本期 35 件事。点击标题可查看卡片、来源与相关知识点。
OpenAI产品设计负责人 Ian Silber 判断，聊天框不会是 AI 产品的终极界面；AI 已能承担出色的产品设计，人的价值转向发现未满足需求，以及提出缺少先例的新交互方式。
在《腾讯研究院AI速递 20260914》的“报告观点”部分，OpenAI产品设计负责人 Ian Silber 就 AI 产品设计、ChatGPT 能力使用率、前沿功能落地路径和聊天界面形态给出判断。核心问题是：当模型能力已明显富余、聊天框又成为主流交互时，AI 产品设计下一步应走向哪里。
腾讯研究院（搜狐同步）
查看来源原文匿名模型Ox Alpha现身OpenRouter，免费开放1M上下文并支持图片、视频输入，因谐音“牛来”走红；公开测试显示其推理链接近GLM-5.3，小样本DeepSWE通过率80%，但模型自身无法确认其权重、参数与开发者。
腾讯研究院AI速递20260824收录：匿名模型Ox Alpha出现在OpenRouter，具备1M上下文，支持图片和视频输入，免费开放调用。因名字谐音“牛来”在中文互联网引发热度。有用户将其接入Claude Code令其自查，生成七章网页报告，但模型坦言无法得知自身权重、参数与开发者，“我是Ox Alpha”仅为系统提示所赋名字。开发者小样本测试显示，O…
腾讯研究院（搜狐同步）
查看来源原文OpenAI匿名图像模型现身Arena，疑似GPT Image 2.5
腾讯研究院（搜狐同步）
查看来源原文商汤开源轻量级原生统一多模态模型 SenseNova U1.5 Lite，以8B参数规模支持3-4k字符超长复杂指令、原生4K输出与图像编辑；据材料口径，该模型在指令遵循和图像编辑保持度上超过同量级模型，且可单卡运行，兼顾性能与部署成本。
商汤开源 SenseNova U1.5 Lite，定位为轻量级原生统一多模态模型的“正式版”，聚焦真实视觉创作交付。模型原生支持超长复杂指令、4K输出与图像编辑，并已在 GitHub、Hugging Face、魔搭社区全球开源。
腾讯研究院（搜狐同步）
查看来源原文OpenAI产品设计负责人Ian Silber认为，生成式AI压缩了从想法到实现的时间，但执行能力增强不等于AI能独立完成产品判断；设计师的重心正从方案制作转向问题定义、方向判断与结果验证。
腾讯研究院AI速递（20260824）报道了OpenAI产品设计负责人Ian Silber关于AI时代设计角色变化的观点。核心问题是：当生成式AI大幅降低“实现”门槛后，设计师的核心价值和工作重心应该如何转移？
腾讯研究院（搜狐同步）
查看来源原文作者认为，AI 时代“超级个体”是真实趋势，但“超级团队”是伪概念。团队协作成立的前提是“判断可以让渡”，而超级个体的核心资产恰恰是不可让渡的判断。超级个体真正需要的是“编队”（单一意志 + 多个执行体），而非由多个超级个体组成的团队。
本文是一篇约 8700 字的评论文章（据文章），围绕一个组织学问题：AI 放大个人能力之后，把多个“超级个体”聚合在一起，是否就能得到“超级团队”？作者借林格尔曼效应、斯坦纳过程损失公式、布鲁克斯定律、漫威电影和《奥德赛》等素材，论证“超级团队”在逻辑上不成立。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA 的交互式 AI 推理加速器 Groq 3 LPX 与 NVIDIA Vera Rubin NVL72 平台结合，在 Artificial Analysis 的 100K 上下文基准上，对 Gemma 4 31B 模型实现了 3,431 output tokens/second 的中位生成速度，展示了长上下文、小批量场景下的高交互性推理能力。
Agentic AI 的多轮交互中，上下文会随会话不断增长，长期会话可能达到数十万 token。要求模型在保留长上下文的同时，以极高的速度（每用户每秒数千 token）生成输出，这对推理系统提出了独特的工程挑战：高交互性需要很小的 batch size，而 tensor parallelism（TP）在这种规模下可能因通信协调开销而失效。
NVIDIA 博客
查看来源原文据AGIBOT官网新闻标题，AGIBOT将与长隆（Chimelong）合作开发“全球首个具身智能主题公园”；但网页正文未抓取到，合作细节、时间表与具体内容均待核实。
