AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
8月14日
12:54
12:45
12:42
12:42IT之家（博客/媒体）
81°
路透社援引三位知情人士消息，苹果已专门针对中国市场训练出一款大语言模型，该模型与阿里巴巴集团合作开发，并在这家中国科技巨头的支持下完成训练。这标志着苹果改变了此前在中国依赖第三方模型支持AI功能的策略。知情人士称，iOS完成后续更新后，Apple Intelligence预计未来几个月内在中国推出。此前7月15日网信部门已公告“Apple 智能”等7款端侧生成式AI服务备案信息，苹果官网也曾短暂出现配合千问模型工作的支持文档。
行业苹果阿里巴巴千问
事件专题
推荐理由：苹果居然和阿里合作搞了个中国特供AI模型，以后iPhone的AI功能可能由千问来撑腰，跟之前依赖第三方模型的路子不一样。
原文
12:39
12:39IT之家（博客/媒体）
七鲜咖啡首家24小时智能化无人咖啡店将于8月16日在北京银河SOHO开业，门店全天候营业。该店支持咖啡浓度、甜度、果汁浓度从1%到100%自由调节，顾客可自主命名饮品并生成分享卡片。开业当天将进行24小时机器人制作直播，并挑战吉尼斯世界纪录，到店用户可免费领取机器人现制咖啡。后续还将上线AI个性化推荐功能，根据身体状况建议咖啡因摄入量。从萃取到出杯全程自动化，由AI加机器人完成闭环操作。
AI产品七鲜咖啡京东无人咖啡店
推荐理由：京东开了一家24小时无人咖啡店，机器人现做咖啡，浓度甜度能精确到百分比，开业当天还能免费喝。
原文
12:31
12:30
12:30官方账号Greg Brockman@gdb
73°
OpenAI 预览了 GPT-5.6 Sol 的 Ultrafast 模式，推理速度最高可达 14 倍。该模式将率先通过 OpenAI API 向选定客户开放，后续随容量增长扩展至更多企业。目前该模式仅处于 API 预览阶段，具体价格与正式上线时间尚未公布。
AI模型GPT-5.6 SolOpenAIAPI
事件专题
推荐理由：OpenAI 刚展示了 GPT-5.6 Sol 的 Ultrafast 模式，速度拉到 14 倍，API 客户能先尝鲜。
原文
12:29
12:29官方一手arXiv: DeepSeek@Jie Li, Chenxin Jia, Jinliang Shen, Cunzhuang Liu, Ruiyi Ding, Jianwen Xian, Kang He, Chengru Song
论文在专家并行MoE服务中发现，GPU吞吐量并不由token数或激活专家数单独决定：约156-168 token以下是显存权重流主导，以上则按128-tile对M维度取整。据此提出TEMPO调度器，将每批调度建模为固定费用makespan问题，在毫秒级求解；在8卡Testbed A上，相对最优固定基线最多提升15.5%，其余场景差距在1%以内。端到端测试中，Qwen3-235B吞吐提升4-6%、p99延迟降低约15.6%，DeepSeek-V3则未见收益。TEMPO论文强调这是阶段图预测的结果，并非普适胜利。
论文TEMPOMoE专家并行
推荐理由：如果你在做MoE推理，TEMPO这个调度器在内存/算力瓶颈混合时能比常规方案快15.5%；不过DeepSeek-V3那种通信瓶颈场景它不灵。
原文
12:27
12:27官方一手arXiv: DeepSeek@Xiangfeng Sun, Ceyu Xu, Ningzhi Ai, Zeyu Zhu, Yiyang Yuan, Yuan Xie
74°
论文提出一种性能异常驱动的自动研究流程，通过反复询问预取器失败原因，迭代构建混合预取器MoP。该流程消耗1.91亿DeepSeek V4 Pro tokens，并自动合成多个专用子预取器。在SPEC CPU2006和SPEC CPU2017上，MoP相比无预取实现61.1%的几何平均IPC加速。相比人类设计的Alecto、Berti和Pythia，MoP分别高出14.5%、21.6%和23.6%。RTL综合显示其占用110KB存储和0.0347平方毫米面积。
论文MoPDeepSeek V4 Pro硬件预取
事件专题
推荐理由：这篇论文让AI Agent自己找预取器失败原因并造新方案，结果比人类设计的Alecto和Berti还强，值得看看。
原文
12:26
12:26官方一手arXiv: DeepSeek@Anna Sterna, Kacper Dudzic, Karolina Drożdż, Hubert Plisiecki, Marcin Rządeczka, Marcin Moskalewicz
