Grok Bot因零配置、强制云端虚拟机运行与多智能体原生协同，被硅谷投资人称为“又一个Claude Code时刻”；个人AI使用量增长约100倍，演示中从零构建播客摘要器仅约15秒，但也面临聊天式界面、底层模型与Token成本等质疑。
腾讯研究院AI速递（2026-08-21）转述硅谷投资人观点称，Grok Bot走红是“又一个Claude Code时刻”，个人AI使用量增长约100倍，从零构建一个播客摘要器仅花约15秒。产品主打零配置、强制云端虚拟机运行与多智能体原生协同，Bot之间可自动传递上下文、接力完成任务，适合打造“一人公司”。业内同时存在不同声音。
DeepSeek Harness在RC.8版本中快速补齐多模态能力，并将Claude Code与Codex纳入Agent编排体系，正从单一Agent工具演变为模型无关的统一调度层。
根据腾讯研究院AI速递（20260821），DeepSeek Harness发布RC.8版本，距RC.7仅两天。更新集中在三个方向：多模态输入、子代理编排、工具调用增强。
WildFin 是一个由生态学家收集和标注的野外鱼类行为识别基准数据集，用于评测视觉模型在复杂海洋环境中的表现；结果表明，当前视觉基础模型的能力与真实水下行为分析需求之间仍存在显著差距。
野外技术的进步带来了大量生态学野外视频数据，但专家标注成本高昂，成为利用这些数据的主要瓶颈。计算机视觉虽被视为潜在解决方案，但现有模型在复杂海洋环境中部署时经常失败。为了系统刻画这些失败模式，研究者构建了 WildFin 基准数据集。
在 MedSAM 上做下游适配时，模型在分布内（IN）和近分布（close-OOD）数据上性能提升，但在远分布（far-OOD）数据上经常变差；全量微调是综合权衡最佳的选择，仅编码器 LoRA 是更强的参数高效替代，且 far-OOD 失败与解码器表征漂移高度相关；对提示做随机 0-100 像素抖动可获得更稳健、性能更好的模型。
这篇 arXiv 论文系统研究提示式医学图像分割基础模型 MedSAM 在异构医学影像基准上的泛化表现。作者用 ISIC 2018 数据集训练/适配模型，在干净和逐渐加噪的提示下测试分布内数据、近分布数据（PH2 皮肤镜）和远分布数据（BUSI 乳腺超声、CBIS-DDSM 乳腺X线摄影），核心问题是：不同微调策略会如何影响 OOD 泛化？表征漂移在其中扮…
VT-MUSE 提出一种两阶段视触觉统一序列表征学习框架，通过跨模态时间对齐、掩码视图一致性以及条件变分潜变量模型，把视觉序列与完整触觉历史联合编码；在仿真基准上，VT-MUSE 超过最强基线 11 个百分点，并在真实实验中取得实质性提升。
现有视触觉操作方法通常在融合前独立编码视觉与触觉观测，限制了细粒度跨模态依赖的捕捉；同时，多数方法只关注当前时间步的观测，忽略了接触随时间演化的信息。VT-MUSE 旨在同时解决这两个问题，学习同时包含全局视觉上下文与局部接触动态的统一时序表征。
前沿视觉语言模型虽然能流畅描述自然图像，但在解读生命科学实验中产生的专业视觉工件（如凝胶电泳图、显微镜图像、质粒图谱等）上表现不佳；VIALS 是一个包含 161 项视觉问答任务的基准，用于系统评估这类能力。
论文提出 VIALS（Visual Interpretation of Artifacts in the Life Sciences）。研究问题是：当前视觉语言模型能否像领域科学家一样准确解读生命科学实验流程中产生的视觉工件？这些工件是科学家进行推理、沟通和决策的核心载体，但不同于论文和教科书中经过修饰的精美图片。
Unified Branch-and-Bound Search for the Steiner Traveling Salesman Problem on Graphs of Convex Sets
