AI 日报 · 2026-09-10

Meta首席AI官亚历山大·王（Alexander Wang）在David Senra播客中表示，Meta不参与编程Agent的同行竞争，而是押注面向35亿日活用户的个人Agent，并将超级智能体定位为C端软件的终点；其个人Agent产品Muse从2月原型起打磨7个月、100多项指标全部达标后才发布。

本条来源为腾讯研究院AI速递（20261013）第七部分“报告观点”，记录Meta首席AI官亚历山大·王在David Senra播客中的公开发言。核心议题是：在Agent赛道普遍聚焦编程等生产力场景的背景下，Meta为何选择面向海量C端用户的个人Agent方向，以及其产品节奏、团队组织与模型研发逻辑。

腾讯研究院（搜狐同步）

腾讯研究院AI速递（20260910）报道，OpenAI发布新一代图像生成模型ChatGPT Images 2.5，重点提升图片细节质量、生成速度与编辑精度。最大变化是无需重新生成整图，即可单独调整产品、背景、文字等元素，并在多轮修改中保持人物与产品等主体的稳定。API同步推出Flare与Sunburst两款模型，其中Flare延迟较上代降低50%。

这是产品发布类消息，不是学术论文或技术报告。 原报道将其列入“生成式AI”栏目首条。 原报道称，用户每周通过ChatGPT与API生成超过30亿张图片；统计口径与具体统计时间未在该材料中展开。

腾讯研究院（搜狐同步）

Cursor 于 2026 年 9 月 10 日发布 Projects beta，试图让开发者通过一个 coordinator 代理协调大量 subagents，以项目级方式承担功能开发、迁移和持续维护等更长周期工作。

Cursor 在博客发布 **Introducing Projects**，宣布 Projects 当天开始 beta 并向所有用户滚动。来源称，Projects 面向更大的工作体，例如一个功能、一次迁移或一个完整应用；它维护跨月上下文，把任务委派给数千个 subagents，并在无需提示的情况下执行重复工作。

Cursor 博客

Omen Alpha在第三方实测中表现出较强的视觉能力和极快的执行速度，能快速完成代码和交互demo，但逻辑推理是明显短板，整体呈现“重速度、轻推理”的取舍。

本条来自腾讯研究院AI速递20260910中的一条匿名模型实测资讯。其核心问题是：一个身份未公开的模型Omen Alpha，在真实任务中同时具备怎样的视觉、编码与逻辑推理能力？

腾讯研究院（搜狐同步）

OpenAI 在官方博客发布《Introducing ChatGPT for Financial Services》，从标题与元数据看，这是一款面向金融服务行业的 ChatGPT 垂直方案；候选摘要称其将“内置金融数据”与“GPT-6 Astra”结合，用于研究、建模和面向客户的交付材料——但原始正文未能抓取，以上细节均**待核实**。

已知事实层面：OpenAI 官方站点存在标题为 **Introducing ChatGPT for Financial Services** 的页面（来源见文末）。 从命名推断，该页面向金融服务（银行、资管、投研、财富管理等）场景介绍 ChatGPT 的产品能力或行业方案。 页面发布时间、版本号、面向对象（个人用户 / 企业客户 / 开发者 API）、是否…

OpenAI

在 4xB200、原生 256K 最大上下文和 50 TPS/user（20 ms ITL）目标下，NVIDIA NIM 2.0.12 对 Nemotron 3 Ultra 的全栈服务优化把系统输出吞吐从 718 tok/s 提升到 1,997 tok/s，材料标注为 2.5x v. Baseline，从而在相同交互性下支持更多并发用户。

NVIDIA Technical Blog 于 2026-09-10 发布文章，讨论生产级大语言模型部署中的核心问题：如何在可用 GPU 基础设施上服务尽可能多的并发用户，同时保持应用交互性。对 agentic AI 工作负载，这一问题更突出，因为提示可能很长、上下文会在多个步骤间复用，且应用常以流式返回较长回答。

NVIDIA 博客

据 OpenAI 官网一则案例页面的元数据，研究者 César de la Fuente 的实验室使用 Codex 与 ChatGPT，从现存与已灭绝生物的基因组中搜寻抗菌分子候选物，以应对耐药感染；但该页面正文未能抓取，具体做法与结果均待核实。

该材料的标题为 **How a researcher uses Codex and ChatGPT to search for new antimicrobial molecules**，发布在 OpenAI 官网（URL 见下）。 按候选摘要的表述，核心问题是：如何借助 AI 编程/对话工具（Codex、ChatGPT）在**现存物种与已灭绝物种的基因组…

