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7日
13:09
13:09官方账号arXiv cs.LG@Lev V. Utkin, Stanislav K. Kogan, Andrei V. Konstantinov
Surv-IPTB 是一种用于生存分析的新框架，直接量化患者在接受治疗相较于对照时生存期延长的概率。该方法将 IPTB 估计重构为二分类问题，利用治疗组与对照组之间的成对患者比较，并通过不精确概率表示处理右删失观测。模型采用带可学习查询-键变换的注意力机制，灵活聚合成对比较，同时为删失病例学习软类别概率。在螺旋、钟形和圆形等非线性合成数据集上的实验中，Surv-IPTB 在多种删失率和治疗效果强度下表现稳健，优于配备随机生存森林、Cox 比例风险和 Beran 估计器的元学习基线。
论文Surv-IPTBIPTB生存分析
推荐理由：论文提出了 Surv-IPTB，用注意力机制做个体治疗获益估计，比传统 T-learner、S-learner 在复杂非线性数据上更稳，代码已开源。
原文
13:08
13:07
13:07官方一手arXiv: OpenAI@Ro Encarnación, Tina Behzad, Emma Lurie, Danaé Metaxa
一篇arXiv论文审计了ChatGPT聊天界面与OpenAI API两种访问模态在有无网页搜索下的表现，样本含401个提示、共4812次响应。结果显示，关闭搜索时聊天界面在两个基准上的准确率均低于API；启用搜索使准确率下降最多8个百分点，甚至逆转了一个基准的模态趋势。同一提示重复三次，最多21%的提示出现不一致响应。作者认为安全评估应系统纳入模态、多次运行一致性、搜索条件和引用行为等因素。
论文arXivChatGPTOpenAI API
事件专题
推荐理由：这篇论文用真实数据告诉你，同一个模型换种方式调用，成绩能差8个百分点，跑三次还不一样，评估AI安全时别只看一个数字。
原文
13:06
13:06宝玉@dotey
82°
Higgsfield AI 制作的95分钟AI电影《Hell Grind》以50万美元成本完成，并在戛纳电影市场放映。影片获得了《华尔街日报》《Variety》和BBC新闻的报道。官方已将全部提示词和制作素材开源，用于Higgsfield全球电影节。开源地址需要注册后访问。
技巧HiggsfieldHell GrindAI电影
事件专题
推荐理由：Higgsfield把95分钟AI电影《Hell Grind》的提示词和素材全开源了，成本50万美元，想学AI电影制作的可以直接抄作业。
原文
13:02
13:02官方账号arXiv cs.AI@George Grispos, Sajda Qureshi
这篇arXiv论文（编号2608.06364）分析了尼日利亚电商移动应用中的AI功能与透明度。研究对多款Android应用做了取证分析，并结合文档审查评估AI披露实践。结果显示AI在应用中被广泛部署，但关于其用途的透明度披露有限。论文还从社会经济层面指出尼日利亚对数字平台依赖加深，AI认知度中等。
论文arXiv尼日利亚移动购物App
推荐理由：想知道购物App背地里怎么用AI、又不告诉你？这篇论文拆了尼日利亚的安卓应用，证据很清楚，看完你会重新审视手机里的购物软件。
原文
12:59
12:57
12:57官方一手arXiv: Google DeepMind@Xinwei Liu, Junyuan Liang, Jianting Zhang, Wuhui Chen
本文提出OG-SPR，一种用于视觉连续控制的模型无关强化学习算法，融合多步潜在自预测与下一观察预测两个辅助目标。在DeepMind Control Suite的28个视觉控制任务上，OG-SPR相比现有自预测和观察预测方法获得更高的总体性能，尤其在dog和humanoid等困难任务上提升显著。该方法为共享表征引入两个轻量适配器来执行潜在自预测，避免直接强制表征满足预测目标带来的过约束问题。
论文OG-SPR强化学习视觉控制
推荐理由：OG-SPR把两种预测目标结合起来，28个控制任务上超过现有方法，难任务提升明显。搞视觉RL的可以看看。
原文
12:56
12:56AI Will@FinanceYF5
82°
Microsoft首次披露，2026财年从OpenAI相关业务录得241亿美元收入。Bloomberg估算这约占Microsoft全部AI收入的70%。截至6月30日，Microsoft对OpenAI的应收账款为60亿美元。Microsoft累计已向OpenAI注资119亿美元。
