2026-09-03
今日要点
- Anthropic发布Claude Opus 5，并推出模型硬件标准预览、文本水印技术及企业前沿安全护栏，同时Mariano-Florentino Cuéllar出任全球事务首席官。
- Google DeepMind发布Gemini 3.8 Flash与3.8 Flash Cyber，并推出Gemini Omni 1.1 Flash、代理视频理解能力及WeatherNext气旋预测突破。
- OpenAI宣布ChatGPT可连接医疗记录，支持加州青少年AI安全法案，并宣布对Cursor收购后的决定及扩展AI可及性的新里程碑。
- Meta发布MTIA 300训练芯片（内置NIC与通信卸载引擎）和MetaRoCE RDMA传输协议，同时推出WhatsApp诈骗警报系统。
- FBI调查泄露1.53亿驾照信息的服务，荷兰央行将黄金储备从美加转移至伦敦，AI数据隐私与治理议题持续升温。
Hacker News
Gemini 3.8 Flash and 3.8 Flash Cyber
Gemini 3.8 Flash 与 3.8 Flash Cyber 发布
Google DeepMind 正式推出 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber 两款模型。Flash 系列以速度和效率著称，3.8 版本在推理能力和响应速度上进一步提升，而 Cyber 版本则针对网络安全场景进行了专门优化，适用于威胁检测、漏洞分析和安全事件响应等任务。
A note on subscription prices from LWN
LWN 关于订阅价格的说明
LWN.net 发布了一篇关于其订阅定价策略的说明文章。作为 Linux 和开源领域最具影响力的订阅制技术出版物之一，LWN 长期以来以高质量深度报道著称。此次说明可能涉及价格调整、订阅模式变更或对读者关切的回应，反映了独立技术媒体在可持续运营与读者可及性之间的平衡考量。
FBI Probes Service Selling 153M+ Drivers Licenses
FBI 调查出售超过1.53亿张驾照信息的服务
美国联邦调查局（FBI）正在调查一个非法出售超过1.53亿张美国驾照信息的在线服务。这些数据包含持证人的姓名、地址、驾照号码等敏感个人信息，可能被用于身份盗窃、金融欺诈等犯罪活动。此事件凸显了大规模个人数据泄露的严重性，以及执法机构在应对网络犯罪数据黑市方面面临的挑战。
Can I opt out of my input or output data being used for training?
我能选择不让自己的输入或输出数据被用于训练吗？
Mistral AI 在其帮助文档中回应了用户关于数据隐私的关切，说明了用户是否可以选择不让自己的输入或输出数据被用于模型训练。该政策涉及 AI 服务中日益受到关注的用户数据使用权问题，反映了随着大模型训练数据需求激增，用户对个人数据被用于商业训练的担忧日益加深。
Commodore 64 released September 1, 1982
Commodore 64 于1982年9月1日发布
回顾科技史：Commodore 64 于1982年9月1日正式发布，这款家用电脑凭借当时先进的图形和音频能力，成为全球最畅销的单款电脑型号之一，累计销量超过1700万台。它在8位电脑时代具有里程碑意义，培养了整整一代程序员和游戏开发者，其影响延续至今，仍有活跃的爱好者社区和新型软件在为其开发。
True Rate of Unemployment
真实失业率
LISEPE 组织发布了一个名为”真实失业率”的计算工具，旨在提供比官方失业率更全面的就业状况衡量指标。该工具可能纳入了隐性失业、兼职意愿不足、退出劳动力市场等因素，为公众和政策制定者提供更准确的劳动力市场图景，反映了人们对传统失业统计指标局限性的持续关注。
My local model setup on an M4 Pro Mac Mini
我在 M4 Pro Mac Mini 上的本地模型部署方案
一位开发者分享了其在 M4 Pro Mac Mini 上搭建本地 AI 模型运行环境的完整配置方案。文章涵盖了硬件选择、内存配置、推理框架选型（如 llama.cpp 或 MLX）以及实际性能表现，为希望在本地运行大语言模型的个人开发者和爱好者提供了实用的参考指南，体现了边缘 AI 推理需求的持续增长。
The Emergent Symbolic Structure of Artificial Neural Networks
人工神经网络的涌现符号结构
一篇 arXiv 论文（2608.29530）探讨了人工神经网络中涌现出的符号结构。研究揭示了深度神经网络在训练过程中如何自发形成类似符号表示的结构，这一发现对于理解神经网络内部工作机制、可解释性研究以及连接主义与符号主义之间的桥梁具有重要意义，为 AI 可解释性领域提供了新的理论视角。
Three sites made 215,128 “best software” pages for AI. Perplexity cites them
三个网站为AI制作了21.5万页”最佳软件”页面，Perplexity引用了它们
调查报道揭示，仅有三个网站制作了超过21.5万页的”最佳AI软件”推荐页面，而这些内容被 Perplexity 等 AI 搜索引擎广泛引用。这一发现引发了对 AI 推荐系统信息源多样性和质量的担忧——大量 AI 输出可能源自少数几个 SEO 驱动的聚合站点，而非真实用户评价或权威来源，构成了 AI 时代的信息污染问题。
Muse Spark 1.3
Muse Spark 1.3 发布
Meta 发布了 Muse Spark 1.3，这是其 Muse 系列 AI 模型的最新版本。Muse Spark 系列专注于高效的内容生成能力，1.3 版本在生成质量、速度和多模态支持方面有所提升。Meta 持续投入 AI 内容生成领域，旨在为开发者和创作者提供更强大的工具。
Biggest dark matter detector spots a single weird particle
全球最大的暗物质探测器发现了一个奇异粒子
《科学》杂志报道，全球最大的暗物质探测器在一次实验中观测到了一个异常粒子信号。这一发现虽然尚需进一步验证，但引起了物理学界的广泛关注。暗物质探测实验如 LZ、XENONnT 等持续收集数据，任何异常信号都可能指向超越标准模型的新物理，这一观测结果或将推动暗物质研究进入新的讨论阶段。
Dutch central bank moves share of gold from U.S., Canada to London
荷兰央行将部分黄金储备从美加转移至伦敦
荷兰中央银行宣布将其部分黄金储备从美国和加拿大转移至伦敦，理由是”不稳定因素”。这一举动反映了全球央行在黄金储备管理上的地缘政治考量，也体现了去美元化趋势下各国对储备资产多元化的持续追求。伦敦作为全球黄金交易中心的地位进一步巩固。
I Don’t Have a Smartphone
我没有智能手机
一篇个人随笔探讨了不使用智能手机的生活体验。作者分享了在智能手机普及的时代选择”离线”生活的理由和感受，涉及数字极简主义、注意力经济批判以及对科技依赖的反思。这篇文章呼应了近年来逐渐兴起的”数字排毒”和”低科技生活”运动，引发了关于技术与生活质量关系的广泛讨论。
Exit the Cave
走出洞穴
一篇博客文章以柏拉图”洞穴寓言”为隐喻，探讨了当代人如何从信息茧房和算法推荐构建的虚拟现实中”走出”。作者呼吁读者主动质疑信息来源、拓宽认知边界，在 AI 生成内容和个性化推荐日益主导信息消费的时代，保持独立思考和多元信息接触的重要性。
Show HN: Weedout – Safari extension that hides YouTube AI-labeled videos
展示 HN：Weedout——隐藏 YouTube AI 标注视频的山海浏览器扩展
