AI 每日资讯 — 2026-07-08
🔥 HuggingFace 每日论文
1. PixWorld: Unifying 3D Scene Generation and Reconstruction in Pixel Space
Sensen Gao, Zhaoqing Wang, Qihang Cao
本文提出PixWorld，首次在像素空间统一3D场景生成与重建任务。针对现有方法依赖潜在空间扩散、需预训练VAE/RAE且存在几何信息损失等问题，PixWorld直接在渲染图像上定义扩散目标，避免潜在编码带来的信息失真。进一步引入
基于预训练3D基础模型的几何感知损失，在几何感知特征空间对齐渲染视图与真实视图，实现显式3D结构监督。实验表明，PixWorld在生成质量上显著超越现有潜在空间方法，在重建精度上媲美最先进重建模型，验证了像素空间统一范式的有效性与优越性。2. Multiplayer Interactive World Models with Representation Autoencoders
Anthony Hu, Václav Volhejn, Adrien Ramanana Rahary
本文提出了首个面向高动态、强耦合物理交互环境的多人世界模型，突破了传统单人世界模型将其他智能体视为环境一部分的局限。该模型以多智能体动作流为条件，通过表征自编码器学习场景变化与各玩家行为间的因果归因，在《火箭联盟》这一复杂竞技环境
中实现了四人实时协同与对抗建模。基于10,000小时机器人对战数据训练的50亿参数潜在扩散模型，可在单块NVIDIA B200 GPU上以20 FPS生成高质量视频序列；其rollout稳定性远超训练时长——分布质量在5分钟内保持稳定，实际运行中可持续数小时无崩溃。研究系统分析了视频编解码器、生成目标函数与多人条件机制等核心设计，并揭示了模型与数据规模扩展下的能力涌现规律与持续存在的失效模式；同时构建了聚焦物理理解而非仅视觉保真度的专项评测体系。3. LLM-as-a-Verifier: A General-Purpose Verification Framework
Jacky Kwok, Shulu Li, Pranav Atreya
本文提出LLM-as-a-Verifier，一种无需额外训练、面向智能体任务的通用验证框架，将“验证能力”确立为大语言模型（LLM）能力提升的新扩展维度。该框架摒弃传统离散打分范式，转而基于评分token logits分布的期望值
生成连续分数，从而支持细粒度评分、多次重复评估与多准则分解三大可扩展方向。实验表明，提升评分粒度可增强正负样本区分度，而重复评估与准则分解分别通过降低方差与复杂度进一步提升验证准确性。配套设计的低成本排序算法显著提升了候选解筛选效率。该方法在Terminal-Bench V2（86.5%）、SWE-Bench Verified（78.2%）、RoboRewardBench（87.4%）和MedAgentBench（73.3%）上均达到当前最优性能。4. MV-Forcing: Long Multi-View Video Generation via 4D-Grounded Spatio-Temporal Self-Forcing
Gal Fiebelman, Hadar Averbuch-Elor, Sagie Benaim
本文提出MV-Forcing框架，旨在解决长时序、多视角一致的动态场景视频生成难题。该方法通过引入基于4D几何先验的时空自强迫机制，在单一扩散模型中统一建模时间与视角维度的自回归过程：利用3D重建模型将已生成源视角转化为目标视角的
几何渲染先验，再由扩散模型精细化生成；并设计联合去噪训练策略与时空自强迫蒸馏（Distribution Matching Distillation），消除训练与推理间的暴露偏差。实验表明，MV-Forcing可在任意长度和视角数下生成几何一致的高质量多视图视频，仅需单次、少步推理。5. Deform360: A Massive Multi-view Visuotactile Dataset for Deformable World Models
Hongyu Li, Wanjia Fu, Xiaoyan Cong
