根据 arXiv 摘要，EmoWorld 在冻结的流匹配视频扩散 Transformer（Video DiT）中，将视频生成里的全局氛围、情绪语义线索和时间演化解耦，并通过 VAS/SAS/TAS 三种机制实现可控情感视频生成。在 Wan2.2 上，VAS 使目标情绪对齐提升 19%、时间波动代理指标下降 48%；SAS 使目标情绪对齐提升 37%、检测到…
摘要指出，情绪会影响观众如何理解一个场景，但现有视频生成模型往往把“全局氛围”“带情绪含义的语义线索”和“时间进展”纠缠在同一个文本条件中，难以独立控制。EmoWorld 提出在冻结的 Video DiT 内解耦这些因素：准备阶段提取层相关的情感方向和可复用线索库；推理阶段通过视觉氛围、语义情感和时间情感三条路径分别控制生成。
在FLAIR影像上先做超分辨率再分割白质高信号（WMH）时，主要风险是**抹除小的真实病灶**而非幻构出不存在的病灶；这种抹除随模拟层厚增加而加重，但所有重建方法仍比原始厚层扫描更有利于病灶检出；其中ECLARE表现最好，多对比隐式神经表示（INR）并不优于三次插值。
临床上FLAIR常以厚层采集，面内分辨率尚可但穿层分辨率差。超分辨率（SR）常用于把各向异性扫描重建为各向同性体积。但SR是否在WMH分割前保留病灶内容未知：模型可能抹除小的真实病灶，也可能幻构出本来没有的病灶。本研究系统评估这一问题。
本文提出深度引导的检测器 DG-Det 和通用后处理流程，通过融合深度线索、多尺度 RGB-D 交叉注意力、显式遮挡预测与跨帧去重，在拥挤和遮挡场景的视频目标计数任务上，相比现有基线将 MAE 降低 62.01%，RMSE 也一致改善；同时发布了一个带深度信息和多类别标注的 RGB-D 视频目标计数数据集。
研究问题：在拥挤场景中进行视频目标计数，即根据给定文本或视觉提示，稳健地统计某一目标类别的所有实例。 现有方法主要依赖 RGB 信息，在拥挤和遮挡条件下区分能力不足。 本文思路：引入深度信息以增强空间理解，并设计统一去重框架解决跨帧重复计数问题。
DASH 提出在标准同策略自蒸馏（OPSD）的逐 token 监督中引入“散度自适应传播门”，根据局部散度相对序列均值的偏差动态调整反向多步聚合，从而在不增加任何 teacher/student 前向计算的情况下，在 3 个数学推理基准、3 个模型规模上一致优于 vanilla OPSD。
带可验证奖励的强化学习（RLVR）能提升大模型推理能力，但奖励信号通常是序列级的、稀疏的。OPSD 通过查询特权教师模型，在 student 访问过的前缀上提供稠密的 token 级分布监督，缓解了信号稀疏问题。
根据论文摘要，本文指出可解释人工智能（XAI）在“解释方法的评估”方面存在不足，并通过DetoxAI图像识别系统、人类基础评估示例，以及应对概念漂移的反事实解释适配等案例加以说明，最后强调需要追踪数据、模型和解释的共同演化。由于未获取正文，具体结论细节待核实。
研究问题：如何评估解释方法？现有评估是否充分？在涉及概念漂移的演化数据场景下，解释方法如何调整和验证？ 论文以DetoxAI图像识别系统为案例，展示XAI评估不足的问题，该系统用于偏见检测和概念遗忘（具体机制待核实）。 随后给出一个“人类基础评估”（human-grounded evaluation）的实例，用于评估解释图像分类的方法（评估任务和指标待核实…
CalibForge 提出用“求解器相对的可学习区”来合成终端任务：通过对抗性求解器校准，让候选任务既可执行可验证，又对训练中的智能体具有适当挑战性，最终构建 5,431 个校准终端任务，并在 Terminal-Bench 2.0 等基准上显著提升模型性能。
训练终端智能体需要可执行且可验证的任务，但“可求解”不等于“适合学习”。现有的可执行性验证只保证任务可行，无法揭示任务在给定求解器设置下对学习过程是否具有适当难度。CalibForge 针对这一问题，提出利用求解器的已验证行为来反向修订候选任务，从而自动合成“可学习”的终端任务。