该新闻条目发布于2026-08-24，标题为“AGIBOT Partners with Chimelong to Develop the World’s First Embodied Intelligence Theme Park”。从标题可确认的核心信息是：
agibot.com
查看来源原文OpenAI 宣布 GPT‑5.6 现已集成到 Kiro 中，帮助开发者在规划、构建、审查和测试软件时获得更好的性价比（price-performance）。具体功能细节、定价和性能数据待核实。
根据官方页面元数据，本条信息介绍的是 GPT‑5.6 在 Kiro 中的可用性。由于未能抓取正文，具体发布时间、Kiro 的产品形态、使用方式以及功能范围均待核实。
OpenAI
查看来源原文谷歌与圣路易斯华盛顿大学团队提出EnvHarness，通过在静态环境外增加可编程层，使训练环境能够随Agent策略持续进化；配套EnvRigger自动诊断Agent弱点并编写验证组件，在多个基准上优于原始环境与领域专用环境。
研究问题：传统强化学习/Agent训练通常依赖固定环境，环境无法根据Agent能力变化自适应调整，导致训练信号不足或任务难度失配。 EnvHarness 的目标是让“静态训练环境”随Agent进化，而无需重建环境或修改验证器。
腾讯研究院（搜狐同步）
查看来源原文DeepSeek推出实验性多模态视觉理解模型V4-Flash-Vision-Exp：纯文本能力与V4-Flash正式版持平，视觉Agent能力大幅提升、接近Opus-4.8；API按token计费，单张图片最多384 tokens，价格与V4-Flash一致，并开放免费Files API。
据“腾讯研究院AI速递 20260824”报道，DeepSeek上线了实验性多模态视觉理解模型V4-Flash-Vision-Exp。该模型属于V4-Flash的视觉扩展版本，重点提升视觉Agent能力，而非替代V4-Flash正式版。
腾讯研究院（搜狐同步）
查看来源原文在第二届世界人形机器人运动会开幕式上，银河通用人形机器人进行全球直播网球对抗，材料称其完成发球、正反手、网前截击、极限救球与摔倒起身；双打中还可与人类队友实时战术协作。材料未给出具体赛事日期、地点、网坛名将姓名及比赛详细规则，待核实。
腾讯研究院（搜狐同步）
查看来源原文Anthropic 上线免费教育平台 Claude Academy，将员工入职培训内容公开，核心不是教写 Prompt，而是用 AI Fluency 4D 框架训练用户判断“哪些任务该交给 AI、如何检查 AI 的产出”。
据腾讯研究院 AI 速递 20260824 报道，Anthropic 上线 Claude Academy，把原本面向内部员工的入职培训内容公开。平台包含 289 个课程、教程与真实用例，注册即可学习，并可获得可验证徽章。课程覆盖从 AI 基础到 Claude Code、API、MCP、agents 及生产级部署。
腾讯研究院（搜狐同步）
查看来源原文AI正在将经济学测量从“寻找可规模化测度”的瓶颈，转变为“在众多看似合理的测度中做选择与验证”的挑战；要获得可信推断，需要把测量锚定在显式标准上进行验证，而不是仅凭“代理指标看起来合理”的非正式宣称。
这是一篇经济学领域（econ.GN）的综述论文，作者为 Melissa Dell 和 Ashesh Rambachan，2026年8月24日发布于 arXiv，编号 2608.23524v1。 研究问题：AI模型能以低成本将文本、图像等非结构化数据转化为结构化变量，使过去难以实现的大规模测量成为可能。但当同一现象存在多种可选的AI测量方式，且它们可能支持不…
arXiv 论文
查看来源原文多智能体LLM系统的表现并不主要取决于智能体数量，而取决于智能体之间交换的信息；如果让智能体阅读彼此的完整输出，一轮交互就会使提案趋同，产生“交互税”。
既有研究对多智能体交互的作用看法不一：有的报告辩论、批评循环、智能体混合合成带来增益；另一些发现同等预算下交互增加成本但不提升质量，独立采样已能获得多智能体增益。 本论文提出，这些矛盾部分源于缺少一个关键区分：并非所有多智能体通信都是等价的。 研究问题：多智能体LLM交互是帮助还是损害？为什么会产生矛盾结果？
arXiv 论文
