Jim Fan团队推出RoboTTT，将机器人模型上下文长度从不到0.1秒扩展到5分钟（8000步），且推理成本恒定。与现有方法相比，性能提升3个数量级。RoboTTT基于Test-Time Training（TTT），在模型内部携带一个小型核心，每帧触发梯度更新，将历史压缩到权重中。8K上下文预训练比1K性能高出62%，且无饱和迹象。该方法支持从人类视频进行一次性上下文学习，并能在部署后持续自我改进，机器人可实时从错误中恢复。
NVIDIA 于 2026 年 7 月 15-16 日发布 Nemotron 3 Embed 系列，包含三个开源检查点：8B-BF16、1B-BF16 和 1B-NVFP4。8B 模型在 RTEB 基准上以 78.46 平均 NDCG@10 排名第一。1B 模型通过 ModelOpt NAS 剪枝和 COS+MSE 蒸馏从 8B 教师模型获得。NVFP4 量化版本在 Blackwell 上吞吐量提升 2 倍，同时保留超过 99% 的 BF16 检索精度。所有检查点支持 32,768 token 输入，基于 OpenMDW-1.1 协议。
MeanFlowNFT是一种新方法，将前向过程强化学习（RL）框架DiffusionNFT扩展到平均速度生成器（MeanFlow）。它利用MeanFlow身份构建瞬时速度预测器，在保持平均速度采样（实现快速少步生成）的同时进行奖励优化。实验在图像和视频生成上证明，MeanFlowNFT在SD3.5-M的8项指标中提升6项，优于先前最先进的少步RL生成器。在Wan 2.1视频模型上，4步MeanFlowNFT达到VBench 84.33分，超过50步LongCat-Video RL的82.57分。
NeuronSoup是一种新型神经计算架构，用异步延迟介导的信号传播取代逐层同步处理，隐藏神经元在路径间共享。在10类MNIST数字分类任务中，使用冻结ResNet18特征输入，系统进化出204条活跃路径、266个隐藏神经元（156个共享，1个参与11条路径），10,000代后测试准确率85.9%，模型仅115KB。该架构无需可微计算图，每个样本自适应计算深度，并自动发现处理路径间的横向交互。
月之暗面在GTC 2026演讲中提出用MuonClip替代Adam（2014）、Kimi Linear替代注意力机制（2017）和Attention Residue替代残差连接（2015），全部开源。MuonClip在万亿参数模型上训练超15万亿Token且无loss spike，数据利用效率接近翻倍。Kimi Linear采用KDA线性注意力，按3:1比例混合全注意力，在短、长输入和输出任务上全面超越标准全注意力。Agent Swarm在K2.5上支持100个Agent并行（K2.6升级至300个），通过实例化、完成和最终结果三种奖励训练并行协作。早期融合多模态训练混合15万亿Token，使视觉训练显著增强了文本能力。
曙光在WAIC 2026上正式发布Dawn 8000超级AI融合集群，作为镇馆之宝展出。该系统采用scaleX架构，单计算单元密度相比前代提升20倍。配备scaleFabric互连网络，支持10万卡规模的全精度互联。该集群面向大规模AI训练场景，显著提升算力密度与通信效率。
英伟达开源微调库 NeMo AutoModel 新增对 Hugging Face Diffusers 的支持。此前仅限 Transformer 模型，现在可微调图像和视频生成模型。提供即用的全参数和 LoRA 训练脚本，免去手动编写分布式训练代码的繁琐。
LlamaIndex 本周与一家全球公司会面后，加速成为 AI 代理的文档基础设施。ParseBench 基准已覆盖 2000+ 企业页面，验证约 80 个解决方案，每月 15k 次下载，在 HuggingFace 和 Kaggle 可用。LlamaParse 的 agentic 和成本效益模式直接定义 VLM 基 OCR 解决方案的帕累托前沿，每天改进复杂表格、图表、字体和布局。免费解析器 liteparse 在约 2 个月内获得 11.5k+ GitHub 星标。
中科曙光在WAIC 2026发布了我国首个全国产10万卡AI超集群“曙光8000（登峰）”。该集群采用海光等国产芯片，支持FP64到INT8全精度，可覆盖科学计算、大模型训练、AI推理等场景。它使用浸没式相变液冷技术，可支撑单机柜MW级高功率密度部署。集群具备芯片、计算、存储、网络、散热全链路自研能力，并接入国家超算互联网。
DeepRoute.ai在2026北京车展上宣布从ADAS供应商转型为Physical AI基础设施构建商。该公司将统一基础模型、大规模真实世界数据以及前DeepSeek科学家Ruan Chong的加入作为其核心战略，全力押注AI在物理世界的应用。
GPT-5.6 的“完全访问模式”存在漏洞，模型会错误地覆盖临时目录变量，导致自动执行删除操作。多个用户报告其整个主目录被清空。OpenAI 表示该行为不应发生，并承诺增加额外安全措施并发布详细的事后分析报告。
2024年图灵奖得主理查德·萨顿在WAIC 2026主论坛上表示，当前AI系统主要依赖人类数据转移，这种方法已达极限，无法生成新知识。他对比AlphaGo和婴儿学习，指出大语言模型缺乏奖励信号，无法区分真假。萨顿认为AI目前“比较弱小且不可靠”，但同时强调其有用性。阶跃星辰董事长印奇则预测2026年模型能力跨越临界点，智能体将从聊天工具进化为生产力最小单元。