OpenAI

NVIDIA 与 Palantir 将供应链关键物料分配中的专家决策、理由与结果沉淀到 Palantir Foundry 的 Ontology，用 NVIDIA cuOpt 求解每周最小化 Time of Ownership 的混合整数线性规划，并后训练 Nemotron 3.5 Lightning 生成可解释的分配建议；来源称该专用 30B 模型在开发基…

NVIDIA 称其供应链规模大且复杂，绩效从 wafer-out 到 first token 衡量，分为 time-to-rack 与 time-to-token 两段。Grace Blackwell NVL72 等平台涉及数百万零部件、数千供应商和数十家 OEM/ODM。关键物料分配问题（critical material allocation prob…

NVIDIA 博客

据量子位报道，ECCV 2026 的 MARS2 Workshop 及其挑战赛把 Agentic Commerce 和“AI 能否看懂营销视频”推上学术议程；结果显示多模态 AI 在广告视频整体理解上表现较好，但在长视频关键时刻定位、营销意图推理和可靠商业决策上仍有明显差距。

ECCV 2026 于 9 月 8 日至 12 日在瑞典马尔默举行，由欧洲计算机视觉协会主办；Google、Meta、Apple、Amazon 等为主要赞助商。 MARS2 Workshop 全称为《Multimodal Reasoning and Slow Thinking in the Large Model Era: Towards System 2…

量子位

DeepSeek开放平台自2026年9月10日12:00起调整V4-Flash系列API价格：闲时输入缓存命中0.02元、未命中1元、输出4元/百万token，高峰时段为两倍。速递标题称“输出价最高降60%”，但实际降价效果取决于缓存命中率、输入输出比例与任务能否错峰；V4-Pro价格不变。

腾讯研究院AI速递转述DeepSeek开放平台公告，称DeepSeek再次调整API定价。 调整范围仅涉及V4-Flash系列；定位更高的V4-Pro维持不变。 新价格表按“闲时/高峰+缓存命中/未命中”区分。 高峰时段定为周一至周五9:00至12:00、14:00至18:00。 材料指出：输入价格回到8月17日涨价前水平，输出价格仍为涨价前两倍。

腾讯研究院（搜狐同步）

谷歌 DeepMind 推出 AlphaGenome Atlas，用 AlphaGenome 模型预计算人类基因组全部 90 亿个单核苷酸变异的调控影响，形成约 1PB 的开放查询资源，并在合作研究中展示 AVI 评分对 DNM1 剪接变异定位和非编码遗传关联发现的价值。

据腾讯研究院 AI 速递 20260910 条目，DeepMind 发布 AlphaGenome Atlas。材料呈现的核心问题是：能否把 AlphaGenome 对变异调控影响的预测预先计算并封装为全基因组规模、可开放查询的资源，从而降低非编码变异解释门槛。

腾讯研究院（搜狐同步）

材料称，安努智能通过一周内发布六款模型，试图把工业具身智能的“数据生成—认知理解—训练进化—动作执行—端到端部署”串成闭环；其核心论点是“模型可以开源，部署经验不能”。

量子位 2026-09-10 报道，安努智能面向工业具身智能商业化落地，发布六款模型：Helios、SimLab、ActiWorld、EvoHIL、AnuVerse-0.5、Nexus。 报道提出的问题是：具身智能从 demo 到批量部署之间存在鸿沟，哪个场景离批量落地最近。材料判断，工业场景因动作重复度高、任务边界相对固定，可能比家用场景更早突破。 背景…

量子位

达芬奇21.1接入Claude与Codex，AI可参与后期流程

腾讯研究院（搜狐同步）

据腾讯研究院AI速递 20260910，清华大学教育学院团队在联合国教科文组织总部用开源项目 OpenMAIC 完成 90 分钟 AI 教育实战，从零做出一门课；OpenMAIC 在 v1.0 后 GitHub 星标突破 3.3 万，材料将教育视为继编程之后的 Agent 大场景（趋势判断待核实）。

时间/地点：9月8日，联合国教科文组织总部。 主体：清华大学教育学院团队。 行为：完成 90 分钟 AI 教育实战，使用开源项目 OpenMAIC 从零做出一门课。 候选摘要称，这是中国 AI 教育智能体团队首次登台；该“首次”口径待核实。 项目状态：OpenMAIC 于三月开源，30天获1.6万星；8月28日升级 v1.0 后突破3.3万星。

腾讯研究院（搜狐同步）

OpenAI 称其内部多智能体系统在约 88 小时内证明了纳维尔斯托克斯方程相关命题，并用 Lean 完成形式化验证；但该宣称的学术优先权、过程完整性与是否真正等同于解决千禧年大奖难题，仍待核实。