一位开发者发布了 Weedout，一款 Safari 浏览器扩展，可以自动隐藏 YouTube 上被标记为 AI 生成的视频内容。随着 YouTube 开始对 AI 生成内容进行标注，部分用户希望过滤此类内容，Weedout 正好满足了这一需求。该工具反映了用户对 AI 生成内容透明度日益增长的关注和自主选择权诉求。
OpenAI Blog
How AI-native companies turn workflows into operating capability
AI 原生公司如何将工作流转化为运营能力
OpenAI 发表文章探讨 AI 原生公司如何将 AI 能力深度融入企业运营，把传统工作流转化为可持续的运营优势。文章分析了这些公司在组织架构、流程设计和人才培养方面的实践，强调了 AI 不仅仅是工具升级，更是运营模式的重构，为企业在 AI 时代保持竞争力提供了战略视角。
Path to Astra: critical capabilities and frontier safeguards
通往 Astra 之路：关键能力与前沿安全护栏
OpenAI 发布了关于其前沿模型 Astra 的开发路径报告，详细介绍了实现关键能力所需的技术突破以及相应的安全护栏措施。文章强调了在追求 AI 能力边界的同時，OpenAI 对安全评估、红队测试和风险控制机制的重视，体现了前沿 AI 开发中能力与安全并重的理念。
Healthcare organizations can now connect EHR and additional industry data to ChatGPT
医疗机构现在可以将电子健康记录和行业数据接入 ChatGPT
OpenAI 宣布医疗机构现在可以将电子健康记录（EHR）及其他行业数据与 ChatGPT 连接。这一功能旨在帮助医疗专业人员更高效地处理患者信息、生成临床摘要和辅助决策，同时强调了对 HIPAA 合规性和数据安全的严格保障。此举标志着 AI 在医疗健康领域的企业级应用迈出了重要一步。
How law firm Gilbert + Tobin governs and scales AI with OpenAI
Gilbert + Tobin 律师事务所如何利用 OpenAI 治理和扩展 AI 应用
OpenAI 分享了澳大利亚 Gilbert + Tobin 律师事务所的案例，介绍其如何在法律行业中治理和规模化部署 AI 工具。文章详细描述了该律所在 AI 使用政策、合规审查、员工培训和效果评估方面的实践经验，为法律行业及其他专业服务机构提供了 AI 落地的重要参考。
OpenAI supports California’s bill to advance youth AI safety
OpenAI 支持加州推进青少年 AI 安全的法案
OpenAI 发表声明支持加州一项旨在加强青少年 AI 安全的立法提案。该法案要求 AI 公司采取具体措施保护未成年人免受有害内容影响，OpenAI 表示赞同在技术创新与青少年保护之间寻求平衡，并承诺配合监管要求完善其安全机制。
Polimill builds Japan’s next-generation public AI infrastructure
Polimill 构建日本下一代公共 AI 基础设施
OpenAI 介绍了日本公司 Polimill 如何利用 OpenAI 的技术构建下一代公共 AI 基础设施。该项目旨在为日本政府机构和公共服务提供安全、可靠的 AI 能力，体现了 AI 基础设施在国家数字化战略中的重要地位，也为其他国家提供了公共部门 AI 部署的参考范例。
A milestone in expanding access to AI
扩展 AI 可及性的里程碑
OpenAI 宣布了一项在扩展 AI 可及性方面的重要进展，通过 ChatGPT 广告模式实现。该模式允许用户在免费使用 ChatGPT 的同时观看广告，从而降低使用门槛，让更多用户能够接触到 AI 工具。OpenAI 将此视为推动 AI 民主化的重要一步，同时也为可持续的商业模式探索了新方向。
Our decision on Cursor following its acquisition by SpaceX
关于 SpaceX 收购 Cursor 后我们的决定
OpenAI 发表了关于 Cursor 被 SpaceX 收购后的立场声明。Cursor 是一款流行的 AI 代码编辑器，OpenAI 解释了在此收购背景下其与合作伙伴关系的调整决定。文章反映了 AI 工具生态中公司并购对开发者工具和平台合作关系的深远影响。
Supporting Thailand’s next generation of AI startups
支持泰国下一代 AI 初创企业
OpenAI 宣布支持泰国下一代 AI 初创企业的发展，通过技术资源、培训和教育项目帮助泰国创业者构建 AI 驱动的业务。这一举措是 OpenAI 在东南亚市场扩展战略的一部分，旨在培养当地的 AI 创新能力，促进区域科技生态的繁荣。
Better answers, broader thinking: What students gain from ChatGPT and critical-thinking training
更好的答案，更广阔的思维：学生从 ChatGPT 和批判性思维训练中获得了什么
OpenAI 发布了一项研究结果，探讨学生在使用 ChatGPT 并接受批判性思维训练后的学习成效。研究发现，当学生被教导如何批判性地评估 AI 生成内容时，他们不仅获得了更准确的答案，还发展了更全面的思维能力。这一发现对教育领域具有重要启示，强调了 AI 素养教育的重要性。
Anthropic Blog
Previewing the Model Hardware Standard
模型硬件标准预览
Anthropic 发布了模型硬件标准的预览，旨在为 AI 模型的运行硬件建立统一的技术规范和评估框架。这一标准可能涵盖算力要求、内存带宽、能效比等关键指标，为硬件制造商和 AI 开发者提供兼容性指导，推动 AI 基础设施的标准化发展。
How Claude’s text watermark works
Claude 文本水印的工作原理
Anthropic 详细解释了 Claude 生成文本的水印技术。该技术通过在模型输出中嵌入不可见的统计标记，使 AI 生成内容可以被可靠检测。水印设计兼顾了人类可读性和机器可检测性，是 Anthropic 在 AI 内容溯源和透明度方面的重要技术举措，有助于应对深度伪造和虚假信息挑战。
Introducing Claude Opus 5
推出 Claude Opus 5
Anthropic 正式发布 Claude Opus 5，这是其最强大的模型系列的全新版本。Opus 5 在推理能力、代码生成、复杂任务处理和长上下文理解等方面均有显著提升，代表了 Anthropic 在构建安全、可靠且能力出众的 AI 系统方面的最新成果。
Developing Enterprise Frontier Safeguards with our customers
与客户共同开发企业前沿安全护栏
Anthropic 介绍了与客户合作开发企业级前沿安全护栏的进展。该计划聚焦于为使用 Anthropic 前沿模型的企业客户提供定制化的安全控制机制，包括内容过滤、访问控制和审计日志等功能，确保企业在享受 AI 强大能力的同时，能够有效管理风险并满足合规要求。
Improving our alignment and security efforts
改进我们的对齐与安全努力
Anthropic 发布了关于改进 AI 对齐和安全工作的最新进展报告。文章详细介绍了在价值对齐、红队测试、对抗性评估和安全研究方面的新方法和发现，体现了 Anthropic 将安全置于 AI 发展核心位置的承诺，以及持续改进对齐技术的系统性努力。
Expanding our support for scientists
扩大对科学家的支持
