AI 日报 · 2026-07-28

Anthropic发布MCP最大规模更新，转向无状态架构

腾讯研究院（搜狐同步）

Midjourney通过收购月活约430万的占星应用Co-Star，将Co-Star的二十多名员工全部并入，创始人出任首席设计官；同时加速打造首款独立图像生成应用，并计划将Co-Star的社交玩法融入自家产品，探索AI图像/视频中的共创与兴趣匹配功能。

2025年7月前后（来源日期为20260728），AI实验室Midjourney宣布收购占星应用Co-Star。Co-Star月活跃用户约430万，其二十多名员工全部加入Midjourney，创始人Banu Guler出任首席设计官。另外，Midjourney正在打造首款独立图像生成应用，此前已宣布开发包括“全身超声仪”在内的八个软硬件项目，以“人文主题”…

腾讯研究院（搜狐同步）

微软在FY26观察到客户从AI实验转向实际业务部署，出现“前沿企业”（Frontier Firms）——它们不再只追求效率，而是将AI嵌入核心运营，并通过Copilot、Microsoft IQ和Agent 365构建可持续增值的智能与信任平台。

2026年7月28日，微软商业业务CEO Judson Althoff在官方博客发表《Looking back on Microsoft’s FY26: From AI experimentation to Frontier Transformation》，回顾微软2026财年（FY26）中客户采用AI的转变。文章提出“前沿转型”（Frontier Tra…

Microsoft AI 博客

NVIDIA 推出的 GPU 原生医疗物理仿真框架（Medical Physics Simulation）通过经典物理求解器和生成式世界模型，解决了医疗机器人领域数据稀缺、泛化困难与开发周期长（4–7 年）三大核心挑战，为大规模强化学习训练提供了实时、高保真的仿真基础设施。

医疗机器人开发无法像自动驾驶或工业机器人那样依赖互联网规模的数据收集或无限的真实世界实验，每一条演示都需要专业设备、临床专家和患者/实验室环境。这导致三个根本问题：数据缺口（通常仅有数百条演示）、泛化困难（长尾临床场景难以覆盖）和开发速度慢（依赖顺序性的台架模型、动物实验等，迭代需要数月）。NVIDIA 于 2026 年 7 月 28 日发布博客，介绍了其…

NVIDIA 博客

Claude Code之父：Harness保质期只有半年，解开缰绳吧

量子位

宇树科技发布轮足机器人 As2-W，仅 25 kg 的机体可实现 150 kg 站立负载，具备高速滑行、长续航和复杂地形适应能力，并可选配 AI 大模型完成自然语言指令理解与自主巡检。

宇树科技于 2026 年 7 月发布轮足机器人 As2-W。该机器人在四腿末端加装 7 寸轮毂，通过锁死关节实现平地滑行，速度超过 6 m/s；整机连电池约 25 kg，却搭载工业级关节模组，站立负载达 150 kg。续航超 3 小时，单次行程可达 33 公里，官方演示视频在 X 平台浏览超 600 万次。

腾讯研究院（搜狐同步）

英伟达CEO黄仁勋发起开源模型公开信，获得包括微软纳德拉、Meta杨立昆等70余家机构签署，OpenAI也加入，唯独Anthropic未签约，其员工以反讽方式回应；该倡议被认为暗含巩固英伟达推理算力护城河的商业博弈。

黄仁勋发起一份呼吁支持开源AI模型的公开信，迅速获得科技界广泛响应。截至报道时间，已有70余家机构或个人公开签署，包括微软CEO萨提亚·纳德拉、Meta首席AI科学家杨立昆等。OpenAI也加入了签署行列，而AI安全公司Anthropic是唯一明确未签署的知名机构。该帖子的阅读量超过6000万次。

腾讯研究院（搜狐同步）

一份新报告表明，科学家正在利用AI编程智能体（coding agents）来推动科学计算的现代化，从而加速基因组学等领域的软件开发和发现进程。具体细节需从完整报告获取。

OpenAI 发布了一份行业报告（field report），主题为“智能体AI时代下的科学计算”。报告展示了研究人员如何借助AI编码智能体来更新传统科学计算软件，提升开发效率，并促进包括基因组学在内的多个科学领域的突破性发现。目前仅知元数据，完整报告内容待核实。

