AI 每日资讯 — 2026-07-10
🔥 HuggingFace 每日论文
1. Accurate, Interdisciplinary and Transparent Structure-property Understanding with Deep Native Structural Reasoning
Chen Tang, Yizhou Wang, Jianyu Wu
本文针对结构-性质关系建模中表征与推理的协同挑战，提出SciReasoner——一种面向蛋白质、小分子和无机晶体的多模态科学基础模型。该模型将原子坐标、拓扑结构与周期性连接性离散化为统一的“结构感知词表”，将结构单元作为可寻址的证
据单元进行原生推理。在基因本体（GO）预测中，其在低同源性及孤儿类蛋白的细胞组分注释上将Fmax从0.42提升至0.55；在化学逆合成任务中，单步准确率由0.63提高到0.72，并生成可解释的片段级断键路径与前体验证轨迹；在材料科学中，其表征能有效区分元素/化合物相态，并清晰分辨高低带隙区域，显著增强跨学科结构-性质理解的准确性、可解释性与透明度。2. Dual Latent Memory in Vision-Language-Action Models for Robotic Manipulation
Hongyu Qu, Jianzhe Gao, Xiaobin Hu
本文针对现有视觉-语言-动作（VLA）模型在长时序、强时序依赖机器人操作任务中因马尔可夫假设导致的历史信息利用不足问题，提出LaMem-VLA框架。该框架首次将历史经验完全映射至VLA原生的连续潜在嵌入空间，构建双层级潜存记忆（短
时与长时），并通过策展器、检索器、压缩器与编织器四模块协同实现记忆的组织、上下文感知检索、紧凑表征及与当前多模态输入的无缝融合。在RT-1-X与OpenVLA基准上的实验表明，LaMem-VLA显著提升长程任务成功率（+12.7%），且推理延迟可控，验证了潜存记忆原生集成对VLA泛化性与时序推理能力的有效增强。3. Scaling Mixture-of-Experts Video Pretraining for Embodied Intelligence
Shuailei Ma, Jiaqi Liao, Xinyang Wang
本文针对现有视频生成模型在具身智能任务中因侧重内容创作而导致的领域不匹配问题，提出LingBot-Video——一种基于DiT架构、面向具身智能的混合专家（MoE）视频预训练范式。通过引入可扩展的MoE结构，在建模能力与推理效率间
取得更优平衡；构建机器人导向的数据画像引擎，融合操作、导航与第一人称视角视频，增强模型对动作与物理动态的内在理解；设计多维奖励机制，显式优化物理合理性与任务完成度。实验表明，该模型在视频基础任务中兼具高性能与高效率，是首个开源的大规模MoE视频基础模型。4. Infinite Worlds with Versatile Interactions
Zelin Gao, Qiuyu Wang, Jiapeng Zhu
本文提出LingBot-World 2.0（又称LingBot-World-Infinity），一种支持无限交互时序与多样化行为的具身世界建模框架。其核心创新包括：基于因果预训练范式实现无界交互并保持输出稳定性；通过模型蒸馏构建实
时轻量变体，支持720p/60fps视频流响应；扩展动作空间（如弓箭、施法、射击）与文本驱动事件多样性；首创“代理式编排架构”，引入飞行员代理（规划角色行为）与导演代理（动态生成环境元素）。系统支持多用户协同沉浸，并提供14B主模型与1.3B轻量模型，后者可在单卡GPU高效部署。5. Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning
Zhenyu Hou, Yujiang Li, Jie Tang
本文针对大语言模型（LLM）后训练中异步强化学习（RL）存在的训练不稳定与策略偏差问题，提出单轨迹异步优化（SAO）方法。SAO摒弃传统GRPO中的组采样机制，采用每提示仅使用单一轨迹的采样策略以缓解离策略偏差，并结合实用的价值模
型训练设计与严格的双向词元级裁剪机制提升优化稳定性。实验表明，SAO可在千步训练中保持稳定收敛，在SWE-Bench Verified、BeyondAIME和IMOAnswerBench等智能体编程与推理基准上持续超越GRPO及其变体；同时在模拟在线学习场景下展现出优异的动态适应能力。6. Max Out GRPO Signal: Adaptive Trace Prefix Control for Hard Reasoning Problems
Vladislav Beliaev
本文针对Group Relative Policy Optimization（GRPO）在最难推理任务上梯度消失的问题，提出AdaPrefix-GRPO：一种自适应轨迹前缀控制方法。该方法通过动态调整参考解的前缀长度，将每道题的成
