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
11:08
11:08官方账号arXiv cs.LG@Lei Bai, Jiaqi Cao, Chiyu Chen, Guanzhou Chen, Kai Chen, Guangran Cheng, Erfei Cui, Xuanlang Dai, Shengyuan Ding, Shangheng Du, Yanhui Duan, Yue Fan, Youqing Fang, Quan Gan, Yuanyuan Gao, Jiaye Ge, Lixin Gu, Yuzhe Gu, Qipeng Guo, Junjun He, Xin Hong, Ming Hu, Zhouqi Hua, Haian Huang, Junhao Huang, Zixian Huang, Minxi Jin, Lingkai Kong, Alexander Lam, Zehao Li, Zonglin Li, Tianhao Liang, Dahua Lin, Junyao Lin, Tianyang Lin, Zhouhan Lin, Jiangning Liu, Jin Liu, Kuikun Liu, Wenran Liu, Yifei Liu, Yuhong Liu, Yuhong Liu, Zhoumianze Liu, Ziyan Liu, Ziyu Liu, Haijun Lv, Han Lv, Chengqi Lyu, Le Ma, Ningsheng Ma, Zerun Ma, Haoyang Peng, Runyu Peng, Jifei Shan, Zixin Shang, Kou Shi, Xiang Shi, Qisheng Su, Xuerui Su, Hao Sun, Xiao Sun, Yanan Sun, Yu Sun, Huanze Tang, Yinghao Tang, Wenhui Tian, Zhongbo Tian, Bingli Wang, Haomin Wang, Jiarui Wang, Jingzhi Wang, Rui Wang, Xiquan Wang, Yi Wang, Zhecan Wang, Ziyi Wang, Zun Wang, Rubin Wei, Lianyi Wu, Wen Wu, Yue Wu, Yuhan Wu, Zhenyu Wu, Zijian Wu, Shuhao Xing, Jun Xu, Xingle Xu, Xuenan Xu, Xiangchao Yan, Ziang Yan, Bowen Yang, Danni Yang, Lin Yang, Zhiqi Yang, Qian Yao, Haochen Ye, Peng Ye, Jinhui Yin, Jiashuo Yu, Dingbo Yuan, Fei Yuan, Yuhang Zang, Bo Zhang, Chao Zhang, Chen Zhang, Hongjie Zhang, Junming Zhang, Wenlong Zhang, Wenwei Zhang, Yiming Zhang, Zhuo Zhang, Ziyang Zhang, Haiteng Zhao, Penghao Zhao, Yibo Zhao, Zhonghan Zhao, Zhihang Zhong, Bowen Zhou, Peiheng Zhou, Xin Zhou, Xinyu Zhou, Yunhua Zhou, Dongsheng Zhu, Yicheng Zou
Intern-S2-Preview 是一系列面向科学发现的智能体基础模型，支持多模态科学理解、推理、生成和长周期任务。训练流程包含科学多模态预训练、监督微调、多任务强化学习及智能体 RL，并引入部分 rollout、自适应长度正则化等技巧提升稳定性。其中 Intern-S2-Preview-397B 在 SciTS 时间序列基准上取得领先表现，同时其时间序列模块增强了科学信号理解与预测。独立的 Intern-MemDec-4B 扩展将 Biology-Instructions 平均分从 56.92 提升至 60.32，且无需修改冻结的 397B 主干。
AI模型Intern-S2-Preview科学智能体多模态
推荐理由：这个科学智能体模型能处理多模态数据，397B 版在时间序列预测上很强，还有个 4B 小模型能直接把生物任务分数拉高，适合搞科研的人看看。
原文
11:04