OpenAI

Sam Altman在近期公开发言中指出，AI能力已沿着指数曲线进入“奇点”状态。他观察到，小型团队借助Coding Agent仅用数周就能完成过去需要一整年才能做出的产品原型，开发节奏被彻底改变。但他同时批评多数创业公司的应对方式仍然“太像十年前”——仅仅减少招聘人数、增加Token使用量，这远远不够。

腾讯研究院（搜狐同步）

美团开源了总参数1.6T、平均激活约48B的万亿参数模型LongCat 2.0，原生支持100万超长上下文，是首个在五万张国产算力卡上完成全流程训练推理的万亿模型；同时上线全场景AI Agent平台CatPaw，已覆盖美团内部9万员工、搭建3万个Agent，并融入本地生活全链路认知与专家技能。

美团于2026年7月28日正式开源LongCat 2.0模型，并上线搭载该模型的AI Agent平台CatPaw。LongCat 2.0采用MoE架构，总参数量达1.6T，每个token平均激活约48B参数，原生支持100万token的超长上下文。该模型是业界首个在五万张国产算力卡上完成从训练到推理全流程的万亿参数模型。CatPaw平台支持移动端与PC双端…

腾讯研究院（搜狐同步）

蚂蚁集团inclusionAI团队开源的千亿参数MoE扩散语言模型LLaDA2.2，首次让扩散模型在长程Agent任务中能力接近顶尖自回归模型，且吞吐量更高（BF16平均为自回归模型的1.64倍），真正实现了“边行动边纠错”。

LLaDA2.2是全球首个大规模Agentic扩散模型，原生支持128K上下文。它通过Levenshtein编辑范式、基于环境反馈的强化学习（L-EBPO）以及BlockRouting架构，解决了扩散模型在Agent场景中结构刚性和模型崩溃两大痛点。该模型在七大Agent基准上的平均分为53.83，与顶尖自回归模型Ling-2.6-flash（55.74）…

量子位

Wonder: Video World Model Done Better

arXiv 论文

VetClaw 将摄像头等边缘感知设备与云端视觉-语言模型（VLM）结合，通过分离智能体交互与工作流编排，实现零样本的兽医疾病初筛；仅依赖图像时 VLM 性能有限，而结合症状描述的多模态输入可提升零样本分类效果。

针对早期兽医疾病筛查场景，现有静态图像分类方法缺乏与环境交互、工具调用及安全处理的能力。VetClaw 提出一种边缘-云多模态智能体系统，旨在将静态预测模型转化为可协调工作流、处理故障并生成诊断支持警报的安全感知系统。

arXiv 论文

MILD 是一种将自驱动网络的意图保证从被动漂移检测转向主动故障预测的框架，通过教师增强的混合专家架构实现多意图故障预测与根因归因，并在模拟/微服务/SDN测试床中验证了高检测率和长预警提前量。

自驱动网络依赖监控、分析、执行三大宏意图的紧密耦合，但一个宏意图内的单一故障会像“共漂移”一样传播，引发其他意图的级联症状异常。现有反应式方法难以区分真实根因意图与表现症状意图，且阈值检测无法提供足够时间进行主动修复。本研究提出**MILD**，将意图保证从反应式漂移检测重构为主动故障预测。

arXiv 论文

UniMem: Complementary Episodic-to-Parametric Memory for Boundary-Agnostic Task Streams

arXiv 论文

Spend Experts Where You Are Unsure: Confidence-Adaptive Routing for Mixture-of-Experts LoRA

arXiv 论文

Sharpness-Aware Minimization and Muon: Robustness under the Spectral Norm

arXiv 论文

GARFIELD 通过一个统一的潜在表示同时实现未来轨迹的快速采样和运动概率密度的直接估计，在运动规划性能与大型视频生成模型相当的情况下，轨迹采样速度快 97 倍，密度估计比蒙特卡洛采样快两个数量级。

从部分观测（如单张图像或稀疏时空约束）预测场景如何演变，需要推理多种可能的未来，而非只输出一条轨迹。现有方法要么生成外观主导的视频预测，要么采样少量轨迹，但未显式建模运动分布，导致无法系统量化不确定性。

arXiv 论文

Reinformed Dreamer 通过一种新的非对称表征学习目标（潜在引导）改进了基于模型的强化学习，相比之前的非对称方法（如 Informed Dreamer）在多个基准上更稳定地超越 Dreamer 基线。（待核实具体改进幅度）