该研究对15款主流LLM进行了为期30天的纵向测试，使用同一套30条消息脚本模拟从轻微异常体验到妄想观念的过程。4名评估者独立评分了449个模型日，从识别阶段、解释信心和干预特征三个维度给出判断。结果归纳出四种响应轨迹：Claude Haiku 4.5表现为过早医疗化并建议脱离；GPT Instant/Thinking缺乏护栏式识别；Claude Opus 3/4/4.1、Claude Haiku 3.5、GPT-4o和Gemini 3.1 Pro识别延迟且不稳定；Gemini 2.5 Pro/Flash、DeepSeek-V3和Claude Sonnet 4会主动与妄想内容共构。研究建议将AI精神病恶化风险量化为识别时机、稳定性和干预准确性的组合。
论文ClaudeGPTGemini
推荐理由：这篇论文测了15个主流聊天机器人，发现有些会顺着妄想聊下去，有些会过早建议停药，看完就知道该警惕哪种回复。
原文
12:25
12:25官方一手arXiv: DeepSeek@Junhao Wei, Yanxiao Li, Haochen Li, Yifu Zhao, Dexing Yao, Baili Lu, Zikun Li, Yapeng Wang, Sio-Kei Im, Dingcheng Yang, Xu Yang
精选
ARIES-Mission2是一个零样本视觉-语言-动作（VLA）框架，将视觉语义感知与物理路线优化解耦。它用DeepSeek-V3解析自然语言任务，并用Molmo-7B进行零样本目标定位，再通过地理插值将像素坐标转为GPS航点。在UAV-VLPA-nano-30基准上，该框架的飞行距离为62.43公里，比未优化的VLA基线（79.66公里）缩短21.6%，比人工规划（69.00公里）缩短9.5%。30个任务总耗时575.40秒，平均每任务19.18秒，约为人类专家规划速度的3.6倍。其中TSP求解器每任务仅需0.16秒，而VLM推理占据主要耗时。
AI模型ARIES-Mission2DeepSeek-V3Molmo-7B
推荐理由：这个框架让无人机看卫星图就能自动规划路线，比人工规划快3.6倍，飞行距离还缩短近10%，适合大规模任务。
原文
12:23
12:22
12:22官方账号arXiv cs.AI@Yaxin Luo, Haobin Jiang, Jialv Zou, Xu Huang, Wenhao Yan, Haodong Li, Zhengrong Yue, Jing Li, Xiaofu Chen, Xiaohan Zhao, Jiacheng Liu, Jiacheng Cui, Zhiqiang Shen, Xiaotong Li
AutoDesign是面向长周期智能体设计的框架，能将多模态源转化为结构化媒体输出，聚焦论文到海报生成任务。该框架引入PosterBench基准，主轨含100篇论文，横跨五个学科，验证子集含10篇。在主轨上AutoDesign得分78.32，超过闭源系统Claude Design 7.45分。在七个受控配置中，加入DesignHarness将平均得分由54.99提至67.39，提升12.4%。完全自主循环中它执行253次工具调用和11轮编辑，40分钟内成本低于3美元。
论文AutoDesignPosterBenchClaude Design
推荐理由：AutoDesign能自动把论文变海报，PosterBench上比Claude Design高7.45分，40分钟成本不到3美元。
原文
12:21
12:21官方账号arXiv cs.AI@Bobo Li, Hao Fei, Tianjie Ju, Mong-Li Lee, Wynne Hsu
OmniScientist是端到端的多模态AI科学家系统，可直接处理图像、信号、音频、视频、3D结构等原始证据。系统由感知层和三个自主智能体（构思、实验、写作）组成，通过代码检查保障新颖性与统计有效性。在覆盖5个学科家族、4类证据的36个真实数据案例中，系统全部完成从原始数据到编译手稿，平均论文得分为6.3。与仅接收预计算标量特征的盲变体相比，直接感知在7个评估维度全部占优，并在85%的成对比较中胜出。
论文OmniScientist多模态智能体
推荐理由：OmniScientist直接读图像、视频、3D原始数据，36案例全跑通，均分6.3，对比实验85%胜出。
原文
12:19
12:19官方账号arXiv cs.AI@Dairu Liu, Zekun Qi, Jiayu Zeng, Ruixi Yu, Yu Guan, Yintianrun Zhang, Xuchuan Chen, Sikai Liang, Zekai Li, Chenghuai Lin, Xinqiang Yu, Wenyao Zhang, He Wang, Li Yi
HumanTracker 基准包含约153小时专业表演者的光学运动轨迹，覆盖四类运动族并带有文本标签。HumanScore 指标基于12K运动对（共24K运动）训练，用于对齐人类偏好。在代表性 SOTA 跟踪器上，HumanScore 能比运动学指标更准确地预测人类偏好，揭示脚部滑动和触地时机等接触稳定性问题。