11:04官方一手Pandaily@contact@pandaily.com (Pandaily)
中科院深圳先进院开出全国首家科技成果超市，上架1000多项研究成果。每项成果按赛道颜色分类，并附二维码链接技术详情。自2025年以来，该模式已带动签约合同额近2.5亿元。
行业中科院深圳先进院科技成果转化技术转移
推荐理由：想找科研成果？深圳先进院把上千项技术摆上货架，扫码就能看详情，已经签了2.5亿合同。
原文
11:00
10:56
10:54
10:51
10:50
10:48
10:46
10:43
10:40
10:40官方账号arXiv cs.LG@Sabin Roman, Ljupco Todorovski, Saso Dzeroski
SORT利用L1正则化回归直接从含噪声和不规则采样的观测数据估计正交基展开系数，避免显式数值积分。在动力学系统实验中，SORT在基函数适配问题时匹配或优于SINDy等库稀疏回归基线，且在稀疏采样、噪声导数估计和表示失配下退化更稳定。实验显示主导低阶系数随模型阶数增加而保持，支持阶数一致的模型增长。SORT还可用于非线性逼近和复杂高维积分估计，将基设计显式纳入科学建模问题。
论文SORTSINDy方程发现
推荐理由：这篇论文提出了SORT框架，用稀疏谱方法从噪声数据里发现微分方程，比SINDy更抗稀疏采样，还能顺带做积分逼近，适合做系统辨识的人看。
原文
10:39
10:39官方账号arXiv cs.LG@Yi-Chung Chen, Philip Jacobson, Tom Lampo, Yiren Lu, Jin Yao, David I. Inouye, Jing Gao, Danhua Guo, Burhan Yaman
论文提出TraVEL方法，用于提升驾驶视频检索。研究者先在nuReasoning数据集上对Qwen3-VL-Embedding进行InfoNCE微调，再引入轨迹相似度作为GRPO奖励。相比纯监督微调，TraVEL在2B模型上使纵向和横向mAP分别提升9.8和4.7个百分点，在8B模型上分别提升7.2和1.5个百分点。该方法不需要外部感知输出，推理时仅靠单向量检索。
论文TraVELQwen3-VL-EmbeddingnuReasoning
推荐理由：想搞自动驾驶数据检索的可以看看这个TraVEL，用行车轨迹当训练信号，让模型更懂左转右转、加速减速，比普通微调强不少。
原文
10:38
10:38官方账号arXiv cs.LG@Julian Minder, Viktor Moskvoretskii, Raghav Singhal, Difan Jiao, Andy Arditi, Shaobo Cui, Yiderigun Borjigin, Kartik Bali, Stefan Krsteski, Harsh Raj, Huu Nguyen, Jannik Brinkmann, Ashton Anderson, Roland Aydin, Robert West
论文提出合成人格预训练（SPP），在预训练阶段就从第一个 token 开始植入目标助手人格，而非等预训练后叠加价值观。方法先用价值规范给预训练文档标注第一人称反思，再在标准文档和反思上以交叉熵损失训练，最后用对话数据做人格绑定。在 3B 参数、500B token 的预训练中，SPP 提高了宪法遵循和越狱鲁棒性，降低了分布外道德困境中的错位率，同时保持能力。实验显示，仅在预训练末期引入 SPP 效果明显更弱，且优势随预训练预算增加而增大。
论文SPP合成人格预训练对齐
推荐理由：这篇把对齐提前到了预训练第一步，3B 模型跑 500B token，越狱更难破，值得搞 AI 安全的人看一眼。
原文
10:35
10:35官方账号arXiv cs.LG@Christofer Washington Berruz Chungata, Martin Jurecek, Katerina Potika, William B. Andreopoulos, Mark Stamp
该论文针对恶意软件分类模型因概念漂移导致的性能下降问题，对比了三种漂移检测技术：基于One-Class SVM（OCSVM）的新方法、基于Minibatch K-Means（MK-Means）的已有方法以及统计检验方法MMD。实验覆盖四种模型：多层感知机、随机森林、支持向量机和XGBoost，并在静态、周期重训练和漂移感知三种场景下评估。结果表明，漂移感知重训练在保持与周期重训练相近分类精度的同时，大幅减少需要重训练的模型数量。其中OCSVM方法在准确率和训练效率的Pareto权衡上整体优于MK-Means和MMD。
