Cohere于2026年7月27日宣布推出North Automations，这是一个面向企业的智能工作流编排层，旨在通过统一协调多个AI代理、按步骤选择模型和内置治理，帮助企业弥合AI投入与实际回报之间的差距。
Cohere团队在官方博客中宣布发布North Automations。材料指出，当前企业中AI代理快速普及，但普遍存在工作流狭窄、缺乏治理、成本高昂等问题，导致代理式AI的潜力难以落地为可扩展的ROI。North Automations作为Cohere“North”平台的一部分，提供集中式代理编排层，将分散的单个任务自动化升级为端到端的、结果导向的工作流…
OpenAI 的新研究显示，ChatGPT 用户正在跨越传统岗位边界承担更多类型的任务，AI 正在重塑工作中“能做什么”的边界，而不仅仅是替代重复劳动。具体数据与结论待核实。
OpenAI 于 [具体日期待核实] 发布了一篇题为“How AI is expanding what people do at work”的研究报告，探讨生成式 AI（尤其是 ChatGPT）如何改变劳动者在岗位上的实际工作范围。研究聚焦于 ChatGPT 用户的使用模式，指出用户开始利用 AI 执行原本不属于其岗位职责的任务，从而扩展了个人的工作边界。
Black Forest Labs 发布 FLUX 3，从专用图像模型进化为统一处理图像、视频、音频并具备动作预测能力的多模态模型，其视频生成能力在初评中显著领先多个竞品，且 Dev 版将开源。
Black Forest Labs 于 2026 年 7 月 27 日左右发布 FLUX 3，这是其从图像生成模型向多模态模型的重大升级。新模型基于 Self-Flow 方法构建，可统一处理图像、视频、音频，并原生集成动作预测能力。公司估值达到 32.5 亿美元。
Anthropic于2026年7月27日正式发布Claude Opus 5，在多项编程与知识工作评测中刷新纪录，智能水平接近竞品Fable 5，但每百万输入/输出价格仅为其一半（输入5美元、输出25美元），并已成为Claude Max默认模型。官方称其为迄今对齐程度最高、欺骗行为发生率最低的模型，但在生物研究与进攻性网络安全两用能力方面仍落后于Mythos…
2026年7月27日，Anthropic发布新一代旗舰模型Claude Opus 5。该模型在Frontier-Bench、ARC-AGI 3等评测中取得领先成绩，自主核查与迭代能力增强，可自建测试框架并修复真实漏洞。定价策略极具竞争力：每百万输入token仅5美元、输出25美元，约为Fable 5的一半。模型现已作为Claude Max默认模型上线。
Anthropic在发布Claude Opus 5后，对Claude Code的系统提示词进行了大幅精简，删除了八成以上内容。经编码评估，未发现可测性能损失。官方认为模型越强，越不需要冗长的保姆式规则。
OpenAI全量开放ChatGPT Health，免费用户可接入Apple Health、Epic等电子病历数据，用于健康管理与就诊准备，但数据隐私和误导风险引发担忧，官方强调不能替代医生。
2026年7月27日，OpenAI全量开放ChatGPT Health功能，整合进主聊天页面。用户可同步Apple Health、Epic等电子病历及体检报告，基于真实数据做纵向对比与就诊准备。免费用户不受限，目前仅对美国18岁以上用户开放，支持网页与iOS端。
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…
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…
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…
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%。
深度学习模型在真实场景中因不可预见的分布偏移而性能严重下降。测试时适应（TTA）在推理时不依赖源数据，仅使用目标域无标签数据动态调整模型。现有 TTA 研究主要针对独立同分布图像，对于具有时间相关性的视频，以及目标域存在严重域偏移的情况，仅有少量工作。本文提出 TADD（Test-time Adaptation via Dual Distillation）…
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…
变分量子电路是近期量子计算应用的核心，但大量证据表明可训练性与量子优势存在根本矛盾：足够表达能力强到抵抗高效经典模拟的拟设往往出现贫瘠高原；而能证明没有贫瘠高原的结构通常又是经典可模拟的。论文旨在设计一种能在这两个极端之间提供连续调节的变分拟设。
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。
RGBT跟踪中，可见光（RGB）与热红外（T）模态经常出现缺失，导致多模态特征表示不完整且不稳定，严重降低跟踪性能。现有方法通常从可用模态恢复缺失模态，但在挑战性场景下生成质量不佳；同时，现有方法在处理模态缺失与完整数据时灵活性有限。本文针对上述两个局限提出统一解决方案。
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。
以往 SAE 作为可解释性工具时，特征激活描述清晰却常导致弱或意外的因果效应，基于激活的特征选择可能漏掉能产生期望输出变化的特征。本文转而研究**特征干预引起的模型 logit 变化的下游几何结构**，而非传统上对特征内部几何的研究。
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。
少样本分割通常假定支撑标注为干净的像素级掩码，但在实际应用中，支撑监督常使用边界框、涂鸦、粗掩码或伪掩码。这些弱标注可能包含与目标纹理相似的干扰物和背景上下文，在查询预测前污染了类别原型或视觉提示。本文提出 SADe，一种无需查询信息的支持去污染层，可插入任意 FSS 模型，提升其对弱标注的鲁棒性。
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…
LLM越来越多地被用作社会模拟器，例如生成合成调查受访者。常见的评估方式是检查模拟输出（如购买意向）是否与人类结果在统计上匹配。本文指出这种“结果匹配”是必要但不足的：模拟器可能用错误的推理得到正确答案。为此，作者设计了一个审计框架，通过让人类受访者写出开放式理由，并将其结构化编码为有符号理由状态（Z），然后考察（1）人类理由是否能帮助预测行为（Y），（2…
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。
女性盆腔疾病长期因诊断延迟而影响治疗。盆腔MRI虽有优异软组织对比度，但实时异常检测受生理运动、组织变形及器械伪影干扰。有监督方法因不良事件罕见、异质且标注困难而不实用。本研究旨在开发无需标签、可在扫描仪旁提供即时反馈的无监督异常检测框架。
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。
MMOE: Modernizing Diffusion Transformers with Efficient Expert Design
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。
研究聚焦于“全图、参考引导、极端尺度超分辨率”（放大倍数高达 350×），面临两大挑战： 1. 从高度有损的输入中恢复材质特有细节，尤其在模糊的材质边界； 2. 在数百万局部预测中保持正确的全局图案结构（如织物编织的重复几何）。 目标不是精确重建，而是生成视觉上合理的微观纹理。