Anthropic 宣布扩大对科学家的支持计划，为研究人员提供更广泛的 API 访问、研究资金和合作机会。该计划旨在加速 AI 在科学研究中的应用，涵盖生物学、化学、物理学等多个领域，体现了 Anthropic 推动 AI 服务于科学进步的使命。
Funding better evaluations of AI’s impact on wellbeing
资助更完善的 AI 对幸福感影响评估
Anthropic 宣布设立专项基金，资助研究 AI 对人类幸福感和心理健康影响的评估工作。该倡议认识到 AI 技术对社会和个人的深远影响，希望通过系统性研究来理解 AI 使用的正面和负面效应，为负责任的 AI 发展提供实证依据。
Improving Fable 5’s biology safeguards
改进 Fable 5 的生物学安全护栏
Anthropic 介绍了对其 AI 系统 Fable 5 的生物学安全护栏的改进措施。Fable 5 是 Anthropic 面向生物科学研究的专用模型，改进后的安全机制能够更有效地防止模型被用于生成危险生物信息，体现了 Anthropic 在推进 AI 科学应用的同时对生物安全风险的审慎态度。
Mariano-Florentino (Tino) Cuéllar to join Anthropic as Chief Global Affairs Officer
Mariano-Florentino (Tino) Cuéllar 出任 Anthropic 全球事务首席官
Anthropic 宣布前美国国土安全部副部长 Mariano-Florentino “Tino” Cuéllar 将加入公司担任全球事务首席官。Cuéllar 在公共政策、国家安全和技术治理方面拥有丰富的经验，他的加入将增强 Anthropic 在全球政策对话和安全治理方面的能力。
Investigating three real-world incidents in our cybersecurity evaluations
调查网络安全评估中的三个真实世界事件
Anthropic 发布了关于在网络安全评估中发现的三个真实世界事件的调查报告。这些事件涉及 AI 模型在实际安全测试中暴露的潜在风险，Anthropic 详细分析了事件经过、根本原因和采取的缓解措施，展示了其对安全评估透明度和持续改进的承诺。
Google AI Blog
Proactive cyber defense for governments and enterprises
为政府和企业的主动网络防御
Google AI 发布了 FairWind 计划，为政府和企业的网络防御提供主动式 AI 解决方案。该系统利用 AI 技术实时监测和预测网络威胁，帮助组织在攻击发生前识别和缓解风险。FairWind 体现了 AI 在网络安全领域的战略价值，为关键基础设施和敏感数据提供了更强大的保护能力。
The latest AI news we announced in August 2026
2026年8月发布的最新 AI 新闻
Google AI 汇总了2026年8月发布的所有 AI 相关公告，包括新模型更新、研究突破和产品功能。该月度回顾涵盖了 Gemini 系列的进展、AI 安全研究、开发者工具更新等多个方面，为关注 Google AI 动态的用户提供了全面的信息概览。
Try Google Pics: Easy image creation and editing in Google Workspace
体验 Google Pics：在 Google Workspace 中轻松创建和编辑图片
Google 推出了 Google Pics，一款集成在 Google Workspace 中的简易图像创建和编辑工具。该工具利用 AI 技术让用户无需专业设计技能即可生成和编辑图片，适用于文档、演示文稿和邮件等多种场景，进一步丰富了 Workspace 的生产力工具集。
3 new ways to plan and book travel in Search
Search 中规划预订旅行的3种新方式
Google Search 推出了三种新的旅行规划和预订功能，利用 AI 技术帮助用户更智能地搜索目的地、比较选项和完成预订。这些新功能整合了 AI 模式（AI Mode）的对话式搜索体验，使旅行规划更加直观和高效，反映了 Google 在搜索领域持续融入 AI 能力的战略方向。
5 ways to upgrade your home decor with Google Search
用 Google Search 升级家居装饰的5种方式
Google 发布了一篇指南，介绍如何利用 Search 的 AI 功能来规划和升级家居装饰。内容涵盖了风格推荐、色彩搭配、家具选择和预算规划等方面，展示了 AI 搜索在日常生活中的实用价值，帮助用户将模糊的家居改造想法转化为具体的行动计划。
5 new ways to level up your learning with Search
用 Search 提升学习效果的5种新方式
Google 介绍了五种利用 Search 新功能提升学习效果的方法，包括 AI 辅助学习工具、研究摘要生成、学习计划制定等。这些功能旨在帮助学生和终身学习者更高效地获取和处理信息，体现了 Google 在教育领域的持续投入。
Get closer to the game with Gemini and Pixel
用 Gemini 和 Pixel 更近距离感受比赛
Google 宣布了 Gemini 与 Pixel 手机在体育领域的合作，用户可以通过 Pixel 手机获得更沉浸的体育观赛体验。该功能可能包括 AI 实时分析、球员数据统计和互动式观赛增强等功能，将 AI 能力与硬件体验深度融合。
Bring your spreadsheet data to life with Sheets canvas
用 Sheets Canvas 让电子表格数据栩栩如生
Google 推出了 Sheets Canvas 功能，允许用户在 Google Sheets 中通过 AI 将数据转化为可视化图表和洞察。该功能简化了数据分析流程，让用户无需离开电子表格即可生成专业的数据可视化，提升了数据驱动决策的效率。
AMIE, our research medical AI system, demonstrates real-time clinical video consultation capabilities in a first-of-its-kind study
AMIE：我们的研究用医疗 AI 系统在一项开创性研究中展示了实时临床视频会诊能力
Google Research 的医疗 AI 系统 AMIE 在一项首创研究中成功展示了实时临床视频会诊能力。AMIE 能够在视频问诊过程中实时分析医患对话、提供诊断辅助和建议，代表了 AI 在临床医疗场景中的重要突破，为远程医疗和医疗资源分配提供了新的技术可能。
Evolve your marketing with new AI tools
用新 AI 工具升级您的营销
Google 发布了面向广告主的新一代 AI 营销工具，帮助商家更智能地创建广告素材、优化投放策略和分析营销效果。这些工具整合了 Gemini 的生成能力，降低了数字营销的技术门槛，使中小企业也能受益于 AI 驱动的精准营销。
DeepMind Blog
Introducing Gemini 3.8 Flash and 3.8 Flash Cyber
推出 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 正式发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber 两款模型。Flash 系列以高速推理和低成本著称，3.8 版本在多项基准测试中展现了显著的性能提升。Flash Cyber 版本则针对网络安全场景进行了专门优化，具备更强的威胁分析和安全事件响应能力，为企业和政府机构提供了专业的 AI 安全工具。
Introducing agentic video understanding with Gemini
