本期 57 件事。点击标题可查看卡片、来源与相关知识点。
据量子位报道，中国具身智能创业公司“超维动力”在2026年世界机器人大会（WRC）现场演示了人形机器人打乒乓球，并展示了从本体、灵巧手、数采设备、世界模型到训练Infra的全栈布局；文章判断，具身智能竞争正从“单点Demo”转向“本体—模型—数据—真实场景”的闭环效率。
2026年8月26日，量子位报道，超维动力在全尺寸人形机器人KAI Bot上演示乒乓球系统SMASH，现场吸引大量观众。 同步展示的还有高自由度灵巧手KAI Hand、数采头环KAI Halo、KAI World Model，以及覆盖数据和训练流程的KAI Embodied AI Infra。 核心问题：为什么具身智能需要同时做硬件本体、具身大模型、高质量…
量子位
查看来源原文Agnes 最新发布 Agnes Video 2.5 系列，其中 Flash 版本在 Pavo 平台上完全免费（消耗0积分），可用于大量生成和前期试错；Agnes Video 2.5 每天赠送200积分，支持最高2K视频和多参考输入，官方定位面向短剧、广告等真实商业内容场景。
2026-08-26，量子位报道，明星AI实验室 Agnes 发布 Agnes Video 2.5 系列，并上线 Pavo 创作平台。作者实测使用 Flash 免费复刻抖音《云上天宫》和制作精致版《牛来》，并在剧情短片模式下生成短剧、广告片、宣传片和特定风格MV。
量子位
查看来源原文OpenAI 就 Hugging Face 安全事件公布了调查发现，并概述了为加强 AI 模型安全、监控与对齐而采取的后续步骤；由于原始正文未能抓取，具体事件细节和措施内容待核实。
涉及对象：Hugging Face 安全事件；OpenAI 参与调查并分享发现。 研究问题：如何从该事件中吸取教训，强化 AI 模型的安全、监控与对齐。 具体事件经过、影响范围、时间线等：待核实。
OpenAI
查看来源原文Physical Intelligence 联合创始人 Levine 判断，机器人仍处于 GPT-2 之前的阶段，行业尚未找到可持续放大的“Transformer 式”路径，也难预测数据翻倍能带来多少能力提升。
在腾讯研究院 AI 速递（20260826）收录的对话观点中，Physical Intelligence 联创 Levine 对机器人行业的技术阶段、数据价值、泛化来源和可靠性门槛作出判断，核心结论是机器人尚未进入可预测规模化阶段。
腾讯研究院（搜狐同步）
查看来源原文雷鸟创新CEO李宏伟认为，智能眼镜的终局仍是“AI+AR”；在AI进展快于AR的当前阶段，眼镜的首个杀手级应用应是AI助理。新品“iO”以“人类增强”为定位，主动放弃摄像头、大芯片与Android，聚焦全天佩戴与AI，先以“全天智记”增强记忆。
这则材料来自“腾讯研究院AI速递 20260826”中的“对话”栏目，记录了雷鸟创新CEO李宏伟关于智能眼镜产品方向与技术路线的观点。核心讨论问题是：智能眼镜的终局形态是什么？当前应该优先做AI还是AR？产品设计如何在性能、佩戴体验与隐私之间取舍？
腾讯研究院（搜狐同步）
查看来源原文LingBot-Vision 是一个以边界为中心的自监督视觉基础模型，利用掩码边界建模（Masked Boundary Modeling）让边界表征从数据中自发涌现，并在无预训练骨干、无人工标注、无外部边缘检测器的条件下，在深度估计、语义分割、视频目标分割等稠密感知任务上取得领先结果；同时作为 LingBot-Depth 2.0 的编码器初始化，显著提升深…
现代视觉基础模型往往优先保持语义不变性（semantic invariance），却牺牲了细节空间理解。LingBot-Vision 从“边界/形状不连续”入手研究视觉预训练，认为边界和形状不连续为感知几何属性提供关键线索。其核心是掩码边界建模：模型在预训练中在线学习亚像素（sub-pixel）边界表征，并把发现的边界承载 token 作为掩码目标，驱动稠…
technology.robbyant.com
查看来源原文LingBot-Map 是一个流式 3D 重建模型，通过名为“几何上下文注意力”（Geometric Context Attention, GCA）的结构化流式状态，在 10,000+ 帧的长序列上以约 20 FPS 实时构建高保真 3D 场景地图，且单帧内存与计算开销近乎恒定。
