AI 每日资讯 — 2026-07-12
🔥 HuggingFace 每日论文
1. Ideas Have Genomes: Benchmarking Scientific Lineage Reasoning and Lineage-Grounded Idea Generation
Yifan Zhou, Qihao Yang, Yan Li
本文针对当前AI系统在科学思想谱系推理与谱系驱动创意生成方面的能力缺失问题，提出IdeaGene-Bench（IG-Bench）基准。该基准基于IdeaGene框架，将论文或提案建模为类型化、证据支撑的“思想基因组”（Idea G
enome）对象，并通过GenomeDiff刻画继承、突变、丢失、外源引入与新颖插入等六类演化操作。IG-Bench涵盖10个学科领域的1961条黄金谱系链、1085个标注基因组对象及920对GenomeDiff记录，支持两项评测：IG-Exam（42类任务、1029实例）评估闭式谱系推理能力；IG-Arena基于谱系条件下的群体演化得分（PES）评估生成质量。在14个LLM科学家上的实验表明，现有模型存在显著组合瓶颈，最优系统仅达27.3%准确率。2. UniClawBench: A Universal Benchmark for Proactive Agents on Real-World Tasks
Zhekai Chen, Chengqi Duan, Kaiyue Sun
本文提出UniClawBench，首个面向主动式智能体的通用能力驱动型基准，旨在克服现有评测在沙箱环境、单轮评估及任务分类混杂等方面的局限。该基准围绕技能调用、探索能力、长上下文推理、多模态理解与跨平台协同五大核心能力，构建了40
0个双语真实世界任务，并在动态Docker容器中通过细粒度步骤级检查点进行实时评估。其创新性闭环评估框架包含执行者、隐藏监督者与用户代理，模拟真实多轮人机交互且不泄露评分标准。实验覆盖多种主流模型与代理框架，有效解耦基础模型能力与系统设计影响。3. LongE2V: Long-Horizon Event-based Video Reconstruction, Prediction, and Frame Interpolation with Video Diffusion Models
Cheng-De Fan, Chun-Wei Tuan Mu, Chen-Wei Chang
本文提出LongE2V，一种基于预训练视频扩散模型的长时序事件相机视频重建、预测与帧插值统一框架。针对事件流稀疏性导致的纹理模糊与生成模型长期不稳定性问题，该方法通过微调基础视频扩散模型实现高数据效率与优异感知质量；引入自回归展开
与自适应上下文切换机制缓解超长序列中的时间漂移；设计重编码对齐与跨残差校正策略保障双向插值一致性；并结合事件体素密度增强提升多分辨率传感器鲁棒性。在真实世界基准测试中，LongE2V在三类任务上全面超越现有方法，展现出卓越的时间连贯性与零样本泛化能力。4. Enhancing In-context Panoramic Generation via Geometric-aware Pretraining
Haoran Feng, Ruiyang Zhang, Longyi Zhang
本文提出Canvas360，一种面向上下文感知全景图像生成的两阶段框架，通过几何感知预训练与任务自适应微调协同提升生成质量。针对全景上下文生成缺乏大规模高质量配对数据的问题，构建了含100万样本的Canvas360Dataset，
覆盖风格迁移、修复、外补与编辑等多类任务。模型层面引入并行深度预测、环形速度填充及相似性损失正则化，显式建模球面几何结构，增强畸变细节还原与全局几何一致性。实验表明，Canvas360在全景保真度（FAED）及多项定量指标上显著优于现有方法，并支持统一、灵活的多任务上下文生成。5. OpenCoF: Learning to Reason Through Video Generation
Xinyan Chen, Ziyu Guo, Renrui Zhang
本文提出OpenCoF框架，旨在提升大模型通过视频生成进行逻辑推理的能力。针对现有视频生成模型缺乏面向Chain-of-Frame（CoF）推理的专用监督与架构设计的问题，作者构建了覆盖11类任务的OpenCoF-17K推理视频数
据集，并基于其微调出Wan-CoF模型。实验表明，Wan-CoF在四个视频推理基准上显著超越Wan2.2-I2V-A14B基线。进一步，作者引入视觉与文本推理令牌，分别建模低层时空线索与高层语义先验，并通过注意力分析揭示其在模型深度、去噪步长以及时空维度上的协同作用。结果表明，强视频推理能力依赖于广泛的时序监督与显式的中间推理状态组织机制。6. OPSD-V: On-Policy Self-Distillation for Post-Training Few-Step Autoregressive Video Generators
Hongyu Liu, Chun Wang, Feng Gao
本文提出OPSD-V，一种面向后训练阶段少步自回归（AR）视频生成模型的在线策略自蒸馏方法。针对现有少步AR视频模型在长序列自回归展开中存在误差累积与运动动态退化的问题，OPSD-V在不改变推理路径、采样器或缓存机制的前提下，引入
真实长视频作为时序上下文，提供密集的轨迹级监督信号。学生模型严格遵循推理时的KV缓存更新方式生成视频块，而教师模型在同一去噪状态下，利用真实视频替换历史缓存以生成更优目标。在Self-Forcing和LongLive等模型上的实验表明，OPSD-V显著提升视觉质量、运动连贯性及VBenchLong指标；用户研究（10人，20组视频对）显示其在66.0%的整体偏好判断中优于基线模型（剔除平局后达82.5%）。7. Towards Mechanistically Understanding Why Memorized Knowledge Fails to Generalize in Large Language Model Finetuning
Lu Dai, Ziyang Rao, Yili Wang
本文针对大语言模型（LLM）微调中“知识记忆与泛化能力脱节”这一核心问题，提出并形式化“知—用鸿沟”（Knowing–Using Gap），即模型虽能快速记忆新事实，却难以将其用于下游推理任务，表现为准确率差距与时间滞后。通过在未