TurboBias 2.0 是一个面向生产环境 Transducer ASR 系统的上下文偏置（context-biasing）框架，通过大小写不敏感的偏置图和逐流（per-stream）批解码，在保持低延迟和高吞吐的同时提升用户自定义短语的识别准确率。
生产级自动语音识别（ASR）系统需要严格延迟约束下准确识别用户提供的短语。现有许多上下文偏置方法虽能提升识别准确率，但往往未满足现代生产 ASR 系统的实际需求，包括： 流式（streaming）推理； 高效的批解码（batched decoding）； 用户特定上下文列表； 低运行时开销。
在二值序列预测中，**精确诚实（exact truthfulness）**的校准度量与 soundness、completeness 不可兼得；但若放宽为**近似诚实（approximate truthfulness）**，则可以构造 sound and complete 的校准度量，并且本文给出的乘法近似诚实界优于 Haghtalab et al. (2…
校准要求预测者的概率报告是“条件无偏的”，并且能够可靠地解释为概率。 校准度量（calibration measure）用于给不准确的概率报告赋一个数值误差。 Haghtalab et al. (2024) 在线预测中提出了一个近似诚实的校准度量，留下开放问题：**exact truthfulness 能否与 completeness、soundness…
TRACE-C 是一种可审计、严格先验（strictly-prior）的秩校准多流遥测异常检测器，用于识别“各单流都在常规范围内、但整体联合异常”的情况。在英国电网六条数据流上的测试中，TRACE-C 将 Storm Atiyah 排在 2019 测试窗口首位，但消融显示该排名主要由局部通道贡献，而非 copula 形式通道。
研究问题：运维遥测中，多个数据流是否可能“共同异常”而每条单流仍保持在熟悉范围内？论文提出 TRACE-C 来检测这种联合异常，并在英国电网多条时间流上进行验证。
针对慢性阻塞性肺疾病急性加重（AECOPD）症状变化快、临床数据存在延迟的问题，本文提出一种仅依赖日常家用呼吸机呼吸道数据的“时间感知Transformer”预测模型，在多项分类任务上声称优于传统方法，可用于家庭场景下的AECOPD及时预警。
AECOPD症状变化迅速，需要具有时间敏感性的预测模型。然而，大多数现有机器学习模型依赖临床和实验室数据，数据获取过程会带来不可避免的延迟。为了更及时地检测AECOPD并减少延迟，本文聚焦家庭监测场景，仅使用日常使用呼吸机产生的呼吸道数据，研究如何通过建模症状及其时间演变来预测AECOPD。
当机器学习系统用校准集的分位数设定阈值时（如共形预测、弃答门控、安全过滤），如果校准样本因共享提示、文档或推理链而具有聚类相关性，实际可靠性会远低于表观样本量；论文证明阈值场景需要一种不同于传统平均场景的“设计效应”修正，且有效样本量随阈值位置变化。
许多机器学习系统在校准集的分位数上设定阈值：共形预测器用校准集的第90百分位数作为截断以承诺90%覆盖率；弃答门控在模型分数低于校准集第10百分位数时拒绝回答；安全过滤器阻止分数高于参考集第99百分位数的输出。这些承诺都假设校准样本独立，但现代流水线中样本通常不独立——它们共享提示、文档或推理链。调查统计学自1965年起就知道如何用“设计效应”折扣相关数据…
海岸线和水面几何可作为 GPS 拒止环境下自主水面船定位的可靠全局参考：利用 LiDAR 或单目图像提取海岸线结构，再与卫星海岸线地图配准，可恢复位置、航向并抑制长期漂移。
自主水面船在 GPS 拒止环境中面临定位挑战。作者提出，海岸环境包含丰富但尚未充分利用的几何结构，可作为“全局参考定位线索”。论文围绕如何利用海岸线和水面几何，构建两套互补的定位框架。