流式 3D 重建的核心问题是“记忆”——保留什么、以什么形式保留。LingBot-Map 提出 GCA 作为可端到端学习的紧凑流式状态，解决在持续输入视频帧时如何高效维持全局几何一致性的问题。该模型同时支持相机位姿估计和深度图预测，并在多个 Benchmark 上展示了流式位姿估计效果。
technology.robbyant.com
查看来源原文LingBot-Depth 用“深度传感器自身产生的空洞”作为掩码信号，通过掩码深度建模（Masked Depth Modeling, MDM）学习用 RGB 视觉上下文补全缺失深度，把消费级深度相机在玻璃、镜面、金属等反光透明物体上失效的问题，转化为可训练的感知任务，并在深度补全、单目深度估计、立体匹配和机器人抓取上取得领先结果。
消费级深度相机在无纹理区域、透明玻璃、镜面和金属表面经常无法输出有效深度，因为立体匹配算法在左右视图“看起来一样”或发生畸变时会失效，产生“空洞”。LingBot-Depth 的核心研究问题是：如何把这些传感器失效区域从“噪声”变成“学习信号”，让模型根据 RGB 图像理解视觉上下文，预测缺失区域的度量级深度。
technology.robbyant.com
查看来源原文据 a16z 合伙人 Casado 爆料，一款被称为“今年最重要发布”的新模型即将到来，多方线索指向 Ilya Sutskever 旗下 SSI 的首款模型，传闻核心是持续学习突破，但尚未获得官方证实。
a16z 合伙人 Casado 预告已获得一款新模型的访问权限，称其为今年最重要的模型发布。 多方线索指向 Ilya Sutskever 旗下 SSI（Safe Superintelligence）的首款模型，或于 8 月亮相。 SSI 成立两年几乎零公开成果，却以“无收入、无产品”状态完成 20 亿美元融资，估值达 320 亿美元，坚持“能力与安全同路”…
腾讯研究院（搜狐同步）
查看来源原文根据现有元数据，在线旅游公司 loveholidays 正在利用 OpenAI Codex，让非技术团队也能参与软件开发，从而更快地把想法变成产品。具体机制与效果暂待核实。
来源页面标题为“How loveholidays is making everyone a builder with Codex”，可初步判断为 loveholidays 的官方案例分享。 核心信息：loveholidays 使用 OpenAI Codex 降低软件开发门槛，使公司内更多角色能够“构建”产品。 具体部署方式、使用场景、实际成效等细节，因未能…
OpenAI
查看来源原文通用具身基础模型DM0.5在港大等近20所机构联合发起的RoboDojo评测中综合排名第一，其中Memory维度表现大幅领先，并已全面开源模型权重与训练框架。
腾讯研究院AI速递（20260826）报道，原力灵机DM0.5作为通用具身基础模型，在RoboDojo评测中综合排名第一。RoboDojo由港大等近20所机构联合发起。报道称，DM0.5在仿真榜以24.90综合得分、19.34%平均成功率大幅领先，并在Memory维度获得47.74分、成功率47.44%，远超第二名，成为登顶关键。
腾讯研究院（搜狐同步）
查看来源原文候选摘要显示，OpenAI 正在将 **ChatGPT for Teachers** 扩展至 **55 个美国学校系统**，为超过 **100,000 名**教育工作者和教职员工提供安全 AI 工具、培训与支持。由于原始网页正文未能抓取，以上数据及细节有待原文核实。
**事件概述**：OpenAI 官网发布文章《Bringing ChatGPT for Teachers to more U.S. school districts》，介绍 ChatGPT for Teachers 向更多美国学区扩展。根据候选摘要，本次扩展涉及 55 个美国学校系统，新增覆盖 10 万多名教育工作者和教职员工。
OpenAI
查看来源原文据AGIBOT官网新闻（2026-08-26），AGIBOT在世界人形机器人运动会（World Humanoid Robot Games）首秀中赢得18枚金牌，位列金牌榜和总奖牌榜第一；具体赛事细节与统计口径待核实。
AGIBOT官网新闻中心发布题为“AGIBOT Wins 18 Gold Medals on World Humanoid Robot Games Debut, Tops Gold and Overall Medal Tables”的新闻，宣布公司在世界人形机器人运动会首次亮相即获得18枚金牌，并在金牌榜和总奖牌榜上均排名第一。网页正文未抓取，比赛的时间、…
