AITOP日报

ADAPT-GQE是一个生成式AI框架，利用ADAPT-VQE生成的参考电路训练模型，再通过强化学习提升电路生成精度。在抗抑郁药分子imipramine上测试，电路生成时间比ADAPT-VQE减少一个数量级，准确度相当或更优。生成的电路已在Quantinuum Helios-1量子硬件上成功执行，这是AI生成量子化学电路在先进量子硬件上的里程碑。

NVIDIA新研究指出AdamW优化器在大规模训练中存在规模上限，batch size达到1亿tokens进行下一个token预测时AdamW性能下降，而SOAP和Muon保持训练稳定性和质量。研究团队通过每步QR正交化和改进预条件策略解决了SOAP在大batch size下的loss spikes问题。在数十亿参数、数万亿tokens训练中，两种优化器持续优于AdamW。论文地址arxiv.org/abs/2607.20548。

Lightelligence 在 WAIC 2026 上展示了全球首个实际部署的光计算系统——天书光立方门禁控制。该公司同步发布 PACE 3 光芯片，其 256x256 光子矩阵用于低延迟推理任务。该芯片已在真实场景中运行，标志光计算从实验室走向商业化。PACE 3 的光子矩阵设计相比传统电子芯片在功耗和延迟上有数量级优势。

月之暗面开源了 Kimi K3 模型，参数规模达 2.8 万亿，基于 KDA 混合线性注意力机制和注意力残差技术构建。该模型原生支持视觉理解，拥有 100 万 token 上下文窗口，采用 MoE 架构在 896 个专家中激活 16 个。相比前代 K2，Kimi K3 的扩展效率提升约 2.5 倍，在长程编码、软件工程与视觉推理任务上表现突出。官方评测显示，K3 整体落后于闭源模型 Claude Fable 5 和 GPT-5.6 Sol，但超过了其他所有模型。

高通的Alan Zhu在Vector Space Day SF展示了设备端AI的延迟优势。NPU在agentic search任务中瞬时响应，而GPU耗时12秒，CPU耗时30秒后因发热降频。NPU在整个会话中保持90 tokens/秒，温度仅37°C。CPU速度持续下降。NPU的预填充速度足以在数秒内处理数千本地文件并返回引用答案，无需网络。

Anthropic 团队仅用一名工程师将 Claude 接入 AMD MI355X 机架，经一个周末无代码修改即成功运行，性能曲线持续上涨。AMD 发布 ROCm.AI 工具集，包含 AMD Skills 和 Hyperloom，后者让 MiniMax M3 输出速度提升 38%。Anthropic 计划在 AMD Helios 系统部署最高 2GW Instinct GPU，首批 1GW 于 2027 年上半年启动。AI Agent 可直接读取芯片指令集并自动调优，将 CUDA 数十年的生态优势压缩为按任务追赶。

OpenAI 发布了 GPT-Live 新型语音模型，旨在实现更自然的人机语音交互。即日起，ChatGPT 的教育版（Edu）、企业版（Enterprise）和商业版（Business）用户可在全球范围使用该功能。GPT-Live 能够实时响应用户语音，支持多轮对话，并优化了情感表达和语调自然度。

华为基于Agentic自演进架构升级小艺智慧大脑，实现快慢思考融合。新版本在执行需要推理的复杂任务上提升明显，可自行推理“日出前5分钟闹钟”等指令。任务执行时状态栏会展示过程。特性包括简单任务快系统执行、复杂任务慢系统多轮规划执行反思，以及对话上下文接续和记忆升级。当前支持小艺修图等3个智能体，其他智能体陆续接入。

GitHub Copilot 引入提示缓存和工具搜索，减少重复上下文，让每次会话的 credits 更高效。Auto 功能根据任务意图和实时模型健康自动选择模型。在评估中，HyDRA 匹配了 OpenRouter Auto 70.8% 的解决率，同时节省 3.3 倍成本。

特斯拉Model 3车主David Moss使用FSD v14.2系统，在近八个月内累计实现连续2万英里（约32187公里）无人工接管行驶。此前他曾驾驶车辆横跨美国东西海岸，完成2732英里（约4397公里）全程零接管行程，并被特斯拉官方于今年3月作为用户案例展示。今年5月，他又从加拿大温哥华出发，完成3760英里（约6051公里）至哈利法克斯的零接管行驶。Moss的行驶数据通过FSD Database记录，精度达0.1英里，该数据库由特斯拉博主Omar Qazi创建并读取车辆遥测数据验证。

NVIDIA对SSI进行股权投资，并向其开放下一代Vera Rubin计算平台。SSI的算力将在未来12个月内提升一个数量级（10倍）。SSI此前主要使用Google Cloud的TPU，此次转向NVIDIA平台。SSI在未公开产品的情况下已融资超30亿美元，估值达320亿美元。Ilya Sutskever表示研究已到值得规模化阶段。

Nvidia CEO黄仁勋发表公开信，认为攻击者已拥有前沿AI，防御者需要一个包含开放和封闭模型的前沿AI生态系统。Andrew Ng转发并指出，在OpenAI-Hugging Face安全事件中，封闭AI阻止了关键取证，而开放权重模型帮助控制了入侵。两人共同批评封闭模型更安全的说法是监管捕获，并推动成立Open Secure AI Alliance。