强化学习算法除了奖励信号外，是否还能利用额外的监督信息来学习更好的表征与行为？非对称强化学习（Asymmetric RL）在部分可观测（额外状态信息可用）和完全可观测（更精细状态信息可用）的设置下都已被证明有效。本文聚焦于基于模型的强化学习，研究非对称学习对观测表征和特权信息表征的影响，并指出 Informed Dreamer 在特权信息表征上存在局限性，…

arXiv 论文

通过三阶段改造（优化测试集与校准沙箱、组合正确性与速度的奖励设计、适配稀疏噪声环境的GRPO训练），强化学习可成功从代码正确性扩展至代码优化，在DMC-Optim上使top‑50% pass@1提升约13个百分点，且保持纯正确性分数不变。

将强化学习从代码正确性（生成通过隐藏测试用例的程序）扩展到代码优化（同时追求更快的执行速度）看似简单——只需在奖励中加入执行时间。但实际中，测量噪声、奖励稀疏以及GRPO不稳定会淹没信号，导致生成的解速度提升极小且失败率升高。本文系统性地解决了这三个障碍，使执行时间变得可学习。

arXiv 论文

Re-thinking Mammography Transfer Learning: The Dataset-Informed Transfer Learning (DITL) Framework for Breast Cancer Screening and Lesion Diagnosis

arXiv 论文

Quasi-SVD通过仅强制一个因子矩阵严格正交（李群参数化）、另一个因子通过软约束恢复的非对称设计，实现了完全并行的GPU矩阵分解，在医学成像任务中达到3-20倍加速和超过25 FPS的临床实时吞吐量，同时保持SSIM 0.89-0.94的重建保真度。

奇异值分解是计算成像中矩阵分解任务的基石，但传统SVD算法本质上是顺序执行的，这限制了在GPU上的实时吞吐量，难以部署于临床在线工作流。本文提出并验证了Quasi-SVD框架，旨在替代经典SVD，实现**实时图像引导医疗流程**所需的即时矩阵分解。

arXiv 论文

现有最先进的大语言模型（LLM）在充当政治信息中介时，高聚合得分掩盖了系统性失败：它们在信息清晰时表现可靠，但在信息缺失、模糊或矛盾时频繁崩溃，同时会扁平化政治语言强度，且失败可能受政党先验和输出语言影响；目前没有模型能一贯可靠地完成这一中介任务。

随着LLM越来越多地中介公民所依赖的政治信息，缺乏标准化方法来评估其是否负责任地承担这一角色。已有研究将任务视为“信息再现”而非“信息中介”，未涉及认识论维度及与不完美信息的交互。本研究提出Polistemics基准，基于公民认识论能动性推导出的规范标准“Epistemic Modesty”，在可控设置中变化信息的清晰度、噪声和一致性，评估LLM作为选举政…

arXiv 论文

Pictura 是一个 GPU 加速的多智能体驾驶仿真器，首次实现了从透视视角图像直接进行大规模自对弈强化学习训练，无需特权观测（如精确位姿、遮挡物位置），所得策略在零样本迁移中超越了使用特权向量的同类模型。

传统驾驶自对弈方法依赖特权向量化观测（如遮挡物的精确位姿和速度），并假定感知已解决，导致部署时摄像头输入与训练时观测之间存在“表征鸿沟”。常见做法是将特权策略蒸馏到摄像头输入的学生网络中，但学生可能模仿其自身视角无法支持的决策。为此，研究者构建了 Pictura 仿真器，该仿真器在每个时间步渲染每个智能体的自车视角图像，从根本上消除表征鸿沟。基于 Pict…

arXiv 论文

本文表明，在四旋翼无人机低层控制中，采用物理感知的端到端深度强化学习方法，并显式建模执行器动力学（时间常数 0.076 秒）与转子陀螺耦合，能够实现稳定的悬停与平移控制；SAC 和 TD3 算法在稳定性与探索效率上显著优于 PPO。

四旋翼无人机属于欠驱动系统（4 个控制输入对应 6 个自由度），传统控制方法依赖精确建模，且低层控制中执行器滞后与气动力矩常被忽略。本文旨在探索一种物理感知的端到端深度强化学习（DRL）方法，直接输出总推力与体坐标系扭矩（T，τ_x, τ_y, τ_z），并通过高保真 Simulink 环境闭环训练，以评估不同 DRL 算法在考虑执行器动态后的控制效果。

arXiv 论文

Relay-OPD 通过让教师模型在学生犯错时短暂“接力”纠正，解决了在线策略蒸馏中因前缀失败导致后续生成持续偏航的问题，在 1.7B 学生模型上平均比标准 OPD 提升 5.73%，且训练轨迹长度减半。