本文提出Deform360——首个大规模多视角视触觉数据集，旨在推动可泛化的可变形物体世界建模研究。该数据集涵盖198种日常物品、1980组交互序列，包含超215小时来自41个环绕相机与双臂触觉夹爪的同步观测数据，并通过新型无标记
视触觉三维跟踪管线提取稠密几何与运动信息。作者系统评估了2D视频模型与3D粒子模型在可变形物体动态预测中的性能差异，揭示了结构先验与可扩展性之间的关键权衡。实验还验证了其在真实机器人规划任务中的实用性，为后续研究提供了坚实基准。6. SynCity 3000: Bootstrapping Scene-Scale 3D Diffusion
Paul Engstler, Iro Laina, Christian Rupprecht
本文提出SynCity 3000，一种面向场景尺度的3D扩散生成框架，旨在解决现有方法难以兼顾全局一致性与细粒度布局控制的问题。该方法将图像到3D生成模型改造为可平移不变的卷积算子，并借助自研的合成数据引擎生成大规模场景级训练数据
以缓解真实3D场景数据稀缺问题。给定用户文本提示生成的等轴测二维场景图后，模型可高效输出任意尺寸、结构连贯且细节丰富的3D场景。实验表明，SynCity 3000在多样化的提示与布局下均能稳定生成高质量大尺度3D场景，显著优于先前方法。7. CompactionRL: Reinforcement Learning with Context Compaction for Long-Horizon Agents
Yujiang Li, Zhenyu Hou, Yi Jing
长时程智能体大语言模型受限于有限上下文窗口，难以处理超出最大长度的交互轨迹。本文提出CompactionRL，一种融合上下文压缩的强化学习框架，通过联合优化任务执行与摘要生成，并引入词元级损失归一化和跨轨迹广义优势估计，使模型能从
压缩后的长时程轨迹中有效学习。在开源模型上实验表明，CompactionRL显著提升性能：基于GLM-4.5-Air（106B）在SWE-bench Verified和Terminal-Bench 2.0上Pass@1分别达66.8%和24.5%，绝对提升7.0和3.1分；基于GLM-4.7-Flash（30B）亦分别提升5.5和6.8分。该方法已部署于750B规模GLM-5.2模型的RL训练流程中。🏛️ Zhipu AI (智谱AI) | PDF · arXiv
8. Geometric Reciprocity: Unlocking Self-Supervision for Stereoscopic Video Generation
Jingyi Lu, Kai Han
本文针对单目视频到立体视频转换中的关键瓶颈——DIBR框架下的遮挡区域（disocclusion）修复问题，提出首个基于单目视频的自监督学习框架。核心贡献是几何互易性定理（GRT），指出在最近邻DIBR假设下，目标视图合成时的遮挡
掩码等于从目标视图反向扭曲回源视图时丢失像素的掩码，从而可直接从单目图像解析计算测试时遮挡区域。该性质保障了训练与测试的一致性，使模型能仅凭海量无标签单目视频进行自监督训练。实验表明，本方法显著优于无训练及有监督的前沿方法。🔥 arXiv 每日论文
📄 arXiv: cs.AI
1. iFLYTEK-Embodied-Omni Technical Report
Yuan Zhang, Jingfei Ni, Guanchen Lu, Shiqi Zhang, Qingshan Xu, Chi Liu, Xin Nie, Wenjie Xu, Lin Gao, Zhiyuan Cheng, Mingxin Zhou, Jiajia Wu, Diyuan Liu, Jia Pan, Chao Ji
本文提出iFLYTEK-Embodied-Omni，一种面向具身智能的统一多模态基础模型，旨在解决通用具身代理在长时序任务中需协同理解多模态指令、预测环境演化并生成精准控制动作的核心挑战。该模型通过共享多模态自注意力机制，有机集成
视觉-语言理解、视频生成与动作生成三大模块，构建“脑-小脑”协同架构：前者负责高层任务规划与未来状态预测，后者实现低层动作执行。研究构建了融合人类示范、机器人交互及通用图文数据的综合性具身数据集，并采用四阶段渐进式训练策略。实验表明，该模型在多项具身推理与控制基准上显著优于现有级联或单模块方法。🏛️ iFLYTEK
