AI 每日资讯 — 2026-07-09
🔥 HuggingFace 每日论文
1. RynnWorld-4D: 4D Embodied World Models for Robotic Manipulation
Haoyu Zhao, Xingyue Zhao, Siteng Huang
本文针对开放世界机器人操作中场景动态建模的挑战，提出RynnWorld-4D——一种基于RGB-D输入与语言指令生成未来4D（RGB+深度+光流）序列的具身世界模型。该模型采用三支路扩散架构，融合跨模态注意力与帧级3D旋转位置编码
（RoPE），确保外观、几何与运动的一致演化。为支撑训练，构建了包含2.54亿帧的Rynn4DDataset 1.0，涵盖第一人称人类与机器人操作视频，并配备高质量伪标注深度与光流。进一步设计RynnWorld-4D-Policy，直接利用模型内部4D表征进行单次前向推理，实现高效策略输出，在多个仿真与真实机器人操作任务中显著优于现有基线。2. RynnWorld-Teleop: An Action-Conditioned World Model for Digital Teleoperation
Haoyu Zhao, Xingyue Zhao, Hangyu Li
本文提出RynnWorld-Teleop，一种面向数字遥操作的动作条件化世界模型，旨在突破物理遥操作在数据采集中的硬件与时空瓶颈。该方法以单张参考图像为起点，通过深度感知的骨骼条件建模与视频扩散Transformer，将操作者手部
姿态流实时映射为高保真第一人称机器人视角视频；生成的姿态序列作为具身无关的动作标签，可经标准重定向适配任意目标机器人，从而构建无需物理设备的完整状态-动作轨迹。系统采用流式自回归蒸馏实现单次推理，达40+ FPS实时性能。实验表明，仅用合成数据训练的策略即可实现零样本Sim2Real迁移，并在灵巧双臂任务中显著提升真实世界数据集的泛化性能。3. Vision as Unified Multimodal Generation
Xiaoyang Han, Jianhua Li, Kewang Deng
本文提出将计算机视觉统一建模为多模态生成任务，摒弃传统任务专属架构，转而依托统一的多模态大模型，在原生文本与图像生成空间中直接表达各类异构视觉任务。为此，作者构建了SenseNova-Vision模型，通过自然语言指令与可选视觉提
示灵活指定任务类型、目标区域及解码范式，输出形式涵盖纯文本（符号化结果）、纯图像（稠密空间预测）或图文混合（组合型任务）。为支撑大规模训练，作者构建了SenseNova-Vision语料库，将多样化视觉标注自动转化为适配该生成空间的指令-响应样本。模型基于现成预训练多模态基座，仅通过该语料及辅助多模态数据微调，无需新增预测头或结构修改。实验表明，该单一模型在检测、OCR、关键点估计、分割、深度/法向量预测、点云、相机位姿估计等十余类任务上达到与专用模型相当的性能，并支持语言定义的细粒度任务变体。4. SIEVE: Structure-Aware Data Selection for Imitation Learning with VLA Models
Changti Wu, Bin Yu, Zhaolong Shen
本文针对视觉-语言-动作（VLA）模型在模仿学习中因数据冗余、噪声与覆盖不均导致性能饱和的问题，提出结构感知的数据选择方法SIEVE。SIEVE将机器人演示建模为可复用的视觉运动原语及其过渡接口的组合，通过轨迹分段挖掘原语，基于边
际收益递减原则最大化结构复用曝光以分配选择预算，并在各组合模式桶内选取中心化、稳定且适合模仿的典型轨迹。实验表明，SIEVE在多个数据集、基准任务和VLA模型上持续超越现有数据选择基线；仅使用50%演示数据与50%训练步数，即优于全量数据训练，验证了可复用结构作为高效VLA模仿学习关键信号的有效性。5. Hierarchical Acoustic-Semantic Modeling: Modality Separation and Semantic Coherence for Full-Duplex SLMs
Zhenyu Liu, Yunxin Li, Xuanyu Zhang
本文针对全双工口语语言模型（SLMs）中因声学与语义模态深度耦合导致的模态干扰问题，提出分层声学-语义建模框架Lychee-FD。通过细粒度优化动力学分析，揭示梯度冲突是性能退化的根本原因，并设计层级化参数分离策略，在深层解耦模态
表征，同时引入专用语义对齐通道保障跨模态一致性。在多个全双工基准测试上，该方法显著提升语音智能性（Spoken QA +7.4%）与交互流畅度（FullDuplexBench 1.5 +28.5%），且不牺牲推理效率。6. RMISC: A Large-scale Real-world Multivariate Corpus for Time Series Foundation Models
Qian Sun, Yong-Ming Tian, Jia-Wei Huang