据腾讯研究院 AI 速递（20260910）条目“八、OpenAI宣布多智能体系统攻克纳维尔斯托克斯难题”，OpenAI 称内部多智能体系统证明：初始光滑静止的流体在光滑外力作用下可在有限时间内形成奇点。 材料称该问题属千禧年大奖难题，并称 OpenAI 公开了论文与 Lean 形式化证明。 材料称约 1 万个 Agent 参与；9 月 1 日启动、9 月…

腾讯研究院（搜狐同步）

据现有元数据，OpenAI 在 ChatGPT Work 中推出名为 Data agent 的数据智能体，声称可用自然语言连接企业数据、发现洞察并搭建交互式仪表盘；原文正文未能抓取，除元数据外的具体能力、可用范围与发布时间均待核实。

来源为 OpenAI 站点页面，标题为 **Now everyone can put data to work**，URL 为 https://openai.com/index/put-data-to-work。 候选摘要显示：这是 ChatGPT Work 中的 Data agent，面向“连接公司数据、发现洞察、用 AI 和自然语言构建交互式仪表盘”这…

OpenAI

Meta 发布个人 AI Agent Muse，用户只需说出目标，它便自行拆解任务、打开网页、填写表单并调用外部应用；首批面向美国用户开放 App、网页与 WhatsApp 端，并为每位用户配置独立的 Muse Secure VM，关闭应用后仍可在云端后台执行，由 Sentinel 系统审查敏感操作，并与 Stripe 合作生成一次性卡号。

据腾讯研究院 AI 速递 2026 年 9 月 10 日发布的信息，Meta 推出面向个人用户的 AI Agent 产品 Muse。该产品试图从“对话式助手”走向“任务执行体”：用户以自然语言说出目标，Muse 在云端自主完成网页操作、表单填写与外部应用调用。

腾讯研究院（搜狐同步）

扎克伯格的核心担忧是少数实验室或个人控制过于强大的 AI；他主张用开源等手段分散能力，但 Meta 仍保留闭源研发，并对最高风险能力设置独立委员会审查，同时通过模型、运行环境、账号与数据三层控制权，以及 Muse 的 Secure VM、Sentinel 等机制限制 Agent 行为。

来源材料将相关内容归入“报告观点”栏目：扎克伯格称，最担心的是少数实验室或个人控制过于强大的技术；他主张让更多人拿到同等级 AI 工具，以便自查系统漏洞，并判断平台结论是否可信。 核心问题可概括为：如何在让更多人获得强大 AI 能力的同时，防止最高风险能力被不当发布或滥用。具体采访、报告名称、发布日期与场合，材料未给出，待核实。

腾讯研究院（搜狐同步）

一项针对海事利益相关者的调查研究显示，受访者对海事技术和AI支持的碰撞避免助手总体持积极态度；信任在不同场景间较稳定，解释质量评价则更受场景影响且呈多维性。受访者重视决策支持、态势感知和信心建立，同时担忧AI可靠性、过度依赖和专业技能流失。因此，海事AI系统不应只追求提高自动化或信任，而应通过透明、可靠、具有操作意义的设计支持“校准依赖”，并让领域专家参与…

论文关注 Maritime Autonomous Surface Ships（MASS）与 AI-supported decision assistants 在海事运营中的应用前景。其安全整合取决于海事专业人员如何感知和信任这些系统。该研究通过调查海事利益相关者，考察他们对 collision-avoidance 场景中 AI 支持助手的态度，涉及技术焦虑…

arXiv 论文

Looped Flows 提出用局部去噪目标训练循环模型，并把推理形式化为概率流速度积分；摘要称其在六个推理基准上整体优于此前 SOTA 循环模型，ARC-AGI-1 测试准确率 58.8%、ARC-AGI-2 为 12.2%。

人类和机器常通过“花更多计算时间”来解决更难问题。深度学习中，looped models 在推理时反复更新隐藏状态来实现这一思路。但实际训练通常只反传一步或少数几步，导致早期更新很难被训练成能支持后续更新的状态。本文研究问题是：能否在梯度只覆盖少量更新的情况下，训练出可跨时间传递有用计算的循环状态，并在推理时通过更多计算解决更难问题、产生多个有效预测。

arXiv 论文

材料为 arXiv 预印本，标题：**The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement**，arXiv ID：2609.11873v1，发布日期标注为 2026-09-10T17:44:23Z，分类为 cs.LG、cs.AI、cs.CL。 核心问题：如何让 AI 系…

arXiv 论文

TART: A Modular Tool for Technique-Aware Audio-to-Tablature Guitar Transcription

arXiv 论文

在这项泄漏分层审计中，基于全国健康调查的心血管筛查模型所报告的高 AUROC 更主要由特征集/目标泄漏解释，而非模型类别；移除两个诊断后特征后，所有模型的性能差距收缩到很窄区间，透明玻璃盒模型与表格基础模型相比没有性能劣势且推理快得多，评估实践而非模型容量是约束。