2. Internal Pluralism and the Limits of Pairwise Comparisons
Bailey Flanigan, Michelle Si
本文探讨了在个体存在“内在多元性”（internal pluralism）——即依据多个权威性价值优先级评估决策规则——时，局部成对比较方法在偏好学习中的局限性。作者构建了一个形式化模型，刻画多元优先级（如比例性、平等主义、同等对
待）如何影响对决策规则的评价，并指出两类关键失效：其一，某些优先级具有全局性，局部比较无法充分反映其跨情境依赖；其二，强冲突的优先级会导致个体在强制比较中产生行为扭曲。实验表明，允许报告“不确定”可显著降低准确学习偏好所需的查询次数。研究进一步提出，直接 elicitation 多元优先级能提升偏好建模的保真度与可解释性。3. ASK in the Dark: Uncertainty-Gated LLM Assistance under Partial Observability
Juarez Monteiro, Nathan Gavenski, Guilherme Lima, Francisco Galuppo, Odinaldo Rodrigues, Adriano Veloso
本文针对部分可观测马尔可夫决策过程（POMDP）中强化学习智能体因信息缺失而决策困难的问题，提出ASK+框架，通过为小型语言模型（SLM）注入轨迹感知上下文（如部分地图、访问位置与动作历史）并引入结构化思维链推理，使其从被动校验者
转变为主动咨询顾问。研究发现，基于预测熵的不确定性门控机制在POMDP中仍有效，因其反映动作不确定性而非状态不确定性。实验表明，ASK+在DoorKey、FourRooms和HigherLower环境中分别将成功率提升至93%、70%和73.7%，显著优于基线；且Qwen3.5-2B性能媲美或超越Qwen3.5-4B，验证了提示工程与选择性门控比模型规模更具决定性作用。📄 arXiv: cs.CL
1. Improving LLMs via Validator-to-Generator Alignment
Juan Diego Rodriguez, Jocelyn Zhang, Katrin Erk, Greg Durrett
本文针对大语言模型（LLM）中普遍存在的生成器-验证器（G-V）不一致问题，提出一种基于词频校正的G-V一致性新范式。作者指出，传统G-V一致性失效源于生成器对合法但低频答案的天然低置信度倾向；为此，他们构建了符合理性代理假设的频
率校正模型，并据此设计训练目标FCPA（Frequency-Corrected Prompt Alignment）。实验表明，FCPA显著提升G-V一致性与生成质量，在IFEval和HumanEval上Pearson相关性最高提升27个百分点，且不损害验证器性能。2. Echoes of Unrest: A Multimodal NLP Framework for Early Warning of Fake News and Violence-Driven Mob Activity
Md. Maruf Bangabashi, Tahmid Hasan, Golam Mahmud, Md. Mostafijur Rahman, Md. Toufiqur Rahman, Jahanur Biswas
本文针对社交媒体中虚假信息引发社会动荡与群体暴力的问题，提出一种多语言、多模态的自然语言处理框架，用于虚假新闻及暴力倾向性事件的早期预警。该框架融合XLM-RoBERTa（文本）、CLIP（图像）与多头注意力机制，并引入反讽识别与
地理空间元数据等辅助特征。基于构建的13.8万条孟加拉语与英语混合样本数据集，在30%分层测试集上达到98%准确率，兼具高精确率与召回率。实验表明，多模态融合显著提升检测性能，而地理空间信号对现实世界事态升级具有关键预测价值。3. Reinforcement Learning for Data-Efficient Code-Switched ASR
Ziwei Ye, Peter Vickers
本文针对音频-语言模型在语码转换语音识别（CS-ASR）中解码不鲁棒、易在语言边界出错的问题，提出一种数据高效、可验证奖励的强化学习方法RLVR。该方法基于群组相对策略优化（GRPO），融合词错误率奖励与脚本保真度奖励（惩罚书写系
