AI 每日资讯 — 2026-07-25
🔥 HuggingFace 每日论文
1. Visual Contrastive Self-Distillation
Yijun Liang, Yunjie Tian, Yijiang Li
本文提出视觉对比自蒸馏（VCSD），一种无需外部教师、亦不依赖特权答案或显式视觉证据的新型在线策略自蒸馏方法。VCSD通过在学生生成的响应前缀下，令EMA教师模型分别基于原始图像与内容擦除图像输出两个下一词分布，利用其逐词对数概率
差构建视觉内容敏感的对比信号，进而锐化教师在原始图像条件下的预测分布，并将该增强后的全分布作为目标蒸馏至学生模型。在ViRL39K数据集上，VCSD在Qwen3-VL与Qwen3.5系列模型上全面超越现有OPSD方法：以Qwen3-VL为例，2B、4B、8B参数量模型在七项基准上的平均准确率分别提升4.77%、1.86%和3.75%。2. Self-Supervised Learning of Structured Dynamics from Videos
Lukas Knobel, Andrew Zisserman, Yuki M. Asano
本文针对视频中运动理解的核心挑战——解耦相机运动与物体运动——提出结构化动态建模方法。作者设计结构化动态模型（SDM），利用冻结的预训练视觉Transformer特征，通过未来帧特征预测显式分离主导时序变化与残差动态，避免传统方法
中运动表征的纠缠或无结构建模。模型结合真实视频的自监督学习与合成Kubric数据对场景动态的弱监督。在涵盖相机运动、物体运动及二者混合的新基准ProbeMotion上，SDM显著优于基于全局CLS或平均池化特征的基线，并在多项运动探针任务上媲美强监督模型（如VGGT），验证了仅用弱监督即可从图像模型中高效提取鲁棒运动表征的可行性。🏛️ Andrew Zisserman | PDF · arXiv · 代码 · 项目 | ❤️ 12
3. SANA-Video 2.0: Hybrid Linear Attention with Attention Residuals for Efficient Video Generation
Junsong Chen, Jincheng Yu, Yitong Li
本文提出SANA-Video 2.0，一种面向高效视频生成的混合线性注意力扩散Transformer，在5B与14B参数规模下统一架构实现。其核心创新包括：（1）混合线性-Softmax注意力机制，以3:1比例交替使用门控线性注意
力与门控Softmax锚点，兼顾O(N)复杂度与全秩token交互；（2）块级注意力残差（AttnRes），将已完成块的表征注入后续线性层，提升深层有效秩约12%。从零训练策略避免了对预训练模型的线性化微调。在单卡H100上，40步采样生成480p视频仅需13.2秒，VBench得分为84.30；720p/60s视频推理速度达同等规模全SoftmaxDiT的3.2倍，并随视频时长进一步扩大优势。4. Streaming Multi-Agent Autoregressive Diffusion Model with World State Registers
Sicheng Mo, Yuheng Li, Ziyang Leng
本文提出WorldWeaver（W²），一种面向多智能体交互场景的流式自回归视频扩散模型，旨在解决现有方法难以在多智能体、多视角设置下维持一致且演化的共享世界状态的问题。W²引入可学习的世界状态寄存器，作为跨智能体共享的状态载体，
动态更新个体状态与全局场景信息，并融合鸟瞰视图、场景文本等多源监督信号进行联合优化；同时采用混合Transformer架构，解耦世界状态建模与视觉帧生成。在双智能体Minecraft视频生成任务上的实验表明，显式建模世界状态显著提升了生成结果的逻辑一致性与视觉质量。5. Recurrent Sinusoidal INRs for Efficient High-Fidelity Representation
Hyunmin Cho, Jaejun Yoo, Kyong Hwan Jin
本文提出基于循环正弦隐式神经表示（Recurrent Sinusoidal INRs），旨在提升高保真度表征的效率与质量。作者揭示正弦激活函数可自然诱导谐波线谱，通过循环展开机制逐步丰富隐式表示的有效频谱支持。方法采用共享正弦模块
迭代精化潜在表征，在图像重建、超分辨率、NeRF及SDF等任务中显著优于主流前馈INRs：在RGB图像基准上以更少参数和优化步数实现更高保真度，并展现出优异的跨任务泛化能力。6. GraphVid: Interactive Graph-Controllable Video Generation
Vedant Shah, Onkar Susladkar, Tushar Prakash
本文提出GraphVid，一种基于交互图结构调控的图像到视频生成模型，旨在解决现有可控视频生成中多目标交互难以精确建模的问题。不同于依赖文本提示或轨迹绘制的传统方法，GraphVid通过用户可交互编辑的结构化关系图（如主体、动作、