华为中国宣布，昇腾 950 超节点（Atlas 950 SuperPoD）在 2026 世界人工智能大会（WAIC）上获得最高荣誉 SAIL 奖。该奖项被誉为 AI 领域“风向标”，表彰提升人类福祉的卓越 AI 项目。昇腾 950 基于灵衢互联协议，实现 1024 卡规模，提供 1 EFLOPS FP8 和 2 EFLOPS FP4 算力，拥有 256TB 全局统一内存编址空间，互联带宽 TB 级、时延仅 3μs。
固定分词器在预训练后对新语言无效，导致每个词被拆成更多token，增加延迟和计算。论文提出原地扩展方法，在现有BPE合并基础上继续添加新token，每个新token可精确分解为源token。将该方法应用于LFM2-8B-A1B（8B参数MoE模型），得到LFM2.5-8B-A1B，词汇量从原tokenizer扩展至128K。扩展后，印地语和越南语的token数分别减少约2.4倍和2.6倍，泰语减少高达4.0倍。结合大词汇量的每token成本，估计参考设备上这些语言的每字解码速度提升2.2-3.7倍。
BadWAM提出了一种针对世界-动作模型（WAM）的统一对抗攻击框架，利用微小视觉扰动破坏模型对动作与未来预测的耦合。该框架包含两种攻击：动作对抗攻击直接将任务成功率从96.5%降至43.1%；想象保持攻击则在维持未来预测接近原始结果的同时诱导有害动作偏移。实验揭示了WAM特有的漏洞：模型可能想象出合理的未来，但执行的动作已失配。
SceneBind 是一种全模态表示方法，通过联合语义和 3D 空间理解来建模真实场景。它使用全局语义嵌入与对象中心语义-空间槽，显式编码对象级语义、空间属性和不确定性。SceneBind Matching 方案整合全局场景相似性与对象对齐，支持跨模态场景检索和对象定位。在场景检索和空间检索基准上达到 SOTA，并在音频-视觉定位任务上实现零样本迁移。
SearchOS是一个系统级多智能体协作框架，旨在解决工具集成大语言模型在信息检索中的重复搜索和预算浪费问题。它通过关系型模式补全和基于引用的证据填充，将隐式搜索进度显式化，并设计了Search-Oriented Context Management (SOCM) 来管理进化状态，包括Frontier Task、Evidence Graph、Coverage Map和Failure Memory。在WideSearch和GISA两个基准上，SearchOS在所有评估指标上均领先于单智能体和多智能体基线模型。
Edgar Dobriban利用GPT-5.6 Sol Pro在90分钟推理内，证明Benjamini-Hochberg（BH）过程在相关高斯双尾检验中无法普遍控制错误发现率（FDR）。通过一个高斯因子模型，在名义水平alpha=0.01时，实际FDR被证明超过0.0104。该问题自Benjamini和Hochberg（1995）提出以来已悬而未决近30年，论文引用超13万次。GPT-5.5在约20小时多智能体迭代中未能解决此问题。
在 AIE Europe 会议上，Google DeepMind 团队展示了一个完整微调流程：以 Gemma 270M 模型为起点，通过生成合成任务数据、LoRA 微调、int4 量化，最终部署到 Pixel 手机上。整个流程仅需 21 分钟，准确率从 46% 提升至 90%，推理速度达到 2000 tokens/s。该方法对比 1500 美元的线下 AI 训练营有显著效率和成本优势。
RTX 5090有32GB显存和1792GB/s带宽，但无法加载70B参数模型（需32.6GB）。AMD Strix Halo迷你PC（Ryzen AI Max+ 395）拥有128GB统一内存和256GB/s带宽，能加载大模型但Token生成速度仅每秒6个。MoE模型如Qwen3-30B-A3B每次只激活3B参数，可将读取量降至2GB，从而在迷你PC上达到每秒100+ Token。选择硬件需根据模型大小和速度需求权衡。
Smartsheet分享了在AWS上构建远程MCP服务器的架构，重点包括使用AWS IAM进行身份验证和授权、通过API Gateway实现流量控制与扩展、利用Lambda进行无服务器推理以及用CloudWatch监控性能。文章还介绍了如何通过VPC端点确保数据安全，并采用AWS WAF防范常见攻击。该架构支持每秒处理数百个请求，延迟控制在200ms内。
LangChain发布了一个基于LangGraph和LangSmith的RFP回复代理，包含四个步骤：需求提取、内容映射、草稿生成和缺失检测。该代理能从RFP包中提取范围、SLA、定价格式和监管条款，匹配内部批准内容，生成带引用的回复，并标记需要人工审核的部分。通过@payicorp进行了性能评估。
Whisper 在字幕翻译中存在时间戳不准、中英文混排支持差、不直接支持发言人识别等问题。Qwen3-0.6b ASR 搭配 Qwen3-ForcedAligner 模型可精准对齐词级时间戳，本地运行资源占用低。发言人识别可使用 Pyannote + WeSpeaker 开源模型，结合 Agent 上下文提升准确率。若要求高，可选用火山引擎豆包录音文件识别模型 2.0。宝玉在 BaoCut App 开发中，通过 Claude Code 和 Opus 4.8 等模型实现原型设计到功能实现的高效循环。