ACE-Data-0 提出了一种名为 ACE（Ambient Capture Engine）的以人为中心的数据引擎，将真实家居环境改造成空间校准、时间同步的多感官记录棚，并构建了包含 150 小时、1700 万帧、7.5 万个交互片段的大规模具身智能演示数据集，以缓解具身智能的“数据瓶颈”。
具身智能面临根本性数据瓶颈：模型需要理解第一人称感知、全身运动、灵巧操作、物体状态、声音和触觉如何随时间共同演化。已有数据集往往在视角、模态或空间尺度上割裂了这一体验，导致“感知-行动闭环”只能被部分观测。为此，作者提出 ACE，并基于它构建 ACE-Data-0 数据集与分层基准。
该研究提出一种将神经视觉感知与模糊符号推理解耦的模块化框架：先用 Swin Transformer 从排水管检测图像预测多标签 CODE 等级，再通过由决策树转换得到的 19 条模糊 IF–THEN 规则推理最终严重性等级。相比仅用图像的端到端分类，该方法在多个类别不平衡指标上显著提升，同时让“从视觉缺陷到严重性评分”的决策路径可追踪、可解释。
标准自动排水管严重性评估通常直接对图像进行分类，形成“黑箱”：视觉缺陷与最终严重性评分之间的关联是隐式的。本文希望打破这一黑箱，通过神经符号方法将“感知”和“推理”分离，使系统既能保持竞争性的分类性能，又能输出可解释的规则支持证据。
Reusability report: Exploring the utility and extensibility of an integrated modelling framework for liquid electrolyte design
即便掌握1905年全部物理学知识，当前大语言模型也无法独立提出广义相对论，根本原因在于模型缺乏从经验现象跃迁到基础公理的“溯因跃迁”能力，仅停留在符号统计层面，未锚定物理世界。
DeepMind发表论文《LLMs can't jump》（待核实完整论文标题及会议/期刊信息），以爱因斯坦提出广义相对论的过程为思想实验：假设模型拥有1905年前所有已知物理知识，仍无法自主推导出广义相对论。论文指出大模型缺失从物理经验到基础公理的**溯因跃迁**（abductive leap），只依赖符号统计关联，缺乏对物理世界的真实理解。
通过启用两项API设置（保留推理过程与启用压缩），GPT-5.6在ARC-AGI-3基准上的得分提升至原来的三倍，同时提高了效率。（待核实具体数值和设置细节）
OpenAI于2026年7月（根据URL发布日期推测，具体日期待核实）发布报告，说明通过调整两个API参数，使模型在抽象推理基准ARC-AGI-3上取得显著改进。原始材料未能抓取，以下内容基于摘要元数据。
通过一条名为「挑战循环」的提示词，用户可利用 Claude Opus 5 在 24 小时内从零生成画质接近 3A 水平的游戏原型，其核心在于主 Agent 拆解任务、子 Agent 并行制作、独立评委 Agent 持续对比真实 3A 作品并自动返工。
2026 年 7 月 29 日，一条由 AI 创业者和投资人 Matt Shumer 公布的 Opus 5 游戏提示词在社交媒体上爆火，吸引百万网友围观。网友 Anshu 用该提示词在 24 小时内从零复刻出类似《星际拓荒》的太空探索游戏《The Long Silence》，并开源。随后其他网友陆续用同一方法造出卡丁车游戏、Claudepunk 2077…
月之暗面开源了全球首个2.8万亿参数级多模态模型Kimi K3（激活1040亿参数），综合能力超越Opus 4.8和GPT-5.5，但官方承认仍落后于最强闭源模型；其核心架构采用KDA线性注意力+NoPE+跨层注意力残差+896专家MoE，训练效率较前代K2提升约2.5倍，配套的MoonEP并行方案与PerceptionBench基准均已开源。
2026年7月（据腾讯研究院AI速递报道），月之暗面正式开源Kimi K3模型。这是继此前Kimi K2之后又一款大规模开源模型，总参数量达到2.8万亿，激活参数1040亿，支持百万token上下文窗口和原生视觉能力。后训练阶段采用SFT、分类强化学习与多教师蒸馏，并配套了自主开发的分布式并行方案MoonEP和评估基准PerceptionBench，这些组…
SSI由OpenAI前首席科学家Ilya Sutskever创立，专注构建“安全超级智能”。公司宣布与英伟达建立长期战略合作，计划在未来12个月内将其算力规模提升10倍。据外媒报道，英伟达拟向SSI投资约50亿美元。SSI去年估值已达约300亿美元，此前累计融资约70亿美元。该公司目前尚无收入，也不急于推出产品，唯一目标是打造安全超级智能。
微软CEO纳德拉指出，企业若将数据、记忆与AI使用记录的控制权全部依附于单一AI系统，相当于外包自身思考能力，可能因模型涨价、停服或落后而面临高迁移成本，甚至难以生存；其解法是将模型、Harness与上下文记忆解耦，使底层模型可随时替换。
微软CEO萨提亚·纳德拉在公开场合警告企业，不要将全部AI能力绑定在单一供应商的大模型上。他认为，深度使用会让供应商摸清公司的运作方式，一旦模型涨价、停服或技术落后，企业的迁移成本极高，从而被牢牢锁定。纳德拉提出的应对策略是“拆”——将大模型、调用框架（Harness）以及上下文记忆进行解耦，使得底层模型可随时替换，而企业自身则需将元数据与工作流沉淀为自有…
OpenAI宣布向10万名学术研究人员免费开放ChatGPT最先进的AI模型，旨在加速科学发现与研究协作。