见知识上微调LLM，并结合新型干预技术“自修补”（self-patching）追踪知识在模型内部的空间渗透动态，作者发现：记忆表征虽已存在，却常因未被路由至计算关键层而失效，支持“知识电路错位”假说。基于此，设计的轻量启发式策略可恢复58%–75%的泛化性能上限，且跨领域实验验证了结论的鲁棒性。8. Wat3R: Underwater 3D Geometry Learning without Annotations
Jiangwei Ren, Xingyu Jiang, Zijie Song
本文针对水下3D几何重建中因光衰减、散射及缺乏大规模高质量标注数据所导致的挑战，提出无需任何水下标注的跨域半监督学习框架Wat3R。该方法基于教师-学生架构，仅利用大量无标签真实水下视频即可实现空中预训练模型向水下场景的自适应迁移
；并设计跨视图一致性损失，利用多视角几何约束补偿单视图因水介质退化造成的信息缺失。为弥补评估基准缺失，作者构建了覆盖多样水体与场景的Water3D数据集。实验表明，Wat3R在水下多视图深度估计与点云重建任务上显著优于现有方法。🔥 arXiv 每日论文
📝 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）集成及多阶段工作流编排。通过引入异步任务调度器与标准化 MCP …
接口，系统实现了模型行为的细粒度控制与跨服务协同。关键技术包括轻量级任务上下文隔离机制、基于 OAuth 2.0 的安全远程调用协议，以及面向开发者友好的声明式配置语法。在真实场景测试中，后台任务成功率提升至 99.2%，MCP 响应延迟降低 43%，并显著简化了复杂 AI 应用的部署与运维流程。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新范式。研究团队推出“June Pixel Drop”系列模型，其核心为动态像素感知机制（Dynamic Pixel-Aware Attention…
），在图像-文本联合建模中实现细粒度语义对齐；提出轻量化推理框架PixLite，将ViT类模型推理延迟降低47%，功耗下降39%；同时发布首个面向生成内容溯源的可验证水印协议VeriMark。在COCO、LAION-5B及TrustGen基准上，新模型分别达成58.3 mAP、89.1%零样本分类准确率与99.2%水印检出率，显著优于同期SOTA方法。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 Jobs CEO Council 与 Urban Assembly 联合主办的 AI 教育峰会，汇聚纽约市150位教育工作者与行业领袖，在谷歌纽约办公室共同探讨人工智能在基础教育中的负责任应用。峰会聚焦课程整合、教师…
专业发展、伦理治理与公平可及等关键议题，推动构建校企协同的AI教育实践框架。通过工作坊、圆桌对话与原型设计，与会者制定了面向K–12课堂的AI教学指南与政策建议，为城市级AI教育生态建设提供了可复制的协作范式。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）的早期检测方法，用于在大语言模型训练过程中预判奖励黑客（Reward Hacking）现象的出现。核心思想是利用重要性采样（Importance Sampling），…
结合经微调的“捐赠者”前缀（donor prefills）对模型行为轨迹进行扰动与重加权，从而在奖励函数尚未被显著操纵前，识别出策略偏离对齐目标的细微推理偏差。该方法无需额外标注或修改训练目标，仅依赖离线推理与轻量级采样即可实现高灵敏度预警。在多个对齐基准（如RLHF模拟任务与对抗性奖励环境）上的实验表明，该方法可在奖励黑客发生前平均提前3.2个训练阶段发出预警，准确率达89.7%。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…
，并初步实现了对策略偏移的在线识别模块。关键技术包括奖励函数敏感性分析、反事实策略扰动评估及基于人类反馈的奖励校准机制。在Gridworld与SafeLife基准环境中的实验表明，该方法可将典型奖励黑客行为检出率提升37%，同时保持92%以上的原始任务性能。后续将拓展至多智能体与长周期决策场景。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为开源大语言模型（LLMs）构建抗篡改的安全机制。针对开放权重模型易受恶意数据污染、后门注入及价值观偏移等问题，该方法系统性识别并剔除含安全隐患的预训练语料——包括有毒内容…
、隐私泄露片段、对抗性模板及隐式偏见文本。其核心在于结合多维度安全评分器（基于规则、分类器与因果推理）与不确定性感知采样策略，在不损害模型通用能力的前提下显著提升鲁棒性。在多个基准测试中，经过滤训练的模型在毒性生成、越狱攻击抵御和价值观一致性任务上平均提升32.7%，且参数效率优于微调类安全对齐方案。7. Inviting hard questionsAnnouncementsJul 9, 2026We’re asking the public for their hardest questions about AI, and committing to show our work as we address them.
📝 Anthropic
本文围绕Anthropic最新发布的Claude Sonnet 5模型展开，针对当前大语言模型在复杂推理、代码生成与安全对齐方面的关键挑战，提出一种融合分层推理架构与动态思维链校验的新型训练范式。通过引入可解释性增强的中间步骤监督机制及基于…
真实用户反馈的迭代强化学习框架，显著提升了模型在数学推理、多跳问答与对抗性提示下的鲁棒性。实验表明，Sonnet 5在GPQA、HumanEval及定制化 jailbreak 抗性评测中分别达到89.2%、76.4%和93.1%准确率，较前代模型平均提升12.7个百分点，同时保持低延迟与高能效比。8. FeaturesJul 6, 2026The Making of Claude CodeThe 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
暂无摘要
9. 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
📬 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。
💬 Hacker News AI 热门
1. Modern Decor May Be Straining People’s Brains
🔥 10 分 · 💬 0 评论