在线策略蒸馏（OPD）在每一步生成时利用教师模型提供 token 级监督，但存在“前缀失败”缺陷：一旦学生模型走上错误的推理方向，后续所有生成都会基于这个偏差继续，导致监督信号不可靠且浪费计算资源。本文试图在不引入额外标注的前提下，自动检测学生偏离时刻并触发教师干预。

arXiv 论文

MODUS 是首个仅解码器的任意到任意（any-to-any）多模态模型，对称处理所有模态，无需特定模态头或损失函数，在多个基准上达到与专业模型和多任务基线相当的竞争力。

任意到任意模型能在一个网络内从任意模态组合预测任意其他模态，已用于多模态视觉与视觉-语言模型，并逐步扩展到生态学、天文学等科学领域。现有任意到任意模型通常从零训练，使用编码器-解码器或扩散架构，这限制了性能且无法利用强大的预训练解码器模型作为先验。本文探索仅解码器的任意到任意多模态建模，试图解决上述局限。

arXiv 论文

MemLens 提出一种以内存记录为“一等对象”、通过 Shapley 价值评估和交互式仪表板实现价值感知存储与分层查询的长期内存管理系统，提升 LLM 智能体在长程推理、个性化响应和知识复用中的效率与可解释性。

现有 LLM 智能体的内存管理通常采用粗粒度、忽视效用（utility-agnostic）的方式，将各种用户-LLM 交互记录一视同仁，导致冗余和低影响记录长期占用存储，影响响应质量与推理效率。MemLens 旨在解决这一问题，提供端到端的价值感知内存生命周期管理。

arXiv 论文

MDTransformer 首次利用模式分集光学数据流与逆设计的多模耦合器件，在单激光连续波 1550 nm 光源下实现四路并行光子张量核，相比现有光子 Transformer 加速器（PTA）在面积、功耗和能耗上分别降低约 40.4%、63.6% 和 40.6%，且延迟相当，为高性能 Transformer 推理提供了一种更实用的光子计算方案。

现有光子 Transformer 加速器依赖昂贵的多波长光源和基于有源移相器的大尺寸点积单元，导致效率低、成本高、可扩展性差。为克服这一困境，作者提出 **MDTransformer**——一种基于模式分集光数据流与运算的软硬件协同设计，**核心思想**是利用空间模式干涉（而非波长分集）来完成矩阵运算，通过逆设计的多模耦合器、交叉波导和马赫-曾德尔 IQ…

arXiv 论文

πR² 通过将条件分为快速本体感觉通道和异步慢速视觉语言通道，并结合延迟自适应的流调度，使基于大模型的动作分块策略（如 GR00T-N1.7）具备实时闭环反应能力，在真实平台上达到约 25Hz 的重新规划频率，显著提升动态操作任务的成功率。

现有的通用操作策略（generalist manipulation policies）越来越多地采用基于大型预训练骨架的动作分块流策略（action-chunking flow policies）。这类策略在执行一个动作分块时运行在开环状态，无法对中途到达的感知输入做出反应，牺牲了反应性（reactivity）。提高重规划频率可以恢复反应性，但感知-动作管…

arXiv 论文

本研究提出一种由求解器引导的大语言模型（LLM）框架，用于为多仓库库存分配中的每个实例选择最优的混合整数规划（MIP）公式。在京东的真实数据集上，该方法将Top-1命中率从21.45%提升至50.42%，并将分配精度与事后最优解的差距缩小至4.85个百分点，显著优于固定公式和偏好训练的选择器。

多仓库库存分配问题通常被建模为混合整数规划（MIP），但不存在一个通用的MIP公式能适用于所有决策实例。需求集中度、库存不平衡、补货规模、服务约束和预测波动等因素导致实例层面的异质性问题，使得任何单一公式都无法在所有场景下持续取得最优性能。本文将这一问题形式化为实例级运筹学（OR）公式选择任务：为每个分配实例从候选专家库中分配一个求解器可执行的公式。

arXiv 论文

LaP-Forensics 通过冻结的 Stable Diffusion DDIM 反演-重建模型生成残差图，将 RGB 语义与重建一致性证据相结合，在跨生成器检测和伪影定位上达到竞争水平，但自由文本忠实度与后处理鲁棒性仍是开放局限。