agibot.com
查看来源原文英伟达首次公布下一代机柜级系统 Vera Rubin NVL72 的片上实测结果：使用 DeepSeek-V4-Pro 运行智能体编码任务，每兆瓦吞吐较 GB300 最高提升约 30 倍，每百万 Token 成本最高下降约 35 倍；同期还发布了首款 Agent 专用 Vera CPU，并被 SpaceXAI 规模化部署。
在 Agent 时代，旧有基准已不足以衡量推理系统。英伟达改用反映上下文增长与工具调用的 AgentX 测试，首次对 Vera Rubin NVL72 进行“片上实测”，对比现有主力 GB300。
腾讯研究院（搜狐同步）
查看来源原文苹果发布新一代Mac mini与Mac Studio，搭载M6及M5 Pro/Max/Ultra四款芯片，以统一内存架构主推本地大模型运行；其中M6为首款2纳米M系列芯片，AI性能最高达M4版4倍，Mac Studio还可通过Thunderbolt 5组集群做分布式推理。
腾讯研究院AI速递于2026年8月26日报道，苹果发布新一代Mac mini与Mac Studio，搭载M6、M5 Pro/Max/Ultra四款芯片。Mac mini起售价6999元，Mac Studio起售价19999元，多款配置较前代涨价500—1000元。
腾讯研究院（搜狐同步）
查看来源原文NVIDIA 提出的 COMPASS（Cross-Embodiment Mobility Policy via Residual RL and Skill Synthesis）框架，借助 AI 编码代理和人类审批门，将预训练的 NVIDIA X-Mobility 导航策略适配为面向特定机器人与环境的“残差专家”，从而显著降低跨本体、跨环境导航策略开发与复现…
导航需要机器人持续定位、理解环境变化、规划路线并避障到达目标。传统上，将导航能力迁移到新机器人或新场景，需要重新采集数据、制作仿真资产、修改机器人接口、训练、诊断和评估，每个“机器人-场景”组合都昂贵且难以复现。NVIDIA 技术博客（2026-08-26）提出一种代理驱动工作流：开发者只需定义机器人、场景源和导航目标，编码代理即可调用仓库技能完成环境验证…
NVIDIA 博客
查看来源原文Alibaba 发布的 Qwen3.8-Flash-Next 预览模型，以 176B 总参数量、6B 每 token 激活参数，结合 Gated DeltaNet 与 Qwen Sparse Attention 的混合架构，在 NVIDIA GB300 NVL72 上可实现每 GPU 超 16K tokens/s、每用户超 200 tokens/s 的吞吐…
NVIDIA 技术博客于 2026 年 8 月 26 日发文，介绍 Alibaba 开放 Qwen3.8-Flash-Next 模型权重。该模型被视为即将到来的 Qwen4 架构的预览版本，供开发者实验和评估。NVIDIA 在 GB300 NVL72 上提供 Day 0 推理支持，并配套 NeMo 微调、强化学习及多推理栈方案。
NVIDIA 博客
查看来源原文Codex负责人Tibo表示，ChatGPT与Codex终将融合为高度个人化的AGI；下一代Agent的关键不是堆叠更多机制，而是让skill、记忆、子Agent等机制“消失”，成为持续理解用户的伙伴。
腾讯研究院AI速递 20260826 中摘录了与Codex负责人Tibo的对话，涉及额度重置、ChatGPT与Codex融合、Agent演进方向、OpenAI推理优化与对齐安全等内容。
腾讯研究院（搜狐同步）
查看来源原文豆包工作通过与飞书原生打通，让办公Agent直接读取企业聊天、文档、表格与权限上下文，成为目前最接近企业Agent终局的一组实践答案。
2026年8月26日，“豆包工作”作为面向生产力场景的Agent产品正式发布，支持飞书企业账号一键登录。量子位对其进行了深度实测，核心问题不是“Agent能不能干活”，而是在基础能力趋于同质化之后，Agent能否真正理解一家公司的组织上下文和工作流。
量子位
查看来源原文Zero-WAM 提出一种以人类操作视频作为“上下文指令”的因果视频-动作模型，让机器人零样本执行训练中从未见过的操作任务，在 RoboTwin 2.0 的 7 个未见任务上平均成功率达到 47.0%。
研究问题：机器人操作中的零样本跨任务泛化——如何在训练时未见过某任务的情况下，让策略直接执行该任务？
arXiv 论文