本文提出并检验了用概念激活向量（CAVs）分析两类基于Transformer的L2口语自动评分系统内部是否存在对第一语言（L1）、年龄等无关属性的偏差；发现概念的可恢复性与敏感性依赖模型表示和架构，稀疏自编码器（SAEs）虽提高了概念的线性可恢复性，但会削弱原始激活空间中的敏感性。
自动口语评估系统越来越多地用于高风险场景，例如给第二语言（L2）学习者的口语测试打分。关键诉求是：分数应取决于口语水平，而不是母语（L1）、年龄等与能力无关的属性。基于Transformer的基础模型提高了这类评分器的准确率，但其黑盒表征使公平性和可解释性分析更困难。本文研究的问题是：如何检测并区分神经网络口语评分模型内部是否编码了不想要的“概念”，以及这…
在表格密集的长文档（如财务报告、审计报告、监管申报）中，基于“文本分块 → 嵌入 → Top-K 近邻”的 RAG 设计会结构性丢失单位与表头上下文；本文提出的 READ 用三种确定性操作替代黑盒检索，在 51 个已验证问题上达到 58.8% 准确率，显著高于稠密检索的 15.7%（Holm 校正后 p=2×10⁻⁵）；但 BM25 与 READ 在统计上…
长文档检索增强生成（RAG）的主流设计是：切分文本、对块做嵌入、返回查询的 Top-K 近邻。 本文认为，对财务报表、审计报告、监管申报等文档，这一设计在结构上不可靠。 在一份 780 页的政府财务报告中，86.8% 的内容行是表格行；大量近乎相同的数字同时出现在同一个嵌入空间中。 数字的单位通常来自其上方中位数 13 行处的表头；分块边界常常把数字与其单…
任务型对话智能体（task-oriented conversational agents）的评估结果是否可信，取决于 benchmark 本身是否可靠；本文提出一个无需参考标准（reference-free）的框架，用 LLM 作为裁判，从“一致性、复杂度、策略覆盖度”三个维度评估 benchmark 质量，并提供可操作的弱点诊断。
现状：任务型对话智能体通常使用人工整理或自动生成的 benchmark 来评估，但 benchmark 本身的质量很少被评估。 问题：低质量 benchmark 可能包含不一致的任务、过于简单的场景、有限的策略覆盖，从而导致对智能体的评估不可靠。 目标：提出一种系统评估 benchmark 质量的方法，而不是只评测智能体本身。
GB/T-Bench 是首个面向国家标准文件结构化审查的基准，实验显示最强 LLM 与专家仍有显著差距；提出的多智能体框架 GB/T-Reviewer 可将最佳审查得分从 0.3280 提升至 0.5094。
国家标准文件（如中国 GB/T 标准）篇幅长、结构高度规范，且受范围、术语、规范性表述和章节一致性等显式规则约束，是评测 LLM 处理规则密集型文档审查的代表性场景。 现有基准多关注领域知识与问答，忽略了对专业文档的内在质量审查；这类审查高度依赖人类专家，成本高且难以规模化。 为了弥补这一空白，作者构建了 GB/T-Bench，并提出了增强审查能力的 GB…
BaKron: Efficient Quantization with Kronecker-Factored Hessians
AV-AIVAT 将方差缩减工具 AIVAT 与随时有效置信序列（CSs）结合，使两个智能体的强弱比较可以在“证据已经足够”的那一刻合法停止；在 95% 名义水平、目标精度 ±1 大盲注、使用渐近置信序列（AsympCS）时，原始收益所需的中位对局数是 AIVAT 校正后收益的 74 倍。
比较两个智能体谁更强，通常要靠多局博弈让技能差异压过运气噪声。每局博弈都有金钱、模型推理或专家时间成本，而且所需局数事先未知。
研究问题：在 agnostic PAC 设定中，二分类假设类 \(H\subseteq\{-1,+1\}^X\) 的 VC 维为 \(d\ge1\)，目标是从 \(n\) 个 i.i.d. 样本中输出 \(\widehat h\)，使其风险 \(L(\widehat h)\) 尽量接近 \(H\) 内最优风险 \(L^*=\min_{h\in H}L(h)…