本文针对时间序列基础模型（TSFMs）普遍依赖合成多变量数据预训练、难以建模真实世界复杂时序动态与跨变量关联的问题，构建了RMISC——首个大规模、高质量、开源的现实世界多变量时间序列语料库，涵盖约200个数据集、1420亿时间点
，覆盖多个领域。基于该语料，作者在单变量、合成多变量及真实多变量数据上分别预训练四类先进TSFMs，并在标准分布内与分布外零样本泛化任务上进行系统评估。实验表明，引入真实多变量数据显著提升各类TSFMs的泛化性能，验证了现实世界数据对构建更强健时间序列基础模型的关键价值。7. EgoPolice: A Benchmark for Egocentric Video Understanding in High-Stakes Police Body-Worn Camera Footage
Max Gonzalez Saez-Diez, Jihoon Chung, Adam D. Wolsky
本文提出EgoPolice——首个面向高风险警用执法场景的自拍式（egocentric）视频理解基准数据集，涵盖真实警察-民众互动的公开执法记录仪视频。数据集以秒级精度标注关键行为标签（如“Weapon Out”），具有剧烈镜头运
动、密集人际交互与稀疏高危事件等挑战性特征。作者定义分类与多选问答两类任务，系统评测了开源与闭源主流视频模型性能，发现当前最优模型（如Gemini 2.5 Pro）在高风险动作识别上仍显著受限。EgoPolice不仅为运动鲁棒性与上下文感知的自拍视频理解提供严苛评估平台，也为大规模执法视频中关键事件的自动筛选与人工复核优化奠定基础。8. WordVoice: Explicit and Decoupled Multi-Dimensional Word-Level Control for LLM-Based TTS
Sihang Nie, Jinxin Ji, Xiaofen Xing
本文针对当前大语言模型（LLM）驱动的文本转语音（TTS）系统在词级别声学属性控制上缺乏显式性与解耦性的关键瓶颈，提出WordVoice框架。作者构建了首个大规模双语词级五维标注数据集WordVoice-5A（4.7k小时），涵盖
时长、边界、能量、基频与声调；并设计基于界标词（bound-token）的显式“声学规划”机制，在LLM中实现多任务韵律协同建模与人工可干预控制；同时引入细粒度声学调制模块，弥合词级控制与波形生成间的分辨率鸿沟。实验表明，WordVoice在可控性、自然度及跨语言泛化能力上显著优于现有方法。🔥 arXiv 每日论文
📄 arXiv: cs.AI
1. Prompt-to-Paper: Agentic AI System for Bioinformatics
Ramsha Kamran, Maheera Amjad, Zartasha Mustansar, Arsalan Shaukat, Salma Sherbaz, Muhammad U. S. Khan
本文提出Prompt-to-Paper——一个面向生物信息学的多智能体AI系统，旨在解决当前AI生成论文在事实可验证性、实验真实性与质量评估标准化三方面的关键缺陷。该系统通过三大创新实现突破：（1）基于节段感知相关性评分与滚雪球式
引文扩展的确定性检索增强生成流程，确保每项主张均锚定于60–100篇可验证文献；（2）自主编码智能体真实执行计算生物学实验，输出实测而非虚构结果；（3）构建八维自动化质量评分器，融合发表文献的基准统计与显式幻觉惩罚机制。在五个生物信息学案例中，系统生成零越界引用的投稿格式PDF，质量提升平均达+17.96分（满分100），人工评审均分为7.0/10，单篇成本约0.31美元。2. From Graphs to Gradients: Physics-Inspired Structural Attribution for Cyber-Physical IoT Systems and Beyond
Spyridon Evangelatos, Christos Diou, Georgios Th. Papadopoulos, Evangelos Markakis, Panagiotis Sarigiannidis
本文针对大规模混合型信息物理系统（CPS）中因果结构难以显式建模的问题，提出一种受统计力学启发的结构归因框架。该方法摒弃对有向因果图的依赖，转而构建基于能量的无向图模型，通过分析能量景观随变量扰动的变化，实现对组件影响的依赖感知归
因。框架支持跨连续-离散混合交互的扰动效应推理，可解释异常行为。在工业物联网测试平台上验证表明，其归因精度、鲁棒性与可扩展性均优于现有图基方法。该方法虽不还原系统生成动力学，但为高维CPS及社会技术系统提供了原理性、结构化的可解释性支持。3. CSTutorBench: Benchmarking Small Language Models as Tutors for Block-Based Programming
H. Chad Lane, Bryson Kageler