背景：基于 national health surveys 训练的心血管筛查模型常报告 AUROC 约 0.89。 问题：该准确率反映学习还是目标泄漏？表格基础模型是否改变结论？部署所需的属性能否在联合检查下成立？ 数据与设计：在 2022 年行为风险因素监测系统（BRFSS）的 442,067 名受访者中，针对 prevalent myocardial…

arXiv 论文

SpecGuard 复用推测解码中的草稿 token 接受率变化来检测 LLM 后门触发，在不增加额外模型计算的情况下提供推理时监控；摘要称其在多种后门类型和模型家族中可靠检测触发行为，包括输入级过滤失效的隐蔽案例。

材料指出，大语言模型常被第三方微调、共享或下载，因此部署模型可能携带隐藏后门：在良性输入上表现正常，一旦出现秘密触发器，就切换到攻击者控制的行为。部署前审计后门仍然重要，但对频繁更新的模型而言，运行时监控也不可缺少。

arXiv 论文

SenseNova-U1.5 是一个 8B-MoT 原生统一多模态模型，在 encoder-free 和 VAE-free 架构中统一视觉理解、推理与生成；摘要称其在图像保真度、文字渲染、复杂构图、多参考编辑和交错生成等任务上取得进展，并计划开源 SFT、RL 和 on-policy distillation 训练代码。

原始英文标题：SenseNova-U1.5: Towards Native Unified Visual Intelligence。 研究问题：探索 native unified modelling，使系统能在完全端到端框架中“感知、推理、创造”，而不是依赖分离式的视觉编码器/VAE 管线。 论文信息：arXiv:2609.11929v1，主分类 cs.C…

arXiv 论文

论文研究的问题是：流式 SpeechLLM 能否在推理过程中动态修订自己的推理轨迹。 背景：SpeechLLM 相比级联 ASR + 文本 LM 架构，具有降低延迟、保留副语言细节的优势；但在复杂推理任务上仍落后于纯文本 LLM。 实时语音交互对延迟有严格要求。已有工作使用 CoT 和并发推理来增强推理能力并避免过高延迟，但仍存在固有的准确率-延迟权衡。…

arXiv 论文

在闭连通 Riemann 流形上，对光滑严格正初值的非局部连续性方程，其全局解随参数 \(b\to0\) 以全时间一致的 sharp \(L^1\) 速率 \(O(b^2)\) 收敛到热流；在圆上，对应的确定性 \(N\) 粒子动力学可用 \(b\asymp N^{-1/5}\) 在全时间以 \(O(N^{-2/5})\) 近似热流。

英文标题：Quantitative Diffusive Limits for Singular Nonlocal Transport。 研究方程： \[ \partial_t\mu_b =\operatorname{div}\!\left( \mu_b\nabla\log\bigl((I-b^2\Delta)^{-1}\mu_b\bigr) \right)…

arXiv 论文

该论文摘要称，多个在线性推荐设定下表现领先、受深度学习技术启发的模型，可被统一理解为只加入了核范数正则或 Frobenius 范数正则，并进一步提出两个低秩、闭式解以尝试兼取两类正则的优点；具体证明与实验效果待核实。

来源论文：**On the Regularization Landscape for the Linear Recommendation Models**，arXiv:2609.11876v1，主分类 cs.AI。 背景：近年来，受深度学习技术启发的推荐算法在多个标准推荐基准上成为性能领先者；这些算法基于不同技术，例如 dropouts、autoencod…

arXiv 论文

Nuha-Speech 提出一项面向阿拉伯语语音大语言模型（speech-LLMs）的通用基础设施计划，覆盖大规模阿拉伯语语音问答语料、基于 Qwen-Omni 的监督微调，以及多任务评估框架；摘要未报告具体性能结果，实际效果待核实。