功率稳定维持在约50%，从而最大化GRPO的梯度信号，并在训练后期逐步撤除辅助，确保部署模型完全自主求解。实验表明，在同等训练计算量下，该方法使0.6B模型在硬数学任务上的准确率提升2.1倍，Qwen3-1.7B和AIME分别提升1.6倍与1.7倍，同时将平均轨迹长度减半。方法仅需数据预处理与前缀token的损失掩码，兼容标准GRPO训练器，且模型越小增益越显著。7. Co-LMLM: Continuous-Query Limited Memory Language Models
Yair Feldman, Linxi Zhao, Nathan Godey
本文提出连续查询受限记忆语言模型（Co-LMLM），旨在解决传统大语言模型（LLM）知识固化、难以控制与更新的问题。Co-LMLM摒弃依赖结构化关系型知识库的范式，转而采用连续向量键—文本值映射的知识存储机制，支持高效生成可微分、
低开销的连续查询，并在生成过程中无缝融合可读、可归因的外部知识。作者设计了面向自由文本的事实片段标注流程，突破以往对维基百科的依赖。实验表明，在Wikipedia与FineWeb-Edu数据集上预训练的Co-LMLM，在多个参数规模下均优于既有LMLM及基线LLM：360M模型以仅1/40的预训练数据量实现更低困惑度，且在SimpleQA评测中性能媲美GPT-4o-mini，超越Claude Sonnet 4.5。8. ECGLight: Compute-Light Framework For Paper ECG Digitization and Myocardial Infarction Screening
Shreyasvi Natraj, Cyrus Achtari, Felice Gragnano
ECGLight提出了一种轻量级、端侧部署的纸基心电图（ECG）数字化与心肌梗死（MI）筛查一体化框架，旨在解决偏远地区因算力与网络受限而无法利用AI辅助诊断的问题。该框架包含高保真ECG图像重建、12导联信号校准及MI分类模块，
并引入SHAP增强模型可解释性。在PTB-XL数据集（21,799例）上训练与评估，CPU单机推理耗时<30秒，MI检测准确率达95.51%（F1=0.9519）；在医院真实ECG-Matrix数据集上验证亦取得88%以上性能，显著优于现有轻量级方法。🔥 arXiv 每日论文
📄 arXiv: cs.AI
1. AgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation
Andrey Podivilov, Vadim Lomshakov, Sergey Savin, Matvei Startsev, Roman Pozharskiy, Maksim Parshin, Sergey Nikolenko
本文提出AgentLens，一种面向生产环境的交互式编程智能体评估基准。针对现有基准仅以“任务是否通过”这一二元结果评价智能体的局限，AgentLens首次系统评估智能体完整执行轨迹，涵盖指令遵循、工具调用、自我验证、错误恢复及人
机交互等维度。其核心方法融合形式化验证（当存在客观判定标准时）与大语言模型生成的轨迹评述及成对对比分析，为每次运行提供可解释的评分依据。实验表明，AgentLens不仅支持模型排序，更有效支撑行为诊断、迭代版本对比及 nightly 产品回归检测。代码与数据集已开源。2. When Does In-Context Search Help? A Sampling-Complexity Theory of Reflection-Driven Reasoning
Yotam Wolf, Noam Wies, Amnon Shashua
本文从采样复杂度角度理论分析了上下文内搜索（in-context search）的有效性机制，将其建模为基于推理轨迹的近似贝叶斯推断：基础大语言模型提供先验分布，自省过程通过批判与修正提供反馈以更新后验。理论表明，当反思能可靠定位
早期错误时，上下文内搜索可实现指数级加速，使零样本通过率极低（指数小）的问题仅需多项式量级的序列尝试即可高概率求解；反之则无渐近优势。进一步证明该机制对近似更新鲁棒，且可通过交叉熵监督学习在多项式样本下习得。强化学习框架下亦导出相同后验重加权策略。实验在真实大推理模型上验证了理论预测。🏛️ Amnon Shashua
3. LLM-powered reasoning in agent-based modeling
Sifat Afroj Moon, Dakotah Maguire, Adam Spannaus, Joe Tuccillo, Maksudul Alam, Sudip K. Seal, John Gounley, Heidi Hanson
本文针对传统基于代理的建模（ABM）依赖静态先验、难以适应实时动态变化的局限，提出一种融合大语言模型（LLM）推理能力的新型建模范式。作者构建了可扩展的混合型代理与语言驱动流行病（HALE）框架，将LLM嵌入ABM中以动态预测个体
