本期 32 件事。点击标题可查看卡片、来源与相关知识点。
论文提出 GHADAR 任务（Grounded Human-Attributed Description and Activity Recognition），要求对视频中每一个给定位置的人生成开放式的属性描述与活动描述；并配套构建数据集、提出约束 VLM 交叉注意力掩码的训练方法、指出现有评估指标局限并提出基于 VLM 的整体评估方案。以上信息来自摘要级元…
研究问题：现有多数数据集把多人场景简化为“群体活动识别”“单人活动识别”或“闭集活动识别”，限制了模型泛化能力。 论文主张：更贴近真实应用的任务应是对视频中**每一个人**（给定其位置）分别描述其特征与活动，即 GHADAR。 任务定位：介于 grounded（定位）任务与开放式（open-set）描述任务之间，强调逐人、开放词表的属性与活动描述。
arXiv 论文
查看来源原文根据 OpenAI 官方页面信息，ChatGPT Ads 正在扩展至 31 个欧洲市场，使广告主能够在用户探索、比较和决策时触达他们。（具体细节待核实）
OpenAI 发布了题为“ChatGPT Ads expands across Europe”的页面，宣布 ChatGPT 广告业务进入更多欧洲国家。页面摘要称，广告主可以借此在用户探索、比较选项和做出决策的过程中与之接触。由于原始页面未能抓取正文，本次扩展的具体市场名单、上线时间和广告形态均待核实。
OpenAI
查看来源原文英伟达开源端到端全双工语音模型 VoiceChat 11B，整合ASR、LLM与TTS，平滑轮换延迟约448毫秒，并设计独立工具调用通道，把等待外部工具API的时间纳入对话话术；但工具调用的参数准确率仅44%，且部署门槛高、工具执行期间无法打断。
据腾讯研究院AI速递（2026-08-11）消息，英伟达开源全双工语音模型 VoiceChat 11B。该模型为端到端语音到语音架构，训练使用约55万小时音频。与常见级联方案不同，它在一个模型中整合自动语音识别（ASR）、大语言模型（LLM）和文本转语音（TTS），实现低延迟平滑轮换对话。模型核心特点是独立的工具调用通道：通过TOOLCALL脚本配合预设“…
腾讯研究院（搜狐同步）
查看来源原文Arena 评测平台上出现了一个代号“mona-lisa-1”的神秘图像模型，多方线索指向 OpenAI，它可能是 GPT Image 2 的后续版本或测试分支，在真实感和“去 AI 味”上有提升，但 OpenAI 尚未官方回应。
据腾讯研究院AI速递 20260811 报道，Arena 平台出现一个名为「mona-lisa-1」的神秘图像模型。经 SynthID 水印验证、命名风格及模型自曝等线索，社区普遍判断该模型来自 OpenAI，或为 GPT Image 2 的后续版本或测试分支。OpenAI 尚未官方表态，业界认为正式官宣只是时间问题。
腾讯研究院（搜狐同步）
查看来源原文Testing ads in ChatGPT
OpenAI
查看来源原文据腾讯研究院AI速递转述的爆料，OpenAI可能于8月发布代号Astra的GPT-6，参数或达10万亿，是GPT-4的五倍以上；年底还可能推出代号Doug的更大规模预训练模型。目前均未获官方证实。
爆料称OpenAI将于8月发布代号Astra的GPT-6，参数或达10万亿，预训练规模空前（待核实）。 年底还将推出代号Doug的迄今最大规模预训练模型，或采用英伟达下一代Vera Rubin芯片（待核实）。 消息称OpenAI两年来首次突破预训练瓶颈；Anthropic拟以Fable 5.1对标截击，“御三家”现仅剩OpenAI与Anthropic角逐（…
腾讯研究院（搜狐同步）
查看来源原文根据新智元转述的X平台爆料，OpenAI可能在2026年8月发布代号为Astra的GPT-6，传闻参数达10万亿；另有一个年底发布的更大规模模型“Doug”。所有参数与发布时间均为未经证实的传闻。