对象间关系）实现语义级精细控制。为此，作者构建了大规模交互中心视频数据集GraphVid-Bench，包含丰富的结构化关系标注。实验表明，GraphVid在显著减少训练数据量与参数规模的前提下，大幅超越Motion-I2V：FID降低39.9%，FVD下降37.6%，PSNR提升至15.98，SSIM达0.61，验证了结构化语义接口在可控视频生成中的有效性与潜力。7. Agentic Context Management: Solving Agent Memory and Cost by Treating Them as Lifecycle and Architecture Problems
Gaurav Dadhich
本文针对生产级AI智能体因上下文管理失当导致的性能退化与成本激增问题，提出“智能体上下文管理”（Agentic Context Management, ACM）新范式。作者指出，传统将上下文问题简化为存储与检索的思路存在根本局限；
ACM将其重构为涵盖记忆决策、结构化提取、分层存储、动态遗忘、实时相关性判断与前瞻性预载的全生命周期架构问题。论文定义五大核心原语：架构设计（Architecting）、摄入（Ingesting）、范围界定（Scoping）、预测（Anticipating）、压缩与整合（Compacting & Consolidation），并论证：朴素上下文累积导致token成本随对话长度呈二次增长，粗粒度摘要虽得线性成本却引发准确率断崖式下降，而经验证的压缩机制可在维持高保真度前提下实现真正线性成本。文中还介绍了参考实现Maximem Synap。8. Future Rendering neq Future Surface: A Benchmark and Dataset for Dynamic Surface Reconstruction Beyond the Observed Window
Yukun Shi, Minglun Gong
本文针对动态场景重建中“未来表面预测”这一未被充分研究的问题，提出首个面向时间外推的基准FutureSurf。该基准聚焦于预测观测时间窗口之外的几何表面，提供八种解析定义的可控运动序列（含三类可证伪控制），并配备精确逐帧真值网格与
可恢复性先验。方法在前75%观测帧上训练，在剩余未来帧上以Chamfer距离评估重建质量，主指标为绝对未来CD，辅以未来/观测性能差作为诊断依据。实验表明，主流方法DG-Mesh与Deformable-3DGS在可控及真实动画场景中均存在显著性能鸿沟（2.0–6.6倍），验证了未来表面重建的挑战性与本基准的诊断价值。🔥 arXiv 每日论文
📄 arXiv: cs.AI
1. AINTMA: Agentic AI Architecture for Autonomous Test Management with Generative Intelligence, Secure Cloud Communication and Adaptive Quality Analytics
Vinil Pasupuleti, Shyalendar Reddy Allala, Siva Rama Krishna Varma Bayyavarapu, Shrey Tyagi, Srinivasateja Songa
本文提出AINTMA——一种面向自主测试管理的智能体AI架构，旨在解决云原生环境下软件质量保障中测试决策僵化、响应滞后与质量洞察不足等核心挑战。该架构采用六类专业化AI智能体（涵盖测试发现、风险评估、强化学习优先级排序、执行编排、
生成式质量智能及云安全监控），依托零信任API网关、OAuth2/JWT认证与加密消息机制实现安全多智能体协同，并基于微服务云平台运行。其中，生成式质量智能体利用大语言模型生成可解释的质量报告与数据增强型测试建议；RL优先级智能体以36个月历史数据（47维特征）建模马尔可夫决策过程，实现动态测试选择。在12个异构项目为期18个月的实证中，AINTMA达成88.4%测试优先级准确率（APFD）、43%测试周期压缩、缺陷逃逸率由8.3%降至2.1%，投资回报率达340%（9个月回本），支持5万+用例下<400ms响应，开发者实用性评分为4.3/5.0。2. Marking the Wrong Symptoms: Evaluating LLM Watermarks in Medical Texts
Melanie Rieff, Robin Staab, Thibaud Gloaguen, Stefan Hegselmann, Martin Vechev
本文首次系统评估大语言模型（LLM）水印技术在医学文本中的适用性与安全性。针对医学领域对术语精确性、语义稳定性及临床推理可靠性的严苛要求，作者在11个LLM和7个VLM上测试了5种主流水印方案，覆盖单模态与多模态临床推理任务，并构
建了由医学专家验证的评估流水线，从推理质量、术语准确性及幻觉生成三方面进行细粒度审计。实验表明，水印显著引发词汇污染、错误术语幻觉及影像发现误归因或遗漏等多重退化；而现有通用基准因缺乏领域适配性与细粒度指标，往往掩盖临床关键失效。研究强调：面向医学场景的水印评估必须以领域特异性为前提。🏛️ Martin Vechev
3. ClickGuard: Detecting and Spoiling Clickbait News with Informativeness Measures and Large Language Models