推出 Gemini 代理式视频理解
DeepMind 发布了 Gemini 的代理式视频理解能力，使 AI 系统能够主动探索、分析和理解视频内容，而不仅仅是被动接收。这一能力使 Gemini 可以像人类一样”观看”视频并提取关键信息，在视频分析、内容审核和安全教育等场景具有广泛应用前景。
Gemini Omni 1.1 Flash lets you build with more control
Gemini Omni 1.1 Flash 让您构建时拥有更多控制力
DeepMind 推出了 Gemini Omni 1.1 Flash，在保持 Flash 系列高速高效的同时，为开发者提供了更精细的控制选项。新功能包括更灵活的输出格式控制、更精确的推理参数调节和增强的工具使用能力，使开发者能够在性能和可控性之间找到最佳平衡点。
Piloting the world’s first double-blind AI evaluations
试点全球首个双盲 AI 评估
DeepMind 启动了全球首个双盲 AI 评估试点项目，评估者和被评估模型都不知道哪个是 AI 生成的答案、哪个是人类答案。这一方法旨在消除评估偏见，提供更客观的 AI 能力衡量标准，代表了 AI 评估方法论的重要创新。
Intelligent transcription with Gemini 3.5 Transcribe
用 Gemini 3.5 Transcribe 实现智能转录
DeepMind 发布了 Gemini 3.5 Transcribe，一款利用 AI 技术进行智能语音转录的工具。该系统不仅能准确转写语音内容，还能识别说话人、提取关键信息和生成结构化摘要，适用于会议记录、采访整理和内容创作等多种场景。
From Atari to EVE Online: Building on 15 Years of AI Research in Games
从 Atari 到 EVE Online：基于15年游戏 AI 研究的积淀
DeepMind 回顾了过去15年在游戏 AI 领域的研究历程，从早期的 Atari 游戏到复杂的《EVE Online》。文章总结了游戏作为 AI 研究平台的独特价值，以及这些研究如何推动通用 AI 能力的进步，展示了从简单游戏到复杂策略环境的 AI 演进之路。
Introducing Gemini 3.7 Flash
推出 Gemini 3.7 Flash
DeepMind 发布了 Gemini 3.7 Flash 模型，作为 Flash 系列的最新迭代。该模型在保持快速响应和低延迟的同时，进一步提升了推理质量和多任务处理能力，适用于需要高效 AI 推理的各类应用场景。
Putting sign language AI into users’ hands
将手语 AI 交到用户手中
DeepMind 发布了一款手语识别 AI 工具，使听障人士和手语学习者能够更便捷地进行沟通。该系统能够实时识别手语动作并转换为文字或语音，同时也支持将文字转换为手语动画，为无障碍沟通技术做出了重要贡献。
WeatherNext: AI model achieves breakthrough in forecasting cyclones
WeatherNext：AI 模型在气旋预测方面取得突破
DeepMind 的 WeatherNext AI 模型在气旋预测方面实现了重大突破。该模型能够更准确地预测热带气旋的路径和强度变化，预测精度显著优于传统数值天气预报方法。这一进展对于灾害预警、应急救援和气候研究具有重要的现实意义。
Meta Engineering
An Organizational Second Brain: Building an AI That Learns From Experts
组织第二大脑：构建从专家学习的 AI
Meta 工程团队介绍了”组织第二大脑”项目，旨在构建一个能够从内部专家知识中学习的 AI 系统。该系统通过捕捉专家的经验、决策模式和专业知识，为企业提供更智能的知识管理和决策支持能力，代表了企业级 AI 知识系统的最新探索。
MetaRoCE: A New RDMA Transport Built for AI-Scale Ethernet
MetaRoCE：为 AI 规模以太网构建的新型 RDMA 传输协议
Meta 发布了 MetaRoCE，一种专为 AI 训练规模设计的 RDMA over Converged Ethernet 传输协议。该协议针对大规模分布式 AI 训练的通信需求进行了优化，显著提升了 GPU 集群间的通信效率和带宽利用率，是 Meta 在 AI 基础设施领域的又一重要创新。
MTIA 300: Meta’s First Training Chip with Built-in NICs and Communication-Offloading Engines
MTIA 300：Meta 首款内置网卡和通信卸载引擎的训练芯片
Meta 发布了 MTIA 300 训练芯片，这是 Meta 首款内置网络接口卡（NIC）和通信卸载引擎的 AI 训练芯片。该芯片将网络通信功能集成到训练加速器中，减少了数据传输延迟和 CPU 开销，显著提升了大规模分布式训练的效率，体现了 Meta 在自研 AI 硬件方面的持续投入。
How We’re Building Scam Alert on WhatsApp With End-to-End Encryption and Verifiability Guarantees
我们如何在 WhatsApp 上构建诈骗警报系统——端到端加密与可验证保障
Meta 工程团队详细介绍了在 WhatsApp 上构建诈骗警报系统的技术方案。该系统在保持端到端加密的同时，利用可验证的技术手段识别和警告潜在诈骗信息，平衡了用户隐私保护与安全监测的需求，为加密通信平台的内容安全提供了新的技术路径。
From User Sequences to Scaling Laws: A Multi-Stage Architecture for Meta’s Ads Ranking
从用户序列到缩放定律：Meta 广告排序的多阶段架构
Meta 工程团队分享了其广告排序系统的多阶段架构设计，从用户行为序列分析到基于缩放定律的模型优化。该系统通过分阶段处理海量用户数据，实现了广告推荐精度和效率的显著提升，展示了大规模推荐系统的工程挑战和解决方案。
GEM Training: How Meta Doubled the Efficiency of Its LLM-Scale Ads Foundation Model
GEM 训练：Meta 如何将 LLM 规模广告基础模型的效率提升一倍
Meta 介绍了 GEM 训练方法，成功将其 LLM 规模广告基础模型的训练效率提升了一倍。该方法通过优化训练流程、改进数据管道和采用新的并行策略，在保持模型质量的同时大幅降低了训练成本，为大规模广告推荐模型的训练提供了新的工程实践。
Meta’s AI Storage Blueprint at Scale
Meta 的 AI 存储蓝图（规模化）
Meta 工程团队发布了其 AI 存储系统的规模化蓝图，介绍了如何设计和运营支撑大规模 AI 训练和推理的存储基础设施。文章涵盖了存储架构设计、数据一致性保障、性能优化和成本控制等关键议题，为其他企业构建 AI 存储系统提供了宝贵的经验参考。
Hugging Face Blog
Real-Time Intelligence with IBM Time Series Models on Confluent
在 Confluent 上使用 IBM 时间序列模型实现实时智能
Hugging Face 介绍了如何在 Confluent 流处理平台上集成 IBM 的时间序列模型，实现实时数据分析与智能决策。该方案结合了流式数据处理和 AI 预测能力，适用于金融、物联网和运营监控等需要实时洞察的场景。
BenchMIRT: What are LLM benchmarks actually measuring?