行业MicrosoftOpenAI财报
事件专题
推荐理由：Microsoft头回公开OpenAI生意赚了241亿美元，占了自家AI收入七成，这数字真不小。
原文
12:56
12:56AI Will@FinanceYF5
Olivia Moore在X平台表示，AI视频广告已跨越鸿沟。她自2023年跟踪该领域，现在首次怀疑自己识别AI视频广告的能力。这一表态意味着AI视频广告的逼真度已对人工辨别形成挑战。推文附带的视频展示了当前AI视频广告的实际效果。
行业AI视频广告视频生成Olivia Moore
推荐理由：Olivia Moore说自2023年盯到现在，第一次怀疑自己还认不认得出AI视频广告。她贴了段视频，看一眼就知道这玩意儿多真。
原文
12:55
12:52
12:51
12:51官方账号arXiv cs.LG@Daniel Paulin, Victor Elvira
该研究提出一种VARMA模型估计框架，使每次优化迭代的计算成本与序列长度T无关，通过偏自相关重参数化保证平稳性和可逆性。损失函数仅依赖固定大小的充分统计量，借助Parseval恒等式以近线性成本评估截断长度。两种点估计器（正则化最小二乘和协方差边缘化最大后验）在固定维度下以近参数速率恢复真实过程的无穷自回归表示。实验中，从d=10到d=40，估计器接近oracle预测误差，而经典条件MLE在d=40时产生非可逆拟合且预测发散。该方法在零售需求、气象和空气质量数据上匹配或优于VAR、贝叶斯VAR、成分ARMA和稀疏VARMA基线。
论文VARMA时间序列估计方法
推荐理由：这篇论文把VARMA从低维度限制里解放出来了，迭代成本不再随序列长度增长，在d=40时还能稳定预测，做时间序列的可以看看。
原文
12:50
12:49
12:49官方一手歸藏(guizang.ai)@op7418
一位用户分享每周让 GPT 5.6 Pro 分析运动数据，推文获 1125 次查看。该用户表示，GPT 5.6 Pro 能帮助理解每周运动节奏。互动数据包括 2 个赞和 1 条评论。作者暂未公开 GPT 5.6 Pro 的具体分析流程。
技巧GPT 5.6 Pro运动数据经验分享
推荐理由：有人每周用 GPT 5.6 Pro 分析运动数据，说比单纯看数字有用。感兴趣的可以看看这条推文。
原文
12:48
12:47
12:46
12:45
12:43
12:41
12:40
12:40官方账号arXiv cs.LG@Anay Mehrotra
论文研究单调对抗者（monotone adversary）插入额外正确标注样本后的学习问题，回答 Larsen、Pabbaraju 和 Shetty 提出的开问题。作者证明，VC 维 d=1 时最小最大期望误差为 Θ(1/n)，d≥2 时为 Θ((d/n)log(n/d))，因此额外对数因子是内在代价。同样结论适用于 Littlestone 维 d_L，说明在线学习可达到的 O(d_L/n) 批量速率无法实现。一维上界由简单非恰当学习器配合留一论证达到；下界来自单个显式构造。
论文Monotone AdversariesVC维Littlestone维
推荐理由：这篇论文把单调对抗者模型的误差速率定性了：d=1是Θ(1/n)，d≥2多一个log因子，证明很直接。
原文
12:37
12:37官方账号arXiv cs.LG@Xian Sun, Wei Chow, Yingshuo Wang, Junhao Liu, Wei Gao, Qing Wu, Lingdong Kong
论文提出MIST基准，将每道推理题置于干净、误导、正确上下文、无关上下文四种条件下。配套SC2W指标衡量误导信号使原本正确答案变错的频率。作者发现该脆弱性在多种开源模型上普遍存在。提出的SCOPE方法通过匹配偏好对优化DPO目标，在保持干净上下文准确率的同时显著降低SC2W。
论文MISTSC2WSCOPE
推荐理由：这篇论文把“信不信上下文”当成独立问题来训练，用MIST测出模型容易被一条错误信息带偏，SCOPE能减少这种翻车还不影响正常表现。
原文
12:36