查看来源原文VoiceMem 提出一种带有“信息左脑 + 情感右脑”的流式双脑记忆架构，可在语音对话系统中实现高精度、情感化、个性化且低延迟的实时记忆读写，检索仅需 134 ms，不增加额外对话延迟。
双工语音语言模型（SLMs）等对话系统仍缺少一个流式、准确且具有共情能力的记忆系统作为“灵魂”。为此，VoiceMem 提出了一种简单的记忆架构，包含并行的信息性“左脑”、情感性“右脑”，以及流式记忆输入/输出机制；并配套构建了面向记忆感知 SLM 训练的完整流程、长时程评估方法和可解耦部署方案（支持可互换的记忆后端）。
arXiv 论文
查看来源原文VISA 把多模态指令跟随数据的合成从“一次性生成-过滤”转变为“合成-验证-反馈-记忆-再合成”的自我进化闭环；在 MM-IFEval 上稳定提升多模态指令跟随性能，并在七个公开基准上保持通用多模态能力。
多模态指令跟随模型需要准确、多样、可验证且有挑战性的训练数据。现有合成管线通常是一次性生成再过滤，把失败样本的反馈、验证器输出和目标模型错误都丢弃了。VISA 提出将这些信息重新循环利用，让数据合成过程随着迭代自动演化。
arXiv 论文
查看来源原文VBVR-Pro 是一个把“通过视觉生成进行推理”变成可训练、可验证、可优化、可对照实验的闭环测试平台：用 300 个程序化任务支撑训练，用规则化的可验证奖励替代 VLM 裁判，并在超过 30 种图像/视频/交错生成器上做机制研究，提出存在对视觉推理至关重要的“视觉原生轨迹”。
“原生视觉推理”（native visual reasoning）把图像和视频不是当作待理解的输入或待渲染的输出，而是当作超越语言的、用于问题求解的一等介质。但该方向缺少可扩展的训练任务、可靠的反馈信号，以及跨生成介质的受控比较。VBVR-Pro 针对这三个瓶颈提出闭环测试床。
arXiv 论文
查看来源原文本文提出 UGDiff，一种不确定性引导的扩散采样范式：先估计高保真图像潜在特征的重建不确定性，再结合扩散采样器每步的后验方差动态确定高不确定性区域，从而指导扩散过程只在这些区域重点恢复高频细节，其余区域保持保真度，最终在感知质量与失真之间取得更好平衡。
单图像超分辨率（SR）面临“感知-失真权衡”这一根本挑战。扩散类超分方法能生成感知上很真实的图像，但保真度不足；近期工作尝试提高保真度，却往往因为过度依赖高保真图像而损害感知质量。本文针对这一矛盾，提出新的扩散引导范式 UGDiff。
arXiv 论文
查看来源原文在B模式超声图像中，使用超声域内基础模型作为LPIPS骨干，比使用自然图像或医学通才骨干更能匹配下游监督任务性能；LPIPS骨干选择是一个不可忽略的设计决策。
医学影像常用LPIPS（Learned Perceptual Image Patch Similarity）在特征空间进行图像的语义比较。现有LPIPS通常使用在自然图像上预训练的骨干网络，但B模式超声图像具有独特的斑点噪声和声学统计特性，与自然图像甚至其他放射学图像都不同。研究者提出：超声数据需要领域特定的模型来衡量感知相似性，而这在其他影像模态中未必成…
arXiv 论文
查看来源原文大型语言模型在孤立编程问题上能写出正确代码，但在需要数小时反馈循环的机器学习开发上仍弱于强人类；TraceML 用版本级开发轨迹把这一差距定位为智能体动作范围狭窄、不常切换、不重新打开已放弃方案，并显示从人类实践中提炼的短规划提示只能部分弥合差距。
TraceML: An Empirical Analysis of Human-Agent Planning in Machine Learning Development
arXiv 论文
查看来源原文对LLM数据智能体而言，答案正确不足以证明可靠：必须进一步检查答案背后的“计算轨迹”是否完整、可执行、符合模式、忠实于算子、可重放、与答案一致且可审计；仅凭答案准确率会高估真实系统的可靠性。
论文针对结构化数据任务中的部署可靠性问题。论文指出，基准测试中“答案正确”的样本可能由无效的计算轨迹产生；而自然语言推理和自由形式理由无法可靠地转化为真实系统所需的算子级程序。这种“结构鸿沟”（Structure Gap）导致部署失败。为此，论文提出“轨迹完整性”（Trace Integrity）作为部署可靠性标准，并引入执行契约和CAIT率来度量并缓解该…
arXiv 论文
查看来源原文在一次决策优化问题中，如果决策者凭借人类经验判断“名义问题最优值不太大”，那么这种主观信念所能带来的最坏情况性能保证的最大改进，恰好等于某个 max-min 问题的 minimax gap（前提是策略的最坏情况性能计算可写成凸规划）。
