处理主体间（inter-subject）和主体内（intra-subject）输入设置的人类-物体中心视频个性化框架，通过更好的多模态大语言模型（MLLM）集成策略，在保持文本编码器可控性的同时提取引用级关系知识，在多种 HOCVP 任务上达到当前最优性能。
人类-物体中心视频个性化（HOCVP）是主体驱动视频生成的核心任务。现有方法存在两个关键局限： 1. **主体间个性化**：在追求高主体保真度与准确交互模式之间难以平衡，尤其是当物体为抽象概念（如Logo）时； 2. **主体内引用**：虽然主体内参考（如OCR图、多视角输入）预期能增强保真度，但现有工作缺乏理解这种潜在对应关系的机制。
arXiv 论文
查看来源原文GigaPath-Flash在保持GigaPath平均切片级性能97%的前提下将计算量降低50倍；GigaTIME-Flash预测肿瘤免疫微环境的质量超越原CNN版GigaTIME，同时速度提升6倍、GPU内存减少8倍，两者均为Apache-2.0开源模型。
计算病理学领域的基础模型通过大规模组织病理学数据学习可迁移表征，有望变革癌症诊断、预后和治疗选择。然而，现有大多数预训练模型仅能在图像块（tile）级别工作，许可证限制严格，且计算成本高昂，阻碍了大规模全切片级别的临床和研究应用。
arXiv 论文
查看来源原文FlowMimic 提出一种像素对时间扭曲流场，可从图像编辑样本实时生成对应的视频编辑训练数据，并利用模态模仿损失使单一模型同时支持图像与视频的生成与编辑，无需人工掩码或外部辅助模型。
当前视频编辑数据的收集依赖人工掩码标注、基于 I2V 模型和 ControlNet 的配对合成、VLM 质量过滤等耗时流程，导致编辑任务多样性远不如图像编辑模型。该工作旨在将生成与编辑能力统一到单个模型中，并让模型内化语言指令的定位能力，而非依赖外部 MLLM 或推理时显式提供掩码序列。
arXiv 论文
查看来源原文本研究将经典因果发现方法 PCMCI+ 扩展至不规则采样的时间序列，通过聚合预定义时间窗口内的因果影响替代固定滞后依赖，在合成数据上显著优于原版方法。
现有因果发现方法（如 PCMCI+）假定时间序列为规则采样且因果依赖具有离散、固定的滞后结构，这限制了它们在传感器流、医疗保健数据和金融交易等不规则事件序列上的应用。本文旨在提出一种能处理不规则时间序列的因果发现扩展方法。
arXiv 论文
查看来源原文现有的自主发现系统（如OpenEvolve和TTT-Discover）不存在在所有模型-问题对上普遍优越的固定harness；应将其视为超参数，并根据任务进行在线自适应选择。
自主发现系统（automated discovery systems）常被当作通用harness（如OpenEvolve和TTT-Discover），但它们实际上是组合了存档策略、父代选择、探索方式和预算分配等多个设计选择的复合系统。由于发现实验成本高且随机性强，现有比较往往使用过少的独立重复试验，难以区分方法改进与运行间方差。本研究系统性地分解了这些ha…
arXiv 论文
查看来源原文本文表明，为优化自由回忆任务而训练的循环神经网络能够自发发现多种类人记忆策略，其中最优模型学到的是一种基于项目位置索引的“记忆宫殿”式机制，而非经典的时间上下文模型所假设的机制。
人类自由回忆表现出规律性的模式（如近因效应、顺序效应），经典理论认为这是因为记忆编码了随时间平滑整合的“时间上下文”。然而，是否单个统一机制就能解释所有人类记忆策略？特别是，记忆专家广泛使用的“记忆宫殿”策略在实证上优于时间上下文模型，却未被后者捕获。研究问题：最优的回忆策略究竟是什么？循环神经网络在自由回忆任务中能否发展出超越经典时间上下文模型的策略？
nature.com
查看来源原文