2026年8月11日，新智元报道称，AI内幕记者ChrisGPT在X上爆料：即使面临政府审查压力，GPT-6（Astra）仍将在8月发布。 报道称，GPT-6就是前一天（8月10日）OpenAI紧急暂停发布的模型Astra；9个月前OpenAI开始重新分配计算资源，以应对Anthropic在预训练上的领先。 还有爆料称，年底将发布代号Doug的“史诗级巨兽…
新智元
查看来源原文苹果已启动对中国长鑫存储（CXMT）DRAM芯片的测试，拟用于iPhone和MacBook；测试不等于采购，但反映出AI数据中心挤占产能后，消费级DRAM供应紧张已达到新节点。
苹果启动对长鑫存储（CXMT）DRAM芯片的测试，计划用于iPhone和MacBook。 测试不等于采购，但被视为衡量存储器市场紧张度的“压力表”和前置信号。 因AI数据中心大量吸收产能，三大DRAM厂将先进制程转向HBM与服务器DRAM，消费级DRAM供应收紧。 一季度合约价环比涨逾九成；库克称当前定价为“百年一遇的洪水”，并呼吁引入第四家供应商。 涨价…
腾讯研究院（搜狐同步）
查看来源原文根据现有元数据，OpenAI 与 AWS 正在将 Daybreak 网络安全能力通过 Amazon Bedrock 提供给企业安全工作流。由于原始网页正文未能抓取，具体技术细节与产品信息均需以“待核实”处理。
本条是产业发布而非学术研究。所给 URL 的页面标题为 “Daybreak models are now available on AWS”，候选摘要显示：OpenAI 和 AWS 正在通过 Amazon Bedrock 提供 Daybreak 网络安全能力，以支持企业安全工作流。具体发布内容、合作背景与可用范围待核实。
OpenAI
查看来源原文据腾讯研究院AI速递转述，Anthropic 新一代 Sonnet 5.5 遭泄露，内部代号「Fennec」，据称已进入最后阶段，最早或于下月发布，直接对标 DeepSeek V4 Flash；核心升级包括 200 万 token 上下文、更快推理与更低延迟、长上下文与多步规划增强，以及浏览器与终端等工具调用改善。
泄露对象：Anthropic 新一代 Sonnet 5.5，内部代号「Fennec」。 当前状态：据称已进入最后阶段，最早或于下月发布。 对标产品：DeepSeek V4 Flash。 信息性质：来自泄露与业界推测，Anthropic 尚未官方确认（待核实）。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA NeMo Switchyard 通过“模型路由”机制，让 AI Agent 在任务执行过程中按需选择最合适的模型，在模型能力、成本与延迟之间取得平衡，从而避免“所有请求都发给最大模型”带来的浪费，也避免“一律使用小模型”造成的质量下降。
本材料来自 NVIDIA 技术博客，发布于 2026 年 8 月 11 日，介绍 NeMo Switchyard 这一模型路由解决方案。文章指出，构建 AI Agent 并非选定一个模型就结束，不同模型各有优缺点与成本特征，且同一工作负载的不同步骤可能需要不同能力的模型。NeMo Switchyard 提供了一套“系统化模型池”的编排思路，使开发者可以在不…
NVIDIA 博客
查看来源原文ARA（Agent-Native Research Artifact）是一种面向AI阅读、复现和延伸研究的“Agent原生”科研知识格式，主张用包含探索过程、可执行代码和原始证据的知识包取代传统论文PDF。实验显示，AI基于ARA的理解和复现表现明显优于传统PDF加代码仓库，但ARA距离全面取代PDF仍有较大距离。
传统科研论文以PDF为最终载体，呈现的是“从问题到答案”的线性成功叙事。ARA团队认为，真实的科研过程充满失败、试错和放弃，而传统论文在写作中会把这些信息剪掉，形成“叙事税”；同时，论文只要说服审稿人即可，不需要让AI完整复现，导致模型版本、超参数、环境等关键细节缺失，形成“工程税”。
量子位
查看来源原文JetPack 7.2.1 首次为 Jetson 带来 PyNvVideoCodec 2.2 的 Python 硬件加速视频编解码支持，并以统一 `jetson-videosdk` 智能体技能将开发者意图转换为可执行、可测量、可复现的视频流水线；同时支持在 Jetson T5000 模块上仿真 Jetson T3000 性能，便于提前开发面向低功耗、紧凑型…