12:36官方账号arXiv cs.LG@Soorya Ram Shimgekar, Michelle Hu, Dorisa Shehi, Daniel Kang, Roy Ka-Wei Lee, Koustuv Saha, Christian Poellabauer, Christopher Lee, Sajeev Singh, Piyum Zonooz, Navin Kumar, Zeeshan Ahmed, Priyadarshini Kachroo
电子病历特征工程占数据科学家39%-45%工作量，心衰领域尤其棘手。研究者提出Nimblemind多智能体系统（nMAS），在500份模拟患者记录、9张EHR源表上生成132个结构化特征和70个评分聚合特征。加入聚合特征后，HFrEF分型的held-out AUROC从0.895升至0.963，HFpEF从0.870升至0.910。独立LLM对证据支撑与方法学评分为最高分的81.5%。
论文nMAS心力衰竭电子病历
推荐理由：心衰数据特征工程又慢又容易出错，nMAS自动管线把HFrEF的AUROC拉到0.963，还能审计特征来源。
原文
12:34
12:32
12:32官方账号arXiv cs.LG@Fanzhe Meng, Guoxin Chen, Jiale Zhao, Shuang Sun, Zhiyu Lin, Wayne Xin Zhao, Ruihua Song, Ji-Rong Wen, Kai Jia
CalibForge 是一种自动终端任务合成系统，利用验证过的求解器行为，通过对抗性求解器校准来修订候选任务。多求解器校准针对异构求解器池的分歧，对比求解器校准则针对强通过/弱失败关系。该系统构建了5,431个校准终端任务。在Terminal-Bench 2.0上，基于完整集合训练的模型达到32.58%和47.57%的成绩。相比基础模型，最大提升分别达24.71个百分点（Terminal-Bench 2.0）、27.68个百分点（SWE-bench Pro）和30.04个百分点（Doc2Repo）。
论文CalibForgeTerminal-BenchSWE-bench
推荐理由：想给智能体造训练任务？CalibForge 让多个求解器互相挑毛病来调任务难度，比人工标靠谱，Terminal-Bench 上能涨二十多个点。
原文
12:30
12:30官方账号arXiv cs.LG@Chenglong Wang, Ziming Zhu, Yifu Huo, Bei Li, Qiaozhi He, Yan Ding, Xiaoyang Hao, Yuxin Gao, Tianhua Zhou, Xiaojia Chang, Tongran Liu, Jingbo Zhu
生成式奖励模型在响应排序上表现出色，但其比较性输出与强化学习要求的标量奖励不匹配。为此论文提出 RRC（Ranking-based Reward Construction），通过相对偏好排序构造奖励信号。RRC 包含自竞争排序和锚定引导排序两种互补策略，分别利用采样响应间的比较和小规模参考响应实现可扩展构造。实验在开放对话和推理基准上验证，RRC 相比现有方法持续提升强化学习训练效果。
论文RRC生成式奖励模型强化学习
推荐理由：这篇论文提出 RRC，能把生成式奖励模型的排序结果转成强化学习能用的信号，在对话和推理任务上比现有方法更稳定地提升训练效果。
原文
12:28
12:28官方账号arXiv cs.LG@Yijiang Li, Bingyang Wang, Yijun Liang, Yunjie Tian, Di Fu, Nuno Vasconcelos
U-OPSD 提出只用模型自身生成做 on-policy 自蒸馏，不依赖真实标签、环境反馈或更大模型。它通过多次采样后多数投票构造伪答案，并把教师分布建立在最短伪答案上，蒸馏到模型最长错误补全的前缀。在 AIME24、AIME25、HMMT25、MATH500、AMC23 上，U-OPSD 让 Qwen3 4B/8B 非思考模式相对基座提升 8.5%/10.7%，平均超过 OPSD 3.2%/2.3%。思考模式下，U-OPSD 在 4B 超 OPSD 0.9%，8B 持平，并分别超 GRPO 0.7%/1.1%。
论文U-OPSDQwen3OPSD
推荐理由：不需要标注和外部反馈，U-OPSD靠投票让Qwen3数学成绩再涨一截，追平甚至超过OPSD和GRPO。
原文
12:25
12:25官方账号arXiv cs.LG@Iosif Lytras, Nikolaos Makras, Sotirios Sabanis
精选