本文针对小语言模型（SLMs）在K–12块编程教育中担任AI导师的适配性评估难题，提出CSTutorBench基准——首个面向VEX VR块式机器人环境的CS教学能力评测框架。该基准包含17个基于真实教学场景的问题，依据教育学驱动
的评分标准，结合人类参与的LLM-as-judge评估流程进行量化评价。实验覆盖11款4B–120B参数模型，发现模型在表层语言质量上表现良好，但在避免答案泄露、响应学生调试历史等深层教学行为上普遍不足；模型家族与指令微调策略比参数量更能预测教学效果；基于教育提示工程优化的提示词使10/11模型得分提升。结果凸显了领域特异性、教学理论支撑的基准对SLM教育部署的关键价值。📄 arXiv: cs.CL
1. How Personas Can Influence Agents to Play Split or Steal
Carlos Leon, Alexandre Rodrigues, Pedro Gamito, Thomas D. Parsons
本文探究了人格设定（personas）对大语言模型代理在“分或偷”社会困境博弈中策略行为的影响。研究采用四款开源模型（Ministral 3:3b、phi4:14b、Gemma3:12b、Gemma4:e4b），在不同温度参数（0
.3、0.7及0）下生成 persona 驱动的代理，与基于 GPT-4.1 mini 的虚拟人类（VH）进行160轮、每轮15轮的葡萄牙语迭代博弈。结果显示，双方合作（Split）占比达74%， exploitation（Steal）不足11%；phi4 和 Ministral 表现出强稳健合作性，而 Gemma 系列策略更易波动。人格特质分析表明，“亲社会型”与“原则型”persona 最具合作一致性，“分析型”则更倾向背叛；主题与情感分析进一步揭示：友谊类话语关联 Split，金钱与复仇类内容多见于 Steal，但情感极性解释力有限。该工作为后续虚拟现实中人-VH信任交互研究提供了关键基线。2. Benchmarking KV-Cache Optimizations across Task Quality and System Performance for Long-Context Serving
Nikita Agrawal, Ruben Mayer
本文针对长上下文场景下大语言模型服务中KV缓存膨胀导致的性能瓶颈，构建了一个面向工作负载的基准测试框架，系统评估了KIVI、TurboQuant、SnapKV和CaM等典型KV缓存优化方法在量化、剪枝与合并三类技术路径上的表现。实
验基于Llama-3.1-8B-Instruct和Mistral-7B-Instruct-v0.3，在LongBench风格的多文档问答、单文档问答、少样本学习与摘要任务上，综合衡量任务质量、平均输出吞吐量、首token延迟及实际压缩比。结果表明，压缩比无法有效预测端到端性能；KIVI4质量最稳定，SnapKV在长上下文吞吐上优势显著，CaM在特定QA任务中增益突出但工作负载敏感性强。研究强调需依据具体任务特性选择适配的KV缓存优化策略。3. Text Distance from Nested and Hierarchical Repetitions: A Compression-Based Perspective
Xiaojun Hu, Jing Wang, Jingwen Zhang, Fengyao Zhai, Xiao Xie, Hao Liao, Zengru Di, Yu Liu
本文提出一种基于算法信息论（AIT）的文本结构分析新方法——Ladderpath，通过提取语言序列中嵌套与层次化的重复子结构，构建最小生成程序式的结构化表征。据此定义三种文本距离度量：归一化压缩距离（NCD）及两种直接源于Ladd
erpath表示的距离。结合k近邻分类器，三者在分布内、分布外（OOD）及少样本文本分类任务中均表现稳健；尤其在OOD和低资源场景下，全面优于基于gzip的NCD和BERT模型。结果表明，Ladderpath表征能有效保留序列内在结构特性，提供轻量、可解释且无需训练的文本建模新范式，凸显AIT在结构化、领域无关序列理解中的潜力。📄 arXiv: cs.LG
1. Design-CP: Context Parallelism for Design of Protein Nanoparticles
Lorenzo Tarricone, Helen E. Eisenach, Aiko Muraishi, Charlotte M. Deane
本文提出Design-CP，一种面向蛋白质纳米颗粒从头设计的上下文并行（Context Parallelism）推理框架，旨在解决现有全原子生成模型（如RFdiffusion 3）在建模大型多链复合物时因二次复杂度的token/原