论文OCSVMMK-MeansMMD
推荐理由：做恶意软件检测的同学可以看看，论文证明了用OCSVM检测概念漂移再触发重训练，能省下大量计算资源还不掉精度。
原文
10:34
10:34官方账号arXiv cs.LG@Daniel Perkins, John Squires, Janou Milligan, Chandra Raskoti, Linda Ungerboeck
论文提出ARMDIL，一种使用多模态大语言模型（MLLM）作为自适应路由器的图像分类集成方法。该集成包含ResNet、自监督学习（SSL）和视觉语言模型（VLM）等视觉骨干，在统一标签空间上训练。实验显示，ARMDIL与专用的训练型路由器性能相当，同时能通过简单提示修改快速整合新信息。该方法用自然语言推理轨迹增强可解释性，为通用视觉系统提供支持。
论文ARMDILMLLM图像分类
推荐理由：这篇论文搞了个ARMDIL，用MLLM当路由器给图像挑合适的视觉模型，效果不输专门训练的，还能改提示词加新数据。
原文
10:32
10:31
10:31官方账号arXiv cs.AI@Gehan Zheng, Matthew Johnson-Roberson, Weiming Zhi
ContactGuard 是一种用于分块视觉运动策略的接触前执行监控方法。它根据策略规划的动作块，在潜在视觉空间预测短期后果，若预测失败则中止执行。其潜在世界模型由未标注机器人轨迹训练，预测多视角视觉嵌入，避免像素级视频预测。在真实接触密集操作任务中，ContactGuard 比直接预测和破坏动作消融的失败预测更准确。该方法可作为真机预接触中止信号，无需修改底层策略。
论文ContactGuard世界模型机器人操作
推荐理由：接触密集操作总在碰坏了才发现问题？ContactGuard 在接触前看潜在视觉嵌入提前判断，能直接发中止信号，不用改策略。
原文
10:30
10:30官方一手arXiv: OpenAI@Jim Woodcock, Gabriel Leite, Augusto Sampaio, Ran Wei
CAPRI 是一种面向 Isabelle 证明的契约感知修复工作流，由 Isabelle 检查证明，独立检查器执行机器可读的编辑契约。研究在四个开发项目的十二个失败证明上评估了五种工作流，每任务三份复现，共 180 次运行和 138 次有效修复。其中 144 个被 Isabelle 接受的候选修复有六个修改了受保护文本，均来自可编辑完整理论的迭代工作流。仅限证明体的接口得到 29/36 个有效修复且无契约违规，而对应完整理论工作流为 31/36。
论文CAPRIIsabelleLLM
推荐理由：这论文搞了个 CAPRI 工具，管 LLM 改 Isabelle 证明，能查它有没有动不该动的地方。12 个失败证明跑 180 次，修复率直观看得很清楚，想用 LLM 做形式化证明的可以看看。
原文
10:28
10:28官方一手arXiv: OpenAI@Benjamin Collas
arXiv 2608.12816 指出，大语言模型已开始推翻长期猜想，并用几千美元 token 成本解决开放问题，文中特别提到 OpenAI 的2026年8月案例。作者在这篇 arXiv 2608.12816 论文中认为，机器产出的定理、证明、反例只是人类理解这个产品的残渣，而不是数学产品本身；这两条弧线构成同一个循环。真正的产品是人类集体获得的理解，机器只在‘可数’的那条弧线上强，在另一条弧线上缺席——这一点正是 arXiv 2608.12816 的核心论点。论文最后把问题落到机构层面：谁能核查 OpenAI 这类公司的数学主张，下一代研究者做什么，以及无法批量生产的旅程是否会继续获得资助。
论文OpenAI数学研究arXiv
事件专题
推荐理由：这篇arXiv文章说，AI解数学题只是留下残渣，真正值钱的是人理解的过程。关心数学研究或AI影响科研的可以看看。
原文
10:27
10:27官方一手arXiv: OpenAI@Nikhil Sanjay Borse, Amir Bralin, Sean Savage, N. Sanjay Rebello
该研究以转动力学问题为测试，利用问题分类框架分析OpenAI o4-mini的解答，并用MAPS评分量表评估。结果显示，明确提示词能提升解答完整性，而欠指定和多模态提示暴露物理推理与正确性缺陷。24个物理实验小组参与评估，MAPS引导的批评比仅解题组更贴合专家视角，能识别未执行数值步骤和符号未定义等问题。研究为AI解题基准和物理教育中的批判性训练提供了实证基础。
论文o4-miniOpenAIMAPS
事件专题