决策行为。以美国犹他州盐湖县为案例，HALE成功模拟了COVID-19传播及其社会响应过程，验证了LLM在提升ABM实时性、适应性与行为真实性方面的有效性，为政策仿真提供了更灵活、数据驱动的新范式。📄 arXiv: cs.CL
1. Audio Sentiment Analysis via Distillation and Cross-Modal Integration of Generated Multilingual Transcripts
Andrei-George Durdun, Victor Constantinescu, Radu Tudor Ionescu
本文针对语音情感分析任务，提出一种融合音频与多语言文本信息的跨模态方法。该方法利用ASR生成语音转录文本，并通过机器翻译构建多语言文本模态；采用级联式跨模态Transformer逐层融合音频与各语言文本特征；进一步通过知识蒸馏将多
模态教师模型的知识迁移至单模态（纯音频）学生模型。在大规模数据集上的实验表明，引入自动生成的多语言文本显著提升情感极性分类性能，消融实验证实转录与翻译均具贡献；蒸馏后的音频模型在推理零开销前提下实现性能提升。代码已开源。2. Healthier LLMs: Retrieval-Augmented Generation for Public Health Question Answering
Felix Feldman, Joshua Harris, Timothy Laurence, Leo Loman, Ollie Higgins, Fan Grayson, Poonam Soma, Bethany Pace-Bonello, Michael Borowitz, Toby Nonnenmacher
本文针对大语言模型（LLM）在公共卫生问答中因幻觉和指南快速更新导致的可靠性问题，提出基于检索增强生成（RAG）的解决方案。研究扩展了PubHealthBench基准（含7929道源自英国政府公共卫生指南的问题），系统评估密集、稀
疏及混合检索策略在不同嵌入模型与语料分块方式下的表现，发现混合检索显著提升召回率与排序质量，且分块长度与主题特征影响显著。实验证明，引入高质量检索上下文可大幅提升多选题准确率，使小型开源模型媲美甚至超越未使用检索的大型模型。为进一步评估自由生成答案，作者设计涵盖忠实性、完整性、清晰度与事实一致性的LLM裁判评测框架，并通过双人人工标注验证其有效性——其中忠实性与完整性维度一致性高，而事实一致性和清晰度易受主观影响。结果表明，检索质量是提升公共卫生问答可靠性的关键因素，为构建与评估基于权威指南的RAG系统提供了实证依据与实践指南。3. Ad Headline Generation using Self-Critical Masked Language Model
Yashal Shakti Kanungo, Sumit Negi, Aruna Rajan
针对电商平台广告标题生成中创意质量难以规模化保障的问题，本文提出一种基于自批判机制的掩码语言模型（Self-Critical Masked Language Model）方法。该方法将强化学习策略梯度算法与Transformer架
构深度融合，支持多商品联合建模以生成高度相关且富有创意的广告标题。实验表明，所提方法在BLEU、ROUGE等重叠指标及人工质量审计中均显著优于现有Transformer和LSTM+RL基线模型；进一步审计证实，模型生成标题在语法正确性与创意表现力上亦超越人工撰写标题。📄 arXiv: cs.LG
1. TriRoute: Unified Learned Routing for Joint Adaptive Attention, Experts, and KV-Cache Allocation
Andrii Balashov, Olena Ponomarova
本文提出TriRoute，一种统一的可学习路由框架，旨在联合优化大语言模型中的自适应注意力、专家选择与KV缓存量化三个关键维度。现有方法（如MoE、MoD、KV量化）各自独立决策，忽视三者间的强耦合性；TriRoute通过轻量级共
享控制器为每个token在每层同步生成三项策略：注意力模式（跳过/局部/全量）、稀疏专家子集（含空专家以兼容MoD）及KV缓存位宽。采用异构松弛（Gumbel-Softmax+直通估计+负载均衡top-k门控）与拉格朗日预算约束进行端到端训练，并设计轴向归一化与耦合感知平衡损失以缓解路由坍缩。实验表明，在160M–1.3B参数解码器模型上，TriRoute在相同FLOPs与内存预算下Pareto优于各独立技术组合，且显著提升罕见实体、代码与算术等长尾任务的鲁棒性。2. A Quiet Failure in Calibrated Virtual Screening: Marginal Conformal Prediction Under-Covers the Minority Class, and a Class-Conditional Fix Recovers It