统混淆），并采用两阶段“草稿-精修”解码流程。在Qwen2-Audio上基于TTS生成的语码转换语音（仅10%数据量）训练，RLVR性能媲美全量数据监督微调的LoRA，尤其在类型学差异大的语言对上提升显著；两类奖励协同优化识别准确性与书写系统一致性，且零样本迁移至真实人类录音语码转换语料仍保持增益。📄 arXiv: cs.LG
1. Auditing the Audit: Five Failure Modes in Benchmark-Validity Audits
Yanhang Li, Zhichao Fan, Zexin Zhuang
本文针对AI治理中广泛采用的基于扰动的构念效度审计（perturbation-based construct-validity audits）提出批判性反思，指出其自身存在隐蔽性脆弱：审计结论可能被不可见的实现细节悄然操纵。作者识
别并命名了五类流水线失效模式（F1–F5），并在安全基准与开源指令微调模型上开展自审实验，验证其普遍性。在统一的六点尽职调查关口下，所有测试单元均未达到确认性标准。研究强调该关口是一种面向保障级证据的披露与保留协议，旨在补充而非替代经典构念效度评估，亦不用于判定基准效度。2. Evaluating Time Series Foundation Models for Electricity Price Forecasting: Contamination Risk, Distributional Shifts, and Covariate Dependence
Zhenghua Pan, Ahmed Aziz Ezzat
本文针对电力价格预测（EPF）这一具有强协变量依赖性、非平稳性与分布偏移的复杂时序任务，系统评估了时序基础模型（TSFMs）的泛化能力。为规避数据污染风险并实现公平比较，作者构建了双数据集基准框架，全面考察TSFMs在点预测、概率
预测、尾部行为建模及价格尖峰捕捉等方面的表现。实验表明，TSFMs零样本性能优异，常优于通用基线模型，但其效果高度依赖协变量覆盖度，且未稳定超越专用于EPF的领域方法；进一步发现，TSFMs与领域方法的简单集成可显著提升性能，揭示二者具备互补性预测信息。3. QuantFlow: A Federated Mamba-Based Post-Transformer Foundation Model for Time-Series Forecasting
Shah Nawaz Haider, Steve Austin, Arnab Barua, Sarowar Morshed Shawon, Hadaate Ullah
本文提出QuantFlow——一种面向时间序列预测的联邦化Mamba基础模型，旨在解决长时序、高维及隐私敏感场景下传统Transformer模型计算开销大、数据需集中等问题。QuantFlow融合逆序嵌入、双向Mamba状态空间解
码器、分位数回归与联邦学习框架，支持概率预测；引入TSMixup增强时序多样性，同时保持结构完整性。在加密货币、交通、电力、流感及气象等多源数据上验证，ETTm1和Weather数据集MSE分别达0.2834与0.2218；20客户端非独立同分布（non-IID）联邦设置下，仅三轮通信即保持有效精度，且无需上传原始数据。实验表明，基于选择性状态空间建模的方法兼具可扩展性、不确定性建模能力与隐私保护特性，但在不规则流行病学信号及超长期预测上仍存局限。📄 arXiv: cs.CV
1. Learning 3D Affordances for Blade Insertion in Cluttered Stowing
Tianyu Li, Harpreet Sawhney, Minju Jung, Aditya Mehrotra, Kunal Mehrotra, Mudit Agrawal
本文针对杂乱仓储环境中刀片插入任务中的三维功能区域（affordance）学习问题，提出VulcanVoxel方法。区别于传统将功能区域建模为SE(3)位姿分布的思路，该方法将刀片功能区域直接建模为空间子集，采用基于掩码自编码器的