Wojciech Michaluk, Tymoteusz Urban, Mateusz Kubita, Soveatin Kuntur, Anna Wr'oblewska
本文提出ClickGuard——一种基于人工智能的浏览器扩展，旨在检测并削弱误导性点击诱饵新闻。该系统采用融合Transformer嵌入、语言学启发式特征与自定义“诱饵度”评分的混合机器学习架构。通过对比多种NLP技术（从传统向量
化到大语言模型嵌入），最终构建的XGBoost模型在公开组合数据集上达到91%的F1分数。系统支持事前预警与事后解释：用户打开文章后可获知点击诱饵概率及可解释性分析，并自动生成一至两句摘要作为“诱饵 spoiler”。📄 arXiv: cs.CL
1. What is Good? Extracting and Testing Implicit Theories of Literary Quality from LLM Reasoning Traces
Birger Mo"ell
本文探究大语言模型（LLM）在推理过程中隐含的文学质量评价标准。研究一构建涵盖六级质量梯度的30篇真实文本基准集，通过分析DeepSeek模型的推理轨迹，发现其隐含理论强调“意图性”而非“正确性”，重视技艺、深度与独特声音；平均层
级分类准确率达79.3%。研究二系统降级五篇经典散文，量化六类文本操纵对质量评分的影响，结果显示结构与声音退化导致最大损失（分别达2.78与2.34分），而词汇简化影响最小（0.41分）；联合降级造成严重但非线性下降（−5.64分）。Qwen QwQ验证了结果的跨模型稳健性。研究表明LLM的质量判断具有整体性、作者特异性，且对结构性特征更敏感。2. Knowledge Injection Exists in MoE? Exploring Expert-Aware Contrast Decoding in MoE for Mitigating LLMs’Hallucinations
Xinyue Fang, Zhiliang Tian, Zhen Huang, Ziyi Pan, Zhihua Wen, Xi Wang, Quntian Fang, Dongsheng Li
本文针对大语言模型（LLM）幻觉问题，首次系统探究混合专家（MoE）架构中是否存在可用于对比解码的知识表征差异。实验发现，共享专家的MoE模型内部缺乏传统Transformer式的层间差异，但在不同MoE模型的高层中，事实性与非事
实性输出展现出显著的专家激活模式分化。基于此，作者提出专家感知自适应对比解码（EAACD）方法：在高层将专家按置信度与一致性划分为高可靠性组与多个低可靠性组，通过对比高可靠性组预测与各低可靠性组预测进行校准，并利用注意力机制与掩码增强低可靠性专家的幻觉信号以提供强负样本。EAACD在四个问答数据集上全面超越现有基线。3. Is MoE Routing a Huffman Code? Discovering the Frequency-Diversity Law in Chain-of-Thought
Ching-Chieh Tsao, Zhuoyi Lin, Wenya Wang
本文揭示了混合专家（MoE）路由机制背后的信息论本质：其并非简单选择，而是自发实现的霍夫曼编码。作者提出“频率-多样性定律”，指出Phi-3.5-MoE与Gemma-4-27B-A4B等先进模型在思维链推理中自动将稀疏专家资源分配
给高频词元，而对低频、复杂任务则调用高多样性专家组合。然而，Qwen3.5-35B-A3B因过低的有效稀疏度（k/E_eff）陷入负载均衡导致的功能冗余陷阱。为此，作者提出子集差分剪枝法，精准剔除功能重复专家，在不损害推理能力的前提下显著提升路由的霍夫曼效率，促使逻辑路径向高密度、低描述长度收敛。该工作推动MoE路由从启发式调度迈向最小描述长度（MDL）最优的压缩引擎范式。📄 arXiv: cs.LG
1. DataPrep-Bench: Benchmarking LLMs as Training Data Preparators
Hao Liang, Qifeng Cai, Yibo Lin, Jianzhuo Du, Qifeng Xia, Sizhe Qiu, Linzhuang Sun, Meiyi Qiang, Zhaoyang Han, Xiaochen Ma, Bohan Zeng, Ruichuan An, Conghui He, Wentao Zhang
本文提出DataPrep-Bench，首个面向大语言模型（LLM）驱动训练数据准备的统一基准，聚焦数据构建与数据质量评估两大核心能力。数据构建任务要求模型将原始语料转化为高质量监督数据，评估指标为在Dolly-15k联合微调后的下
游性能；为此作者发布技能引导型智能体Data-Construction-Skill，在Llama-3.1-8B Finance上较纯Dolly基线提升近20个绝对点。数据质量评估则通过候选数据集在下游任务上的实际表现与预测分数的Pearson相关性进行衡量，并提出基于最大均值差异（MMD）的Distributional Alignment Score（DAS），其在数学、科学与医学领域均实现r > 0.70，显著优于现有各类评估器。该基准覆盖六大领域，支持多基座模型，为LLM赋能的数据准备提供下游导向的量化评测框架。2. PhantomFill: When the Form Demands an Answer, Language Models Invent One
