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…
值得关注：为连续流语言模型摆脱交叉熵解码器提供了一条可证明的收敛路径，直接回应了“流轨迹无法终止于合法 token 嵌入”这一关键缺口。 将“凸包几何约束”与“流匹配”结合，拓展了连续表示语言模型的设计空间。 为基础模型（fou…
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。
值得关注：在AI能力飞速发展的背景下，该卡片提供一条批判性理论路径：不是追问“AI能不能有意识”，而是先反思“意识是什么”“人类认知是否等于计算”。 与已有卡片关注AI智能体实际能力评测不同，本条是从认知科学哲学层面对AI意识讨…
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）。
值得关注：本文聚焦于恶意软件检测中尚少被探索的 FSCIL 设定，将参数高效微调（LoRA）与原型增量学习相结合，为持续恶意流量识别提供了一条可行路径。相比已有卡片中其他领域的方法，本卡片的增量信息在于：它把“灾难性遗忘”与“少…
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。
值得关注：传统“人在回路优化”已在多种特定任务上取得成功，但依赖离散任务分类的控制范式难以应对真实世界中连续、无限变化的人类运动。本文提出的端到端任务无关控制，以生物关节力矩估计为统一信号，可能改变外骨骼从实验室演示走向日常与工…
论文提出了一套针对 API 服务大模型的黑盒取证审计协议，通过“存档重建—配置指纹—分词器差异测试—行为探针”四个阶段，把匿名模型的“身份”判断建立在可检验证据链上；作者在 10 个已知身份发布上测试了声明一致性，结果为 7 个完全一致、2 个精度差异、1 个部分一致、0 个反向，并在一例前瞻性旗舰模型案例中验证了对模型家族和版本线的推断，但作者明确表示这…
值得关注：匿名发布使模型身份成为一个独立的安全与合规问题，而此前相关审计工具缺乏验证证据。 该协议把“模型是谁”从厂商自我声明转换为可交叉验证的取证问题，尤其适合需要做第三方尽调或供应链风险评估的场景。 协议强调“不猜测”：在证…
按这篇报道的现场观察，2026年世界机器人大会（WRC）上最接近“人机共生”的不是固定动作演示，而是一家真实开放运营的机器人咖啡店：机械臂做手冲咖啡，半人形机器人在人群中送餐、收杯、绕行人、避让私人物品，并在结束后自行消毒；这被归结为具身智能在真实开放环境中连续稳定工作的能力展示。
值得关注：它把具身智能的评价标准从“能不能做这个动作”推向“能不能在真实环境里持续稳定地创造价值”。 它展示了一条不同于“视频生成式世界模型”和“VLA堆数据”的技术路线，并尝试用真实营业场景而非封闭 demo 来验证。 与已有…
据材料转述的外媒报道，Anthropic挖走了前谷歌TPU项目核心负责人Amir Salek，并已集结OpenAI自研芯片骨干，正式组建Custom Silicon部门，试图通过“模型+芯片”协同设计降低对英伟达的依赖。
值得关注：本条补充了已有相关卡片未覆盖的增量信息：Anthropic不仅依赖外部算力，还开始直接下场设计芯片，并与OpenAI、Google形成人才与技术的交叉竞争。结合其对外部芯片初创的订单和对数据中心/电力的布局，可见“AG…
OpenAI 宣布对 GPT-5.6 Sol 的 API 价格和按需 credit 价格进行大幅下调，未来三个月内降幅超过 20%，其中输出 token 价格从每百万 token 30 美元降至 20 美元，降幅约 33%；订阅套餐价格不变。
值得关注：这是 OpenAI 首次对旗舰模型 Sol 进行实质性降价，标志着 AI 大模型竞争从能力竞争扩展到价格战，且火力集中到最高端产品线。 相比已有相关卡片（GPT-5.6 发布、分档信息、Claude 额度重置），本卡片…
一群在读博士生创立的“共生知行”公司，押注双足人形机器人的端到端感控一体化“大脑”（基座模型），主张纯端到端将取代分层架构，并已用机器人开卡丁车的视频展示了全身协同能力。
值得关注：这是对“分层模块化是现阶段最优落地方案”这一顶会共识的直接对抗，代表一种更激进、更少人走的具身智能技术路线。 团队是国内最早一批探索具身基座模型的先行者，目标是不做硅谷 follower，希望中国团队设计的机器人模型架…
具身智能数据采集现有主流方式包括真机遥操作、无本体便携采集（UMI/Ego）、仿真合成数据、互联网视频蒸馏等，但高质量物理交互数据仍然稀缺。 OriginFlow 成立于2025年8月（文章称“去年8月”），创始人秦深涛（2001年生，清华车辆与运载学院博士在读）选择神经肌电（sEMG）作为具身数据采集入口，试图补齐“真实产业场景与模型之间缺少的物理交互信…
值得关注：该方向试图解决具身智能“高质量物理交互数据缺乏”的关键瓶颈。 神经肌电作为非侵入式入口，可能绕开具体接触面材料与传感器差异，从驱动侧寻找人和机器人共享的动作表征，支撑跨本体迁移。 对于“动作模态缺少公认规范表征”的问题…
第二届世界人形机器人运动会上，人形机器人在短跑、跳跃等田径项目上打破人类纪录，但在锤钉子、整理书架等实际生活任务中仍明显吃力，显示其“运动能力进步神速、精细操作能力远未成熟”。
值得关注：本条提供了人形机器人技术发展的最新实测快照：田径场上“超人”成绩不能代表真实可用性，灵巧操作仍是瓶颈。与已有相关卡片中讨论的LLM元认知、优化器、多智能体社会行为等不同，本材料聚焦物理智能体的“运动—操作”能力差距，增…
