AI 情报文章归档

Elon Musk 和 Jensen Huang 在白宫正式会晤后表示，他们与特朗普总统及其他多位 AI 领军企业高管共同签署了白宫超级智能协议（White House Accord on Super Intelligence）。作者转发引用了 @GavinSBaker 在 America.gov 发布活动后台、超级智能主题圆桌前的现场照片，并注明完整视频可在 YouTube 频道 DRM News 观看，链接见评论。

Ask a language model which library to use and it answers with a list of names. Most are real. Some...

Grok 4.7 在 AA 网络安全指数排名第一

Anthropic 保密版 IPO 招股书显示，去年 47% 的客户销售收入经由亚马逊和谷歌的云渠道完成，公司寻求约 2 万亿美元估值。2025 年营收暴涨 12 倍接近 46 亿美元，营业亏损突破 80 亿美元；截至 2026 年初长期采购承诺总额超过 4,170 亿美元，对应 3.5 吉瓦专用算力，招股书同时提示客户与渠道集中带来的利益冲突风险。

Mark Zuckerberg 转发白宫活动并称，美国各大实验室负责人已承诺实施稳健的内部控制和多层审计与审查，让公众更有信心各实验室构建的技术会按预期运行。其引用的 David Sacks 推文称该活动签署了《白宫超智能协议》；协议文件列明四层控制：监控模型训练与部署中的能力和对齐、设立内部团队保障控制运行、引入独立外部审计、设立董事会独立委员会监督。

Window Lab，用 Krea Agent 创建的应用。 只需上传你的视频，调整运动控制，即可获得你想要的效果。 在下方试试 👇

当前 AI 热点，聚合 11 个独立信源、42 条信号。

推出 Manus Flex。 将你自己的 API key 带入 Manus。 在 Manus 的智能体框架、工具和执行环境中使用受支持的提供商。 在此查看博客： https://manus.im/blog/introducing-manus-flex

AlphaSense 与 Cerebras 合作，用快速推理为 Generative Search 加速路由、查询生成和证据评估等高频模型调用环节，使系统能在同一响应窗口内完成更多推理步骤。这改变了架构取舍：不再把规划、检索、评估压缩进单个提示词，而是拆成多个专用模型调用，仍保持交互式体验。

RSIGame 是一个带递归自我改进的自主智能体游戏开发框架，通过局部“探索-诊断-改进”循环与全局质量跟踪循环，缓解迭代优化对少量测试用例的过拟合。在 140 个 GameCraft-Bench 任务、两个游戏引擎和五个生成器上，RSIGame 在相同开发预算下持续提升游戏质量。

论文研究野生 AI 生成网页文本对语言模型预训练的影响，发现 FineWeb 过滤后 2026 年 6 月网页数据中 27.5% 的 token 被 Pangram 标为 AI 生成，8 月升至 31.1%。

LexReward 是一个面向法律语言模型的分类体系驱动奖励框架，从 Style、Element、Chain 三个维度刻画法律回答质量，并据此构建成对偏好数据用于 DPO 与奖励模型训练。实验显示，基于评分细则的奖励能可靠区分不同质量的法律回答，DPO 训练在三个维度上均带来提升；所训练的奖励模型 LexRM 可在无需参考答案的情况下，通过强化学习分别提升对应维度的策略表现。

研究团队构建了 95 小时城市步行游览视频数据集 WT++，用于严格按时间顺序、滑动窗口批次的流式自监督预训练。结果显示对比学习和蒸馏方法在此设置下表现不佳，MAE 更稳健但仍不及标准 i.i.d. 预训练，主要瓶颈是批次内帧高度相似。

研究分析了生成式行为克隆策略在相同观测对应多个有效动作时的多模态表征瓶颈：隐变量策略需在潜表征中保留动作条件信息，过强的后验-先验正则化会抑制该信息，正则化过弱则依赖部署时先验覆盖相关潜区域；动作空间生成策略则受限于基空间到动作空间传输映射的平滑性，小 Lipschitz 常数难以覆盖多个分离模态。