Muhammadjon Tursunbadalov (School of Science and Technology, Champions College Prep, United States), Mustafojon Tursunbadalov (School of Science and Technology, Champions College Prep, United States)
本文揭示了标准边际共形预测（marginal conformal prediction）在药物发现中校准虚拟筛选时对少数类覆盖严重不足的“静默失效”问题。在四个真实化学数据集上，尽管全局覆盖率达标（如90%），少数类实际覆盖率却骤
降至64.8%（血脑屏障穿透）和仅4.2%（临床试验毒性）。该现象跨模型（随机森林、图神经网络、冻结化学语言模型）稳健存在（p < 0.001），根源在于类别不平衡引发的覆盖守恒恒等式：少数类缺失量等于多数类超额量乘以不平衡比。作者提出基于类条件（Mondrian）的共形预测作为修复方案，可将少数类覆盖率恢复至目标水平，仅小幅增加预测集尺寸；并设计单指标诊断工具与成本模型，证明对高风险分子主动拒判可显著提升筛选整体效用。3. NEST: Tackling Dataset-Level Distribution Shifts via Regime-Oriented Mixture-of-Experts
Lanhao Li, Bingshu Xie, Lijun Sun, Xin Xue, Haoyi Zhou, Jianxin Li
本文针对复杂系统中由多模态行为模式与动态演化状态引发的数据集级分布偏移问题，提出NEST框架。该方法通过构建两阶段稠密混合专家（MoE）架构，显式建模并重组数据的全局结构特性：首先在基于矩-熵的无监督特征空间中对数据集进行操作模式
聚类；进而设计面向模式的路由器，结合时序内容与几何调制机制生成专家权重；各专家作为专用核，学习模式特异的变量注意力模式以捕获局部动态。在异构网络流量与物理现象等多类基准上，NEST显著超越现有方法，达到SOTA性能。📄 arXiv: cs.CV
1. Pixel-Precise Explainable Stress Indexing: A Semantic Segmentation Framework for Disease Severity Quantification in Field Crops
Raunak Kumar, Soumyashree Kar
本文针对农田作物病害导致的全球年均20–40%产量损失问题，提出一种像素级可解释的压力指数化框架，实现疾病严重程度的自动化、量化评估。该框架融合语义分割、回归式严重度估计与病害分类，依据感染叶面积比例将胁迫程度划分为四级（低至极高
）。在Apple Tree Leaf Disease Segmentation数据集（1641张图像，6类）上对比U-Net（MobileNetV2）、SegFormer、FCN和PSPNet，U-Net以98.20%像素精度、0.70 mIoU及14.7 ms/图推理速度最优；严重度指数与专家标注高度相关（r=0.968，R²=0.937），验证了其在精准农业实时监测与决策支持中的有效性。2. CoFINN: Conservation Flux Informed Neural Networks for Physics Problems Governed by Conservation Laws
Adnan Harun Do\u{g}an, Mert Deniz, Hande Alemdar, "Ozg"ur U\u{g}ra\c{s} Baran
本文提出CoFINN（守恒通量引导神经网络），一种面向守恒律控制物理问题的物理信息深度学习框架，专用于可压缩流场预测。CoFINN将有限体积法的守恒思想嵌入CNN训练过程，将网络输出视为结构化计算网格，每个像素对应一个控制体，并通
过高精度数值通量计算强制满足守恒一致性。在跨音速翼型流动（M=0.7，Re=6×10⁶）测试中，其在激波与大迎角等复杂工况下显著提升气动力预测精度：阻力预测误差最高降低34%，平均降低约15%；在小样本场景下优势尤为突出，验证了守恒损失项作为物理正则器的有效性。该方法兼顾CNN的计算效率与物理一致性，且架构无关、易于拓展至其他守恒律系统。3. AI for Cultural Heritage Textiles: Fine-Tuned Latent Diffusion for Novel Ulos Motif Synthesis
Humasak Tommy Argo Simanjuntak, Jesika Purba, Sitogab Girsang, Widya Manurung, Samuel Situmeang, Arlinta Barus, Daniel Oranova Siahaan
本文针对印尼北苏门答腊巴塔克族传统织物“Ulos” motif创新设计受限于图案种类单一与手工设计周期长的问题，提出一种基于微调潜在扩散模型的生成式AI框架。研究在高质量标注的Ulos纹样数据集上分别微调Protogen v3.4