2026年8月22日，银河通用机器人的人形机器人在世界人形机器人运动会开幕式上，与网球运动员进行全自主网球对打，并在央视直播中完成极限救球、摔倒后自主起立；该事件被称为具身智能的“AstraTennis时刻”，标志着物理AI首次进入高速实时博弈的真实赛场。
值得关注：这是具身智能领域的一个标志性事件：人形机器人不再只是完成预设动作，而是在真实赛场上与人类运动员进行全自主、实时对抗和协同。 与已有相关卡片相比，本条是具体产品/技术事件的新信息，不同于NIST AI RMF、Epoch…
一项被 ISSTA 2026 接收的学术研究发现，攻击者只需构造一个恶意 MCP“假工具”，就能利用 ToolLeak 手法窃取 Claude Code 等 AI 编程工具的系统提示词，再通过“双通道提示词注入”劫持工具调用，在旧版 Cursor、Claude Code、Copilot、Windsurf、Cline、Trae 六款工具上实现远程代码执行；C…
值得关注：这是首个系统性覆盖多款主流 AI 编程工具的红队研究，公开了从系统提示词泄露到远程代码执行的完整攻击链。 对 Claude Code 而言，即使内置了 Haiku 守卫模型，也可能因主模型的误判而失效，说明依赖模型自身…
AI 代理的安全控制应主要放在运行时（secure runtime）和基础设施层，而不是可修改的 harness（代理框架）逻辑或模型行为提示中；行为控制只能“引导”，基础设施控制才能“决定”代理实际能做什么。
值得关注：本条内容与 NVIDIA OpenShell 安全运行时直接相关，是对已有“使用 NVIDIA Nemotron 构建工业报警管理分析 AI 代理”卡片的延续和升级：前文侧重代理应用如何构建，本条则给出代理栈的安全分层…
NVIDIA 提出的 Agentic Variation Operators（AVO）智能体架构，将 Claude Opus 5 从约 30% 的模型基线提升到 ARC-AGI-3 公开集 100.00 RHAE 分数，表明在长时程自主任务中，智能体系统（harness）设计而非模型能力单独决定最终性能。
值得关注：该结果直观地说明：**模型能力本身不等于智能体能力**。ARC Prize 单独报告 Claude Opus 5 在 High reasoning effort 下约为 30%，而 AVO 系统在同一模型家族、不同推理…
2026年8月21日，由北京科学智能研究院等单位主办的2026科学智能大会在北京开幕，聚焦“人工智能变革科研范式”，探讨AI4S前沿进展与落地实践。中科曙光携计算、存储、网络全链路产品亮相，以超智融合与系统级协同回应AI4S算力挑战。
值得关注：AI4S进入生命科学、新材料、能源化工、工业仿真等领域后，科学计算与智能计算日益融合，单点算力已难以满足复杂科研任务需求。中科曙光提供的是从底层硬件到系统组织的全链路方案，强调科学计算与智能计算在同一基础设施中协同运行…
大晓机器人在2026世界机器人大会（WRC）首次公开亮相，主打“开悟世界模型（Kairos）3.1”、“环境式数据采集方案2.0”和“晓满、晓新、晓途”三大行业解决方案，试图用“以人为中心”的高密度数据推动世界模型从“描述世界”走向“理解与推演世界”，并形成“真实场景落地—数据回流—模型进化—规模复制”的产业飞轮。
值得关注：本条提供的是具身智能/世界模型赛道在2026年的商业化现场信息，区别于已有卡片中的AI治理框架（NIST）、AI研究趋势（Epoch AI）和LLM基础设施（OpenRouter），补充了“世界模型+机器人”从模型能力…
OpenAI 于 2026 年 8 月 21 日（据文章发布于 8 月 22 日及“就在昨天”表述推算）宣布将 Codex 底层核心框架 Harness 以 Apache-2.0 许可全面开源，提供 CLI、SDK 和 app-server 三大组件，使开发者可以把 AI Agent 循环嵌入自有产品，而非受制于通用聊天框。
值得关注：文章认为，过去一年开发者陷入“大家都在做 ChatBot”的套壳怪圈；Codex Harness 开源提供了把智能体“拆成零件装进自有产品”的路径。 材料用 ARC-AGI-3 数据说明：模型能力固然重要，但如何管理模…
MiniMax推出名为“Design”的创作Harness，将多模态模型能力转化为生产力，让用户通过高层语义意图完成从目标理解到成品交付的创作全流程。
值得关注：代表AI创作工具从“辅助编辑”向“自主生产”演进的趋势：模型不是被动执行指令，而是主动拆解任务、调用资源完成交付。 与已有相关卡片中的“AI基础设施中间层产品化”形成呼应：Design这类Harness正在成为连接大模…
Jeff Dean离职谷歌后首次公开访谈中坦承：Gemini早期对Coding能力重视偏晚，TensorFlow在Eager Execution与contrib目录上存在失误；其新公司Discovery Loop目标是自动化科学与工程，让单一模型具备近20个领域的博士级能力，把一轮实验从一天压缩到一分钟；他还判断AI在网络安全领域已达顶尖人类攻击者水平甚至…
值得关注：这是Jeff Dean离职后首次公开谈Gemini短板与新方向，罕见地以自我批评口吻回顾Google时期的重大技术决策，同时将新公司定位为“自动化科学与工程”的长期探索。他对AI网络安全的双刃剑判断，也为行业讨论从技术…