随着 Speech Large Language Models 日益多语言化，阿拉伯语仍显著代表性不足。该工作要解决的问题是：在阿拉伯语语音资源有限的约束下，为阿拉伯语 speech-LLM 建立可训练、可评估的基础设施。Nuha-Speech 被描述为一项综合性计划，横跨数据集构建、模型训练和系统评估。

arXiv 论文

该论文证明：即使折扣因子固定为有理数 \(\gamma\in(0,1)\)，带多步转移前瞻的精确规划仍是 NP-hard；但针对每个固定前瞻深度，存在随机多项式时间近似方案，并可扩展到未知转移与随机奖励，学习算法的累计遗憾主项在对数因子内匹配经典表格折扣强化学习。

论文研究的是带转移前瞻（transition look-ahead）的强化学习：智能体在决定动作前，可以观察任意长度为 \(\ell\) 的动作序列会导致访问哪些状态。 已有工作已知多步转移前瞻下的最优规划是 NP-hard，但该硬度结果使用的折扣因子任意接近 1。因此此前不清楚：对任意折扣因子，问题是否仍然困难；以及是否仍能高效执行近优规划。论文声称同时…

arXiv 论文

据摘要，本文提出基于纤维化最优传输（fiberwise optimal transport）的模型感知调度构造，把预测风险与系数路径的 kinetic action 结合，在 DDPM 和 flow matching 上持续优于强基线，并报告 CIFAR-10 流匹配在 16 次函数评估下相对 FID 降低 38.6%。

英文标题：Model-Aware Schedules Improve Generation via Fiberwise Optimal Transport arXiv ID：2609.11842v1；作者：Luyi Jia, Boyan Zhang, Yilun Liu, Steffen Rulands；发布/更新：2026-09-10T17:30:44Z…

arXiv 论文

据论文摘要，MindTopo 是一个评估基础模型“拓扑直觉”的基准；结果显示，受测 MLLM 在推理任务上普遍好于规划任务，但最佳模型仍远低于观察中的人类表现，生成式观测也无法可靠保持环境动态与跨转移的拓扑一致性。

论文关注的问题是：基础模型能否在拓扑空间中进行推理。摘要指出，空间推理不仅依赖距离、角度、形状等度量性质，也依赖在连续变形下保持不变的拓扑关系；认知科学将这些关系视为空间理解的基础，但既有基础模型评测多集中在度量或视角依赖关系上。为此，作者提出 MindTopo，用于评估五类拓扑属性上的直觉：continuity、separation、order、encl…

arXiv 论文

据候选摘要，Logit Refiner 针对 Visual Autoregressive Models（VAR）同一尺度内 token 并行解码导致的“尺度内依赖缺失”问题，提出一个轻量自回归模块；它可接入预训练 VAR checkpoint，并在几乎不重训主干的情况下提升生成质量。正文未抓取，关键实验与结论均需以原文核实。

原始标题：**Logit Refiner: Improving Visual Autoregressive Models via Intra-Scale Dependency Modeling** 来源类型：arXiv 论文（Track: academic；Topics: foundation-model）。 候选摘要提出的核心问题：VAR 通过“下一尺度…

arXiv 论文

IndicTriMix 将社交媒体等场景中的三语混码语言识别建模为 token 级序列标注任务，基于 MuRIL 与 XLM-RoBERTa 微调，覆盖 Hindi、Gujarati、Bengali 三类数据配置，并公开人工标注测试基准与微调模型；但具体数据规模、标签体系与评测指标在摘要中未给出，待核实。

材料指出，代码混用文本主要出现在社交媒体中，用户常在同一句话内频繁切换多种语言。准确识别混码 token 的语言，对下游处理有迫切需求。传统面向单语文本的语言识别模型，不适合混码场景下的 token 级语言识别。

arXiv 论文

该工作提出一种引导式 DSM 超分辨率方法：以高分辨率光谱影像为引导，利用去噪扩散把影像中可见的清晰轮廓、屋顶结构等细节迁移到高程图中，将 5 m DSM 提升到 0.5 m；在中欧若干城市实验中，报告了优于传统插值或滤波方法的结构细节与表面几何。

高分辨率数字表面模型（DSM）对城市分析、三维建筑重建和基础设施监测很重要，但其获取成本高、流程复杂，导致可用性有限。另一方面，商业卫星任务提供的粗 DSM 较易获取，高分辨率光学影像也越来越多来自航空和卫星平台。该研究试图解决粗 DSM 与高分辨率影像之间的空间分辨率错配问题。

arXiv 论文

GPU-CFR 将固定游戏编译成静态数据流，并用 CUDA Graph Replay 以单次图启动回放 CFR 迭代，从而削减大量内核启动与框架调度开销；在单张 A100、八游戏套件上比此前最快 GPU CFR 快 29.8--80.4 倍，在四个最大游戏中比 LiteEFG 快 14--258 倍，且不改变 CFR 更新规则。