NVIDIA 于 2026 年 8 月发布博客，介绍 JetPack 7.2.1 新能力。视频是 Jetson 应用的核心数据通路，覆盖机器人、智能视频分析、工业自动化、医疗、媒体处理和远程操作等场景。JetPack 7.1 已为 Jetson Thor 引入 NVIDIA Video Codec SDK，提供 C/C++ 开发者访问 NVENC/NVDE…
NVIDIA 博客
查看来源原文Meta宣布重回开源路线，发布Muse Spark 1.2，并开源300亿参数Agent模型Muse Glimmer；后者采用Apache 2.0协议，经4bit量化后仅需24GB显存即可运行，面向端到端任务、工具调用、多步推理等Agent场景设计。
Meta宣布开源发布Muse Spark 1.2，扎克伯格发表长信《The Future is for Everyone》，主张超级智能应赋能每个人而非集中于少数机构。同时，Meta开源了300亿参数Agent模型Muse Glimmer，权重已上Hugging Face，采用Apache 2.0协议。
腾讯研究院（搜狐同步）
查看来源原文Erik Brynjolfsson将AI重新定义为“放大意图”——AI放大行动能力，但方向仍取决于使用者；下一代开发者的核心能力将从“写代码”转向“调度Agent集群”，并从被动接工单转为主动发现和定义问题。
该观点来自“腾讯研究院AI速递 20260811”中引述的斯坦福AI经济学家Erik Brynjolfsson的论述。他提出，AI的价值不只是自动化执行，而是放大使用者的意图；开发者正在面对一种新的工作方式：同时调度一群Agent并行工作，并且需要把少数高手的经验转化为Agent可调用的上下文。
腾讯研究院（搜狐同步）
查看来源原文VidForensics-M1 首次将“元检测”（meta-detection）引入 AI 生成视频检测，通过强化学习同时优化预测标签与支撑证据，并利用时间定位作为可验证证据来源，从而提升对未知场景和新兴视频生成器的泛化能力。
视频生成模型的快速发展使得合成视频与现实内容的界限愈发模糊，带来虚假信息风险。现有基于多模态大语言模型（MLLM）的检测器多依赖监督微调或仅标签级强化学习，这种粗粒度监督限制了模型对未见场景和新兴生成器的泛化能力。作者提出一种新的检测范式：在强化学习框架内联合优化标签预测与证据生成，并引入可验证的时间定位证据，以增强检测可靠性与可解释性。
arXiv 论文
查看来源原文本文提出一个“测试时自进化”框架，让GUI智能体在部署后无需人工标注真值，通过“探索—评估—反思—内化”闭环持续改进视觉定位能力，在六个基准上平均准确率相对基座模型提升7.4%。
GUI视觉定位（GUI Visual Grounding）是GUI智能体的基础能力。现有模型部署后通常冻结参数，难以适应未见过的界面；近期虽有方法尝试用测试时强化学习进行适应，但这些方法无法对失败的探索进行反思。为此，本文提出一种测试时自进化框架，在无人工标注真值的条件下，让模型在部署后继续自我改进。
arXiv 论文
查看来源原文在固定动作标注示范预算下，先利用无动作内窥镜视频预训练手术视觉动态、再微调联合动作预测的 Surgical WAM，将四个模拟手术操作任务的平均成功率从 63.5% 提升至 77.8%，说明无动作视频可以为手术机器人闭环控制提供可迁移的视觉动态先验。
手术机器人策略学习的一个主要瓶颈是动作标注示范稀缺：遥操作手术机器人（如 dVRK）的同步视频-运动学轨迹采集成本高，而手术任务又要求精确接触处理、长程推理和双臂协调。内窥镜视频相对廉价且丰富。已有手术世界模型虽然利用视频，但大多用于仿真或策略评估，很少把学到的动态转化为闭环控制。
arXiv 论文
查看来源原文MISA-T 是一种面向混合强化学习（RL）回滚服务的路由层准入策略，通过自适应会话准入、工作负载感知的 KV 缓存容量分配和驻留时间感知的 KV 记账，在保持前缀缓存命中率和工作负载混合比例的前提下，显著提升 rollout 吞吐并缩短迭代时间。