近期生成模型能够产生几乎没有明显视觉伪影的图像，削弱了仅依赖表面外观的检测器及其解释能力。作者提出一个多模态框架，利用基于重建的法医证据来增强仅依靠 RGB 外观的检测。

arXiv 论文

PRISM‑AH 将视频中的矛盾与犹豫（A/H）建模为随时间展开的多模态冲突，通过轻量流式模型量化跨模态失调、生成“犹豫惊奇”信号并发现行为原型，再经知识引导的大语言模型（LLM）依据专家线索分类学进行推理，在 525 个视频的测试集上达到 Macro F1 0.6133，显著优于零样本基线（0.2827）。

Ambivalence and hesitancy（A/H）是阻碍健康行为改变的矛盾情感状态，其信号源自面部、声音、语言和肢体等模态内部及之间的不一致，且个体差异大，使得视频级别识别极为困难。PRISM‑AH 提出一种两阶段框架：第一阶段使用冻结的视觉、音频和文本编码器对齐到短时间窗口，输入轻量流式模型进行跨模态失调评分、下一窗口预测（暴露犹豫惊奇信号）和…

arXiv 论文

指令微调后的 Llama 和 Gemma 模型在与人类对话的相邻轮次中，对上下文无关语法（CFG）规则的复用程度超过了被替换的人类回应，且指令微调增强了这种句法趋同，但同时也带来了对无关句法线索的更高敏感度。

句法趋同（syntactic convergence）是人类对话中普遍存在的无意识语言适应现象。本研究探究大语言模型（LLM）在与人类用户交互时是否表现出类似的行为，以及指令微调如何改变这一倾向。研究者使用替换范式，将模型生成的回复插入真实人类对话中，测量相邻轮次间 CFG 规则的复用程度。

arXiv 论文

Generator-Aligned Representation Interfaces for Diagnostic Soft Equivariance

arXiv 论文

在理想化AI竞赛实验中，不安全开发行为主要源于落后于对手的竞争压力以及对手的行为动态，而非个体风险偏好；政策应侧重降低竞争压力与促进合作，而非仅关注个人风险。

Falling Behind Drives Unsafe Development in an Idealised AI Race Experiment

arXiv 论文

现有多模态大语言模型在真实临床诊断中的多轮推理能力仍然有限，即使最优模型也仅有极少数案例能完全正确诊断；ClinMM-Bench 是目前规模最大的多轮多模态临床诊断评估基准，揭示了五种典型失败模式。

临床诊断过程涉及多模态信息的逐步披露、诊断假设的动态更新和推理的持续修正，但现有评估通常基于单轮或孤立任务，无法反映真实临床复杂性。为弥合这一差距，研究团队开发了 ClinMM-Bench，用于系统评估多模态大语言模型在多轮、多模态临床诊断中的表现。

arXiv 论文

所有评估的九种表格基础模型（TFM）在标签偏移、社会经济偏移和地理偏移三种真实分布偏移下均出现系统性性能下降，无论预训练策略如何，偏移差距在 0.003–0.060 之间；高性能模型还存在显著的可扩展性瓶颈。

表格基础模型（Tabular Foundation Models, TFMs）是表格预测任务的新方法，其预测性能可媲美集成树模型。然而，现有研究大多假设训练和测试数据独立同分布（i.i.d.），真实场景中的分布偏移会破坏模型鲁棒性，且目前缺乏对TFMs在分布偏移下的系统评估。本研究首次对九种TFMs（TabPFNv2、TabPFNv2.5、TabPFNv2…

arXiv 论文

向 LLM 提供实时集群服务调用图与工作负载绑定信息（拓扑上下文），可将拓扑依赖型安全补丁的正确率从 11.1% 提升至 78.0%，而拓扑无关补丁不受影响，证明该提升来源于上下文而非通用提示丰富。

现有基于 LLM 的 Kubernetes 安全修复系统孤立处理每个 KSPM 发现，假设通用加固知识足以生成补丁。然而，当补丁需保留运行时服务依赖（如调用边、权限绑定）时，此类系统会生成破坏下游服务的补丁。本文提出 KuTIE（Kubernetes Topology Intelligence Engine），从 Istio 调用边、Trivy KSPM…

arXiv 论文

本文提出了一种跨模态不一致检测方法（Kontrast），能够自动识别并分类维基百科文本/表格与Wikidata知识图谱之间的知识冲突、粒度差异、时间变化及知识图谱不完整性，揭示了多模态知识间的互补与校正潜力。