**发布方**：OpenAI **产品/项目**：ChatGPT for Academic Researchers **核心措施**：向全球10万名学术研究人员提供免费访问ChatGPT最先进AI模型的权限。 **目标**：加速科学研究、跨学科合作与科学发现（accelerate scientific research, collaboration, an…
OpenAI 前安全研究副总裁、知名 AI 研究者翁荔因长期高强度工作导致健康问题，在入职仅 20 个月后宣布离开 Thinking Machines Lab，进一步加剧了该公司的人才动荡。
北大校友、OpenAI 前安全研究副总裁翁荔于 2026 年 7 月 29 日宣布离职 Thinking Machines Lab，原因是连续 20 个月的高强度工作导致身体难以支撑。翁荔以 OpenAI 机械手拧魔方、搭建安全系统团队及高引博客 Lil'Log 著称，其提出的 Agent 公式被行业广泛引用。
微软与哥伦比亚大学提出的OpenForge RL框架，通过在任意harness中插入轻量Agent记录模型调用、并由Kubernetes编排容器调度rollout，无需修改harness代码即可扩展至数千并发环境；训练出的模型在几乎所有基准上优于同规模开源模型，泛化能力更强。
2026年7月29日，腾讯研究院AI速递报道：微软联合哥伦比亚大学发布OpenForge RL，一个面向强化学习（RL）的端到端训练框架。该框架利用轻量级Agent记录模型调用，借助Kubernetes对容器进行编排，实现大规模的rollout调度，可在任意harness与环境中训练。团队声称将开源代码、数据与模型。
蚂蚁团队开源的LLaDA2.2是全球首个大规模Agentic扩散语言模型，通过四种编辑原子操作与L-EBPO强化学习实现生成中途自我修正，在SWE-bench上提升8.6个百分点，吞吐量达同规模自回归模型的1.64倍，将扩散语言模型路线正式推入智能体时代。
2026年7月29日，蚂蚁团队宣布开源LLaDA2.2，这是全球首个专为智能体（Agent）设计的大规模扩散语言模型。该模型基于扩散语言模型路线，通过改造训练和推理范式，使其能够像自回归模型一样执行交互式任务，并具备中途自我修正能力。
根据OpenAI官方描述，GPT-5.6通过跨模型、推理和智能体工作流的效率改进，实现了每美元更优的智能产出，但具体技术细节与性能数据待核实。
OpenAI发布了GPT-5.6，旨在融合前沿智能（frontier intelligence）与前沿效率（frontier efficiency）。该模型在模型架构、推理过程以及智能体工作流（agentic workflows）三个层面进行了效率优化。由于原始材料未能抓取，更详细的发布背景、时间及技术细节待核实。
开放安全AI联盟主张通过开放前沿模型和共享工具强化AI安全防御，避免闭源工具的单点故障风险，并已有Hugging Face使用GLM 5.2成功防御入侵的实例佐证。
2026年7月，NVIDIA联合Adobe、微软、IBM、Hugging Face等数十家企业，基于Linux基金会倡议成立“开放安全AI联盟”，旨在开发共享开放工具，保障AI时代软件与智能体安全。（具体成员名单及成立日期待核实）
腾讯生命科学实验室与中南大学合作开发的UniPert-G2CP模型，首次将基因扰动、化合物结构与细胞转录组响应纳入同一因果空间，实现用低成本基因数据预测高成本的化合物-细胞响应，相关成果发表于《Cell》主刊，成为国内首篇在该刊发表的AI虚拟细胞研究。
腾讯生命科学实验室与中南大学联合团队在《Cell》主刊发表了UniPert-G2CP模型，旨在攻克“化学扰动×细胞特异性响应”这一难题。该算法通过构建统一的生物表征空间，实现从密集的低成本基因数据到稀缺昂贵的化合物-细胞响应预测的“知识迁移”。
对连续代数约束系统的求解，学习型扩散提议（diffusion proposals）在满足赋值决策上仅在高维且变量独立时才显著优于随机多起点搜索；在低维或变量耦合时优势消失，且在八个真实世界系统中经典随机多起点即可全部解决，未出现学习型有利区间。
求解连续代数约束系统需两类决策：①哪些值满足约束；②何种结构增补使不可解系统变为可解。经典求解器擅长前者，对后者只能枚举。现有扩散模型作为学习型提议用于加速求解，但缺乏一个关键控制实验：相同精炼预算下的随机多起点基线。本文系统性地比较了学习型扩散提议与随机多起点在赋值决策上的表现，并刻画了有利区间。
VidMap 融合了 SLAM 的强时序约束与离线 SfM 的全局优化能力，在未知相机标定、极端运动和视觉对称场景下，显著优于当前最先进的经典或学习方法。
准确恢复任意未标定视频的相机标定与度量位姿，是获取大规模导航与场景理解训练数据的关键瓶颈。现有方法存在严重局限：SLAM 因因果增量特性对初始化敏感、易出现瞬态失败，且通常需要已知相机标定；SfM 虽支持全局优化，但对视觉对称和极端运动鲁棒性差。VidMap 旨在弥合两者差距。
**问题**：现有视觉-语言-行动（VLA）模型普遍采用“以LLM为中心”的 \(V \to L \to A\) 架构，即先通过大语言模型融合视觉与语言信息，再解码为动作。该设计每次策略调用都带来巨大的计算和内存开销，难以在消费级硬件上实时运行。 **事件**：作者提出TurboVLA，将路径重构为直接的 \(V + L \to A\) 映射，独立编码视觉…
在三人小团队中引入AI作为队友，会显著削弱人类成员之间的沟通响应性、社会影响力，并降低成员的归属感和地位感；这种社会成本在对话初期即已显现，且AI在对话中占据支配性话语权。
The Social Cost of an AI Teammate: How an Artificial Teammate Reshapes Human-Human Communication in Small-Team Decision-Making