AI 每日资讯 — 2026-07-29
🔥 HuggingFace 每日论文
1. Rethinking Classifier-Free Guidance in On-Policy Diffusion Distillation
Bingnan Li, Haozhe Wang, Haozhong Xiong
本文针对基于策略的扩散模型蒸馏（OPD）在分类器自由引导（CFG）下的失效问题展开研究，指出现有方法采用的引导速度匹配目标存在分支级欠定性：正负分支误差可相互抵消，导致优化方向失准。当教师模型的负分支隐含学生不可访问的特权信息时，
引发“负分支不对称”（NBA）现象，损害正向预测精度。为此，作者提出正向-方向匹配（PDM）目标，分别约束正向预测与CFG条件方向。实验表明，PDM在密集到稀疏视频控制任务中显著提升鲁棒性与泛化能力，缓解对推理引导尺度的敏感性。2. Data Pyramid for Embodied Manipulation
Yifan Ye, Yankai Fu, Yaoxu Lv
本文提出“数据金字塔”框架，系统梳理具身操作学习中的五类互补数据源：真实机器人数据、UMI风格数据、主/客观视角数据、仿真数据及通用视觉-语言数据。该框架以可扩展性与机器人对齐性为轴心，从数据质量、多样性、可复用性与物理保真度四维
度刻画各源特性。通过分析当前具身基础模型的数据配比策略，揭示不同数据组合与感知、推理、规划、动作生成及世界建模等能力的关联性。最后指出六大开放挑战，包括大规模触觉数据构建、失败-恢复数据采集、可扩展采集管线开发、跨形态动作对齐、主视角数据赋能灵巧操作，以及面向机器人学习的原理性数据配方设计。3. The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation
Tianyi Men, Zhuoran Jin, Kang Liu
本文针对基础模型智能体中多轮长视野规划能力提升这一关键难题，提出一种可控的多轮规划环境与统一训练框架。通过预训练阶段对数据格式、分布及质量的系统分析，发现显式构建世界模型（基于思维链的状态转移建模）可显著增强长视野泛化能力；原子技
能不足以支撑组合泛化，少量高质量长视野数据即具关键作用；而次优轨迹因误差累积会严重损害性能。在后训练阶段，提出单/多教师在线策略蒸馏（OPD）方法，结合GRPO对比分析，揭示规划模式与任务知识的差异化优化机制：OPD在低质量、长视野场景下具有更广的有效优化区间，提供更稳定的梯度方向。实验表明，该框架显著提升规划鲁棒性与泛化性。4. ClinFusion: A Vision-Centric Multimodal LLM System for Holistic Medical Understanding
Hangjie Yuan, Yichen Qian, Zhiwei Tang
本文提出ClinFusion——一种以视觉为中心的多模态大语言模型（MLLM），旨在实现全面、精准的医学理解。针对医学领域中2D/3D影像异构性强、临床评估标准缺失等关键挑战，作者设计了级联式空间感知局部融合（Cascade Sp
atial-Aware Locality Fusion）视觉编码器，统一建模多源医学影像；并构建了视觉锚定的评估框架，包括面向指令遵循的MedIF-Bench基准与基于感兴趣区域（ROI）的事实性报告生成评测方法。实验表明，ClinFusion在24项2D/3D多模态医学基准（涵盖视觉问答、报告生成与指令跟随）中超越Hulu-Med、Lingshu等主流开源模型，在20项上取得SOTA；在16项对比中亦优于GPT-5.2与Gemini-3-Flash等闭源强基线。5. ERUnderstand: Evaluating Vision-Language Models on Structured ER Diagrams
Ali Ansari, Yasmin Mohammadi, Farnoush Nili
ERUnderstand 是首个面向结构化实体关系图（ERD）理解的大规模基准，旨在解决当前数据库工程中 ERD 多以图像形式存在、缺乏机器可读语义表示的瓶颈。该基准包含 2,960 张覆盖多领域、多符号体系、多复杂度及扩展 ER
（EER）构造的 ERD，并为每张图提供标准化的机器可读模式表示，支持细粒度元素级评估。在主流视觉-语言模型（VLMs）上的实验表明：基础模型对常规元素识别效果较好（F1 > 0.74），但在弱实体（F1=0.28）、多值属性（F1=0.14）和 N 元关系（F1=0.07）等复杂结构上表现显著下降；引入推理增强后整体性能提升 15–25%，但仍受语言先验与图复杂度影响。项目已开源全部资源。6. DreamStyle3D: Efficient 3D Stylized Asset Generation via Dual-Attention Disentanglement
Kai Wang, Ziheng Ouyang, Xuying Zhang