反事实遗憾最小化（Counterfactual Regret Minimization, CFR）是少数仍可能在 CPU 上快于 GPU 的大规模数值工作负载之一。 每次 CFR 迭代要遍历状态数可达数十亿的游戏树，并通过通用树接口发出数百万个相互依赖的小型 gather/scatter 步骤。 在 GPU 上每个 kernel 只需微秒级完成，运行时间主…

arXiv 论文

论文提出基于熵最优传输的 $\gamma^{*}$-concept shifts 概念，试图把协变量偏移和概念偏移统一到可估计的泛化误差界中，并给出 DataShifts 算法用于量化分布偏移与估计误差界。

分布偏移下的泛化仍是现代机器学习的核心挑战；摘要称现有学习界理论局限于狭窄、理想化的设定，且无法从样本中估计。论文首先指出现有概念偏移定义在源域和目标域支撑集不匹配时失效。其研究问题是：如何更一般地定义并估计协变量偏移与概念偏移，以分析分布偏移下的学习误差。

arXiv 论文

论文主张，负责任 AI 不能只评估系统本身，还要评估系统被部署进去的制度断裂；治理应从原则和协议继续推进到“有界证据”，明确部署主张不能超过已评估范围，并记录有利证据也无法推翻的约束。

材料对应论文《From Protocols to Evidence: Bounded Claims for AI in Service of the Common Good》（arXiv:2609.11910v1），作者为 Nitesh V. Chawla、Paulo Benanti。其研究问题是：当 AI 治理从原则转向协议后，这些协议实际确立了哪些东西…

arXiv 论文

候选摘要暗示，LLM 在回答问题时，对“查询路由信息”和“目标知识/内容”的依赖会随层变化，且 Qwen、Llama、Gemma 的轨迹并不一致；但由于未能抓取正文，具体结论、实验细节与可复现性均待核实。

英文标题：From Parameters to Answers: How LLMs Retrieve and Use Their Internal Knowledge。 研究问题（据候选摘要）：语言模型在回答问题时，对 query-routing information 和 target knowledge 的依赖如何变化？待核实。 候选摘要称，研究通过…

arXiv 论文

论文提出开源对话式 XAI 系统 **Explainability Assistant**，利用现代大语言模型（LLM）的 function-calling 能力，让设施管理人员和建筑运营者用自然语言询问能耗预测模型的解释；论文报告意图解析准确率达 94%，并在与能源领域专家的对比评估中获得对传统 XAI dashboard 的一致偏好。更细的系统架构、评…

能耗预测依赖越来越复杂的机器学习模型，例如 Genetic Programming-based symbolic regressors，其预测对设施管理人员和建筑运营者而言难以解释。 传统 XAI dashboard 虽可提供解释，但通常需要较高技术专长，且对动态、上下文相关的询问灵活性有限。 既有对话式 XAI 方法如 **TalkToModel** 受…

arXiv 论文

在八套公开 CGM 数据集上，零样本时间序列基础模型未稳定优于 Elastic Net、PatchTST 等强任务特定基线；轻量微调可明显改善血糖预测，而加入时间对齐的饮食多模态信息主要降低餐后预测误差。

Continuous glucose monitoring（CGM）提供高频葡萄糖动态测量，支持糖尿病管理中的短期血糖预测。 时间序列基础模型虽在通用预测中表现较强，但其对 CGM 预测是否有效、饮食多模态上下文是否带来额外价值，仍不清楚。 本研究开展综合性实证：使用八套公开 CGM 数据集，覆盖 Type 1 diabetes、Type 2 diabet…

arXiv 论文

基于摘要，美国国会议员在国会发言和 Twitter 中体现出的“证据导向相对于直觉导向”的语言取向（EMI），在个体层面与其立法有效性正相关；同时，意识形态更极端的议员在国会发言中使用更少证据导向语言。该结论是关联性的，不能从摘要推出因果关系。

英文标题：Epistemic orientation predicts legislative effectiveness among members of the US Congress。 研究背景：摘要指出，真实与证据导向的传播是民主治理、问责和集体决策的重要基础；既有研究表明，自 1970 年代中期以来，美国国会 floor speeches 中的证…

arXiv 论文

该研究提出用微调语言模型从反应条件的文本描述中动态学习任务自适应表征，并与高斯过程代理模型联合训练、嵌入多目标贝叶斯优化闭环；摘要称其在镍/钯催化交叉偶联中比描述符库或 one-hot 编码用更少实验达到收敛，并在两个前瞻性案例中实现克级放大与高对映选择性。

