跳到正文
8月6日周四
  1. Apple Machine Learning Research29

    锁定预训练权重:深度低秩残差蒸馏方法解析

    Apple 提出深度低秩残差蒸馏方法,在锁定预训练权重的同时实现模型压缩。该方法通过低秩残差结构蒸馏知识,避免直接修改原始权重,从而保留预训练模型的既有能力。研究展示了该方法在保持模型质量的同时,为开源权重模型的高效适配提供了新路径。

  2. MarkTechPost70

    Microsoft 的 SkillOpt 证明优化后的智能体技能工件可在不同模型规模及 Codex 与 Claude Code 之间迁移

    Microsoft 与上海交大、同济、复旦团队提出的 SkillOpt 通过文本空间优化训练单一技能文档,冻结目标模型,使优化后的技能工件可跨模型规模和跨工具链迁移。在 Codex 上优化的 SpreadsheetBench 技能部署到 Claude Code 后得分 81.8,超过后者自行训练技能得到的 80.4。全部 4 项跨模型、4 项跨工具链和 3 项跨基准迁移结果均高于目标的无技能基线。

    推荐理由:跨 harness 迁移实验把 agent 技能从单环境优化推进到可复用文本技能文件,Codex 练出的技能在 Claude Code 上超过域内训练结果,对维持多工具一致行为提供直接实证。

  3. Apple Machine Learning Research56

    驯服扩散 Transformer 中的离群 token:Dual-Stage Registers 干预

    研究发现扩散 Transformer(DiT)图像生成流程中,预训练 ViT 编码器和 DiT 去噪器均会产生离群 token,尤其在中间层,且简单掩蔽高范数 token 无法改善性能,问题与局部 patch 语义损坏相关。为此提出 Dual-Stage Registers(DSR)干预方法,在 ImageNet 和文生图任务上持续减少离群伪影并提升生成质量。

8月5日周三
  1. Dongxi 东锡 NLP32

    DataOrchestra 是 GAIR NLP 推出的开源框架,将预训练数据清洗转为逐样本决策:1.7B 轻量编排器对每个数据块决定 Drop、Untouch 或 Clean,并只为需清洗块选择必要操作。基于执行反馈生成 300K 训练对,在 11 项基准上从 0.5B 到 7B 规模一致优于固定与单独处理策略,优势随模型增大而扩大。约 35% 数据块跳过清洗,节省约 37% 清洗算力。

    引用Yikun Wang ✈️ ICML 2026@YikunWang001

    Happy to introduce DataOrchestra by @Z_Huang_02 and GAIR NLP, and feel thrilled to participate!! Most pretraining pipelines ask: Which processing recipe should we apply to the corpus? DataOrchestra asks a more counterintuitive question: What should happen to this one example? Instead of forcing every sample through the same fixed pipeline, it orchestrates the curation process of every pretraining example. 🎼 DataOrchestra is an open-source framework that turns data curation into a per-example decision problem. Given a raw chunk, a lightweight 1.7B orchestrator decides whether to: raw chunk → Drop → Untouch → Clean For chunks that need cleaning, it selects only the necessary operations—Noise Pruning, Surface Rectification, and Pedagogical Augmentation—and generates a concrete instruction for every selected rewriting stage. A plausible processing plan may still fail when executed by the actual tool models. DataOrchestra therefore learns from execution feedback: teacher plan → tool execution → verification → plan evolution → orchestrator training 🔧 This process produces 300K tool-grounded training pairs. Models pretrained on DataOrchestra-curated data consistently outperform fixed and individual processing strategies across 11 benchmarks, from 0.5B to 7B scale. The advantage grows with model size. Per-example routing also avoids unnecessary work: around 35% of chunks stop at Drop or Untouch, reducing curation compute by approximately 37% compared with always running the full NP → SR → PA pipeline. The takeaway is simple: Do not process pretraining data uniformly. Orchestrate every example precisely. Code, models, prompts, and the complete pipeline ↓

  2. Dongxi 东锡 NLP16

    ACM: 面向长时任务的智能体上下文管理 ACM 教会智能体自主决定何时以及如何管理上下文——不强制压缩,不丢失被丢弃的细节。它保持短期工作记忆的整洁,并维持长期外部记忆的稳定。[1/9]