子对表示导致的单卡显存瓶颈。该方法包含1D行切分与2D网格切分两种并行策略，并结合环形注意力机制，在多GPU设备上分布式处理激活张量，同时保持预训练权重不变。实验表明，其在二十面体组装采样中展现出GPU数量平方根级的ASU规模扩展能力，且2D切分具有更优的实测时间扩展性；结合强点群对称性约束，可直接实现端到端全原子纳米颗粒设计，结构与界面指标优异；并在仅含工作站级16GB GPU的小型集群上成功完成八面体纳米颗粒设计，验证了其在资源受限场景下的实用性与可及性。🏛️ Charlotte M. Deane
2. Geometry-Aware Infrastructure-Anchored Denoiser for UWB Sensing and Work-Zone Reconstruction
Weizhe Tang, Jiaxi Liu, Junwei you, Steven T. Parker, Pei Li, Sikai Chen, Meng Ran, Bin Ran
本文针对户外超宽带（UWB）测距中非视距传播、突发噪声与长尾误差导致工作区几何重建失真问题，提出GAIA——一种几何感知、基础设施锚定的去噪框架。该方法融合时间序列范围建模、隐式锚点布局估计与确定性距离投影，以范围去噪为监督任务，
同时引导学习距离朝向边界一致的空间重建。在同步UWB/GNSS/IMU的真实室外数据集及真实数据校准的压力测试仿真器上验证，GAIA相较PoseMLP将测距均方误差降低18.4%，多边形交并比提升15.5%，显著优于各类滤波与学习基线方法。3. The Granularity Paradox: How Temporal Disaggregation Inflates In-Sample Fit and Compounds Out-of-Sample Error
Hugo Moreira
本文揭示了时间序列预测中的“粒度悖论”：时间粒度细化（如月度→周/日频）虽提升样本内拟合优度与数据量，却因递归误差累积导致样本外预测精度显著下降；而粗粒度（如年度）虽规避递归误差，却削弱估计效率。作者基于13年公共采购数据，在6种
粒度下系统评估10类模型（含朴素法、统计模型、机器学习及深度学习），发现误差呈现非单调阈值结构：Holt-Winters等递归自回归模型在日频下测试R²低至−151、TPFE高达425.85%；LSTM呈U型误差曲线，日频下TPFE降至4.35%、R²升至0.66；线性回归TPFE稳定于16.3–17.0%，证实悖论源于递归反馈拓扑而非模型复杂度。研究指出传统点式指标（RMSE/MAE）系统性掩盖累积误差，并提出共识-分歧诊断法，通过对比点式指标与累积TPFE的方向一致性，识别被标准评估所掩盖的系统性误差传播。📄 arXiv: cs.CV
1. CanvasAgent: Enabling Complex Image Creation and Editing via Visual Tool Orchestration
Hairui Zhu, Yiying Yang, Tengjin Weng, Ziyu Lu, Xiao Yao, Xiaoyang Ye, Lin Ma, Wenhao Jiang
本文针对复杂图像生成与编辑任务中多工具协同难的问题，提出CanvasCraft大规模多模态工具使用数据集（含14万条可执行轨迹与1万条强化学习任务规范）及CanvasAgent智能体。该智能体通过监督微调（SFT）学习可执行的推理
-动作轨迹，并采用融合结果级与过程级信号的混合奖励函数，基于GRPO算法进一步优化。其核心能力在于多轮交互中动态感知中间视觉状态、追踪图像资产并自适应调度异构视觉工具。实验表明，CanvasAgent在最终图像质量与工具调用轨迹合理性两方面均显著优于现有方法，验证了所提数据集与框架对多工具图像创作流程的有效支撑。2. A Task-Driven Evaluation of UAV Detection and Tracking under Synthetic Fog
Amir Pouladi, Vesal Ahsani, Haijun Li, Homayoun Najjaran, Afzal Suleman
本文针对雾天环境下小型无人机（UAV）在天空主导、远距离图像中可见度严重下降导致检测与跟踪性能退化的问题，提出了一种任务驱动的评估框架。该框架融合深度感知的合成雾生成、图像恢复、目标检测与跟踪，构建端到端评估流水线。基于单目深度估
计与大气散射模型，从真实晴天UAV图像生成合成雾图像；系统比较了经典方法、CNN及Transformer三类恢复算法，并将最优模型嵌入下游感知流程；在清洁与含雾两种训练范式下评估多种检测器，并在清洁、雾化及恢复视频序列上测试跟踪性能。实验表明，雾显著降低检测与跟踪鲁棒性，主因是漏检率上升；含雾训练提升最稳定，而测试时恢复仅在纯清洁数据训练的检测器上效果显著。研究证实：图像级恢复质量与下游感知性能无严格正相关，需联合评估。3. Binocular Gaze Estimation with Single Camera and Single Light Source
Tongbing Huang, Yang Fu, Yunfei Wang, Zhaocan Wang