多目标化学反应优化通常同时关心产率、选择性和安全性等目标。模型驱动方法高度依赖反应组分如何被表征。已有做法中，one-hot 编码化学信息不足；分子描述符又难以跨化学上不同的组分统一扩展。对于结构和功能多样的组分，“共享表征应包含什么”并不清楚，且为每个新反应系统重新设计共享表征本身成本高。本文试图绕过手工构建共享表征的步骤，改为从文本中动态学习反应表征。

arXiv 论文

Domain-Specific Hallucination Detection in Large Language Models

arXiv 论文

该研究聚焦“距离泛化”：在上下文长度固定时，改变训练与推理阶段的 token 间距离，并用两个合成延迟复制任务测试模型对训练中未见延迟的表现；摘要强调理解底层机制至关重要，但未披露三个研究问题的具体结果。

原始标题：Distance generalization in transformers: why bother with positional encoding? 作者：Daniel Henrik Nevermann, Claudius Gros arXiv ID：2609.11913v1 来源标注发布时间：2026-09-10T17:57:19Z 主分…

arXiv 论文

Data Scarcity and Model Sparsity: Mixtures-of-Experts Overfit More to Repeated Data

arXiv 论文

CoRA-NAS 用零成本代理做粗排序，再以少量锚点的早期验证曲线和 ExtraTrees 残差修正进行低成本精修；在多个 NAS 基准上取得跨空间较稳健的排序表现，精修成本约为全训练候选集的 1%。

零成本代理可以低成本地给架构排序，但其可靠性会随搜索空间变化。该 arXiv 预印本提出 **CoRA-NAS: Coarse Ranking and Anchor-Residual Refinement for Neural Architecture Search**，即“粗排序 + 锚点残差”两阶段框架，把静态排序先验与低成本学习曲线精修结合起来，目标…

arXiv 论文

CausalArena 是一个统一且可演化的因果发现基准，其跨多种 SCM 家族与协议的实验表明：经典、神经及预训练方法在不同基准制度下的排名会显著变化，单一合成基准上的强表现无法可靠迁移；同时，预训练环境与测试 SCM 的重叠是基础模型时代评估因果发现的核心难题之一。

因果发现（causal discovery）旨在从数据中揭示因果结构，是科学推理和基于干预的决策的基础。其评估高度依赖结构因果模型（SCMs）——SCM 同时指定一个因果图和生成数据的机制。然而，现有研究在图族、机制和评估协议上差异很大，结果难以横向比较。

arXiv 论文

CFD 提出一种边缘-云代理式长视频理解框架：边缘端只做一次离线字幕生成，建立“事件级故事骨架 + 片段级微日志”的双轨叙事索引；查询时由云端 MLLM 在语言空间中优先推理，仅当轻量 Visual-Need Router 判断为感知类问题时，才按预算检索关键帧，从而把视觉访问变成查询条件下的显式成本。

论文关注边缘设备上的长视频理解：需要在严格计算与带宽预算下对数小时内容进行推理。核心矛盾是：对视觉 token 子采样会丢失时间结构，而纯文本视频记忆会丢失细粒度视觉属性。作者观察到一种视觉-文本二元性：语言记忆比密集帧更能承载长程时间结构，而像素对属性级感知仍然关键。因此研究问题可概括为：在预算受限的代理式长视频理解中，如何按查询需求决定“是否需要视觉”…

arXiv 论文

在 96 物种识别任务中，2–8B 边缘可部署 VLM 与 300M 领域专家 BioCLIP 都远高于随机水平；但所有模型在相机陷阱野外图像上明显退化，BioCLIP 显著优于全部被测 VLM，提示领域专用训练数据可能比模型规模更关键，而清洁照片到野外图像的退化更像图像质量位移的结果。

英文标题：Can Edge-Deployable Vision-Language Models Identify Species? 背景：相机陷阱常在有限或无连接边缘硬件上运行，因此实际需要评估的是小型、本地可部署 VLM，而非前沿规模模型。 研究问题：2–8B 部署相关范围 VLM 是否具备真实分类学知识。 对比设置：四个 VLM（Qwen3-VL 2B…

arXiv 论文

该 arXiv 预印本提出 AssayBench-Loop 大规模 CRISPR 自适应命中发现基准，并给出结合 AssayFormer 与 LLM 生物先验的 AssayLoop 顺序实验设计框架；摘要称其在时间留出筛选上以约 5% 候选库检测量实现 5.67 倍随机富集、回收 27.7% 命中，并优于若干基线。完整正文、统计细节与同行评审结论待核实。