本文研究的是含未知参数的优化应用。决策者面对的参数无法从数据中完全得知，但其本人基于领域知识和物理世界互动，拥有数据集之外的人类信息，因而相信：如果真实参数已知，自己会求解的那个“名义问题”的最优值不太可能很大。论文试图回答：这类人类信念能否被严格地转化为更好的性能保证？若能，改进的上限是多少？
arXiv 论文
查看来源原文The epistemic debt of generative AI
nature.com
查看来源原文在SwarmWorld中，最初同质的语言模型（LLM）智能体无需预设角色或配方，仅通过共享环境中的持久化痕迹（stigmergy）即可自组织出技术社会；共享社会能产生更广泛、更有韧性的技术组合，但在最强单个工件上，隔离搜索仍具竞争力。
现有大多数多智能体系统依赖直接对话、预定义角色或集中式工作流，去中心化智能体能否自行构建功能性技术并超越独立搜索，仍不清楚。SwarmWorld通过一个空间模拟环境研究这一问题：初始同质的LLM智能体在无指定角色或配方的条件下，通过环境介导的协作涌现出技术演化。
arXiv 论文
查看来源原文StreamPI 是一个不引入额外参数的流式多模态时间建模框架，可以让单帧 VLA 模型（如 pi0.5）获得时间推理能力，并在真实机器人任务和 LIBERO 模拟基准上的多样化任务中表现优于 pi0.5（具体性能数值待核实）。
StreamPI: Streaming Multimodal Temporal Modeling for Vision-Language-Action Models
arXiv 论文
查看来源原文Robust CurveMoE 提出一种将模式连通性（Mode Connectivity）与混合专家（MoE）结合的防御框架，通过低损耗路径连接针对不同扰动范数特化的模型，在 CIFAR-100 和 ImageNet-100 上相比最强基线将 Union 准确率分别提升 2.37 和 2.13 个百分点。
多范数对抗防御旨在保护神经网络免受不同范数约束（如 L∞、L2、L1 等）下对抗扰动的影响。现有方法通常在一个参数配置中同时优化多个相互竞争的鲁棒性目标，导致训练成本高、鲁棒性权衡不佳。Robust CurveMoE 尝试利用模式连通性，让不同范数特化的模型通过低损耗路径连接，并借助混合专家架构实现高效的多范数防御。
arXiv 论文
查看来源原文RefVideo-6M 是一个包含 500 万视频编辑样本和 100 万图像编辑样本的大型参考引导数据集，它把无伪影的真实视频作为编辑目标，并提供约 600 万视觉参考，以缓解现有数据集目标视频伪影多、视觉参考缺乏的问题。
近年来，视频编辑的进展在很大程度上依赖大规模指令式数据集。但已有数据集有两个关键局限： 目标视频通常由自动编辑模型生成，可能带有可见伪影，导致监督信号不可靠； 多数公开数据集主要依赖文本指令，缺少对精确编辑、身份保持和可控编辑至关重要的视觉参考。
arXiv 论文
查看来源原文本文提出名为 **R³** 的后训练方法，将现成的视觉语言模型（VLM）训练成“机器人推理器”，使其生成自由形式的自然语言推理，作为测试时计算（test-time compute）信号来引导底层操作策略，并在两个长时程操作基准上显著优于仅使用指令的模仿学习基线。
语言推理能让基础模型在推理时投入更多计算来处理难题，例如任务分解、约束跟踪和未来后果预测。但在机器人操作中，长时程任务需要跟踪部分进度、推理物体关系、从错误中恢复，并引导噪声较大的底层策略。本文研究的问题是：**VLM 能否被训练为直接用自然语言推理来引导底层操作策略？**
arXiv 论文
查看来源原文Prefix Sliding 通过只保留“前缀 + 最近窗口”中的 token，并丢弃中间推理 token，把长推理的内存需求变为有上限，让测试时缩放能够更高效地扩展到超长推理轨迹；无需训练即可让现有模型提速约 3 倍并保持性能。
测试时缩放（test-time scaling）通过增加推理时计算来提升模型表现，例如让模型推理更久。然而，模型在全注意力下必须把整条推理轨迹保留在内存中，因此需要长思考的困难任务可能成本过高。论文发现，随着推理继续，大部分中间推理 token 的重要性下降，从而质疑是否值得一直保留它们；为此提出 Prefix Sliding。
arXiv 论文