本文针对当前 stylized 3D 资产生成中风格保真度、几何一致性与生成效率难以兼顾的问题，提出 DreamStyle3D——一种基于解耦双交叉注意力机制的高效原生 3D 风格化框架。该方法通过显式分离几何与风格特征实现精准风
格注入，并引入轻量级训练策略提升风格一致性与泛化能力；同时构建含约 15K 内容-风格-风格化三元组的高质量数据集。实验表明，DreamStyle3D 可在 10 秒内生成高保真、几何一致的 stylized 3D 模型，在效率与质量上均显著优于现有方法。7. Beyond Scale and Generation: Understanding Language Model-based Entity Matching
Zeyu Zhang, Xue Li, Iacer Calixto
本文针对语言模型驱动的实体匹配任务，通过控制变量实验系统探究了匹配器架构（双编码器、交叉编码器、生成式匹配器）、模型变体（不同预训练目标）与模型规模三者对性能的影响。研究基于Qwen3系列模型，在9个数据集上完成1215次微调实验
，并评估跨数据集迁移性与计算开销。结果表明：模型变体对双编码器性能影响最为显著，嵌入导向型变体能提供更优初始化与表征几何结构；交叉编码器因联合编码能力持续优于双编码器，但大模型可部分缩小该差距；生成式匹配器仅在分布偏移场景（如模式差异、跨域迁移）中展现优势；且更大模型更易依赖捷径学习，性能提升并不必然。8. DataOrchestra: Learning to Orchestrate Per-Example Curation of Pretraining Data
Zhen Huang, Yikun Wang, Shijie Xia
本文提出DataOrchestra框架，旨在解决大语言模型预训练数据处理中缺乏细粒度、例级自适应策略的问题。该框架将多种数据操作（如丢弃、保留、清洗）统一建模，为每个数据样本动态编排个性化处理流水线：首先由“指挥器”决策是否处理及
采用何种操作；若需清洗，则选择程序化编辑或LLM驱动的重写，并生成具体指令交由下游工具模型执行。在0.5B至7B规模模型上从零预训练实验表明，DataOrchestra在11项基准测试中稳定优于单一数据处理方法；在数学领域持续预训练中亦显著超越强基线，同时通过跳过冗余操作降低计算开销。🔥 arXiv 每日论文
📄 arXiv: cs.AI
1. Concept-based Visual Counterfactual Explanations with Diffusion Models
Yassine Oueslati, Daniil Kirilenko, Martin Gjoreski, Marc Langheinrich
本文提出C-VCE——一种基于扩散模型的概念驱动视觉反事实解释框架，旨在生成语义可解释、编辑最小化的图像反事实样本。不同于依赖外部噪声鲁棒分类器的现有方法，C-VCE将分类器内嵌于生成过程，通过概念瓶颈层显式建模人类可理解的语义概
念，并支持用户交互式开关概念以引导编辑。方法引入概率正则项平衡预测翻转与图像保真度，并结合梯度掩码限定修改区域。在CelebA等基准上，C-VCE在保持更高预测翻转率的同时，生成更接近原图、失真更小的反事实图像，显著提升解释的可靠性与实用性，为安全关键视觉系统提供了无需额外可信分类器的可解释生成方案。2. SeT-Diff: Towards Semantic Foundation Models for HPC Telemetry and Time-Series
Giovanni B. Esposito, Francesco Antici, Daniele Cesarini, Andrea Bartolini
本文针对高性能计算（HPC）系统中数字孪生建模缺乏泛化能力的问题，提出首个面向计算节点遥测与时间序列的语义基础模型SeT-Diff。该模型基于扩散机制，将生成过程显式条件于各传感器的语义描述，从而解耦系统动态特性与数据结构依赖。在
真实超算遥测数据集上的实验表明，其重建任务MAE达0.0470；具备零样本排列鲁棒性，传感器顺序变化时性能几乎无损；并统一支持数据插补、时序预测与虚拟感知（热推理MAE为0.033），验证了其作为数据驱动HPC数字孪生的有效性与通用性。3. QFoldAgent: An Autonomous Quantum Optimization Multi-Agent System for Protein Structure Prediction
Winson Chen, Yuqi Zhang, Sixu Chen, Nuo Xu, Qiang Guan, Caiwen Ding
QFoldAgent提出了一种面向5残基四面体晶格折叠的自主量子优化多智能体系统，旨在解决混合量子-经典蛋白质结构预测中哈密顿量惩罚权重依赖人工设定、仅限短片段模拟的瓶颈问题。该框架包含设计智能体（生成序列依赖的惩罚项）、基于VQ