许多生物发现任务需要在预算约束下顺序选择实验。CRISPR 筛选是典型场景：穷举测试扰动通常不可行，需要在多轮实验中优先选择候选扰动。材料指出，现有自适应命中发现基准在规模和多样性上仍有限。该研究的问题可概括为：能否利用历史 CRISPR 筛选学习“下一步测什么”的采集策略，并结合 LLM 提供的生物先验，提高自适应命中发现效率。

arXiv 论文

在 10M 词语料上训练的小型掩码语言模型 DeBERTa 中，训练前用图像区域为部分词嵌入做“视觉直指”初始化，会在训练全程留下可测印记，并稳定提升这些词的对象—属性知识；但多数 BabyLM 抽象语法基准看不到该效果，功能词/抽象词虽被训练目标利用，却没有现成基准能捕捉——评测盲区仍开放。

论文把圣奥古斯丁式的词义学习图景——意义通过直指（ostension）获得——实现为小型掩码语言模型 DeBERTa 的一种初始化方案。通常语言模型从随机词嵌入开始，词义只能从训练语料中学；本文追问：若在训练前把视觉可指称 token 的嵌入设为其标注图像区域推导出的向量，其余 token 保持随机，会如何影响小模型的词义/属性知识与基准表现？摘要未提供完…

arXiv 论文

论文提出“人工本我”（artificial id）——一种用于判断行为应当继续、停止还是改变的自适应内部驱动力——并主张当智能体跨任务边界携带“有后果的状态”与自适应驱动力时，对齐应当被视为持续运行的智能体系统的属性，而不是模型单次响应或单条轨迹的属性。

观察到的转变：智能体AI正从“有界任务执行”走向能够保留有后果的状态、持续运行、并跨越任务边界适应的系统。 由此产生的控制问题：当前多数 harness（运行/控制框架）主要靠人工方式解决控制问题——目标、重试、验证、停止规则以及其他行为转换都由外部指定。 研究问题：能否在不把“方向”显式规定为行为目标的前提下，产生自适应方向？ 提出方案：以“人工本我”作…

arXiv 论文

MatBrain 以 30B 分析模型 Mat-R1 与 14B 执行模型 Mat-T1 的异构双模型协作，在晶体材料研究中实现轻量、可本地部署且与前沿大语言模型具有竞争力的表现；在催化剂设计案例中，于 48 小时内生成 30,000 个候选结构并识别 38 个有前景材料，并显著减少材料设计与计算筛选所需的人类活跃时间。

当前大语言模型需要数千亿参数，但在材料科学的领域特定推理和工具协调上仍面临困难。论文提出 MatBrain，一个由两个协同模型组成的轻量协作智能体系统，专用于晶体材料研究。

nature.com

AdamX 是一种一阶优化器，将 cosine similarity 作为控制更新幅度的自适应机制，并引入 variance rectification scheme；摘要称其在固定超参数预算下，在多种基准数据集和架构上达到有竞争力的收敛速度。

来源材料为 arXiv 论文 AdamX: Cosine similarity meets gradient descent，arXiv ID 为 2609.11867v1，作者为 Francisco Caldas、Ruben Belo、Cláudia Soares。 元数据标注发布/更新时间为 2026-09-10T17:42:50Z，主分类为 cs.L…

arXiv 论文

3DPS 提出一种面向毫米波雷达的可微点渲染器，直接从雷达方程立体角形式推导，保留复值相位与显式材料模型；在六个 ColoRadar 室外场景的留出 RA 图像上达到 0.587 平均 Pearson 相关系数，单张 RTX 4090 训练约 3 分钟/场景。

毫米波雷达新视角合成需要渲染器同时满足三个条件：物理保真、复值输出、可进行多视角优化。摘要称此前没有方法同时具备这三点。

arXiv 论文

DeepSeek 已开启 V4.1 Flash 中间版本内测。开发者保持 `base_url` 不变，将模型名改为 `deepseek-v4.1-flash-expires-on-0910` 即可调用；计费与 V4 Flash 相同，每账号限流 20 并发，9月10日自动下线。开发者实测最高输出速度达 507 `tokens/s`，多人测试平均超 300…

按腾讯研究院AI速递，DeepSeek 宣布 V4.1 Flash 中间版本开启内测。该版本采用新模型结构，原生支持多模态，并被描述为“能力更强、速度更快、成本更低”。这更像一次限时、带到期时间的临时版本调用，而非正式大版本发布。材料未提供官方公告链接、基准测试或详细评测条件。

腾讯研究院（搜狐同步）