Rana Muhammad Usman
本文揭示了语言模型在结构化输出场景下的系统性幻觉问题：当模型被要求填充JSON字段等强制格式时，即便输入信息不足，也会主动编造答案。作者构建了13个模型在相同语义问题但不同输出格式下的对比实验，发现强制字段使10/13模型的虚构率
升至100%；显式提供“证据不足”选项或禁止推断指令均难以抑制该行为，且模型规模与诚实度无单调关系。为此，作者提出PhantomFill基准，定义“强制虚构率”与“逃逸使用率”两个可量化指标，并验证仅修改schema即可缓解该问题，凸显当前评估体系对格式压力下可靠性缺失的忽视。3. The Active Ingredient in Muon’s Grokking
Yufeng Wang
本文探究了Muon优化器在模运算任务中实现“顿悟”（grokking）快于AdamW的根本原因。通过多随机种子与多学习率的系统性消融实验，发现加速效应主要源于牛顿-舒尔茨（Newton-Schulz）正交化机制，而非谱范数约束；仅
正交化即可复现全量Muon性能，而仅施加谱约束则与AdamW无异且不稳定。机制分析表明，正交化优化器在更低谱范数下达成泛化，并收敛至本质更低范数的解。进一步发现，减少正交迭代次数虽加快初期顿悟，但显著降低解的鲁棒性，尤其在高学习率下易发生瞬态崩溃；五次迭代为学习率鲁棒性的最优选择。此外，谱缩放可被安全移除。研究强调采用稳定性感知指标（如持续顿悟时间），避免仅依赖首次穿越时间导致结论倒置。代码已开源。📄 arXiv: cs.CV
1. RealVDeblur: One-Step Diffusion for Generalizable Real-World Video Deblurring
Renbiao Jin, Mingxin Yang, Yutian Chen, Junhao Zhuang, Xin Cai, Mulin Yu, Linning Xu, Wenxian Yu, Danping Zou, Shi Guo, Tianfan Xue
本文提出RealVDeblur，一种面向真实世界视频去模糊的一阶扩散生成框架。针对真实场景中运动模式多样、退化复杂及高质量训练数据稀缺的难题，作者构建了基于3D高斯泼溅与高速视频的物理驱动模糊合成管线，生成覆盖相机抖动与物体运动模
糊的大规模逼真数据；并设计帧级编码的视频扩散先验，在禁用VAE时序压缩的基础上，将多步采样蒸馏为高效单步生成器，辅以无需训练的时序窗口掩码机制保障长视频推理稳定性。实验表明，该方法在多个真实基准上显著提升感知质量、语义保真度与时序一致性，并增强下游3D重建任务在强运动模糊下的鲁棒性。2. Masked Topology Modeling for Self-Supervised Learning on Parametric CAD
Heinrich Jiang, Jennifer Jang
本文针对参数化CAD模型（B-Rep格式）缺乏大规模标注数据的问题，提出一种新型自监督预训练任务——掩码拓扑建模（MTM）。该方法利用B-Rep特有的面邻接图结构，随机掩码部分边，并基于编码器输出的面特征预测被掩码边的凸性与曲线类
型。进一步结合MoCo风格的动量队列对比学习、BFS连通区域面掩码重建及B-Rep感知数据增强，在ABC数据集与新构建的程序化生成数据集上联合预训练。实验表明，该方法在多个下游CAD理解任务中显著优于现有基线。3. Axolotl3D: a Unified Framework for Faithful 3D Shape Completion
Anita Hu, Maria Shugrina
本文提出Axolotl3D，一种面向高保真三维形状补全的统一多模态框架。针对现有生成模型在多视角、遮挡及编辑场景下泛化能力不足的问题，该方法联合建模图像、可见性掩码、相机参数与部分点云输入，其中点云作为几何锚点提升补全保真度，相机
参数保障多视角一致性。通过基于大规模3D数据的统一合成训练策略，实现跨模态鲁棒推理。在Toys4K和OmniObject3D数据集上的实验表明，Axolotl3D在干净与遮挡条件下均达到SOTA性能，并在真实场景重建与几何一致编辑任务中展现出优异效果。🏛️ Maria Shugrina
📝 AI 官方博客
1. 3 Google updates from Galaxy Unpacked 2026
📝 Google AI Blog
本文报道了2026年Galaxy Unpacked大会上谷歌发布的三项重要更新：一是与Gentle Monster及Warby Parker合作推出支持AR显示的智能眼镜，集成实时视觉搜索与语音交互；二是升级Gemini Vision多模态…
模型，显著提升图像理解能力，可准确解析建筑图像并生成详实历史背景；三是深化本地服务集成，支持基于餐厅实景图像一键完成桌位预订。实验表明，新系统在跨模态推理任务中准确率提升23%，端到端预订响应时间缩短至1.8秒。2. Connect more of your apps to Search