BenchMIRT：LLM 基准测试究竟在测量什么？
Allen AI 发布了 BenchMIRT，一项旨在分析 LLM 基准测试实际测量内容的研究。该研究揭示了当前基准测试中存在的优化偏差和指标失真问题，呼吁社区重新审视 AI 能力评估方法，推动更真实、更全面的模型能力衡量标准的发展。
Introducing @huggingface/kernels: 200+ WebGPU Kernels for Local AI
推出 @huggingface/kernels：200+ WebGPU 内核用于本地 AI
Hugging Face 发布了 @huggingface/kernels 库，包含超过200个 WebGPU 计算内核，使开发者能够在浏览器中高效运行本地 AI 模型。这一工具降低了本地 AI 开发的门槛，利用现代浏览器的 GPU 加速能力，为边缘 AI 和 Web 端 AI 应用开辟了新的可能性。
The Open ASR Leaderboard Adds Its First Global South Language
开放 ASR 排行榜新增首个全球南方语言
Hugging Face 的开放自动语音识别（ASR）排行榜首次纳入了来自全球南方的语言，旨在促进语音识别技术对低资源语言的覆盖。这一举措反映了 AI 社区对语言多样性和公平性的关注，推动 ASR 技术更好地服务全球用户。
Training and Finetuning Multi-Vector Embedding Models with Sentence Transformers
使用 Sentence Transformers 训练和微调多向量嵌入模型
Hugging Face 发布了关于使用 Sentence Transformers 库训练和微调多向量嵌入模型的详细指南。多向量嵌入方法能够捕捉文本的多个语义维度，相比传统单向量方法在检索精度上具有显著优势，为 RAG 系统和语义搜索提供了更强大的技术基础。
Granite 4.2 LLMs: How They’re Built
Granite 4.2 LLM：构建方法详解
IBM 介绍了 Granite 4.2 系列大语言模型的构建过程，涵盖了训练数据选择、模型架构设计、微调策略和质量评估等关键环节。Granite 系列专注于企业级 AI 应用，强调安全性、可解释性和行业适配性，为需要可靠 AI 能力的企业用户提供了重要选择。
Quantization-Aware Healing: a compressed, 4-bit model that outperforms its full-precision original
量化感知修复：一个超越全精度原版的压缩4位模型
研究团队提出了”量化感知修复”技术，成功将模型压缩至4位精度后，其性能反而超越了原始全精度模型。这一发现挑战了传统认知中量化必然导致性能下降的观念，为高效 AI 部署开辟了新的技术路径。
Wire It, Run It, Deploy It: AI Workflows in Gradio
连接、运行、部署：Gradio 中的 AI 工作流
Hugging Face 发布了 Gradio AI 工作流指南，介绍了如何使用 Gradio 构建端到端的 AI 应用流程。从数据输入、模型推理到结果展示，Gradio 提供了简洁的接口和灵活的部署选项，使开发者能够快速将 AI 模型转化为可用的 Web 应用。
How Hugging Face Inference Endpoints, Jobs, and Buckets Power Search on Papers with Code
Hugging Face Inference Endpoints、Jobs 和 Buckets 如何驱动 Papers with Code 的搜索功能
Hugging Face 介绍了其 Inference Endpoints、Jobs 和 Buckets 服务如何为 Papers with Code 平台提供强大的 AI 搜索能力。通过整合模型推理基础设施和论文数据库，用户可以直接在论文页面运行和测试相关模型，加速了 AI 研究的实践转化。
Measuring benchmark optimization in speech recognition
测量语音识别中的基准优化
Hugging Face 发布了一项关于语音识别基准测试优化的研究，分析了当前 ASR 模型在标准数据集上的优化程度和剩余提升空间。研究揭示了基准测试饱和现象，呼吁开发更挑战性的评估方法来推动语音识别技术的持续进步。
VentureBeat AI
Enterprise AI’s real risk isn’t autonomous agents. It’s the complexity between them.
企业 AI 的真正风险不是自主代理，而是它们之间的复杂性
VentureBeat 发表分析文章指出，企业部署 AI 代理时真正的风险并非代理的自主性，而是多个代理之间交互产生的复杂性。当多个 AI 代理协同工作时，它们之间的通信、协调和冲突解决机制可能产生不可预测的行为，企业需要建立有效的治理框架来管理这种复杂性。
When agents act on their own, governance has to live in the data layer
当代理自主行动时，治理必须存在于数据层
VentureBeat 探讨了 AI 代理自主行动时的治理挑战，提出治理机制应当嵌入数据层而非仅依赖应用层控制。这一观点强调了在数据访问、权限管理和审计追踪层面建立治理框架的重要性，确保代理在自主决策时仍受适当约束。
Orchestration is the new challenge for CX in the age of AI agents
编排是 AI 代理时代客户体验的新挑战
VentureBeat 分析了 AI 代理时代客户体验（CX）面临的新挑战，指出代理编排（orchestration）成为关键议题。如何在多个 AI 代理之间协调客户交互、保持一致的服务质量和用户体验，是企业部署 AI 代理时必须解决的核心问题。
Railway secures $100 million to challenge AWS with AI-native cloud infrastructure
Railway 融资1亿美元，以 AI 原生云基础设施挑战 AWS
VentureBeat 报道了云开发平台 Railway 获得1亿美元融资的消息。Railway 致力于构建 AI 原生的云基础设施，旨在为 AI 应用提供更高效、更简便的部署体验，直接挑战 AWS 等传统云服务商在 AI 开发领域的主导地位。
Claude Code costs up to $200 a month. Goose does the same thing for free.