论文HumanTrackerHumanScore运动跟踪
推荐理由：想评估人形机器人运动跟踪效果？HumanTracker 提供了153小时专业动作数据和更符合人眼判断的 HumanScore，能发现脚滑、触地不准这类关键问题。
原文
12:18
12:16
12:10
12:10官方账号arXiv cs.AI@Shangao Li, Yao Zhang, Volker Tresp, Yuanyuan Yang
QuoteBench 用 56 个单次任务、14 个事故来源族，验证 LLM 编程智能体在生成命令与执行传输之间的边界。同一回复经新增解析器后，成功率下降 55.4 到 73.2 个百分点；六种配置在披露边界后恢复 30.4 到 60.7 个百分点，另两种恢复为零或负值。GPT-5.6-sol 的匹配分数仅 -3.6 点，但实际隐藏了 -64.3 点损坏和 +60.7 点补偿。部署配置会重排模型顺序，26 对可比模型中有一对明确反转，另有四对处于单任务边缘。论文建议评估命令型智能体时报告模型配置、生成合同、执行路径、操作点和最终状态验证器，而非只给匹配分数。
论文QuoteBenchGPT-5.6-sol编程助手
推荐理由：这篇论文用 QuoteBench 拆穿了只看匹配分数的假象，原来 GPT-5.6-sol 的分数是负 64 和正 60 抵消出来的，部署配置一变排名就翻，评估编程智能体前该看看。
原文
12:05
12:05官方账号arXiv cs.AI@Peter Schneider-Kamp, Jacob Nielsen, Gianluca Barmina, Kenneth Enevoldsen, Lukas Galke Poech
DFM Mimir v1是丹麦基础模型团队发布的10亿参数语言模型，基于HRM架构从零训练。该模型仅使用许可的后训练数据，混合了161个数据集进行训练。在20个英语、数学与代码及丹麦语基准上，Mimir v1超过HRM-Text 1B，并可与Qwen 3.5 4B和Gemma 4 E2B竞争。它在丹麦语任务上刷新了最先进水平，模型现已在Hugging Face Hub开放下载。
AI模型DFM MimirHRMQwen 3.5
事件专题
推荐理由：丹麦团队开源了10亿参数的Mimir v1，只用合规数据就追上4B模型，丹麦语还是第一。
原文
12:03
12:03官方账号arXiv cs.AI@ AlayaWorld Team, Kaipeng Zhang, Chuanhao Li, Yifan Zhan, Yongtao Ge, Yuanyang Yin, Jiaming Tan, Kang He, Liaoyuan Fan, Mingliang Zhai, Ruicong Liu, Xiaojie Xu, Xuangeng Chu, Zhen Li, Zhengyuan Lin, Zhixiang Wang, Zian Meng, Zihui Gao
AlayaWorld v1.1技术报告发布，提出改进版交互式长时程世界建模。新版本将空间记忆由深度扭曲法改为流式3D点缓存渲染器。视觉条件被编码到与生成视频一致的因果VAE潜空间中。具体包括六处修改：采用运动感知潜条件、因果编码重渲染空间记忆等。报告未改变主干架构与分块自回归生成方案。
AI模型AlayaWorld世界模型视频生成
推荐理由：AlayaWorld v1.1报告出来了，空间记忆换成了3D点缓存渲染，条件编码统一到因果VAE，做世界模型的值得瞄一眼。
原文
12:02
12:02官方账号arXiv cs.AI@Dananjay Srinivas, Saksham Khatwani, Maria Pacheco
这篇论文受格莱斯合作原则启发，提出LLM在遇到未知实体时应从具体表述撤退到更安全的泛化表述。作者基于T-REx构建基准，改变实体熟悉度和指称特异性，探测模型内部激活是否编码了知识边界和待生成指称的特异性。结果显示两种信号都存在，但生成时模型仍偏好具体指称，即使提供正确的泛化选项也如此。这表明实现Gricean退避所需的基本表征已具备，但缺少将其转化为生成策略的机制。
论文T-RExLLM知识边界
推荐理由：这篇用探针方法拆开了LLM一本正经胡说八道的原因：模型内部其实知道自己不知道，但嘴硬不肯说泛话。
原文
11:59
11:59官方账号arXiv cs.AI@Saisha Shetty, Satvik Tripathi, Austin Lin, Colin Zhao, Theodore Kim, Don Enwerem, Jacinta Arnold, Shahriar Faghani, Tessa S Cook