查看来源原文PlanSightRAG 是一个直接对图纸图像建立索引并进行推理的视觉优先多模态 RAG 框架；在五个州交通部标准图纸的零样本检索上达到 91.47% Recall@5，在合成合规图纸上，只有在提供预解析规则阈值时才达到 100% 判定准确率。
土木基础设施合规检查长期依赖工程师人工阅读传统二维图纸。基于 OCR 的自动化流程会剥离图纸中对于理解至关重要的几何与布局信息。PlanSightRAG 提出直接基于图纸图像（而非 OCR 文本）进行检索和推理的方案，以自动化标准图纸的问答与合规检查。
arXiv 论文
查看来源原文PPE 是一个由自然语言查询直接驱动的自主 AI 系统，能够自动完成多模态地理空间数据的检索、融合与模型选择；在摘要报告的多项任务中，它超过了人工调参的专家基线和公开最优模型，例如将美国 CDC 21 项健康指标的平均 R² 从 60.0% 提升到 76.8%。
粮食安全、灾害风险、疾病暴发和社会经济脆弱性等全球挑战需要高保真地理空间建模。 当前构建“行星尺度”预测模型的主要瓶颈是数据生态碎片化：需要人工完成数据检索、多模态数据整理与融合，并反复迭代模型选择。 PPE 的目标是将这一端到端流程自动化，让用户只输入自然语言查询，即可获得定制化的地理空间预测结果。
arXiv 论文
查看来源原文标准OCR技术在处理真实身份证件时存在结构性缺陷，字段级错误率难以达到KYC/AML合规所需的99.9%准确率门槛；以LlamaParse为代表的agentic document extraction（智能体式文档提取）通过布局感知与模型路由，将OCR从“逐字符识别”升级为“先理解、后提取”的合规管道。
本文讨论的问题是：为什么标准OCR在KYC（了解你的客户）工作流中无法满足AML（反洗钱）合规要求。
LlamaIndex 博客
查看来源原文MyoMechanix 是一个面向负重动作的多模态数据集/基准与推理系统：它将多视角RGB、3D姿态、表面肌电（sEMG）等生理信号与专家标注的健身知识图谱（FKG）结合，并通过组合式推理引擎 CUBIST 做“分解—分析—重组”，从而把动作质量评估从“看视频/姿态的整体打分”推进到可解释、可归因、可生成纠正反馈的教练式理解。
现有动作质量评估（AQA）数据集和方法大多只使用RGB和姿态等视觉输入，忽略肌肉力学等生理动态，且常把动作当作整体模式建模。 这导致难以提供细粒度、基于生物力学的动作反馈。 作者提出 MyoMechanix 来弥补这一缺口：以负重动作为对象，将“动作运动”与“肌肉活动”对齐，并加入专家知识结构以支持组合式评分和可解释评估。
arXiv 论文
查看来源原文Imitation Learning for Connection-Tableau Construction
arXiv 论文
查看来源原文ICON分解通过在多变量框架中同时考虑所有概念和结果，量化每个概念在控制其他概念后所解释的层方差比例，以避免单概念审计将概念间相关性误认为模型真正使用它们的证据。
深度神经网络常利用训练数据中的虚假关联进行预测，即“捷径学习”。基于概念的可解释性方法通常逐个测试某个概念（如患者性别或扫描仪设置）能否从网络层中解码，从而筛查模型是否依赖不该用的概念。但这种孤立评估方式可能把概念之间的相关性误判为模型实际使用它们。ICON分解正是为解决这一审计漏洞而提出。
arXiv 论文
查看来源原文论文为Transformer注意力中的LoRA更新建立了任务相关的秩-误差理论界，说明LoRA秩的选择可由目标更新的谱尾部能量等因素指导，而非仅凭经验。
LoRA的秩（r）通常靠经验选择。本文从理论角度研究：在固定一个预训练注意力头、一个目标注意力函数和一个下游输入分布时，秩为 r 的 query LoRA 更新能达到的最小期望 KL 误差是多少。 研究同时涉及softmax饱和、多头融合以及查询/键联合更新对秩需求的影响。
arXiv 论文
查看来源原文Group-Shared Low-Rank Approximation for Mobile-Efficient Pointwise Convolutions in Large-Kernel CNNs
arXiv 论文
查看来源原文该论文提出在自动驾驶规划“承诺前”加入一个由语言引导意图模块驱动的门控层，基于平滑的“意图-几何发散度”评分拦截计划机动；在重放的驶离道路事件和四段碰撞片段中，门控是唯一能修复计划的层，且将评分不确定性视为“弃权”而非“半个冲突”后，误触发率从 9 次/5.9 分钟降至 0.341 次/分钟。