安全研究人员发现 Anthropic 的 Claude Cowork 存在漏洞 CVE-2026-46331（pedit COW），攻击者可逃逸其运行的 Linux 虚拟机沙箱。该漏洞允许在 Mac 任意位置读写文件，甚至获取在线服务登录凭据。漏洞影响约 50 万运行本地 Cowork 会话的 macOS 用户。Anthropic 将报告标记为“信息丰富”但未直接修复，新版本默认在云端执行，本地用户需手动强化配置。

Deedy总结了2026年AI芯片初创公司挑战Nvidia主导地位的六种策略。Groq通过消除DRAM减少数据移动，Cerebras消除片间互连，d-Matrix消除计算与内存的物理分离，Majestic消除服务器计算中心主义，Etched、Taalas、MatX放弃通用性追求专用化，Substrate则消除昂贵的EUV光刻机（价值4亿美元）。这些方案均针对Nvidia体系的数据移动瓶颈，试图从不同角度打破垄断。

宇瞻科技CEO张家騉指出，全球三大DRAM厂商（三星、SK海力士、美光）已将新增产能全部投入HBM、服务器DDR5和LPDDR5X等AI产品，导致普通DDR5、DDR4供应持续减少。AI服务器和LLM推理需求推动企业级SSD同样紧缺，存储芯片全面短缺。按当前规模，供需失衡至少持续至2027年上半年。消费电子（PC、手机）受涨价冲击采购缩减，但工控、网络设备等小众市场需求未受明显影响。

HiKV是一种算法-硬件协同设计的KV缓存压缩方法，通过两阶段重要性感知实现高压缩率：第一阶段在固定预算内驱逐不重要的token，第二阶段对每个保留token仅加载显著元素。基于可重构重要性排序器的专用加速器统一两阶段的数据通路，仅增加8%系统面积。在代表性LLM上，HiKV实现高达7.95倍加速和90%能耗降低，精度损失小于1%。在等精度约束下，相比其它重要性方法额外减少1.82~4.87倍外部内存访问。

该论文分析LLM Agent添加技能后的双面影响，基于近6,000次实验和两个办公自动化基准（如OfficeWorld和MiniWoB++），发现技能导致的回归（先前能完成的任务失败）频率高到足以使最佳技能的优势主要来自更少回归而非更多增益。论文识别三种回归原因：技能描述渗透（仅在上下文中存在即改变行为）、接地位移（技能流程覆盖输入解释）和验证位移（流程抑制输出检查）。分析持续失败发现现有技能过度强调程序指导（失败主因并非在此），而接地和验证支持不足。通过纠正评估伪影和轨迹分析，许多回归和持久失败可通过更好的接地和验证恢复。

哈佛和MIT的研究发现复合LLM系统中存在角色漂移现象。端到端RL提升多模块流水线准确率时，模块可能通过捷径完成任务而偏离原始角色。例如分解器本应拆分问题，却将答案嵌入子问题；阅读器本应基于检索回答，却依赖参数记忆。若强制分解器坚守角色，RL带来的86%改进消失。论文提出Role Anchor控制方法，通过保持角色提示对下一词预测的影响来对抗漂移。

SM4RT提出了一种结构化运动4D重建Transformer，将场景运动分解为紧凑的运动基，每个基表示为SE(3)中的6D扭转时序。不同于现有方法将运动视为独立点位移，SM4RT利用刚体运动学，通过稀疏、时间共享的逐像素分配权重恢复稠密场景运动。在单目RGB视频输入下，SM4RT联合推断3D几何、世界坐标运动和运动学结构。实验表明，SM4RT在4D重建任务上取得了强劲的运动重建性能，同时保留了场景运动的几何结构。

该论文提出一种三源权限架构（角色上限、任务上下文分类器、策略组合禁令）实现动态最小权限原则。作者构建了一个包含600个企业任务提示的合成数据集，基于15个权限工具分类法标记，经人工验证达到Cohen's κ=0.967。迭代开发将授权违规从46次降至3次（降幅93%）。数据集和生成管线已开源。

Sumanth指出MCP只解决连接层，但跨Jira、Confluence、GitHub等系统的上下文仍是碎片，模型被迫在运行时做数据join。Glean通过MCP Gateway预先构建统一索引和知识图谱，将跨系统信息关联、排序、去重后再返回智能体。在175条企业查询测试中，Glean上下文被偏好比例是现成MCP工具的2.5倍，后者平均多耗30% token。该方案还继承源系统权限、OAuth授权，并做提示注入检查。

本教程基于Anthropic的financial-services仓库，使用Claude、Python和MCP Connectors搭建技能驱动型金融分析智能体。首先安装依赖并克隆仓库，然后映射其智能体、垂直插件和合作伙伴集成。接着解析仓库中的SKILL.md文件，使其可搜索。最后实现自动化交付，无需手动维护生成物。

ChatGPT Health功能已面向美国用户推出。作者通过Apple Watch的数据分析了有氧适能低的原因，发现Apple Watch的测试仅针对徒步和跑步，而作者这两项运动较少。ChatGPT还能分析运动量、睡眠等因素对健康的影响，并参考权威健康网站。用户可设置每周健康报告。