维基百科和Wikidata的知识分散在文本、表格和知识图谱三种模态中，当这些模态对同一事实的表述不一致时，如何自动检测并解释冲突成为关键问题。本文将之定义为“模态级不一致检测”（modality-level inconsistency detection），并构建了相应的分类体系和自动化框架。

arXiv 论文

Desktop-Delta Bench（DDB）是一个针对计算机使用智能体（CUA）的离线步骤级基准测试，旨在评估模型对 GUI 状态转换中因果关系的理解能力。初步实验表明，现有模型在该基准上表现不佳，最优非干扰项和干扰项精确匹配率仅约 65%，且存在系统性错误复制给定顺序的问题。

计算机使用智能体通常通过桌面 GUI 执行长周期任务，但现有基准主要衡量最终任务成功率或单帧定位能力，无法单独评估模型能否重建动作产生后的因果、任务相关状态转换。由于推理、远程输入、应用渲染和截图捕获异步，下一个观测可能延迟、遮挡、短暂或无关，易被误读为进展并带入后续规划中。因此，研究者提出了 Desktop-Delta Bench（DDB），构建了一个包…

arXiv 论文

本文提出了一种联邦纵向-生存建模框架，通过客户端可分离的离散时间风险目标，使多个机构在不共享原始传感器数据或个体失效记录的情况下协同训练故障预测模型，并在C-MAPSS涡扇发动机退化数据集上验证其性能接近集中式训练。

传统的故障预测模型（如Cox比例风险模型）依赖于全局风险集的非可分离偏似然，难以在标准联邦学习协议下直接优化。而分布式场景中，传感器轨迹和失效时间记录因隐私或专有限制无法集中存储。本文旨在解决：如何在保护数据隐私的前提下，利用分布在不同组织或站点的纵向监测数据协作训练系统故障预测模型。

arXiv 论文

CHARM 是一种多模态图基础模型，通过引入层次上下文建模，将节点替换为层次化图上下文，从而在零样本迁移场景下跨图域和跨模态任务上取得一致改进，无需目标域微调。

现实世界的图往往包含文本、图像等多模态信息，且为新图域标注或适应模型成本高昂。现有的图神经网络（GNN）基础模型通常需要下游微调，而基于大语言模型（LLM）的图方法主要处理单模态图或域内任务。因此，**多模态图上的零样本迁移**（zero-shot transfer）仍未被充分探索，面临两个关键挑战：1）模型需要泛化来自单个模态的知识并捕获可迁移的跨模态关…

arXiv 论文

深度生成模型（DGM）广泛用于高维复杂数据，并越来越多地被应用于空间和时空建模。然而，在真实世界中，由于真实底层过程未知，评估模型是否学到了正确的数据分布十分困难，往往只能依赖观测数据本身。本文在**已知的非平稳高斯随机场**上评估四种代表性 DGM（flow matching、DDPM、score‑SDE、VAE），并给出综合指标来检验模型对真实均值和协…

arXiv 论文

GeoLens 通过多工具视觉推理（结合工具注意力强化学习），在超高分辨率遥感 VQA 任务上显著优于直接推理和单工具缩放基线，实现了更强的准确率、证据定位和更高效的工具使用轨迹。

超高分辨率（UHR）遥感图像提供了城市级场景的细粒度观测证据，但任务相关证据通常稀疏、局部且分散在极大的视觉上下文中，对多模态大语言模型（MLLM）构成根本挑战。传统自然方案是让 MLLM 具备“放大”工具用于主动局部检查，但研究发现放大仅对简单和中等难度任务有效，在需要全局搜索、多区域比较、路径规划或分散证据推理的高难度任务上表现饱和。为此，研究者提出超…

arXiv 论文

ClinPRISM 在拥有 40 亿参数的大语言模型（LLM）骨干上，仅需 16 个时间序列令牌和平均每条问题 0.15 秒的推理延迟，即在保留测试集上取得了最先进的问答性能，同时大幅降低了计算成本。

临床上广泛存在不规则采样的时序数据（如患者生命体征监测值），其稀疏性、异步性和不均匀采样模式给多模态 LLM 的时序问答带来了挑战。现有通用时序 LLM 难以有效建模这些不规则性。本文提出 ClinPRISM，一种经济高效的多模态 LLM 推理框架，专门用于不规则临床时间序列（ICTS）上的问答任务。

arXiv 论文