研究者提出次梯度驯化非调整朗之万算法（SG-TULA），用于处理势函数非光滑、超线性梯度增长且非凸的采样问题。该算法直接操作次梯度，无需计算昂贵的平滑步骤，并采用驯化技术保证显式格式稳定。在Wasserstein-2距离下推导了非渐近收敛界，所有常数随维度和逆温度显式给出，优于现有次梯度类朗之万算法。作者在GPT-2系列LLM的正则化预训练势上验证了假设，并展示SG-TULA的坐标提升变体在预训练中可与微调后的AdamW和Muon竞争。
AI模型SG-TULALangevin算法GPT-2
推荐理由：新采样算法SG-TULA能处理非光滑非凸问题，在GPT-2预训练上干赢了AdamW和Muon，还带理论保证。
原文
12:21
12:21官方账号arXiv cs.AI@Jerzy Stefanowski
该论文指出可解释人工智能（XAI）在评估不足方面的局限性，并以DetoxAI图像识别系统为例说明偏见检测与概念遗忘中的问题。论文展示了一种人工地面评估图像分类解释方法的具体案例，并探讨了在概念漂移下适应解释的方法。作者还分享了为概念漂移问题调整反事实解释的经验，并讨论了数据、模型与解释共同演化带来的追踪挑战。该文已收录于IJCAI-ECAI 2026的EASi研讨会论文集，由Springer CCIS第3107卷出版。
论文XAIDetoxAI概念漂移
推荐理由：XAI评估怎么做才靠谱？这篇论文用DetoxAI和概念漂移案例讲清了不足和应对思路，适合搞模型解释的人读。
原文
12:19
12:19官方账号arXiv cs.AI@Arya Labroo, Mengjie Qian, Kate Knill
该研究将概念激活向量（CAV）方法扩展至基于BERT的文本评分器和基于Whisper的多模态语音文本评分器，用于检测L2口语评估中因母语或年龄等无关属性产生的偏差。CAV通过激活空间方向表示概念，并用梯度敏感度区分概念是否被编码及是否影响分数。研究发现概念的可恢复性主要取决于模型表示和架构，而非概念本身。稀疏自编码器（SAE）虽使概念更线性可恢复，但会削弱原始激活空间的敏感度，尤其在低维层。
论文Concept Activation VectorsBERTWhisper
推荐理由：这篇论文教你怎么用CAV和稀疏自编码器查口语评分模型有没有偏袒某类考生，结果发现模型架构影响很大，别光看概念能不能被提取出来。
原文
12:19
12:17
12:17官方账号arXiv cs.AI@Varun Ursekar, Apaar Shanker, Yash Maurya, Shehab Yasser, Vijay S. Kalmath, Veronica Chatrath, Yuan Xue
论文提出 HarnessOpt-Bench，专门评测 LLM 在自动优化 agent harness（提示词、工具、控制流、记忆与编排代码）时的端到端表现。优化器需要在固定评估预算下修改种子 harness，并在搜索过程不可访问的测试分区上按归一化增益打分。实验覆盖 5 个前沿 LLM、4 个下游任务，共 111 次评分运行。结果显示，优化器模型之间的能力差异大于其所用的编码 harness 差异，原生 harness 并不总是更优，增益在不同任务和种子设定下波动明显。
论文HarnessOpt-Bench智能体提示词工程
推荐理由：想比较哪些大模型最会自己改提示词和工具编排？这个新基准用4个任务111次运行测了5个模型，结果挺反直觉。
原文
12:15
12:15
12:13
12:13官方账号arXiv cs.AI@Praphul Chandra, Sujit Gujar, Ganesh Ghalme
该论文在 arXiv（2608.06353v1）提出名为 Resourced Authority 的机制设计模型，用于对已部署 AI 代理进行持续参与式治理。其核心是把授权与计算资源分配绑定，通过计算预算让治理决定自我执行，并把这套方案定位为部署方之上的合规/共享层。治理周期被建模为序贯到达的验证人类利益相关者参与的扩展式博弈，贡献以独立于代理计算的治理货币计。净支持经资金聚合器转为广度加权有效支持，再由两阈值滞回门变为二元授权，经安全上限耦合映射释放计量计算预算。作者还刻画了该机制可治理的代理类别，并把被治理代理操纵选民国度的挑战列为开放问题。
论文AI治理机制设计计算预算
推荐理由：论文提出 Resourced Authority，用计算预算让治理决定自动执行，比纯靠审批更硬核。
原文
12:12
12:12官方一手marktechpost@Asif Razzaq
精选
