2026 年 7 月 27 日，NVIDIA 技术博客介绍了 NVIDIA Labs 的研究预览产品 NOOA。该框架的核心观点是：智能体的性能不仅取决于底层模型，还很大程度上取决于“夹具”（harness）——即围绕模型构建的架构，包括上下文渲染、动作执行、状态管理和任务终止判断。NOOA 通过将智能体建模为单一 Python 类，利用类型注解和代码即行…
值得关注：NOOA 以极端简洁的面向对象方式重新定义了智能体开发，使智能体开发回归传统软件开发流程（可 diff、代码审查、单元测试、版本控制等），降低了工程门槛。 验证了夹具工程（harness engineering）本身即…
2026年7月，OpenAI 为 ChatGPT 桌面端（Codex 环境）上线了基于 GPT-Live 的实时语音功能。开发者佩戴耳机后即可脱离键盘和鼠标，通过语音指挥多个 Agent 执行代码任务，并随时查询进度、修改需求。同时新增 Appshots 功能，Codex 能够读取当前活动窗口的画面与文字，无需用户手动截图即可理解报错信息或界面状态，并直接…
值得关注：本条是对“编码智能体”和“视觉提示 Agent”类工具（如 Cursor Design Mode）的延续和升级。相比已有卡片中 Cursor 通过点击/绘制/语音直接在浏览器中修改 UI，OpenAI Codex 的实…
本文研究时序图（Temporal Graph）生成模型在分布漂移下的退化问题。模型在演化网络的一段连续片段上训练，部署于后续片段，二者之间存在分布差异。已有研究注意到此退化，但未系统证明其根本原因及可修复性。作者证明：这种退化的可推导的、普遍的，且无法通过仅观测部署期数据（不获取未来标签）来纠正。核心问题：观测到部署期的图结构后，能否基于历史数据设计校正器…
值得关注：首次给出时序图生成中分布漂移退化的精确损失分解形式，并揭示“锐化-漂移张力”（sharpening–drift tension）：模型倾向于拟合训练集中罕见的结构（锐化），而这些结构在漂移后恰好变得常见，导致损失上升。…
The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation
TADD 提出了一个轻量级在线适应框架，通过双重蒸馏损失（零样本蒸馏 + 目标蒸馏）在严重分布偏移的视频动作识别任务中持续超越现有测试时适应方法，在三个基准上分别提升最高 3.81%、2.63%、3.03%。
值得关注：填补了视频域严重分布偏移下 TTA 研究的空白（现有方法多处理图像或轻度偏移）。 双重蒸馏创新地结合了 VLM 的零样本泛化能力与源域判别知识，避免了灾难性遗忘。 冻结 CLIP 骨干、仅更新适配器的设计兼具高效性与可部署性。
本文提出堆叠线性酉组合（Stacked Linear Combination of Unitaries, S-LCU）作为变分拟设，通过层数 \(l\) 单一旋钮即可在贫瘠高原（barren plateau）风险与经典可模拟性之间实现系统性的可调权衡，其中自由费米子S-LCU的损失景观方差下界为 \(\Omega(1/(n k^{3l}))\)，对应的经典…
值得关注：该工作直接回应了变分量子算法长期面临的“可训练性 vs. 量子优势”困境，首次给出一个可解析调谐的、双侧边界清晰的拟设族，为在近端量子设备上设计可训练且可能展现量子优势的电路提供了理论基础。
本文提出时空条件去噪Transformer（SCDT），通过联合长短时时间上下文作为条件，利用噪声调制适应机制，在单一框架内统一处理模态缺失与完整数据的RGBT跟踪，并在三个公开基准上取得最优结果。
值得关注：首次将条件去噪扩散思想引入模态缺失RGBT跟踪，同时处理信息重建与特征增强。 噪声调制适应机制使得单一模型无需切换即可适应不同模态可用情况，降低了部署复杂度。 与已有卡片中的UAV-DualCog（评估MLLM推理能力…
稀疏自编码器（SAE）中大多数特征并非提供单一可复用的干预方向；特征可分为“值型”（value-like，关联静态事实）和“指针型”（pointer-like，关联上下文依赖操作），前者表现出结构化但多方向的低维效应，后者效应多为弥散状，但两类特征均可具有可解释性和因果相关性。
值得关注：揭示了 SAE 特征可解释性与因果效应之间不一致的**几何根源**，为设计更可靠的可解释性方法和特征选择策略提供了理论基础。 区分值型与指针型特征有助于在实际应用中根据任务类型（事实查询 vs. 指令跟随）选用合适的特…
SADe 是一种预测器无关的支持去污染层，通过稀疏自编码器（SAE）的原子激活对比来估计弱标注区域中斑块的可信度，从而生成更干净的支撑掩码，并在多种弱标注形式下显著提升少样本分割（FSS）的查询分割质量。
值得关注：解决了弱支撑标注（框、涂鸦、粗掩码等）在实际 FSS 部署中的关键污染问题，而现有方法多假设干净支撑。 模型无关的插件设计使其可即插即用于现有 FSS 方法，无需修改查询侧推理，降低了迁移成本。 与已有相关卡片的区别：…
Rethinking Classifier-Free Guidance in On-Policy Diffusion Distillation