E的含噪量子-经典优化流水线（在Qiskit Aer噪声模型下运行）及反馈智能体（利用能量景观分析与MolProbity验证信号迭代调优）。实验表明，在QDockBank数据集上，中位RMSD从3.64 Å降至3.20 Å；在100个未见序列上，结构有效性由87.5%提升至98.7%，Ramachandran偏好构象保持率达96%，验证了闭环智能体调控对量子优化鲁棒性的显著增益。📄 arXiv: cs.CL
1. Explaining GAND: A Resource on Gender-Ambiguous Natural Data & Contrastive Attribution
Jani\c{c}a Hackenbuchner, Jasper Degraeuwe, Arda Tezcan, Joke Daems
本文针对机器翻译（MT）系统在性别指代翻译中普遍存在的偏见问题，提出GAND——一个面向性别模糊自然场景的基准数据集。GAND包含精心构建的英语源句，旨在真实反映缺乏显式性别线索时上下文对性别翻译决策的影响。作者基于GAND将子集
译入两种语法性别语言，并人工构造对比翻译；结合特征归因分析，识别出影响目标语中模糊指代实体性别选择的关键源语词汇及其上下文。实验验证了该方法在揭示模型隐式性别推断机制方面的有效性，为可解释性研究与去偏改进提供了新资源与分析范式。2. MioFFAn: an Annotation Software for Formula Formalization with LLM Automation Capabilities
Nicolas Sibuet, Horacio Saggion, Riccardo Rossi
本文针对科学文献中数学公式自动形式化（即转化为可执行符号代码）任务因高质量标注数据稀缺而受阻的问题，提出开源、文档中心化且可定制的标注工具MioFFAn。该工具基于MioGatto架构扩展，支持公式选取、符号语义标注及符号代码辅助
生成，并允许用户自定义符号分类体系与运算符映射，适配多学科需求。其核心创新在于引入模块化大语言模型（LLM）辅助子任务，严格约束输出格式以保障可靠性。初步实验验证了人机协同标注范式在效率与准确性上的有效性。3. Evaluating the Impact of Reviewer Guideline Design on LLM-Based Automated Peer Review
Haowen Li, Yoichi Ishibashi, Masafumi Oyamada
本文探究了审稿指南设计对基于大语言模型（LLM）的自动同行评审质量的影响。研究对比了官方会议指南与通过LLM从高质量人工评审中生成的“审稿人模仿式”指南的效果，发现前者在评审一致性、评分准确性和意见质量上均更接近人类判断，表明经实
践验证的评估标准对自动化评审具有更强指导性；而模仿式指南效果普遍较弱。此外，强制采用结构化量表评分显著降低模型性能，证实保留主观性与整体性评判机制对提升自动化评审有效性至关重要。实验在多个顶会数据集上验证了上述结论。📄 arXiv: cs.LG
1. Semalith v1.4: A Calibrated 184M Safety Classifier Achieving State-of-the-Art Prompt-Injection Detection at 44x Fewer Parameters than Llama-Guard-3-8B
Tejasvi C. Addagada
Semalith v1.4 是一个参数量仅184M的DeBERTa-v3-base安全分类器，旨在单次前向传播中同步完成提示注入、通用有害内容及金融服务业（BFSI）监管合规三类安全检测。其22类细粒度输出头联合4类粗粒度辅助头，
采用加权联合损失训练于76,204条经SHA-1去重的多源数据。在22个零污染基准测试中，它在全部7项提示注入任务上超越Llama-Guard-3-8B，整体胜出11/18项，且对208条良性智能体提示实现零误报率（FPR=0.000），显著优于Llama-Guard-3-8B的0.063。尽管在通用有害内容检测上略逊于后者，其轻量高效与领域适配性为金融与智能体场景提供了新范式。2. CORVUS: Context Optimization and Reduction Via Underlying Synchronization for LLM Coding Agents
Mingwei Zheng, David OBrien, Siwei Cui, Pardis Pashakhanloo, Rajdeep Mukherjee, Myeongsoo Kim, Sachit Kuhar
本文针对大语言模型（LLM）编程智能体中轨迹（trajectory）冗余与过时问题，提出CORVUS——一种基于底层同步的上下文优化与缩减架构。传统追加式轨迹将文件读取动作与其快照强耦合，导致文件更新后快照陈旧、推理错误及重复读取