Liquid AI发布LFM2.5-2.6B，一个2.69B参数的端侧代理模型。它支持131,072 tokens上下文和工具调用，可在设备上独立完成多步任务。该模型在M5 Max上解码速度达220 tokens/s，内存占用低于2.5GB。开放权重提供GGUF、MLX和ONNX格式。
AI模型LFM2.5-2.6BLiquid AI智能体
事件专题
推荐理由：Liquid AI出了个2.6B的小模型，能在端侧跑智能体，带128K上下文和工具调用，占不到2.5GB内存，速度还很快。
原文
12:12
12:12官方一手歸藏(guizang.ai)@op7418
OpenAI宣布ChatGPT聊天改由GPT-5.6系列驱动。Plus和Pro用户可使用GPT-5.6 Sol，支持即时回答与深度推理。免费版和Go用户从明天起可无限使用GPT-5.6 Luna文本聊天，并有限次数使用Thinking。推文提到Luna实际体验“还行”，免费用户也值得一试。
AI模型GPT-5.6ChatGPTOpenAI
事件专题
推荐理由：OpenAI把GPT-5.6拆成Sol和Luna，付费用户用Sol，免费用户也能无限聊Luna。想不花钱体验新模型的可以明天试试。
原文
12:09
12:09官方账号arXiv cs.AI@Sarvesh Baskar, Zikui Cai, Shayan Shabihi, Anirudh Satheesh, Muhammad R. Islam, Udari Madhushani Sehwag, Tom Goldstein, Furong Huang
新论文提出trace-grounded参数化测试方法，在2,190个视频上审计事件计数能力。Gemini 3.6 Flash在80%可靠性阈值下最多可靠计数12个持续状态转换事件（0.5和1.0 Hz），对瞬时闪烁事件则无可靠计数区间。高计数高频率场景下仅0.2%的最终计数正确，模型只能恢复18.1%的真实事件。提高采样率将Bounce Ball准确率从19.6%提升至29.3%，但报告序列与真值一致率仅3.7%。
论文Gemini 3.6 Flash视频语言模型事件计数
事件专题
推荐理由：用可执行真值逐帧审计视频模型计数，发现Gemini 3.6 Flash处理瞬时事件几乎失效，加帧只虚涨分数，值得看。
原文
12:06
12:06官方账号arXiv cs.AI@Yunjia Qi, Zehua Yin, Xintong Shi, Hao Peng, Songyuanyi Lu, Yixian Liu, Richeng Xuan, Yuhong Liu, Zhichao Hu, Xiaozhi Wang, Lei Hou, Bin Xu, Juanzi Li
TrajDebug提出错误生命周期追踪框架，通过多粒度历史压缩和基于证据的错误识别，解决长轨迹中的错误发现难题。该框架追踪每个错误的解决状态和终端影响，实现关键归因。研究构建了TrajErrBench基准，包含来自Tau2Bench和SWE-Bench Pro的486个手动标注失败轨迹。实验表明TrajDebug在多个智能体基准上优于现有基线，其诊断结果可提升下游智能体成功率。
论文TrajDebugTrajErrBenchSWE-Bench Pro
推荐理由：TrajDebug能从长轨迹里精准揪出导致最终失败的那个错误，486条真实数据验证过，比现有方法都靠谱。
原文
12:05
12:05官方账号arXiv cs.AI@Donna Hooshmand, Shubham Shahi, Cameron Barrie, Abhratanu Dutta, Marko Sterbentz, Harper Pack, Kristian J. Hammond
TYTAN是一个从关系数据库自动构建分析语义模式的系统，结合符号分析和LLM推理来提出实体、分配角色并命名。在八个数据库的评估中，TYTAN在七个参考域上达到100%的实体与特征覆盖率。其1,678条自生成检索指令全部正确执行，语义角色在92-100%的匹配属性上与参考一致。在一张无声明键的十表实时数据库盲测中，TYTAN恢复了完整实体结构并满足五位独立标注者100%的可满足期望。
论文TYTAN语义模式关系数据库
推荐理由：TYTAN这篇论文教系统自动看懂数据库结构，不用手写语义层，测试里百分之百跑通，挺实在。
原文

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」）。