车辆交互中的意图误解会导致反复出现的规划失败。论文研究一个决策层：在走廊包络（corridor envelope）上游、计划机动“承诺前”进行门控，目的是在交互后决策失败实际发生之前预判意图发散并阻止计划执行。
arXiv 论文
查看来源原文通过微调多语言基础模型 Whisper Small，可以在仅约0.54小时人工转写语音的极低资源条件下，为巴尼瓦语（Baniwa）建立自动语音识别（ASR）初步基线，最佳词错误率（WER）为37.5%，字符错误率（CER）为7.45%。
当前ASR技术得益于大型多语言基础模型而性能显著提升，但多数进展集中于高资源语言；原住民语言仍普遍缺乏语音资源和语言技术。本文针对巴尼瓦语——一种使用于巴西、哥伦比亚和委内瑞拉的阿拉瓦克语系（Arawakan）原住民语言——探索将 Whisper 模型适配到该语言的可行性。研究使用来自语言文档项目的1,373条人工转写录音，总时长约0.54小时，内容主要为…
arXiv 论文
查看来源原文通过将基于稀疏自编码器的机械可解释性首次引入粒子物理，研究者从一个中微子基础模型的内部表征中识别出经严格验证的物理概念图谱；该图谱虽未被原有的方向重建头利用，却能被一个不确定性头因果性地使用，从而显著提升中值角分辨率。
论文研究的问题是：中微子基础模型内部是否编码了可解释的物理概念，以及这些概念能否被下游任务有效利用。研究对象是一个在 IceCube 数据上预训练、并针对方向重建进行微调的中微子基础模型。作者使用稀疏自编码器对其内部表征进行机械可解释性分析，这是该技术路线在粒子物理领域的首次应用。
arXiv 论文
查看来源原文DualOPSD 让同策略自蒸馏（OPSD）中的特权教师不再固定：先由学生从特权教师学习，再在同一学生轨迹上让教师向更新后的学生分布移动，从而在 Qwen3-8B 非思考模式下相对 OPSD 提升 AIME 2024、AIME 2025、HMMT 2025 的 avg@12，并在多个规模上减少截断。
OPSD 使用学生模型的一个特权副本作为教师，提供密集监督，不需要外部教师。 已有 OPSD 在训练过程中让特权教师保持固定，但学生的输出分布和输出风格会随训练变化，导致监督信号与当前学生不匹配。 论文提出 DualOPSD，一种非对称交替更新框架，同时调整学生与教师两侧策略，使后续监督能够响应学习者的变化。
arXiv 论文
查看来源原文在人类阅读与大语言模型（LLM）处理中，概念性信息（conceptual information）与指称性信息（referential information）被破坏时呈现出可区分的加工动态：概念干扰引发更强、更局部、快速衰减的加工代价，而指称干扰引发更弱、更渐进、且更受句界调节的分布式加工过程。
语言意义根植于概念内容，而特定实体的指称则在词进入话语时浮现。该研究旨在考察这两种意义维度在加工动态上的差异：通过分别破坏短叙事中的概念信息或指称信息，追踪人类自定步速阅读以及大语言模型的预测性与表征性加工后果。
arXiv 论文
查看来源原文在对话理解中，单纯由“局部不匹配”驱动的信念更新会破坏共同基础（grounding）并损害检索表现；相反，一种对“累积不确定性”敏感的保守策略——面对局部不匹配时先保持原有理解，直到不确定性充分积累才进行修正——能够兼顾连贯理解与检索性能。
当说话者指称听话者无法直接看到的场景时，听话者必须决定：是保留当前理解，还是随着新话语到来而修正理解。许多语言系统将“局部不匹配”视为更新信号：与当前理解的偏差越大，就越应该调整。本文质疑这一默认假设，提出对话理解可能更保守——会参照先前理解来解释不匹配的证据，而不是立即修正。
arXiv 论文
查看来源原文AGENTEX 是一个机器人化的无细胞（cell-free）翻译平台，可在不改造活体基因组的前提下，快速设计并测试重新编码的遗传密码，使密码子被重新分配并引入非标准氨基酸。
标准遗传密码用 64 个密码子编码 20 种常见氨基酸。虽然“新到自然”的遗传密码有望带来新化学、治疗方法和生态系统工程，但对整个生物体基因组进行重新编码极其困难。本研究旨在用自动化无细胞流程替代繁琐的基因组合成/编辑，以高通量方式原型化测试新的遗传密码。
nature.com
查看来源原文AsymSpec 提出一种“上下文不对称”的投机解码框架：轻量级 draft 模型读取完整输入，大型 verifier 只读取压缩后的输入，并通过对比式 δ-融合与分歧感知接受门来保持验证稳定性和高草稿接受率，从而在压缩上下文导致精度损失时，平均达到约 90% 的全上下文精度，同时带来 1.3–1.7 倍吞吐加速和 0.2–0.3 倍计算成本。