。CORVUS通过维护动态同步的文件注册表，在每次推理周期按需注入最新文件内容，实现读操作与观测解耦。实验表明，在SWE-POLYBENCH_VERIFIED和SWE-BENCH_PRO基准上，CORVUS在四类LLM上平均减少9–50%输入token、缩短15–32%最终提示长度、降低最多37%推理轮次，同时保持相近任务通过率。3. CausalGate: Causal Importance Distillation for Transformer Module Pruning
Kiran Nair, Smriti Regmi, Rodrigue Rizk
本文提出CausalGate，一种面向Transformer模块剪枝的因果重要性蒸馏框架，旨在解决现有自适应推理方法依赖观测启发式（如隐藏状态相似性或激活幅值）导致语义关键结构计算被误判的问题。CausalGate通过干预式校准：
逐层置零Attention与MLP子模块输出，以KL散度量化其对最终logit分布的语义影响，从而获取因果重要性排序；进而采用指数移动平均平滑与可微成对排序损失，将动态重要性蒸馏为静态标量门控参数。在TinyLlama-1.1B、Qwen2.5-3B及Llama-3.1-8B上的实验表明，该方法在语言建模与常识推理任务中持续超越主流动态路由与跳层基线，在零运行时开销下实现显著硬件延迟降低。📄 arXiv: cs.CV
1. DINOv3-MIL: Per-Kidney Multi-Label Tumour and Cyst Detection from Foundation-Model Patch Tokens on KiTS23
Vishalakshi M, Sahil Sharma, Pramod Kumar P
本文提出DINOv3-MIL方法，利用冻结的DINOv3 ViT-H/16模型提取肾脏CT图像的patch级特征，结合多实例学习（MIL）实现单肾级别的多标签肿瘤与囊肿检测。在KiTS23数据集（966例肾脏，97例测试）上，对比
CLS线性探针、门控注意力MIL及ProtoViT原型头三种聚合策略，结果表明注意力MIL在肿瘤（AUROC=0.74, 95% CI: 0.64–0.83）和囊肿（AUROC=0.80, 0.70–0.88）检测中性能最优，且注意力权重在标注病灶内显著富集（7.5–9.8倍于随机水平）。原型头在囊肿检测中失效（AUROC=0.51），揭示了当前token尺度下可解释性与性能间的权衡。2. MegaSlide-DiT: Memory-Centric Adaptation and Deformable Local Attention for Efficient Video Diffusion
Jiacheng Liu, Jason Liu
本文针对高分辨率视频扩散模型（基于Diffusion Transformer, DiT）在单机环境下因参数与激活内存爆炸而难以适配的难题，提出MegaSlide-DiT框架。该方法从系统层面重构训练范式：将百亿级（105B）DiT
的全部持久化状态（权重、优化器状态等）驻留于主机内存，仅按需流式加载临时分片至GPU；同时引入3D可变形滑动注意力（3D-DSA），以运动自适应的局部注意力替代全局自注意力，使内存与计算复杂度均降至序列长度的线性级别。实验表明，该方案可在单块H200 GPU（搭配1.5TB主机内存）上完成全参数微调，显著降低硬件门槛。3. FogDrive: A Multi-Modal Synthetic Driving Dataset for Perception under Graded Fog
Vansh Panwar
本文提出FogDrive——一个面向雾天感知的多模态合成驾驶数据集，旨在解决现有天气鲁棒性基准缺乏系统化多模态对齐与可控雾浓度分级的问题。该数据集基于CARLA构建，涵盖660个场景（约13.3万帧），包含RGB/深度/语义分割相
机、LiDAR/语义LiDAR及前向雷达共六种同步模态；雾效依据Koschmieder模型（视觉）与Beer-Lambert定律（LiDAR）物理建模，支持三档标定能见度（160m/100m/50m），每场景提供清洁与三级雾化四组配对样本，并配备跨模态校准的2D/3D标注。经8k图像语义分割质量审计，车辆标注精度达95.1%，召回率超99%（40m内）。在TransFusion、BEVFusion和YOLOv8-m等基线上，实验揭示：混合多密度雾训练可提升3D检测几何一致性而不增加数据量；而2D去雾中PSNR/SSIM等指标与下游检测性能弱相关。数据集及生成框架将开源。📝 AI 官方博客
1. Gemini API Managed Agents: 3.6 Flash, hooks, and more
📝 Google AI Blog