当前评估大语言模型作为社会模拟器（如合成调查受访者）时，仅匹配最终答案（如购买意向）是不够的；即使结果相似，模拟器的内部推理路径可能与人类不一致。该论文提出通过“有符号理由状态”（signed reason states）对模拟器的推理过程进行可解释审计，发现人类开放式理由能显著提升行为预测，而LLM模拟的理由往往表面合理但实际复述概念描述而非真实接受/拒…
值得关注：挑战了当前LLM社会模拟器评估中“结果对齐即足够”的主流假设，指出推理过程对齐的必要性。 提供了一个具体、可操作的审计方法（理由状态映射），可直接用于检测模拟器是否“知其然不知其所以然”。 已有相关卡片未涉及社会模拟器…
一个基于Dinomaly的无监督框架，通过在健康病例上学习正常表征并在推理时检测异常，在盆腔MRI实时成像中达到像素级AUROC 88.06%、帧级特异性95.45%和40.5 slices/s的处理速度，满足临床实时部署需求。
值得关注：女性盆腔疾病研究长期不足，此工作直接针对这一被忽视的领域。 首次将基于DINOv3的无监督异常检测框架适配于盆腔MRI，无需标注即可在实时场景下工作。 与已有基于量子自编码器或时序基础模型的异常检测不同，本研究专注于医…
MMOE通过系统地将大语言模型（LLM）中的高效扩展策略（如路由专家、共享轻量专家、残差路由等）适配到扩散变换器（Diffusion Transformer）中，在单机训练预算下，比稠密模型和现有稀疏专家模型收敛更快、生成质量更高（FID更低），实现了AIGC基础模型在质量与成本之间的更好平衡。
值得关注：**增量信息**：已有工作（如FactorDiff）关注专家组合的动态分配，而MMOE更进一步，系统地将LLM领域验证过的效率扩展机制移植到AIGC扩散变换器中，证明单纯的参数量扩大和稀疏比提升并非唯一路径，架构效率设…
MicroZoom 是一个生成式框架，仅凭一张普通照片和少量消费级显微镜近摄图，即可合成整张物体表面在 350 倍放大下的全局连贯、材质真实的十亿像素图像。
值得关注：现有超分辨率方法大多面向有限放大倍数（通常 <10×），且依赖大量训练数据或专用设备。MicroZoom 首次在 350× 放大下实现“全图级”参考引导合成，同时兼顾全局结构与局部细节，打开了对日常物体进行探索性微观可…
生成-测试-修订循环本身不提供可靠性保证；在修复过程中，维持当前验证状态比重复循环更重要，陈旧痕迹会显著损害正确修复，而证据绑定的类型化契约机制可在不提升修复能力的前提下确保可审计的可靠提交。
值得关注：揭示了当前代码修复智能体普遍依赖的“多轮生成-测试”循环的固有缺陷：循环次数与可靠性无直接关系，陈旧验证痕迹会系统性破坏已找到的正确修复。 提出了一个形式化契约框架，将修复过程的可靠性从“结果验证”下放到“过程状态绑定…
本文证明了从多个异构且可能有重叠的数据提供者学习分布时，可学习性完全由提供者对应的“共现图”结构决定：点态一致性要求共现图在目标支撑集上连通，而PAC可学习要求共现图完全；样本复杂度可从近线性（$\widetilde Θ(n/ε^2)$）到二次（$\widetilde Θ(n^2/ε^2)$）连续调节。
值得关注：为多数据源联合学习分布提供了第一个严格理论框架，明确了数据提供者之间的“重叠结构”如何决定学习难度。 结果揭示了条件采样与经典i.i.d.采样之间的本质区别：即使每个子集都可查询，也无法突破线性样本复杂度。 连续谱的发…
Kimi K3 是一个拥有 2.8T 总参数（104B 激活参数）的 MoE 大语言模型，在长时编码、智能体、知识、推理和视觉任务上达到前沿水平，但整体性能仍落后于最强闭源模型（Claude Fable 5、GPT-5.6 Sol）；其权重已开源。
值得关注：Kimi K3 是目前参数量最大的开源 MoE 模型之一，其 2.8T 总参数和 100 万 token 上下文窗口体现了开源模型在规模上的极致探索。通过在注意力机制、MoE 路由和训练基础设施上的系统性创新，它缩小了…
KANEx是首个利用KAN（Kolmogorov-Arnold Network）的符号化可解释性来支撑视觉-语言模型（VLM）推理的框架，结合其直接导出的热力图方法KAN-Map，在MIMIC-CXR数据集上使视觉定位与下游推理质量提升约10%，同时生成更忠实的显著性图。
值得关注：本研究弥合了固有可解释架构（KAN）与下游VLM生成文本解释之间的鸿沟，同时通过不依赖梯度近似的热力图方法增强了视觉解释的忠实度，为医疗场景下的可信AI提供了可验证的路径。
本文综述提出，将宽光谱红外成像与深度学习跨模态翻译耦合，可从非电离数据生成合成X线片重建，为儿科骨骼创伤分诊提供无辐射替代方案；但该方向仍处于框架论证阶段，还需多中心配对数据集、外部验证模型及红外源安全认证才能迈向临床。
值得关注：直接应对儿科影像中“低剂量辐射累积致癌风险”这一未满足的临床需求。 将功能性/光谱红外成像与生成式AI结合，开辟了“非电离→合成X线”这一新兴交叉方向，可能改变急诊分诊流程。 与已有卡片无直接重复；本文为前瞻性综述，提…
该研究严格证明，对一类半线性偏微分方程（在解及其一阶导数上非线性），使用梯度下降最小化PDE残差目标函数训练的神经网络将收敛到PDE的真实解，而非仅收敛至局部极小值。
值得关注：**填补空白**：此前PINN/DGM的收敛性分析多数依赖局部线性化或数值实验，缺乏针对非凸目标函数的全局收敛证明。本文首次为一类非线性PDE提供了理论保障。 **增量信息**：与已有相关卡片（如PG-KINN关注KA…