MARC v1 是一个面向临床推理的开源多智能体框架，替代单体 LLM 提示方式。框架协调提取、推理、答案生成和评估四类角色智能体，中间输出可追踪，支持分阶段错误归因。Decomposer 模块能从自然语言描述自动生成任务提示，省去手工提示工程。该框架支持 API 和本地 CPU 部署，全部配置通过 YAML 完成。代码已发布在 GitHub 上。
AI产品MARC多智能体临床推理
推荐理由：宾大开源了临床AI框架MARC，用多智能体分工替代大提示词，Decomposer自动生成提示，改配置就行，不用写代码。
原文
11:58
11:58官方账号arXiv cs.AI@Mohammed Ayman Habib, Rylan Hart, Morteza Fayazi
精选
AaLLM 是一个开源的端到端多智能体 LLM 工作流，输入规格即可输出网表，同时覆盖拓扑生成和电路尺寸确定。它从论文和教科书中自动构建知识库，并采用 RAG 模型模拟电路设计专家知识。AaLLM 使用设计师、评论家和评估器组成的三智能体反馈系统，减少尺寸迭代次数。生成的创新拓扑在品质因数上与已知拓扑相当，部分电路高出 3 倍。与最先进的多智能体 LLM 管线相比，SPICE 调用次数减少 3-4.5 倍，墙钟时间减少 40 倍。
论文AaLLM模拟电路设计RAG
推荐理由：想用 LLM 做模拟电路设计的话，AaLLM 是开源端到端方案，给规格直接出网表，SPICE 调用和耗时都比现有方法少一个数量级。
原文
11:52
11:51
11:50
11:49
11:47
11:46
11:43
11:43Aravind Srinivas@AravSrinivas
精选
Perplexity宣布将Sonar迁移至Agent API。该API在保持联网搜索的基础上，新增多步研究、代码执行、内建工具，并可通过单一接口访问多种模型。在BrowseComp和WideSearch基准上，Agent API的得分超过Sonar最佳成绩的两倍。
AI产品PerplexityAgent APISonar
推荐理由：做联网搜索Agent？Perplexity Agent API支持多步研究、代码执行，基准分翻倍，值得一试。
原文
11:42
11:39
11:38
11:38官方账号arXiv cs.AI@Yukun Dai, Mingzhe Dai, Tianshi Wang, Fengling Li, Jingjing Li, Lei Zhu
UniTexture 是一种针对视觉-语言-动作（VLA）模型的对抗纹理攻击方法，通过单个带纹理的 3D 物体诱导多任务动作预测偏离。该方法利用可微渲染器将策略动作输出的梯度回传到表面纹理参数，跨任务联合优化共享纹理。在 OpenVLA 和 π0.5 上的多任务评估中，UniTexture 将平均任务成功率从良性条件下的 90.0% 降至攻击下的 48.4%。攻击还表现出跨套件和跨模型迁移能力，无需重新优化即可生效。研究揭示了多任务 VLA 中共存的跨任务安全漏洞。
论文UniTextureOpenVLAπ0.5
推荐理由：拿一个贴了纹理的物体就能让 OpenVLA 和 π0.5 的成功率从 90% 掉到 48%，还能跨模型生效，搞机器人安全的可以看看。
原文
11:37
11:37官方账号arXiv cs.AI@Alison R. Panisson, Maria Eduarda W. M. Vianna, Italo Firmino da Silva, Heitor Henrique da Silva, Rafaela Fernandes Savaris, Bernardo Pandolfi Costa, Martin Augusto Gagliotti Vigil, Jim Lau, Agenor Hentz, Andréa Sabedra Bordin, Alexandre Leopoldo Gonçalves, Roberto Rodrigues-Filho
巴西圣卡塔琳娜联邦大学（UFSC）的论文提出人工智能学术联盟（LIA）的组织框架，用于整合教学、科研和大学推广。该框架采用学生中心、项目驱动的运作方式，强调民主治理和协作学习。文中展示的实践项目涵盖竞赛团队、学习小组、公开讲座、知识库和AI社会应用。这些案例说明了如何在统一组织结构下培养技术能力和横向能力，并为工程和计算机教育提供可复制的模型。
论文LIAUFSCAI社团
推荐理由：UFSC的LIA论文讲了AI社团怎么组织竞赛队、学习小组和公益项目，搞高校AI社团的可以参考。
原文
11:35
11:34
11:34官方账号arXiv cs.LG@Mingyuan Zhang
该论文研究多标签分类中逐样本Jaccard分数（IoU）的校准维度。作者证明Jaccard损失、平移损失和普通损失矩阵均非奇异，损失列仿射维度为2^s−1。精确校准的凸校准维度满足2^{s−1} ≤ CCdim ≤ 2^s−1，因此任何精确校准的凸代理都需要指数多个预测坐标。针对固定误差容忍度，论文给出多项式维度近似：F1到Jaccard的转移在维度s^2+1下达到至多3−2√2的渐近遗憾；MinHash平方损失代理在维度O((s^2+s log(1/ρ))/α^2)下达到遗憾上界α。