本文提出一个六维分类法，用机制、目标、数据需求、持久性、结构范围和模型类型六大维度统一描述与比较训练后适应（post-training adaptation）技术，为AI治理中的模型变更追踪提供共同词汇表。
训练后适应已成为现代机器学习实践的核心，包含重训练、微调、参数高效适应、对齐、检索增强、模型编辑、遗忘、校准和多模态指令微调等。然而，相关文献在技术族、模型类别和部署场景之间高度碎片化，导致不同方法难以比较，训练后模型究竟被如何修改也缺少统一描述。该综述旨在整合这些文献，提出一个系统的分类框架。
据量子位 2026-08-05 报道，清华系团队 Sand.ai 推出了视频生成模型 MAGI-2-preview，并公开代码与权重。该模型采用 MoE 架构，总参数 114B，单次前向激活约 6B，被文章称为“全球首个千亿 MoE 视频生成模型”。
根据宇树科技官网新闻页的标题元数据，其创始人王兴兴（Wang Xingxing）登上《时代》杂志封面，新闻标注日期为2026-08-05；具体报道内容、封面期号及采访细节待核实。
该条新闻来自宇树科技官网新闻栏目，英文标题为“Unitree founder Wang Xingxing graces the cover of Time magazine 2026-08-05 Media Coverage”，表明这属于媒体封面报道。由于官网正文未能抓取，除标题所示信息外，其余事件背景与报道内容均待核实。
SK海力士与闪迪联合推出下一代高带宽闪存（HBF）的首个标准规范，由OCP作为行业通用标准发布；同时公布了第十代375层4D NAND等新一代闪存技术进展。
腾讯研究院AI速递（20260805）报道，SK海力士联手闪迪发布了高带宽闪存HBF的首个标准规范。该规范由开放组织OCP作为行业通用标准发布，谷歌、Tenstorrent已加入联盟。FMS 2026上首次公开了第十代375层4D NAND，并提出面向代理式AI的分层内存架构方案。
Cursor 开源了名为 **Mixture-of-Kittens（MoK）** 的确定性 MoE 训练 megakernel，将 MoE 层的通信与计算融合到单个内核中；在 GB300 NVL72 上，其 MXFP8 前向吞吐量最高可达最快公开基线的 **2.37 倍**，并在生产训练环境中将端到端 tokens/s 提升了 **1.41 倍**。
Cursor 在训练其智能体编程模型 Composer 时发现，混合专家（MoE）层始终是主要瓶颈：根据负载和训练配置，MoE 层可消耗超过一半的端到端训练时间。过去他们曾编写 MXFP8、NVFP4 训练内核和“warp decode”推理方法，但这些技术只优化了计算部分，通信开销仍独立存在。转向 GB300 NVL72 后，硬件特点（单 NVLink…
Palantir CEO Karp 认为，大语言模型是概率性的，不能直接用于造车、发火箭等高精度任务；企业买 Token 烧钱难以产出价值，关键在于将模型、应用层与算力结合，并让客户自持权重、数据与算力。
在腾讯研究院 AI 速递（20260805）中，报道了 Palantir CEO Karp 关于“FDE”（具体含义待核实）和“买 Token 创造不了价值”的观点。Karp 批评当前企业单纯购买大模型 Token 的做法，认为这种方式既无法保证高精度任务，又存在数据机密被厂商拿走的风险。
OpenAI针对苹果的起诉发表官方声明并公开邮件与聊天记录，否认“有组织地窃取硬件机密”，称苹果所谓的诉前沟通源于一封发错的邮件和“一通不存在的电话”；但公开记录也显示，两名前员工离职后确曾回答产品计划相关问题，且iCloud权限一度保留。
2026年7月，苹果起诉OpenAI及两名前员工，指控其有组织地窃取硬件机密，并申请禁令叫停OpenAI硬件项目（具体起诉日期、法院、案号待核实）。 OpenAI发布官方声明反击，公开邮件与聊天记录，表示苹果声称的诉前沟通实际上是由一封发错的邮件和“一通不存在的电话”引起的。 OpenAI称，前员工离职后接触机密系在职苹果员工主动交接所致；但记录同时显示，…