查看来源原文现有编码智能体在“修 bug”上能力提升，但还不能可靠地自主完成整仓库技术栈迁移。SWE Refactor Bench 的 520 次前沿模型运行中，只有 28 次（5.4%）通过全部三阶段评估；最佳模型 claude-opus-5 得分为 47.0/100，20 个任务中有 13 个没有任何被接受解。
现代软件系统长期积累技术债，技术栈迁移成本高且大多依赖人工。 研究问题：编码智能体能否像修 bug 一样，自主完成长周期、全仓库的栈迁移？ 指出已有评测基准的“Blindness”问题：它们只看行为正确性，不检查迁移是否真的发生，所以智能体可以复制原始实现来让测试通过。 为此提出 SWE Refactor Bench：包含 20 个全仓库迁移任务，覆盖 4…
arXiv 论文
查看来源原文在 SWaT 基准和统一离线评估协议下，11 个异常检测器对训练期数据污染的鲁棒性高度依赖具体模型，且无法仅凭干净数据上的性能进行预测；注入式污染造成的性能退化最严重，而 PCA、SVM、HBOS 和 IForest 相对稳定。
机器学习异常检测越来越多地用于工业控制系统（ICS），但大多数研究假设检测器的训练数据是可信的。实际中，训练数据可能因日志被篡改、标注错误、历史记录被操纵或不安全的再训练过程而被污染。本文针对这一缺口，评估离线 ICS 异常检测流程在训练期数据污染下的鲁棒性。
arXiv 论文
查看来源原文ReWorld 提出一种把“动作跟随”与“长时记忆”解耦的交互式世界模型：训练时用混合注意力窗口兼顾短期控制与长期记忆，推理时用固定预算的 KV 缓存和位姿索引地标库支持分钟级往返生成，并声称在动作跟随、长时回忆和视频质量上超过六个近期的交互式世界模型（待核实）。
交互式世界模型必须同时做到三件事：跟随用户动作、记住已经展示过的场景、并以实时流式方式生成视频。候选摘要指出这里存在一个结构性矛盾：动作跟随倾向于依赖较短的近期上下文，而记忆需要不受限的长历史。ReWorld 的核心研究问题是：如何在不无限扩大上下文的前提下，让模型既能做好短期控制，又能完成长时程记忆与重访。
arXiv 论文
查看来源原文对于均匀（uniform）和重掩码（remasking）两类离散扩散模型，本文提出一种基于留一法去噪器（leave-one-out denoiser）的一阶采样器，其所需离散化步数只由目标分布的固有依赖结构（对偶总相关，DTC）决定，而非环境维度 d，从而在理论上证明采样复杂度可以实现维度自适应性。
离散扩散模型通过并行更新坐标，为自回归生成提供了有希望的替代方案，但其采样效率高度依赖于前向过程与采样器的选择。已有研究表明，在均匀前向过程下，标准 τ-leaping 采样器的下界随环境维度 d 线性增长。本文要回答的问题是：这种对维度 d 的依赖是否是均匀前向过程本身所固有的？
arXiv 论文
查看来源原文Prime Agent: A Self-Improving RLM Harness
arXiv 论文
查看来源原文根据摘要结果，老年下肢骨折或髋关节置换术后康复中的多个临床结局可以被建模为多输出回归问题，且联合预测优于单独预测；NODE 多输出回归器在 MAISON-LLF 数据集上取得 MSE=3.96、MAE=1.02。
老年人在下肢骨折或髋关节置换术后可能经历复杂的恢复轨迹，但功能恢复、社会隔离等临床结局通常被分开研究，忽略了它们对康复的联合影响。该研究使用 MAISON-LLF 数据集，将多模态传感器数据与多项临床评估结果联系起来，并将问题表述为多输出回归，以同时预测多个临床结局。
arXiv 论文
查看来源原文本文提出一种名为 Phy-BP 的非侵入性血压估计框架，以三轴体震图（BSG）为切入点，将描述身体-床系统三维波传播的物理模型嵌入深度学习，并在 21 名受试者、162 小时医院数据集上表明：该方法能动态滤除低质量测量，并通过不同轴间的物理一致性约束提供更可靠的血压监测，尤其在训练样本有限时。
传统 BCG（Ballistocardiography）在实验室场景中可用于无打扰的长期血压监测，但其信号易受身体-床相互作用变化的影响，导致时间轴或幅度轴上的基准点漂移；同时血压随个体血流动力学变化而改变，这些因素会造成表征不对齐，影响模型的泛化性和稳健性。针对该问题，作者提出 Phy-BP，基于三轴 BSG（作为 BCG 的扩展）进行血压估计，并引入质…
arXiv 论文
查看来源原文WIEN-INR 是一种面向科学数据压缩的隐式神经表示（INR）框架，通过在多分辨率小波域中分层建模，并借助轻量增强网络恢复细微高频细节，使小型网络也能高保真保留全频谱信息，同时维持较低存储与训练成本。