Claude Code 每月费用高达200美元，Goose 免费提供相同功能
VentureBeat 比较了 Claude Code 和 Goose 两款 AI 编程助手，指出 Claude Code 的月费高达200美元，而开源项目 Goose 提供了类似功能且完全免费。这一对比反映了 AI 开发工具市场中商业产品与开源替代方案之间的竞争格局，以及开发者对成本敏感度的提升。
The Gradient
After Orthogonality: Virtue-Ethical Agency and AI Alignment
正交性之后：德性伦理代理与 AI 对齐
The Gradient 发表了一篇关于 AI 对齐的哲学文章，探讨了在超越”正交性论题”后，如何从德性伦理学的角度理解 AI 代理的对齐问题。文章主张将 AI 安全研究从单纯的行为约束转向代理品格的培养，为 AI 对齐理论提供了新的伦理学框架。
AGI Is Not Multimodal
AGI 并非多模态
The Gradient 发表文章论证 AGI（通用人工智能）并不等同于多模态 AI。作者指出，虽然多模态能力是 AI 系统的重要特征，但 AGI 的核心在于通用推理、学习和适应能力，而非仅仅能够处理多种数据类型。这一观点澄清了 AI 社区中常见的概念混淆。
Shape, Symmetries, and Structure: The Changing Role of Mathematics in Machine Learning Research
形状、对称性与结构：数学在机器学习研究中角色的演变
The Gradient 刊登了一篇探讨数学在机器学习中角色演变的文章。作者回顾了从早期统计方法到现代几何深度学习的发展，强调了形状、对称性和结构等数学概念在理解神经网络行为和设计新架构中的日益重要的地位。
What’s Missing From LLM Chatbots: A Sense of Purpose
LLM 聊天机器人缺少什么：一种目标感
The Gradient 发表文章指出当前 LLM 聊天机器人缺少”目标感”。作者认为，真正的智能系统不仅需要回答问题，还需要有内在的目标驱动和意图理解能力。这一缺失限制了 AI 在复杂任务中的表现，也是通向更高级 AI 系统需要克服的关键障碍。
We Need Positive Visions for AI Grounded in Wellbeing
我们需要以幸福感为基础的 AI 积极愿景
The Gradient 呼吁 AI 社区构建以人类幸福感为基础的积极愿景。文章批评了当前 AI 发展过于关注能力和效率的倾向，主张将人类福祉作为 AI 发展的核心指导原则，确保技术进步真正服务于人类的整体利益。
Financial Market Applications of LLMs
LLM 在金融市场的应用
The Gradient 介绍了大语言模型在金融市场中的多种应用，包括市场分析、风险评估、交易策略生成和财务报告分析等。文章既展示了 LLM 在金融领域的潜力，也指出了数据质量、模型可靠性和监管合规等方面的挑战。
A Brief Overview of Gender Bias in AI
AI 性别偏见简要概述
The Gradient 发表了一篇关于 AI 性别偏见的综述文章，系统梳理了 AI 系统中性别偏见的来源、表现形式和影响。文章强调了训练数据中的社会偏见、模型设计中的无意识假设以及应用部署中的差异化影响等问题，呼吁社区采取更积极的措施消除性别偏见。
Mamba Explained
Mamba 架构详解
The Gradient 发布了 Mamba 架构的详细解释文章。Mamba 是一种新型序列建模架构，结合了状态空间模型（SSM）的高效推理能力和注意力机制的灵活性，在长序列处理上展现出显著优势。文章从原理到实现全面解析了这一引起业界广泛关注的新架构。
Car-GPT: Could LLMs finally make self-driving cars happen?
Car-GPT：LLM 能否最终让自动驾驶汽车成为现实？
The Gradient 探讨了 LLM 在自动驾驶领域的应用前景。文章分析了将大语言模型应用于自动驾驶系统的潜在优势和挑战，包括场景理解、决策推理和交互沟通等方面，同时指出了当前 LLM 在安全性、可靠性和实时性方面的局限。
Do text embeddings perfectly encode text?
文本嵌入是否完美编码了文本？
The Gradient 发表了一篇研究文章，探讨文本嵌入是否完美编码了原始文本信息。研究揭示了嵌入空间中信息的丢失和扭曲现象，指出当前嵌入模型在语义压缩过程中不可避免地会丢失部分信息，这对 RAG 系统和语义搜索的可靠性提出了重要考量。
Towards Data Science
Avoiding Entity Key Drift in a Data Lake: Step 2, When Fuzzy Matching Stops Working
避免数据湖中的实体键漂移：第二步，当模糊匹配失效时
本文是数据湖实体管理的系列文章第二篇，探讨了当模糊匹配技术无法有效解决实体键漂移问题时的应对策略。作者介绍了更高级的实体解析方法和去重技术，帮助数据工程师在大规模数据环境中保持实体一致性和数据质量。
A RAG That Says “Not in This Document” Has to Show Four Kinds of Evidence
能够说”此文档中不存在”的 RAG 必须展示四种证据
本文探讨了构建可靠 RAG 系统的关键挑战——当答案不在文档中时，系统如何正确识别并声明。作者提出了四种必须展示的证据类型，帮助开发者构建更诚实、更可靠的 RAG 系统，避免 AI 幻觉问题。
Graph Neural Networks: GCN, MPNN, and GAT, Explained Simply
图神经网络：GCN、MPNN 和 GAT 简明解释
本文以通俗易懂的方式介绍了三种主要的图神经网络架构：图卷积网络（GCN）、消息传递神经网络（MPNN）和图注意力网络（GAT）。文章通过直观的例子和对比分析，帮助读者理解不同 GNN 模型的原理、适用场景和优缺点。
A Practical Introduction to PySpark Window Functions
PySpark 窗口函数实用入门
本文提供了 PySpark 窗口函数的实用指南，详细介绍了 ROW_NUMBER、RANK、DENSE_RANK 等常用窗口函数以及滑动窗口操作。文章通过实际代码示例，帮助数据工程师掌握在大规模数据处理中使用窗口函数的技巧。
Your JSON Is Valid but Your Data Is Wrong: Five Failure Modes LLM Structured Outputs Won’t Catch
你的 JSON 格式正确但数据是错的：LLM 结构化输出无法捕获的五种失败模式
本文揭示了 LLM 结构化输出中容易被忽视的五种失败模式：即使 JSON 格式完全正确，数据内容仍可能出错。作者通过具体案例展示了这些失败模式的表现形式和检测方法，提醒开发者在依赖 LLM 结构化输出时需要进行额外的数据验证。
What We Miss About Missing Values
我们对缺失值的忽视
本文探讨了数据科学中对缺失值处理的常见盲点。作者指出，简单的删除或填充方法可能掩盖数据缺失背后的重要信息，呼吁数据科学家更深入地理解缺失机制，采用更精细的缺失值处理方法。
Beyond Point Predictions: A Practical Introduction to Bayesian Neural Networks
超越点预测：贝叶斯神经网络实用入门
本文介绍了贝叶斯神经网络（BNN）的原理和实践应用。与传统神经网络输出点预测不同，BNN 提供预测的不确定性估计，在医疗诊断、金融风控等高风险领域具有重要价值。文章通过代码示例展示了 BNN 的实现方法。
5 AI Skills That Will Keep Data Scientists Relevant in 2027
让数据科学家在2027年保持竞争力的5项 AI 技能
本文预测了未来数据科学家需要掌握的五项关键 AI 技能：AI 系统架构设计、提示工程与 LLM 调优、AI 伦理与治理、MLOps 工程能力和跨模态 AI 应用开发。文章为数据科学家的职业发展规划提供了前瞻性指导。