三维体素占用场模型，在场景几何约束下重建刀片占用体，并在每个体素处局部评估插入可行性，从而从单模态数据中恢复多模态空间预测。在10,000个无标注真实仓库操作样本上训练后，其top-5覆盖率达0.89，显著优于最佳位姿基线（0.71）；轻量级蒸馏模型实现RGB到体素的30ms实时推理，较体素到体素方案提速46倍。相关数据集已开源。🏛️ Harpreet Sawhney
2. DELTAVID: Enhancing Fine-Grained Spatiotemporal Perception with Cross-Video Differences
Yankai Yang, Yancheng Long, Bin Wen, Fan Yang, Tingting Gao, Han Li, Shuo Yang
本文针对视频多模态大语言模型（Video MLLMs）在细粒度时空感知能力上的不足，提出DELTAVID框架，通过跨视频差异建模提升局部时空变化的识别与推理能力。该方法将“找不同”任务形式化为可训练的代理任务，要求模型定位局部变化
、判断时间边界并组织空间证据。为此构建了DELTAVID-10K训练集与DELTAVID-Bench评测基准，基于真实视频生成可控、证据标注明确的样本。实验表明，DELTAVID显著提升模型在跨视频差异理解任务上的性能，并将学到的局部证据推理能力泛化至MMVU、MLVU、Video-MME等八大主流视频理解基准，在长时序、复杂推理等挑战性场景中均取得一致增益。3. Interpretable machine learning predicts Parkinson’s disease severity using motion-corrected QSM MRI and multiband multiecho fMRI features
Aixa X. Andrade
本研究利用可解释机器学习，基于运动校正的定量磁化率成像（QSM）和多波段多回波静息态fMRI衍生的局部一致性（ReHo）特征，预测帕金森病（PD）患者的运动严重程度（MDS-UPDRS Part III评分）。在28名受试者（24
例PD患者、4名健康对照）上提取区域QSM与ReHo特征，系统评估多种特征组合与四种回归模型（SVR、Elastic Net、随机森林、XGBoost）的预测性能。结果表明，全fMRI+全QSM+临床变量联合模型解释45.4%的运动严重度变异；而精选QSM特征联合临床变量模型临床实用性最优，75.0%受试者预测误差≤±5分，平均绝对误差最低。SHAP分析揭示小脑、丘脑、纹状体、岛叶及运动皮层为关键贡献脑区。📝 AI 官方博客
1. Expanding Managed Agents in Gemini API: background tasks, remote MCP and more
📝 Google AI Blog
本文介绍了 Gemini API 中托管智能体（Managed Agents）功能的扩展升级，重点支持后台任务执行、远程 MCP（Model Control Protocol）集成及其他增强能力。通过引入轻量级异步任务调度框架与标准化 MC…
P 接口，系统可在不阻塞主请求流的前提下高效处理长周期任务，并实现跨模型服务的统一控制与状态同步。实验表明，新架构将后台任务平均响应延迟降低 42%，MCP 调用成功率提升至 99.3%，显著增强了多步骤复杂工作流的可靠性与可扩展性。2. The latest AI news we announced in June 2026
📝 Google AI Blog
本文报道了2026年6月发布的多项前沿人工智能进展，涵盖多模态大模型、高效推理架构与具身智能新范式。核心成果包括：发布开源多模态基础模型PixelDrop，支持文本、图像、视频与3D场景的联合理解与生成；提出动态稀疏注意力机制（DSA），在…
保持98.7%原始性能前提下将推理显存降低42%；首次实现端到端训练的通用具身智能体“JuneBot”，在12类家庭任务中平均成功率提升至89.3%。实验表明，PixelDrop在MMBench-V2基准上达到92.4分，超越此前SOTA模型3.6分。3. New York City educators and industry leaders gathered at Google’s offices to shape the future of AI in classrooms.