推荐理由：这篇论文用o4-mini试了不同提示词，发现它解题会翻车，还试了怎么教学生挑它毛病，搞物理教育的值得看看。
原文
10:25
10:25官方一手Pandaily@contact@pandaily.com (Pandaily)
DeepSeek 于8月13日宣布 V4 系列 API 调价，8月17日生效。新方案采用峰谷定价，非高峰时段价格为高峰的一半。V4 Pro 输入缓存命中的非高峰价格涨幅最高达500%。同时，V4-Pro-0813 模型的 DeepSWE 得分从7.3跃升至62.7。
AI产品DeepSeekV4API定价
推荐理由：DeepSeek 把 V4 API 价格调高了，最高 500%。非高峰时段半价，要省钱就避开高峰，8月17日就改。
原文
10:23
10:23官方一手Pandaily@contact@pandaily.com (Pandaily)
DeepSeek Harness 于8月13日晚8:30发布开发者预览并开源，当前版本为v0.1。产品提供四种预设工作模式，采用一切皆插件的架构设计。官方将其核心思想概括为“模型+Harness=智能体”。这次开源被认为是今年最具雄心的智能体开源项目之一。
AI产品DeepSeekHarness智能体
推荐理由：DeepSeek 把 Harness 开源了，四个工作模式直接搭智能体骨架，插件随便接，玩起来很有野心。
原文
10:19
10:19官方一手pandaily@contact@pandaily.com (Pandaily)
8月13日，DeepSeek正式发布V4 Pro模型，并同步推出Harness开发者预览。Harness基于Cordis插件系统构建，将每个智能体能力封装为插件。该项目以MIT许可证开源，开发者可自由修改与商用。Harness提供append-only会话日志，可完整追踪智能体运行轨迹，便于调试与审计。
AI产品DeepSeekHarnessV4 Pro
推荐理由：DeepSeek把Harness以MIT开源了，插件化架构，每个能力都是插件，还有完整轨迹日志，适合自己折腾智能体的朋友。
原文
10:16
10:15
10:15IT之家（博客/媒体）
联想集团发布2026财年第一财季（4月至6月）财报，营收269.43亿美元，同比增长43%，但归母净亏损6.09亿美元。杨元庆称，AI算力分配正从训练转向推理，目前约50%算力用于训练、50%用于推理，理想比例应为80%推理、20%训练。联想该季度AI相关收入达85亿美元，同比增长60%，占总收入35%。杨元庆认为混合式AI尚处起步阶段，私域数据挖掘空间巨大，AI普及普惠的主力军将是硬件厂商而非模型厂商。
行业联想集团杨元庆混合式AI
事件专题
推荐理由：联想财报净亏损但AI收入涨了60%，杨元庆说算力该八成搞推理，还放话要当AI时代的PC之王，看看他凭啥这么自信。
原文
10:13
10:12
10:06
09:53
09:41
09:26
09:05
09:05IT之家（博客/媒体）
OpenAI 8月13日推出Mac版ChatGPT的Computer History功能，取代此前Chronicle研究预览。该功能利用macOS辅助功能记录点击、输入、键盘快捷键等互动事件，将Mac活动转化为时间线。不再依赖屏幕截图，ChatGPT与Codex可从记忆中生成工作摘要或找回最近查看文件。隐私方面，互动事件本地暂存最多48小时，生成的纯文字记忆保留至用户手动清除。目前面向ChatGPT Pro、Business和Enterprise用户开放，暂不支持EEA、瑞士和英国。
AI产品ChatGPTOpenAIMac
事件专题
推荐理由：Mac版ChatGPT现在能记住你干了啥，不用截图了，还能让Codex接着干活。订阅Pro或企业版就能体验。
原文
08:59
08:45
08:41
08:35
08:14
08:14IT之家（博客/媒体）
Anthropic计划2026年10月以2万亿美元估值IPO，规模超过SpaceX，成为史上最大IPO。SpaceX于2026年6月12日上市，市值1.77万亿美元。Anthropic已于6月向美国证券交易委员会秘密提交IPO文件，进入静默期。该公司5月公布年化营收突破470亿美元。
行业AnthropicIPOSpaceX
事件专题
推荐理由：Anthropic要上市了，估值两万亿美元，直接把SpaceX的纪录超了，年收入470亿美元，这势头确实猛。
原文
08:12
07:46
07:42

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」）。