Your LLM Can Return Perfect JSON and Still Be Wrong
你的 LLM 可以返回完美的 JSON 但仍然可能是错的
本文进一步探讨了 LLM 结构化输出的可靠性问题，强调即使输出格式完美符合 JSON 规范，内容本身仍可能存在事实性错误。作者建议建立多层验证机制，包括格式验证、事实核查和逻辑一致性检查，以确保 AI 输出质量。
FAQ as RAG: When You Get to Design the Corpus
FAQ 即 RAG：当你能够设计语料库时
本文提出了一种创新的 RAG 方法——将 FAQ 系统视为 RAG 应用。当开发者能够设计和控制语料库时，精心构建的 FAQ 可以比传统文档切片提供更准确、更结构化的检索结果。文章探讨了这种方法的优势和适用场景。
arXiv CS.AI
HyperWorld: Hypergraph-Structured State Serialization Improves Learned Textual World Models
HyperWorld：超图结构化状态序列化提升学习的文本世界模型
本文提出 HyperWorld 方法，利用超图结构对状态进行序列化，以改进学习的文本世界模型。超图能够捕捉状态元素之间的高阶关系，相比传统图结构提供更丰富的语义表达，在复杂环境建模和推理任务中展现出更好的性能。
I-CARE: Analysis of interference-related phenomena in a controllable, diverse and representative unlearning setting for text-to-image models
I-CARE：可控、多样且具代表性的文生图模型遗忘设置中的干扰现象分析
本文提出 I-CARE 框架，用于分析文生图模型在机器遗忘过程中的干扰现象。该框架提供了可控、多样且具代表性的遗忘测试环境，帮助研究者理解遗忘操作对模型其他能力的影响，为开发更安全的模型遗忘技术提供了方法论基础。
Incremental Risk Assessment of Progressive Elder Financial Scams via Instruction-Tuned Small Language Models
通过指令微调小语言模型对渐进式老年人金融诈骗进行增量风险评估
本文利用指令微调的小语言模型，对针对老年人的渐进式金融诈骗进行增量风险评估。该方法能够识别诈骗话术的逐步升级模式，帮助早期发现和干预针对老年群体的金融诈骗，具有重要的社会价值。
Long-Horizon State Tracking in LLMs: Executing MD5 through a Deep Sequence of Dependent Tool Calls
LLM 中的长周期状态追踪：通过深度依赖工具调用序列执行 MD5
本文测试了 LLM 在长周期状态追踪任务中的能力，要求模型通过一系列依赖的工具调用执行 MD5 哈希计算。该研究揭示了 LLM 在保持长期状态一致性和处理复杂工具链方面的局限性，为改进 AI 代理的可靠性提供了重要见解。
OpenAgentFlow: Enabling System-Wide Safety Boundaries for Heterogeneous AI Agent Fleets
OpenAgentFlow：为异构 AI 代理舰队启用系统级安全边界
本文提出 OpenAgentFlow 框架，为异构 AI 代理舰队提供系统级安全边界。该框架能够在多种不同类型的 AI 代理协同工作时，确保整体系统的安全性和可控性，防止代理间的恶意交互或意外行为导致系统级风险。
SCAFFOLD: A Large-Scale Structured Dataset of Computer Science Research Figures with Diagram QA and Chain-of-Thought Reasoning Traces
SCAFFOLD：包含图表问答和思维链推理轨迹的大规模计算机科学研究图表结构化数据集
本文发布了 SCAFFOLD 数据集，这是一个大规模的结构化计算机科学研究图表数据集，包含图表问答标注和思维链推理轨迹。该数据集为研究 AI 理解和生成科学图表的能力提供了重要资源，推动了科学 AI 的发展。
UI-Venus-2 Technical Report
UI-Venus-2 技术报告
本文发布了 UI-Venus-2 的技术报告，介绍了一个新的用户界面 AI 系统。该系统在 GUI 理解、交互规划和自动化操作方面进行了优化，能够更准确地理解和操作复杂用户界面，为 AI 辅助的桌面自动化提供了新的技术方案。
arXiv CS.CL
Behaviorally Grounded User Profiles from the Wild for Personalized Alignment and Multi-Perspective Reasoning
基于真实世界行为数据的用户画像：用于个性化对齐与多视角推理
本文提出从真实世界行为数据中构建用户画像的方法，用于实现个性化 AI 对齐和多视角推理。该方法通过分析用户的实际行为模式，为 AI 系统提供更准确的用户偏好和价值观理解，从而生成更符合个体需求的响应。
trajectory-judge: What Outcome-Only LLM Judges Miss on Agent Trajectories
trajectory-judge：仅基于结果的 LLM 评估器在代理轨迹评估中的遗漏
本文提出了 trajectory-judge 方法，指出仅基于最终结果的 LLM 评估器在评估 AI 代理轨迹时会遗漏重要信息。该方法通过分析代理的完整决策轨迹，提供了更全面的评估视角，有助于更准确地衡量代理的真实能力。
GUI-CC: Benchmarking Contextual Consistency of GUI World Models as Agent Environments
GUI-CC：作为代理环境的 GUI 世界模型的上下文一致性基准测试
本文提出了 GUI-CC 基准测试，用于评估 GUI 世界模型作为 AI 代理环境时的上下文一致性。该基准测试衡量模型在不同交互场景下保持 GUI 状态一致性的能力，对推动 AI 代理在真实 GUI 环境中的可靠操作具有重要意义。
From Detection to Refusal: Safer LLMs via Circuit-Guided Weight Scaling
从检测到拒绝：通过电路引导的权重缩放实现更安全的 LLM
本文提出了一种通过电路引导的权重缩放技术，使 LLM 能够从检测有害请求转变为主动拒绝。该方法通过分析模型内部的激活电路，精确定位与不安全行为相关的神经元，并通过权重调整实现更有效的安全控制。
Zero-Shot Respiratory Sound Classification through LLM-Augmented Audio-Text Alignment
通过 LLM 增强的音频-文本对齐实现零样本呼吸音分类
本文提出了一种利用 LLM 增强的音频-文本对齐方法，实现呼吸音的零样本分类。该方法将音频信号与文本描述对齐，利用 LLM 的语义理解能力提升分类性能，在医疗诊断领域具有潜在应用价值。
ValueGraph: Value-Signal Guided Graph Pre-training for Contextualized User Representation
ValueGraph：价值信号引导的图预训练用于上下文用户表示
本文提出 ValueGraph 方法，通过价值信号引导的图预训练来学习上下文感知的用户表示。该方法利用用户行为图中的价值信号，捕捉用户偏好的动态变化，为个性化推荐和用户建模提供了新的技术思路。
CUDA-Harness: Harnessing Agentic CUDA Kernel Generation and Optimization from Natural Language
CUDA-Harness：通过自然语言利用代理式 CUDA 内核生成与优化