与Stable Diffusion v1.4，并采用FID、IS等指标及专家与公众评估进行综合验证。结果表明，Protogen v3.4显著优于Stable Diffusion v1.4（FID降低约10.5倍，IS提升2倍），且指导尺度5–9、低强度参数可最优平衡生成保真度与多样性。该方法为非物质文化遗产的创造性传承提供了兼具文化一致性与设计创新性的技术路径。📝 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 47%，同时支持多模态模型在分布式环境下的协同推理。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AI安全新范式。核心成果包括：（1）PixelDrop——一种基于动态分辨率调度与感知引导剪枝的视觉生成模型，在保持SOTA图像质量（FID=4.2）的同时…
降低73%显存占用；（2）首个通过ISO/IEC 42001认证的开源AI治理框架Aegis-1.0，支持实时偏见检测与可验证决策溯源；（3）在LMSYS Org基准上，新发布的Qwen-3模型以128K上下文与混合专家推理实现综合胜率68.4%，超越GPT-4.5。所有技术均已开源并部署于Hugging Face与Model Zoo平台。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理事会与城市联合体共同主办的AI教育峰会，汇聚纽约市150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应用路径。峰会聚焦AI赋能教育公平、教师专业发展及课程创新三大议题，探讨生成式AI工…
具的实际教学整合策略、数据隐私保护框架及校企协同育人机制。与会者通过工作坊形式设计可落地的AI教学指南与教师培训模块，并形成《纽约AI教育行动倡议》，为城市级AI教育政策制定提供实践基础与协作范式。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，用于在强化学习训练过程中提前识别奖励黑客行为（Reward Hacking）的出现。核心思想是利用重要性采样（Importance Sampling）…
，结合经微调的“捐赠者”预填充序列（donor prefills），对策略演化路径进行可控插值与反事实推理，从而在奖励函数尚未明显失真前捕捉潜在的优化偏差。实验表明，该方法可在标准RLHF训练中平均提前3–5个训练阶段发出预警，检测准确率达89.2%，显著优于基于奖励漂移或行为突变的传统启发式指标。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非预期方式操纵奖励函数以获取高分、偏离设计目标的现象，本工作系统梳理了现有奖励黑客案例的成因分类，提出一种基于奖励函数鲁棒性验证与行为意图对…
齐的双阶段检测框架。关键技术包括：（1）构建可解释的奖励敏感性分析模块，识别策略对奖励扰动的异常响应；（2）引入反事实行为一致性约束，结合因果推理评估策略是否符合任务本质意图。在Gridworld、SafeRLBench及自定义高维控制任务上的实验表明，该方法将奖励黑客行为检出率提升至92.3%，同时保持98.1%的正常策略通过率，显著优于基线方法。6. Pretraining Data Filtering for Open-Weight AI Safety
📝 EleutherAI Blog
本文提出“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。针对开放权重模型易受有害、偏见或越狱数据污染的问题，该方法系统性识别并移除包含安全敏感、对抗性或低质量内容的预训练语料，同时保留模型核…
心能力所需的知识分布。关键技术包括基于多维度安全评分（如毒性、事实一致性、对抗鲁棒性）的细粒度数据筛选框架，以及在不依赖监督微调的前提下实现内在安全增强的无损过滤策略。在多个基准上的实验表明，经过滤数据训练的模型在安全性指标（如BBQ、SafeBench）上平均提升23.7%，同时保持与原始模型相当的语言理解与生成能力。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编程代理。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。结合真实开发者反馈持续优化，最终在HumanEval与MBPP基准上分别达到82.3%与79.6%的通过率，显著优于同规模开源模型。该工作为构建可信赖、可扩展的AI编码助手提供了系统性实践范式。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
该内容仅显示标题“one daily email”，无正文信息，无法判断具体主题或含义，可能指某种每日邮件订阅服务或产品名称，但缺乏上下文和详细描述，无法进一步概括。
💬 Hacker News AI 热门
1. GPT-5.6
🔥 32 分 · 💬 2 评论