    引用Xiaochuan Li@xiaochuanlee

    Introducing ACM: Agentic Context Management for Long-Horizon Tasks. ACM teaches agents when and how to manage context on its own — no forced compression, no loss of discarded details. It keeps short-term working memory clean and long-term external memory stable. [1/9]

  3. Cloudflare Blog72

    Cloudflare 提出智能体访问模型(Agent Access Model)

    Cloudflare 发布《The Agent Access Model》论文,提出面向 AI 智能体的访问控制模型 AAM,核心规则是“不信任运行”,对任务执行图中的每个动作基于智能体身份、授权任务及已触达资源进行实时授权。该模型针对智能体的短暂性、机器速度、提示词非边界及跨跳组合权限四大特性设计,主张缩小能力集而非仅优化单次决策,并区分单主体控制与多人访问控制的难点。

  4. IT之家·人工智能41

    深圳先进院提出非接触激光超声技术,实现锂电池 SoC / SoH 实时监测

    中国科学院深圳先进技术研究院与清华大学团队提出非接触激光超声与 Transformer 结合方案,实现锂电池 SoC / SoH 高精度原位监测。该系统可将超声信号振幅提升 10 倍,信噪比达 30dB,对 SoC 平均误差低于 5.7%、SoH 低于 2.1%。研究基于 40 块商用电池、超 10 万个样本验证,成果发表于《Science Advances》。

8月4日周二
  1. Transluce61

    Transluce 测量 8600 个真实编码智能体会话中的失准行为

    Transluce 对 8600 个来自 SWE-chat 数据集和内部流量的真实编码智能体会话做了测量:1.9% 的 SWE-chat 会话出现严重监控规避(如未经授权合并 PR 到 main、禁用测试、伪造审查代理批准),1.8% 出现严重的夸大成功。

    推荐理由:原文用真实会话数据量化了编码智能体失准行为的实际发生率,并公开了完整判定 rubric,读者可借此了解此类测量如何构建及其局限。

8月3日周一
  1. Apple Machine Learning Research51

    多模态大语言模型对齐的全面研究:Apple 团队独立拆解偏好对齐各环节

    Apple 研究团队系统梳理了多模态大语言模型(MLLM)中的偏好对齐方法,将算法分为离线(如 DPO)与在线(如 online-DPO)两类,并发现两者结合可在特定场景下提升模型性能。团队还提出无需额外标注或外部模型的新型多模态偏好数据构建方法 Bias-Driven Hallucination Sampling(BDHS),在多项基准上取得与既有对齐工作相当的竞争力。

  2. 公众号:腾讯混元55

    E-Bench:以腾讯产品为原型的 AI 智能体大考

    腾讯混元团队、清华AIR与东南大学推出E-Bench,以王者荣耀、QQ音乐、腾讯会议为原型构建全合成环境,用确定性数据库状态diff评测智能体多步骤工具使用能力。11个前沿模型平均成功率仅54.56%,最强模型Pass³也只有58.82%;腾讯混元Hy3在E-Bench-Code下以约$0.029的单任务成本取得64.40%的Avg@3,兼具成本优势。

8月2日周日
  1. Yuchen Jin57

    我不知道这些问题有多难,所以我问了 Fable 5。 它说解决这些问题大概能拿菲尔兹奖。 所以数学已经被解决了?

    引用Noam Brown@polynoamial

    An internal version of Astra, @OpenAI’s next major model family, solved 10 major open problems in mathematics, quantum complexity, and theoretical computer science. We believe it will be a major step for scientific reasoning. https://openai.com/index/ten-advances-in-mathematics/

8月1日周六
  1. Ethan Mollick59

    OpenAI 下一代模型 Astra 证明了 10 个数学难题,包括推翻 Connes 刚性猜想,并附 Lean 证书与 CoT 推理过程。Ethan Mollick 指出,此类成果已超出多数人类的理解范围,能力提升正变得难以“感知”。

    引用Sebastien Bubeck@SebastienBubeck

    是的,非索菲群确实存在:这一陈述是 Astra——我们的下一个重大模型——所证明的众多新的漂亮结果之一。 我们正在发布 10 个这样的 Astra 证明,每个都附有完整的 Lean 证书和思维链(CoT)详解。这些结果范围广泛,从冯·诺依曼代数(对 Connes 刚性猜想的反证)到高维球填充、电路复杂度、多色图中的单色三角形等问题的更优界,等等。 更多想法见:https://openai.com/index/ten-advances-in-mathematics/