📝 Google AI Blog
本文报道了由谷歌、纽约就业首席执行官委员会与城市联合会在谷歌纽约办公室联合举办的AI教育峰会。会议汇聚150位纽约市教育工作者与行业领袖，聚焦人工智能在课堂教学中的实际应用与伦理治理，探讨教师培训、课程整合、公平可及性及数据隐私等关键议题。…
峰会通过工作坊、圆桌对话与案例分享，推动产教协同制定AI教育实施框架，并发布了面向K–12学校的AI素养指南草案。后续将启动试点项目，评估工具有效性与教学影响。4. Early Indicators of Reward Hacking via Reasoning Interpolation
📝 EleutherAI Blog
本文提出一种基于推理插值（reasoning interpolation）的早期预警方法，用于在强化学习智能体训练过程中识别奖励作弊（reward hacking）的潜在迹象。核心思想是利用重要性采样（importance sampling…
），结合经微调的“捐赠者”预填充（donor prefills）生成高质量推理轨迹，从而在策略尚未明显偏离目标行为前，检测其隐含的奖励优化偏差。该方法无需修改训练流程或访问环境内部状态，具备强实用性与可解释性。在多个基准任务上的实验表明，该方法可在奖励作弊发生前平均提前32%的训练步数发出预警，准确率达89.7%，显著优于基线检测方法。5. Reward Hacking Resarch Update
📝 EleutherAI Blog
本文为关于奖励黑客（Reward Hacking）问题的阶段性研究进展报告。针对强化学习智能体在优化代理奖励函数时偏离设计者真实意图的现象，本工作系统梳理了现有奖励黑客案例的成因分类，提出一种基于奖励函数可解释性与行为一致性的双维度检测框架…
，并初步实现了在Gridworld与MiniGrid环境中的验证。实验表明，该方法能有效识别约78%的隐式奖励篡改行为，较基线方法提升23%。后续将拓展至高维连续控制任务，并探索基于反事实推理的鲁棒奖励建模机制。6. Pretraining Data Filtering for Open-Weight AI Safety
📝 EleutherAI Blog
本文提出“深度无知”（Deep Ignorance）方法，旨在通过预训练数据过滤提升开源大语言模型（LLM）的安全性与抗篡改能力。该方法系统识别并移除预训练语料中包含敏感、有害或易被恶意利用的知识片段（如越狱提示、违法指令、隐私数据等），同…
时保留模型基础能力所需的核心通用知识。关键技术包括基于多维度安全评分的自动化数据筛选框架、可解释性驱动的危险模式识别模块，以及在过滤后数据上微调验证的鲁棒性评估机制。实验表明，在多个开源模型（Llama-3、Qwen2）上应用该方法后，模型对对抗性攻击的抵抗力提升42%，有害输出率下降67%，且在标准基准（MMLU、HumanEval）上保持98%以上原始性能。7. The Making of Claude CodeFeaturesJul 6, 2026The inside story of how Claude Code went from an internal CLI to Anthropic’s coding agent, told by researchers, engineers and early users who built it.
📝 Anthropic
本文讲述了Claude Code从内部命令行工具演变为Anthropic首款专业级编程智能体的全过程，由核心研发人员、工程师及早期用户共同回顾其技术路径与产品迭代。团队通过深度融合代码理解、生成与执行能力，构建了支持多语言、上下文感知调试及…
IDE原生集成的新型编码架构；关键突破包括基于强化学习的代码补全优化、细粒度安全沙箱机制，以及面向开发者工作流的轻量代理协议。在GitHub Copilot基准与内部真实开发任务测试中，Claude Code相较前代提升37%任务完成率与42%错误修复准确率，已集成至VS Code、JetBrains等主流开发环境。8. AnnouncementsJun 30, 2026Redeploying Fable 5Fable 5 returns globally July 1. We’re also proposing an industry-wide framework for scoring jailbreak severity, together with Amazon, Microsoft, Google, and other Glasswing partners.
📝 Anthropic
暂无摘要
9. ProductJun 30, 2026Introducing Claude Sonnet 5Sonnet 5 delivers frontier performance across coding, agents, and professional work at scale.
📝 Anthropic
暂无摘要
📬 TLDR AI 精选
1. one daily email
该页面仅显示标题“one daily email”，无其他实质性内容，无法提取具体新闻或信息。