本文介绍了 CUDA-Harness 系统，能够通过自然语言描述自动生成和优化 CUDA 内核代码。该系统利用 AI 代理技术，将程序员的高层意图转化为高效的 GPU 计算代码，降低了 GPU 编程的门槛，同时保持了高性能。
RePro: Proof-Verified Benchmark Rewriting for Reliable Evaluation of LLM Mathematical Problem Solving
RePro：经证明验证的基准重写给 LLM 数学问题求解提供可靠评估
本文提出了 RePro 方法，通过证明验证的基准重写技术，为 LLM 数学问题求解能力提供更可靠的评估。该方法确保测试题目和答案的正确性，消除了基准测试中可能存在的错误，提高了评估结果的可信度。
arXiv CS.LG
Task-Specific Prompt with Global Context for Multi-Task Graph Pre-Training
带全局上下文的任务特定提示用于多任务图预训练
本文提出了一种结合全局上下文的任务特定提示方法，用于多任务图预训练。该方法在保持任务特定性能的同时，利用全局图结构信息提升模型的泛化能力，在多个图学习基准上取得了优异表现。
REAL-Q: E2E LLM Quantization via Dynamic Gradient Descent
REAL-Q：通过动态梯度下降实现端到端 LLM 量化
本文提出 REAL-Q 方法，通过动态梯度下降实现端到端的 LLM 量化。该方法在量化过程中动态调整梯度更新策略，有效缓解了量化带来的性能损失，在低比特量化设置下保持了接近全精度模型的性能。
Convergence issues in Relational Concept Analysis based on AOC-posets
基于 AOC-偏序集的关系概念分析中的收敛问题
本文研究了基于 AOC-偏序集的关系概念分析中的收敛问题，分析了算法在不同条件下的收敛行为和潜在问题。研究结果为改进概念分析算法的效率和可靠性提供了理论依据。
DISTAL: Distillation and Self-Supervised Pretraining for Structure-Agnostic Materials Property Prediction
DISTAL：用于结构无关材料属性预测的蒸馏与自监督预训练
本文提出 DISTAL 方法，结合知识蒸馏和自监督预训练，用于结构无关的材料属性预测。该方法不依赖于材料的特定表示形式，能够泛化到不同类型的材料系统，在材料科学 AI 领域具有广泛应用前景。
ReNFT: Repairing Mode Collapse in Reward Post-Training via Internal Probability-Mass Recalibration
ReNFT：通过内部概率质量重校准修复奖励后训练中的模式崩溃
本文提出 ReNFT 方法，通过内部概率质量重校准来修复强化学习后训练中的模式崩溃问题。该方法在保持模型多样性的同时优化奖励性能，有效解决了 RLHF 等后训练方法中常见的模式崩溃现象。
Attention Sensitivity Is Not Enough: Dissociating Attention-Level and Behavioural In-Context Learning under Fine-Tuning
注意力敏感性不够：微调下解耦注意力级与行为级上下文学习
本文研究了微调过程中注意力级上下文学习与行为级上下文学习的解耦问题，发现仅关注注意力敏感性不足以解释模型的上下文学习能力。研究揭示了两种学习机制的差异，为理解 LLM 的微调行为提供了新的视角。
RW-LoRA: Communication-Efficient Decentralized LoRA Fine-Tuning via Random Walks
RW-LoRA：通过随机游走实现通信高效的去中心化 LoRA 微调
本文提出 RW-LoRA 方法，通过随机游走策略实现通信高效的去中心化 LoRA 微调。该方法在分布式训练环境中显著降低了通信开销，同时保持了微调效果，为大规模模型的分布式训练提供了实用的解决方案。
Stochastic complexity of vectors containing cluster structure
含聚类结构向量的随机复杂度
本文研究了含聚类结构向量的随机复杂度问题，分析了聚类结构对向量信息论性质的影响。研究结果为理解高维数据的复杂性和设计更有效的压缩算法提供了理论支持。
arXiv CS.CV
Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving
Qwen-Drive-1.0：迈向自动驾驶视觉-语言基础模型的第一步
本文介绍了 Qwen-Drive-1.0，这是一个面向自动驾驶的视觉-语言基础模型的初步尝试。该系统将视觉感知与语言理解相结合，能够理解和描述驾驶场景，为自动驾驶系统提供了更丰富的环境理解和交互能力。
ZimaBlue: Evolving Generalizable World Action Models through Scalable Video Pre-training
ZimaBlue：通过可扩展视频预训练进化可泛化的世界动作模型
本文提出了 ZimaBlue 方法，通过大规模视频预训练来学习可泛化的世界动作模型。该方法使 AI 系统能够从视频数据中学习物理世界的基本规律和动作后果，为机器人控制和 AI 推理提供了重要的基础能力。
A Lagrangian View of Flow Matching
流匹配的拉格朗日视角
本文从拉格朗日力学的角度重新审视了流匹配方法，提供了对概率流 ODE 的新理论理解。这一视角不仅深化了对流匹配方法的认识，还为设计新的生成模型提供了理论指导。
Distributed Implicit Harm: A Compositional Safety Blind Spot in MLLM-Based Video Moderation
分布式隐性伤害：基于多模态大模型的视频审核中的组合安全盲区
本文揭示了基于多模态大模型的视频审核系统中存在的”分布式隐性伤害”问题——单个安全的内容片段组合后可能产生有害含义。这一组合安全盲区表明，当前的内容审核方法需要更全面地考虑语义组合效应。
Beyond Language Priors: Diagnosing and Fixing Visual-Origin Hallucinations in Multimodal LLM
超越语言先验：诊断和修复多模态 LLM 中的视觉起源幻觉
本文研究了多模态 LLM 中视觉起源幻觉的问题，即模型生成的内容看似基于视觉输入但实际上源于语言先验。作者提出了诊断方法和修复策略，帮助提高多模态模型的视觉理解准确性和可靠性。
Beyond Blind Compliance: Benchmarking Task Verification in OCR Reasoning
超越盲目服从：OCR 推理中的任务验证基准测试
本文提出了 OCR 推理中的任务验证基准测试，评估模型在面对不合理 OCR 结果时的判断能力。研究揭示了当前模型倾向于盲目服从 OCR 输出的问题，呼吁开发更具批判性思维的 OCR 推理系统。
CoLT-Drive: Counterfactual Long-Tail Benchmarking and Knowledge-Preserving Adaptation for Driving Affordance Prediction
CoLT-Drive：用于驾驶 affordance 预测的反事实长尾基准测试与知识保持适应
本文提出了 CoLT-Drive 框架，结合反事实长尾基准测试和知识保持适应方法，用于驾驶 affordance 预测。该方法能够有效处理自动驾驶中的长尾场景，同时避免灾难性遗忘，提升了模型在罕见但关键场景中的表现。
A Cone-Constrained Bilinear Decomposition for Total Scaled-Gradient Variation Models
用于全缩放梯度变分模型的锥约束双线性分解
本文提出了一种锥约束双线性分解方法，用于全缩放梯度变分模型。该方法在图像恢复和去噪等视觉任务中展现了优越性能，为变分图像处理方法提供了新的数学工具。