科学数据采集速度持续超过存储与分析能力，基于体素（voxel）的表示越来越不可行。INR 用坐标网络把信号编码为网络权重，存储和计算随网络复杂度而非数据维度增长，因此有潜力成为数据的替身。但小型 INR 难以忠实表示多尺度结构、高频信息与精细纹理，而这些往往构成科学测量中的大量有效信息。作者提出 WIEN-INR，目标是让紧凑网络保留完整空间-频率内容，同…
nature.com
查看来源原文本文提出“局部蒸馏”（local distillation）框架：用一个黑盒AI“教师”模型在每个查询点定义局部训练权重并锚定预测，再拟合一个稀疏线性“学生”模型，从而在保持接近教师模型精度的同时提供局部可解释性；在17个基准数据集上，该方法几乎达到教师模型精度，并生成了每个测试点的稀疏线性模型。
现代AI模型（如表格基础模型和梯度提升集成）在预测准确性上可能超过经典方法，但几乎无法为单个预测提供推理依据。高风险决策场景需要“构建时即可解释”的模型，而非事后黑盒解释。作者利用“光滑回归函数在局部可近似为线性函数”这一性质，提出用局部线性建模弥合准确性与透明性之间的鸿沟，核心挑战在于：如何学习“局部”的范围，以及如何开发用于解释的统计工具。
arXiv 论文
查看来源原文本文提出惯性流形神经算子（IMNO），显式利用耗散型含时偏微分方程长时间演化中的有效低维结构，以提升长期自回归训练与预测中的物理可解释性、精度和稳定性；对平移等变 PDE，还提出保对称性的 IMNO-SE 变体。
耗散型含时偏微分方程的长时间动力学常常因耗散而呈现有效低维结构。标准神经算子架构（如傅里叶神经算子 FNO）并未显式利用这一结构。本文研究的问题是：如何把这种低维结构作为归纳偏置引入神经算子，从而更准确、稳定地求解非线性耗散 PDE？针对平移等变 PDE，作者进一步研究了如何利用平移对称性约束来提升模型性能。
arXiv 论文
查看来源原文针对基于评论家（critic）的强化学习训练不稳定的问题，论文提出 BPCO 配方，在数学推理任务中让每个提示仅采样一个响应即可匹配或超过 GRPO 这类基于组的基线方法。
GRPO 等基于组（group-based）的强化学习方法通过每个提示采样多个响应来避免训练 critic，但采样成本高。一个可靠的 critic 本可以从单次响应估计 token 级优势，但标准 critic 训练方法常常不稳定。本文研究这种不稳定性，并提出 Best-Practice Critic Optimization (BPCO)。
arXiv 论文
查看来源原文在短期内，AI辅助可以提升任务表现，但长期可能削弱技能发展。本研究发现，更低的AI请求成本会促使参与者更频繁地使用AI；在AI可用期间请求过AI帮助的参与者，在AI被移除后任务表现更差，且其后续无辅助表现若用之前AI辅助阶段的表现来预测，会被高估。摘要指出，独立推理被AI替代时，技能发展较弱。
本研究针对“AI辅助短期提升绩效、但可能长期损害技能发展”的张力，设计了一项控制条件下的逻辑谜题实验。参与者在AI可用之前、期间和之后分别完成任务，并通过实验性改变AI请求成本来观察行为变化。研究问题是：AI辅助如何影响人的技能获得与独立推理能力？
arXiv 论文
查看来源原文隐式神经表示（INR）可以把大规模科学测量数据编码为紧凑函数；采用层级化编码（图注中称为 WIEN-INR）后，有望比普通 INR 保留更丰富的细尺度细节。当前材料仅为 News & Views 预览，具体技术细节与量化结果待核实。
这是《Nature Machine Intelligence》于 2026 年 8 月 24 日在线发表的一篇 News & Views 文章，作者为 Shuhang Gu 和 Kexuan Shi。文章评论的是 Ni 等人同期发表于该刊的论文（doi:10.1038/s42256-026-01287-9），讨论如何利用隐式神经表示压缩科学数据，并重点介绍…
nature.com
查看来源原文论文提出专家锚定蒸馏（Expert-Grounded Distillation, EGD）框架，将机构级道路安全审计经验压缩进一个80亿参数的视觉语言模型，使该系统在孟加拉国视觉道路安全审计任务中的风险评级表现优于其310亿参数教师模型和 Gemini-2.5-Flash，为低资源环境下的主动式道路安全审计提供了可扩展方案。