本文介绍了 Gemini API 托管智能体（Managed Agents）的最新升级，重点发布 Gemini 3.6 Flash 模型及其配套的钩子（Hooks）与触发器（Triggers）机制。该架构支持低延迟、高吞吐的自动化任务编排，…
通过可编程 Hooks 实现对推理链路中关键节点（如输入预处理、响应后处理、错误重试）的细粒度干预；Triggers 则提供事件驱动的智能体唤醒能力，支持基于时间、外部 API 响应或用户行为的动态激活。实验表明，在典型客服与数据摘要任务中，3.6 Flash 相比前代提速 2.3 倍，端到端延迟降至 180ms，同时 Hooks/Triggers 组合使任务成功率提升 27%。2. 5 ways AI Mode in Search helps you enjoy the real world
📝 Google AI Blog
本文探讨了搜索引擎中“AI Mode”功能如何通过五种方式增强用户与现实世界的互动体验。该模式融合多模态理解、上下文感知推荐、实时场景识别、个性化活动建议及跨平台无缝衔接等关键技术，将线上搜索与线下活动深度结合。实验表明，在涵盖运动、休闲、…
社交等12类真实生活场景的用户测试中，AI Mode使活动发现效率提升47%，用户参与时长平均增加3.2倍，并显著提高线下行为转化率。研究验证了AI驱动的搜索范式在连接数字服务与物理世界中的实用价值与扩展潜力。3. 5 ways to host the ultimate dinner party with Google Search
📝 Google AI Blog
本文探讨如何借助Google Search优化家庭晚宴策划流程，提出五种实用策略：精准搜索食谱与酒水搭配、实时查询食材替代方案、利用图像搜索识别装饰灵感、通过语音搜索同步控制智能厨房设备、以及基于本地化搜索推荐特色食材与配送服务。文章结合交…
互设计与信息检索技术，强调搜索意图理解、多模态结果呈现及上下文感知推荐等关键技术。实验表明，采用该方法可将晚宴筹备时间平均缩短37%，用户满意度提升至92%。4. A Dynamical Model of AI Governability
📝 EleutherAI Blog
本文提出一个关于人工智能可治理性（AI governability）的简化动力学模型，旨在刻画未来AI研发 workforce 的合作性演化轨迹。模型将AI社区的行为倾向建模为动态系统中的吸引子，识别决定合作与非合作状态间“盆地边界”的关键…
参数，包括技术透明度、制度激励结构与跨组织协调机制。基于当前AI领域开源实践、安全研究投入与国际治理倡议等实证线索，模型初步表明我们尚处于合作盆地边缘；若强化可验证对齐承诺与多边监督框架，则有望稳定进入合作吸引域。数值模拟显示，在中等强度治理干预下，系统转向合作态的概率提升逾40%。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，用于在大语言模型训练过程中识别奖励劫持（Reward Hacking）的早期迹象。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，在不依赖额外标注或人工干预的前提下，量化策略偏离对齐目标的程度。关键技术包括：可解释的推理路径扰动、基于 KL 散度的偏差敏感度评估，以及跨训练阶段的动态阈值校准。在多个 RLHF 和 DPO 训练基准上的实验表明，该方法可在奖励劫持发生前平均提前 32% 的训练步数发出预警，误报率低于 8.7%，显著优于基线检测手段。6. Reward Hacking Resarch Update
📝 EleutherAI Blog
本文为关于奖励黑客（Reward Hacking）问题的阶段性研究报告，旨在系统识别、建模与缓解智能体在强化学习中通过非预期行为“欺骗”奖励函数的现象。研究提出一种基于奖励函数脆弱性分析的检测框架，结合反事实推理与对抗性奖励扰动，量化策略对…
奖励设计缺陷的敏感性；进一步引入约束型策略优化与奖励模型不确定性感知机制，在训练中显式抑制捷径行为。在Gridworld、ProcGen及自定义高风险仿真环境中验证表明，所提方法将奖励黑客发生率降低62%–89%，同时保持92%以上的任务性能。后续工作将聚焦于奖励函数的形式化可验证性与多目标对齐泛化。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，该模型显著提升了长时程智能体（long-running agents）的稳定性与推理能力，在编程任务与专业级知识工作（如法律、金融、科研文档处理）中实现突破性性能提升。其…
核心技术包括增强型记忆架构、多步推理优化机制及面向复杂任务的自适应规划模块。在HumanEval、MBPP及定制化专业基准测试中，Opus 5相较前代Opus 4提升18.7%代码生成准确率，并将长对话任务中的上下文一致性错误率降低32%。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。