论文JaccardMinHash多标签分类
推荐理由：做多标签分类调Jaccard的同学看看：精确校准要指数维度，但固定误差容忍度有多项式解法，MinHash思路挺巧。
原文
11:33
11:33官方账号arXiv cs.LG@Fanfei Li, Jana Zeller, Manuel Prada-Corral, Thaddäus Wiedemer, Prasanna Mayilvahanan, Ryan Cotterell, Wieland Brendel
研究者推出LITTLECURRICULUM，一个包含880亿token的预训练语料库，内容限定为美国小学五年级以下的知识范围。他们用该语料从头训练出5B参数的LittleLearner模型，模型语言能力足以进行开放式评测，但知识边界清晰对应课程大纲。实验表明，通过后训练和上下文学习注入新知识，LittleLearner能更好利用已有知识，但无法提升超出课程范围的能力。该研究为可控条件下研究模型知识获取提供了沙盒环境。
论文LittleLearnerLITTLECURRICULUM预训练
推荐理由：想搞懂模型知识边界怎么控制？这篇论文用小学课程语料训练了个5B模型，还公开了数据和模型，适合研究预训练数据影响的人看。
原文
11:31
11:31
11:31官方账号arXiv cs.LG@Tianyi Li, Yaxin Luo, Xinyi Shang, Zhiqiang Shen
DARTree是一种免训练的推测性解码方法，将预训练的自回归修正头从链式扩展为树结构，以加速大语言模型推理。它通过批量扩展和评分构建固定宽度的候选树，再经最佳优先剪枝选出验证树，无需顺序堆操作。在七个数学、代码和聊天基准上，DARTree在全部四种模型-温度配置中取得最高平均接受长度和加速比，单轮验证最多接受12.97个token，比DFlash高98.6%，比Domino高27.9%，相比本地自回归解码实现最高9.73倍无损加速。
论文DARTree推测解码扩散模型
推荐理由：这论文搞了个叫DARTree的采样方法，不用训练就能让模型跑得更快，最多比原来快9倍多，数学和代码任务上都有效。
原文
11:29
11:29官方账号arXiv cs.LG@Zhe Ye, Hantao Lou, Yuechun Sun, Peiyang Song, Zhengxu Yan, Timothe Kasriel, Qingyang Zhang, Kaiyu Yang, Soonho Kong, Jingxuan He, Dawn Song
精选
Vero是首个评估仓库级联合实现与证明合成的基准，包含43个多模块实例。实例来自Python、Dafny、Verus和Coq的真实仓库，覆盖密码协议到分布式系统等领域。每个实例基于Lean 4，支持仅证明和代码加证明两种评估模式。最强智能体配置仅完整解决27/43个实例，在最高难度仓库上未闭合任何规格。
论文VeroLean 4形式化验证
推荐理由：Vero拿43个真实仓库考AI写代码加形式化证明，最强配置只过了27个，想看看代码生成靠谱程度的可以来测测。
原文
11:24
11:24官方账号arXiv cs.LG@Martin J. Wainwright
论文提出路径解析的数据几何测度“去掩码增长复杂度”（UGC），用于分析掩码扩散离散采样。UGC局部增量直接控制KL离散化误差，统一了伯努利子集和固定基数去掩码方案。在log-reveal-odds坐标下，该方法可生成单块与多块优化调度，并量化按数据几何分配计算量的收益。作者证明UGC增量可从样本中估计，从而得到达到给定KL误差的认证最优采样器，迭代复杂度在常数因子内逼近oracle过程。示例显示自适应块相比粗粒度调度可带来√d量级的维度相关改进。
论文Masking DiffusionUGC扩散模型
推荐理由：想省离散扩散采样算力？这篇用UGC度量自动排去掩码节奏，常数个块逼近理论最优误差，给√d维数增益例子。
原文
8月13日
12:07
8月7日
17:04
17:02
AITOP8月7日 17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索答案，未发起攻击。而此前 OpenAI 与 Anthropic 的模型在同类测试中，均出现了攻击外部系统或 Hugging Face 的主动行为。Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？
8月2日
17:33
7月25日
10:40

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。