现代大语言模型（LLM）的强化学习后训练流水线越来越需要组合来自多个领域和反馈范式的 rollout 工作负载。前缀感知路由可以通过缓存复用和负载均衡提升推理效率，但无法控制异构 rollout 会话如何竞争 KV 缓存容量。当 RLVR、RLHF 和 agentic rollouts 共享异步推理服务时，它们不同的序列结构、交互模式和 KV 驻留时间会产…
arXiv 论文
查看来源原文MMCS 提出一种新的多模态预训练范式，通过把文本实体替换为对应视觉对象来提供显式对象级监督，仅用 5 万样本即可匹配或超过基于 60 万图像-文本对训练的模型。
现有多模态大语言模型（MLLMs）的模态对齐预训练主要使用图像-文本对，将全局图像表征映射到长文本描述。这种图像级对齐存在指称歧义：模型难以从全局表征推断多个视觉对象与文本实体之间的对应关系，导致数据效率低、语义接地（semantic grounding）不佳。论文提出 MMCS 以解决该问题。
arXiv 论文
查看来源原文AI 研究系统可以在长程数学研究中帮助人类专家把格罗滕迪克常数 \(K_G\) 的最佳已知界限收紧为 \[ \frac{6\pi}{11} \le K_G \le \frac{\pi}{2\log(1+\sqrt2)} - 10^{-4}, \] 并产出被领域专家认为新颖的数学洞见。
AI Agent 在数学研究中的使用越来越多，但“如何有效使用它们”仍然不清楚。 本文以格罗滕迪克常数 \(K_G\) 为对象，给出一个长程人机数学协作案例研究。 \(K_G\) 的精确值尚属未知；它刻画组合问题与其连续松弛之间的难度差距。 作者报告使用 AI 研究系统改进了 \(K_G\) 的最佳已知界限，并详细讨论了使用 AI 进行数学研究的长处与短板…
arXiv 论文
查看来源原文本文构造了一个交互式 PCP 协议，使多项式时间验证者只需在少数点上查询电路、并读取一个证明预言机的少量位置，即可验证由概率电路和置信电路隐式表示的指数多个概率主张的近似一致性。
概率预测器在回答大量条件概率查询时，其答案是否自洽？这种自洽性能否在多项式时间内验证？该问题与 AI 安全相关：如果安全依赖于模型对“某项行动可能引发不希望结果”的概率预测是否诚实，那么就需要形式化地验证这些概率主张的一致性。
arXiv 论文
查看来源原文本文提出一种分层经验贝叶斯朴素贝叶斯（HEB-NB）平滑方法，通过数据自适应地学习 Dirichlet 先验浓度，取代固定强度的平滑规则（如 Laplace、Lidstone、Krichevsky-Trofimov、m-估计），在理论上给出 minimax 最优性保证，并在 31 个基准数据集上提升概率预测质量与校准性能。
朴素贝叶斯（NB）是分类数据的标准分类器，但常用的平滑规则使用固定平滑强度，忽略了特征基数、样本量和类别不平衡，导致在现代高基数表格数据上产生非消失偏差。论文旨在解决这一问题，提出自适应平滑的 HEB-NB，并将其扩展至 AODE（平均单依赖估计器）。
arXiv 论文
查看来源原文TrustNLP 研讨会六届共 144 篇论文显示，可信自然语言处理领域的研究重心已从“静态模型的事后解释”转向“生成式系统的机制理解与主动控制”；其中 truthfulness（真实性/诚实性）是增长最快的维度，fairness（公平性）是最持续的主题，explainability（可解释性）则呈 U 形变化。
TrustNLP 是自 2021 年起与 ACL 系列主要会议联合举办的可信 NLP 研讨会，六届会议录论文从 8 篇增至 41 篇。该工作综合了全部 144 篇 proceedings 论文，沿六个信任维度进行分类，分类框架基于 TrustLLM、DecodingTrust 等已有框架。摘要把六年的总体变化概括为“从可解释性到控制”：早期更关注静态模型的…
arXiv 论文
查看来源原文在受控合成基准 CriticalSCM-Bench v1 上，学习排序模型 LambdaMART 仅在部分供应链场景中显著优于简单基准；而在数字基础设施场景中，领域知识驱动的常量缓冲策略依然更强，说明供应链干预排序不应默认追求模型复杂度。