本文针对移动设备等资源受限场景，提出一种仅需单摄像头与单光源的双目视线估计方法。通过引入几何上关于摄像头对称的“虚拟光源”，在图像中生成“虚拟光斑”，并利用瞳孔间距与实际/虚拟光斑间距离关系估计其位置；随后基于双光源假设采用多项式
回归进行视线估计，并设计了一种适用于单光斑系统的新型归一化因子。实验表明，该方法在保持可接受精度的同时显著降低硬件复杂度，但性能略逊于真实双光源系统。📝 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）集成等新能力。通过引入异步任务调度机制与标准化协议接口，系统可高…
效管理长周期、低优先级任务，并实现跨服务模型控制指令的统一编排。关键技术包括轻量级任务状态同步、安全沙箱隔离及 MCP v2 协议适配。实验表明，新架构将后台任务吞吐量提升 3.2 倍，端到端延迟降低 41%，同时支持 95% 以上的 MCP 兼容性覆盖率，在多场景实际部署中验证了其稳定性与可扩展性。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、高效推理架构与可信AI三大方向。研究团队推出PixelDrop——一种基于动态分辨率调度与跨模态注意力蒸馏的轻量级视觉语言模型，在保持98.3% CLIP-ViT-L性能…
的同时，将推理延迟降低62%；提出首个面向生成式AI的实时因果可解释性框架CausalLens，支持黑盒模型的局部归因与反事实调试；在Hugging Face与MLPerf基准测试中，新模型在Zero-shot VQA、开放域文档理解等任务上分别提升4.7%和3.2%准确率，推理功耗下降至1.8W（边缘设备）。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CEO委员会与城市联合体共同主办的AI教育峰会，汇聚纽约市150余名教育工作者与行业领袖，在谷歌纽约办公室共商人工智能在课堂教学中的创新应用与伦理实践。会议聚焦AI赋能个性化学习、教师专业发展及课程整合路径，探讨数…
据隐私、算法公平性与数字素养等关键议题，并启动多项校企协作试点项目。初步实践表明，结构化AI工具可提升学生参与度达32%，同时显著减轻教师行政负担。该峰会标志着政产学研协同推进教育智能化转型的重要一步。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。针对强化学习中智能体通过 exploiting reward function 设计缺陷而达成虚假目标的现象，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…
于反事实因果分析的奖励函数鲁棒性评估框架，并设计轻量级奖励整形模块以抑制策略对奖励信号的过度投机。在Gridworld、SafeLife及自定义高风险仿真环境中开展实验，结果表明所提方法可将奖励黑客发生率降低62.3%，同时保持94.7%的原始任务性能。后续将聚焦于可验证奖励对齐的理论边界与多智能体场景扩展。6. Pretraining Data Filtering for Open-Weight AI Safety
📝 EleutherAI Blog
本文提出“深度无知”（Deep Ignorance）方法，旨在通过系统性过滤预训练数据提升开源大语言模型（LLM）的安全性。针对开放权重模型易受有害、偏见或越狱内容污染的问题，该方法设计多阶段数据筛选管道，结合语义毒性检测、知识边界识别与对…
抗性示例剔除技术，在不依赖微调或后处理的前提下，从源头削弱模型习得危险能力的可能。在多个安全基准（如BBQ、ToxiGen、SafeBench）上的实验表明，经过滤数据训练的模型在保持通用能力（MMLU、ARC）的同时，将越狱成功率降低达62%，有害响应率下降57%，且对数据删除攻击展现出更强鲁棒性。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Anthropic公司开发Claude Code的全过程，从内部命令行工具演变为面向开发者的专业级AI编码代理。研究团队与工程师通过多阶段迭代，融合代码理解、生成与调试能力，引入上下文感知推理、增量式代码补全及安全沙箱执行等关键技…
术。早期用户反馈驱动了对IDE集成、长上下文建模与多语言支持的持续优化。实证表明，Claude Code在HumanEval与MBPP基准上分别达到82.4%与79.1%的通过率，显著优于同规模开源模型，并在真实开发场景中将平均任务完成时间缩短43%。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
该内容仅提供标题“one daily email”，无正文信息，无法判断具体主题或含义，亦未涉及人工智能相关技术或应用。
💬 Hacker News AI 热门
1. SWE-1.7 Reach Near GPT 5.5 and Opus Intelligence
🔥 41 分 · 💬 28 评论