SPARCL 提出解析持续学习在旧类上发生漂移的根源是“谱干扰”（spectral interference），并通过将自相关矩阵分解为高能核心与残差、只更新残差块的闭式更新，在冻结 ViT-B/16 协议下显著缩小了经典解析学习器与强表示匹配器在多个基准上的表现差距。
解析持续学习（Analytic Continual Learning）用闭式岭回归更新替代梯度迭代，成为无示例类增量学习的一类强基线。然而，已有的“随机梯度覆盖导致遗忘”叙事无法解释：为什么解析方法即使使用精确递归求解器，在旧类别上仍会出现漂移。
E²-TTT 通过封闭式状态转移，在分块级并行训练中保留逐 token 更新动态的时间结构，从而在 1.3B 参数规模上与此前 TTT 和混合注意力基线表现相当，并在“大海捞针”passkey测试中于 8 倍训练上下文长度下保持超过 90% 的准确率，同时训练吞吐量可与高效分块方法匹配。
测试时训练（Test-Time Training, TTT）通过在推理期间连续更新权重来处理长上下文，但当前方法难以兼顾“逐 token 更新动态的表达力”与“分块近似带来的硬件效率”。 本文提出 E²-TTT（Expressive and Efficient TTT），试图弥合这一缺口。
Re$^3$Cap: Retrieval-Guided Refinement for Image Captioning Enhancement via Reinforcement Learning
在无任务的短窗口 `argmax` 不动点读出上，提示与模型的交互以完整幅度出现——九 token 条件即可大幅改变不动点比例、改变结构类别并重排模型——但所有尝试分解它的因素（前缀长度、散文/标记、通用方向、双向性、指令抵抗性、注意力汇聚）均失败；解释单位是“提示-模型对”。
已有证据表明，提示的效果不是提示本身的属性：为某一模型优化的提示在另一模型上表现退化，中性重新格式化也会导致排名重排。但这些证据都基于任务精度，无法判断交互是发生在任务机制层面，还是发生在条件分布本身。本文提出一个完全没有任务参与的读出——短窗口 `argmax` 映射的不动点结构——用来直接观察条件分布层面的提示-模型交互。
该文提出一种新的“主变量加速”牛顿法，用于求解 Hessian 利普希茨连续的凸函数极小化问题；算法只使用原始变量，每次迭代仅需一次线性系统求解，就能达到函数残差的全局收敛率 O(1/k³)。据作者称，这是该问题类中首个仅靠每次迭代一次线性求解而无需辅助非线性子问题即可达到此速率的二阶方法（待核实）。
研究问题是如何设计加速的二阶优化方法，同时避免传统二阶方法中昂贵的子问题求解或复杂参数搜索。论文针对 Hessian 利普希茨连续的凸函数，试图构造一种直接加速的牛顿法，使其全局收敛率达到 O(1/k³)，并且每次迭代只求解一次线性系统。
PerturbRx 提出一种“治疗条件化潜在迁移”表示学习方法：先学习药物和剂量诱导的细胞状态潜在变化，再迁移到治疗前患者分子谱上，从而在不依赖治疗后测量的情况下提升患者层面癌症药物反应预测性能。
患者层面的癌症治疗反应预测面临两大挑战：可用数据稀缺、肿瘤异质性高。现有方法通常直接从治疗前分子谱和药物表示预测反应，没有显式建模治疗干预预期引起的分子变化。PerturbRx 针对这一缺口，把“干预诱导的潜在迁移”作为患者—药物反应预测的特征。
在棉花与大豆两种作物间的跨田杂草检测迁移中，仅用 25 个带标签目标域样本进行少样本微调，效果优于无监督域自适应目标检测（DAOD）；这表明选择邻近源域并辅以适度目标域标注，比单纯依赖自适应算法更有效。
精准农业需要在真实田间条件下可靠地检测杂草，以便定点干预、减少产量损失。现有基于无人机影像的检测研究大多在同一作物、同一地块内评估，缺少对“模型从一种作物迁移到新地块或新作物类型”的实证检验。本文旨在刻画跨数据集杂草定位性能在哪些情况下退化，以及哪些建模选择能恢复性能，从而减少每个新部署地块都重新标注的需要。