检测或归因供应链扰动，并不等于选择能最大化“可恢复净值”的干预措施。本文提出“决策感知的因果干预排序”问题，并发布 CriticalSCM-Bench v1 基准，用于在因果真值已知的条件下评估不同干预策略的净值表现。
arXiv 论文
查看来源原文ConVAWG: A Retrieval-Grounded Framework for Controlled Synthetic Dialogue Generation in Violence Against Women and Girls
arXiv 论文
查看来源原文条件独立性（CI）检验是约束基因果发现的“统计引擎”：在 PC、FCI 等算法中，骨架剪枝和关键方向判定直接依赖 CI 检验结果；本综述将常用 CI 检验方法分为六大家族，并系统考察其假设、稳健性与可扩展性。
本文是一篇关于约束基因果发现中条件独立性检验的综述，重点面向生物医学领域常见的高维和混合数据类型。研究问题包括：不同 CI 检验族在什么情况下能反映数据生成分布、何时失效；测试层面的性质（如功效随条件集大小衰减、Ⅰ/Ⅱ 类错误的不对称后果）如何传导为图层面的骨架恢复与 v-结构定向错误。
arXiv 论文
查看来源原文Capturing Uncertainty in Human Motion for Representation Learning in Soccer
arXiv 论文
查看来源原文本研究对稀疏自编码器（SAE）的活跃潜在特征集合进行“集合级重叠”分析，发现SAE特征在理想化设置之外并不以简单“特征袋子”（bag-of-features）的语义进行组合，且其集合相似性主要追踪模型内部结构，而非人类概念边界或典型性判断。
既有工作（Shani et al., 2026）发现：大语言模型（LLM）的密集表示大致能恢复人类概念类别边界，但无法反映细粒度的典型性结构；该工作使用的是基于密集模型表示的余弦相似度。 本文重新审视该问题，改用“活跃SAE潜在变量集合的重叠度”作为更可解释的相似性度量，并检验它能否更好地拟合人类概念判断。
arXiv 论文
查看来源原文AdvFD 提出在 Fréchet 距离损失中加入“可学习的对抗表征”，并用真实特征白化来稳定对抗训练，从而缓解生成器后训练中的“Fréchet hacking”问题，在 JiT 和 pMF 两种骨干上一致改善单步生成器后训练效果。
Fréchet 距离近期被用作生成器后训练的分布级目标，补充传统的样本级扩散损失和流匹配损失。 直接优化 Fréchet 目标可能导致“Fréchet hacking”：目标指标持续改善，但视觉质量或其他特征空间中的 Fréchet 对齐停滞甚至恶化。 作者认为该问题源于现有 Fréchet 损失使用静态预训练特征空间，这些特征空间只能提供“固定且不完整”…
arXiv 论文
查看来源原文材料为 arXiv:2608.11173v1，作者 Eric A. F. Reinhardt 和 Adam J. Hauser，arXiv 显示发布时间为 2026-08-11，分类为 quant-ph、cs.LG。 该论文针对 Transformer 等现代 AI 模型中的注意力机制，讨论其中一类输入输出被约束为概率单纯形（输出分量和为 1）的问题。 研…
arXiv 论文
查看来源原文ExtractBench 是一个覆盖 370 份真实企业文档、4,869 页、8 个业务领域、67 种文档类型的开源文档提取基准；在该基准上，LlamaIndex 新推出的 LlamaExtract Agentic Plus 以 95.6% 的总体 value F1 和 8.1 美分/页的成本位列第一。
研究问题：企业智能体正越来越多地基于非结构化文档中的关键业务数据运行，当人类不再逐条校对时，文档提取系统需要在生产级场景下被可靠评估。 现存基准的不足：第一代基准（如 SROIE、DocILE、RealKIE）只评测固定字段恢复，无法评估系统面对未见过的 schema 的能力；新一代 schema-guided 基准虽支持推理时新 schema，但覆盖面窄…
LlamaIndex 博客
查看来源原文