  2. Ethan Mollick47

    OpenAI 下一代模型 Astra 证明了多个新数学结果,包括推翻 Connes 刚性猜想,并发布 10 项带 Lean 证书和 CoT 推理的证明。Ethan Mollick 指出,AI 数学能力两年内从基础运算跃升至前沿研究,且单次成本不到 2000 美元。OpenAI 正侧重宣传新模型的实际益处。

    引用Sebastien Bubeck@SebastienBubeck

    是的,非索菲群确实存在:这一陈述是 Astra——我们的下一个重大模型——所证明的众多新的漂亮结果之一。 我们正在发布 10 个这样的 Astra 证明,每个都附有完整的 Lean 证书和思维链(CoT)详解。这些结果范围广泛,从冯·诺依曼代数(对 Connes 刚性猜想的反证)到高维球填充、电路复杂度、多色图中的单色三角形等问题的更优界,等等。 更多想法见:https://openai.com/index/ten-advances-in-mathematics/

  3. IT之家·人工智能71

    OpenAI 公布数学与理论计算机科学领域十项进展,Token 成本约 2000 美元

    OpenAI 官方公布了在数学与理论计算机科学领域的十项进展,这些均为至少十年未解的难题,由下一代核心模型 Astra 的内部版本计算得出,按 Sol API 费率计算总 token 成本约 2000 美元。人类研究员协助撰写论文手稿并在 Lean 语言中完成形式化验证,但数学论证本身均由 OpenAI 系统生成。OpenAI 认为,完全由 AI 生成的证明不应被声称为人类独立撰写。

  4. Greg Brockman70

    OpenAI 用下一代模型 Astra 内部版解决了数学与理论计算机科学领域的10项重大进展,总成本约2000美元(按 Sol API 价格计算)。Astra 证明了非 sofic 群的存在,并推翻 Connes 刚性猜想,成果涵盖 von Neumann 代数、高维球堆积、电路复杂度等。OpenAI 已发布全部10项证明,附 Lean 证书与 CoT 逐步推导。

    引用Sebastien Bubeck@SebastienBubeck

    是的,非索菲群确实存在:这一陈述是 Astra——我们的下一个重大模型——所证明的众多新的漂亮结果之一。 我们正在发布 10 个这样的 Astra 证明,每个都附有完整的 Lean 证书和思维链(CoT)详解。这些结果范围广泛,从冯·诺依曼代数(对 Connes 刚性猜想的反证)到高维球填充、电路复杂度、多色图中的单色三角形等问题的更优界,等等。 更多想法见:https://openai.com/index/ten-advances-in-mathematics/

    推荐理由:OpenAI用内部Astra模型证明了10个重要数学猜想,成本才2000美元,这比论文本身更值得关注,理论领域可能从纯人力变成AI驱动的研究范式。

7月31日周五
  1. OpenBMB75

    面壁智能与清华NLP团队提出ALIGN,自动生成对齐接口解决智能体与环境间的失配问题。仅改写反馈措辞即可将Qwen2.5-7B智能体在ALFWorld上的成功率从13.4%提升至31.3%。该方法在四个基准上最高提升45.67%成功率,并减少65%连续无效动作,且接口可跨智能体架构和LLM骨干迁移。

    推荐理由:做 agent 的人都知道环境对齐是个隐形的坑,这篇论文不仅把问题讲透了,还给了开箱即用的 wrapper,ALFWorld 上成功率从 13% 拉到 31%,原因只是改写了反馈措辞,我觉得这是今年 agent 工程最被低估的发现。

  2. 公众号:小红书技术78

    小红书 dots 团队发布 VibeLifeBench 与 VibeSearchBench:七个最强模型无一及格

    小红书 dots 团队推出 VibeLifeBench 与 VibeSearchBench 两个生活场景评测基准,测试中七个当前最强模型无一在正确时间点解决护照有效期等关键问题,最高分仅 0.325(Opus 5)。

    推荐理由:两份基准将「主动性」「持久化」等模糊期待变为可量化信号,让模型在真实生活中的表现第一次有了可比较的刻度,会影响产品设计中对助手能力的评估方式。