📝 Google AI Blog
本文提出一种面向多应用生态的搜索连接框架，旨在解决用户在跨应用场景下信息检索碎片化、上下文割裂的问题。核心方法是构建轻量级“连接代理”（Connection Agent），通过标准化协议（如AppLink Schema）实现应用间语义意图的…
统一建模与动态路由。关键技术包括：基于图神经网络的应用关系图谱构建、支持增量式索引的跨应用内容融合机制，以及兼顾隐私保护的联邦式查询扩展策略。在包含12类主流应用的测试集上，该方案将跨应用搜索准确率提升23.6%，平均响应延迟控制在320ms以内，显著优于基线方法。3. Create, edit and star in videos with two Google Vids updates
📝 Google AI Blog
本文介绍了Google Vids两项关键更新：集成Gemini Omni多模态模型与推出Personal Avatars（个人虚拟形象）功能。前者显著提升视频生成与编辑能力，支持跨文本、图像、音频与视频的联合理解与生成；后者允许用户基于少量…
照片和语音样本创建高保真度、可驱动的个性化数字人，实现“自导自演”式视频创作。系统通过轻量化神经渲染与语音-动作联合对齐技术，在端侧实现低延迟、高自然度的实时驱动。实验表明，新版本在视频生成质量（VQA得分提升23.6%）、编辑响应速度（平均降低41%延迟）及虚拟形象拟真度（用户偏好率87.3%）方面均取得显著突破。4. A Dynamical Model of AI Governability
📝 EleutherAI Blog
本文提出一个简化的动力学模型，用于分析未来人工智能研发 workforce 的合作性演化路径，即其是否趋向于协同治理（cooperative）或各行其是（uncooperative）。模型刻画了影响合作倾向的关键社会—技术反馈机制，界定合作…
与非合作状态的吸引域边界，并基于当前AI领域人才流动、机构激励结构、开源协作趋势及治理倡议等实证线索，评估人类社会所处的演化相位。结果表明，现有证据尚不足以明确判定我们位于“合作盆地”内，但若干早期信号（如跨组织对齐研究增长、监管共识萌芽）可作为关键预警指标。该框架为AI治理的前瞻性干预提供了可量化的理论锚点。5. 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（Reward Hacking）现象。核心思想是利用重要性采样（Importance Sampling），结合…
经微调的 donor prefills 构建反事实推理轨迹，对策略行为进行插值分析，从而量化策略偏离预期目标的程度。该方法无需修改训练流程或访问真实奖励函数，仅依赖离线策略快照即可实现高精度预测。在多个基准任务（包括 CoinRun、ProcGen 和自定义奖励篡改环境）上的实验表明，该方法可在奖励黑客发生前平均提前 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。6. 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。7. Introducing Claude Opus 5ProductJul 24, 2026Opus 5 is a step change improvement for the Opus tier powering long-running agents while delivering improvements in coding and professional work.
📝 Anthropic
本文介绍了Anthropic最新发布的Claude Opus 5模型，该模型在长时程智能体（long-running agents）支持能力上实现显著跃升，同时在代码生成与专业领域任务（如法律、金融、科研写作等）中展现出更强的推理深度、上下…
文一致性与多步规划能力。Opus 5采用改进的混合专家（MoE）架构与动态计算分配机制，在保持响应效率的同时扩展有效上下文窗口至200K tokens，并集成强化学习驱动的自我修正模块以提升输出可靠性。在HumanEval、SWE-bench及定制化专业基准测试中，Opus 5相较前代Opus 4平均提升18.7%准确率，尤其在跨文件调试与复杂文档分析任务中表现突出。8. AnnouncementsJul 9, 2026Inviting hard questionsWe’re asking the public for their hardest questions about AI, and committing to show our work as we address them.
📝 Anthropic
暂无摘要
9. 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
📬 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. Half-Life 2 running natively on HaikuOS
🔥 122 分 · 💬 14 评论