Agentic LLM pipeline 中，检索、工具调用和多轮交互会让上下文不断累积，推理成本快速上升。为控制延迟，实际部署常对输入做压缩，但会降低任务精度。投机解码（Speculative Decoding, SD）可以无损加速生成，但它假设 draft 模型与 verifier 看到完全相同的上下文，因此无法解决“压缩带来的精度损失 vs 推理开销…
arXiv 论文
查看来源原文一个自主 AI 智能体能够在完全无人值守的情况下，完成无线小区边缘功率控制 ML 算法设计的全部环节（架构、输入/输出表示、损失函数、训练采样规则等），在固定推理预算内达到传统优化参考的 99.5% 性能，并将推理成本降低约 600 倍。
无线资源管理中的机器学习算法设计目前高度依赖人工：架构、损失函数和训练流程都需要研究者手工指定，劳动密集且经验性强。本文展示这一“设计层”可以完整地交给一个自主智能体。研究者只设定不可变的目标指标和评估约束，让智能体自主编辑训练脚本、运行固定预算实验，并根据结果决定保留或丢弃修改。论文选择了一个有挑战性的任务：多小区网络中面向小区边缘吞吐量的“和最小百分位…
arXiv 论文
查看来源原文本文提出一种面向多模态大语言模型（MLLMs）的“视觉依赖感知”（Visual Dependence-Aware, VDA）框架，让已部署模型能够从流式无标注数据中持续进化，同时缓解跨模态灾难性遗忘并保持新任务可塑性。
研究问题：已部署的 MLLMs 如何利用流式无标注数据持续进行“多模态无监督持续后训练”（Multimodal Unsupervised Continual Post-Training, MU-CPT）？ 已有无监督后训练方法通常均匀优化所有目标 token，忽略了 token 在视觉依赖（Visual Dependence, VD）上的异质性。 作者发现…
arXiv 论文
查看来源原文该研究提出一种自进化的测试时防御框架：通过跨交互的持久规则记忆，把一次成功的越狱攻击抽象为“方法级规则”并在未来输入中复用，使大语言模型防御无需更新参数也能不断适应新出现的越狱手法，同时保持正常回答能力。
大语言模型仍易受越狱攻击，常见手法包括角色扮演、混淆、代码变换、多步间接引导等，用来诱导模型输出有害内容。论文指出，现有防御大多在部署时固定安全行为，无法积累防御经验，也难以应对未见过的新型越狱策略。
arXiv 论文
查看来源原文MAP是一个将结构化生物学知识注入单细胞扰动建模的AI框架，能在药物完全没有转录扰动谱的情况下进行零样本预测；在三个基准上，将top-50差异表达基因Pearson delta相关性的最强基线提升最高达+19.8%（数据集OP3），并在非小细胞肺癌A-549的虚拟筛选中将5个已批准抗癌药中的4个排进前15。
预测细胞对化学扰动的反应是构建“虚拟细胞”的关键，但实验已测序的化合物只覆盖化学空间的一小部分。 现有模型通常把药物当作孤立标识符，不编码其机制关系（如共享结合模式或通路调节），因此难以泛化到未profiled化合物。 本文提出MAP（mechanism-aware perturbation response predictor），通过整合结构化药理知识来…
nature.com
查看来源原文静态嵌入模型通过查找表为每个 token 提供向量，再用平均池化得到句子向量。由于它没有 transformer 前向计算，速度很快，且对 WebAssembly 友好。ColBERT 等模型则使用“晚期交互”和 MaxSim 打分：每个查询 token 找到最匹配的文档 token，再将这些最佳匹配分数相加。
LlamaIndex 博客
查看来源原文这篇 Perspective 提出，借鉴生物体的“内感受”（interoception）——即监测和调节内部身体状态以维持内稳态的机制——可以为人工智能体提供稳定且普遍可用的内部参考信号，从而增强其在动态变化环境中的自主性和适应性。
尽管人工智能已取得显著进展，但构建能够在持续变化的环境中自主追求目标并不断适应的智能体仍是根本性挑战。生物体天然具备这种自适应自主性。本文聚焦于内感受过程，认为它是生物体生存的基础，并试图将其抽象为适用于人工系统的计算框架。作者整合控制论、生命理论、强化学习和神经科学，提出一个关于内感受如何增强人工智能体自主性与适应性的统一观点。
nature.com
查看来源原文