中低收入国家的道路交通事故伤亡问题严重，但主动式道路安全审计受限于：事故记录不完整、合格审计员短缺、大规模实地检查成本高昂。论文试图用视觉语言模型从道路图像中自动评估安全风险，以弥补上述缺口。
arXiv 论文
查看来源原文EarthVerse 是一个用于评估科学智能体在动态地球系统与自然灾害场景中端到端可靠性的基准测试。它包含 405 个可复现任务，基于 199 个有记录事件和 19 类灾害；在受控工具使用协议下，25 个模型/智能体系统的最佳平均答案单元准确率达到 84.65%，但最高 Strict@95 只有 34.81%。这一差距说明当前智能体常常能完成单个步骤，却难…
地球系统分析需要从来源、尺度、时间和模态各不相同的观测数据中重建不断变化的物理过程。自然灾害使这类分析更具现实后果：不完整的证据可能改变对灾害严重性、暴露程度和发生机制的估计。
arXiv 论文
查看来源原文一个冻结的 DreamerV3 仅从摆锤视频中训练后，能在隐空间中学到一种近似守恒的“类能量”标量，但在自主想象推演中该标量会漂移；将隐状态投影回初始水平集可降低保守模型的推演误差，而匹配的随机约束通常反而增加误差。
世界模型可以预测视频，却不代表学到了能被可靠保持的动力学规律。本文的研究问题是：一个只见过摆锤视频的世界模型，是否在自身隐动态中学会了一个近似守恒的物理不变量？如果它确实学到了，为什么在自主推演中仍会违反这一约束？
arXiv 论文
查看来源原文ConvergeFlow 是一种基于嵌入空间的流式语言模型：它将数据预测器约束在 token 嵌入的凸包内，并仅用流匹配（flow matching）产生的均方误差（MSE）目标训练，在合适的正则条件下可证明流会收敛到合法 token 嵌入，从而无需交叉熵（CE）监督解码器即可直接预测 token；在 OpenWebText 上取得了与现有连续/离散扩散语…
连续扩散与流式语言模型近年已达到与离散语言模型竞争的性能。但现有连续框架仍依赖交叉熵监督的解码器，因为流轨迹并不保证终止于合法 token 嵌入。ConvergeFlow 针对这一“终点有效性”问题，尝试仅靠流匹配的 MSE 目标得到可证明收敛到 token 嵌入的语言模型，从而去掉 CE 监督解码器。
arXiv 论文
查看来源原文关于AI是否能有意识的公共讨论往往建立在一个误解之上：默认人类心智是脱离身体的、类似计算机的信息处理器；Anthony Chemero在《Intertwined Creatures》中论证，人类心智本质上是具身的、动态的、社会的现象，因此“AI是否能意识”的提问方式本身就值得怀疑。
这篇Nature书评（2026年8月24日）评述认知科学家Anthony Chemero的新书《Intertwined Creatures: The Embodied Cognitive Science of Self and Other》（Columbia Univ. Press, 2026）。 书评指出，人工智能、心理学和哲学领域忽视了一个关键方面：身…
nature.com
查看来源原文该论文提出了一种结合自监督预训练、LoRA 适配和原型分类头的混合框架，用于恶意数据包识别中的少样本类增量学习（FSCIL），并在多个数据集上超越既往基线，取得当时最优性能（具体数值待核实）。
恶意软件变体持续演化，检测系统需要不断适应新威胁，但不能每次从头重训。持续更新模型容易引发“灾难性遗忘”，即旧知识被新数据覆盖。虽然持续学习已被用于恶意软件检测，但“少数标注样本下学习新恶意软件类别”的 FSCIL 场景研究仍相对不足。本文正是针对这一空白，研究恶意流量/数据包分类中的 FSCIL 问题。
arXiv 论文
查看来源原文下肢外骨骼控制正从“先识别任务、再提供助力”的传统范式，转向端到端、任务无关的 AI 控制：通过实时估计生物关节力矩来直接生成辅助，绕开离散任务分类的瓶颈；但要大规模部署，仍须解决系统优化、安全机制和训练数据成本等关键挑战。
本文是发表于 Nature Machine Intelligence 的一篇 Perspective（观点/路线图文章），由 Shepherd 等人于 2026 年 8 月 24 日在线发表。研究问题是：传统外骨骼控制依赖人在回路优化，且常基于离散任务分类（如走路、上楼、坐下等）来切换控制策略；但人类运动是连续且无限变化的，任务特定型控制方法在真实世界中难…
nature.com
查看来源原文