研究者提出 Game-Guided Skill Discovery（GGSD），通过在游戏中自对弈发现人类可直接操控的机器人运动技能。该方法让分层智能体与自身历史版本对抗，高层策略从少量离散技能中选择、低层策略学习对应行为，训练后人类可替换高层策略直接操控智能体。

Google 在 TPU 上通过稀疏注意力内核优化加速视频扩散模型推理，将理论稀疏性转化为端到端实际加速。

研究者构建了蛋白质问答数据集 FoldingCorpus 与后训练方案 Fold2Reason，通过离散结构答案和连续 3D 几何两种信号进行训练。在 FoldBench 上，其结构预测得分达到 Qwen3.5-9B 的 2.7 至 3.5 倍，并在空间、图、科学及通用推理等 10 个基准上全部取得提升，宏平均准确率从 45.09% 升至 48.33%（+3.23 个百分点）。

研究分析 JEV 1.13 与三个开源 KEV 模型，发现直接决策模型存在"序数尺度利用偏差"：在 ANLI 上 JEV 准确率 74.95%，却把 38.8% 的预测和 51.3% 的错误都归为 Neutral。

Factory 宣布 Automations 正式向所有用户开放，用自然语言描述工作流后，Droid 可按定时或 Slack、GitHub、webhook 触发运行，支持自选模型（含 BYOK 和 Factory Router）与自选机器。

Apple 研究团队提出 SCLATE，一个让基准测试与未经修改的智能体各自通过适配器向同一开放事件调度器注册事件的执行基座，其混合模拟时钟可将长达一个月的场景压缩到数小时内运行。

Diptych 是一个 AI 辅助系统，允许用户在全曲或自选片段上自定义对比范围，并查看结构化音频特征与针对该范围的 AI 解读。在 12 名音乐人的被试内研究中，参与者借此发现了更多差异，其中十分之九获得专家至少部分支持，系统可用性良好。研究认为，面向创作对比的 AI 应优先支持用户自定义范围、可检查证据与可执行建议，避免超出证据支撑的权威判断。

OpenRouter 发布 AI Agent 回归测试教程：每次提示词、模型、工具定义或检索设置变更后，重跑锁定的用例集并对照书面行为契约检查。

研究者提出首个基于用户历史（评论、帖子、图片、caption 与元数据）的个性化图像生成统一基准，包含个性化场景生成与个性化创意生成两项任务及多轴评测协议。同时提出 PEARL，将多模态推理器与冻结的图像生成器耦合为交错的"推理-反思"循环，并用差分数据奖励优化，在两项任务上平均提升 15% 的个性化指标。

研究提出基于熵位移的位置掩码方法，从自然语言反馈中训练 LLM 评判模型，通过保留熵位移分布低尾位置来区分"上下文锐化"与"上下文扩散"两种机制。实验显示，掩码高熵位移位置可提升分布外泛化能力，所得自蒸馏评判模型在主观任务子类上比 GRPO 等结果监督 RL 方法高出 2-9 个百分点，在客观任务上保持竞争力。

自进化搜索智能体存在"共谋作弊"失效模式：生成问题的 proposer 与作答的 solver 在共享错误上日益一致，内部奖励上升但外部正确性停滞。为此提出 CrossFit，将 proposer 的源文档分为 A、B 两组，交叉用对方数据训练的辅助 solver 打分决定奖励。

Dream4ACT 是一个面向多形态机器人的视频-动作世界模型，通过将目标关节配置从四个预设虚拟相机渲染为共享的 action views，让观测与动作序列共用同一视频自编码器和扩散 Transformer。

一篇综述将 LLM 注意力机制的发展统一为"模型内部上下文记忆"视角，提出涵盖记忆表示、更新、访问、读取与整合的五维分析框架。研究基于 14 个主要模型谱系、59 条发布级记录和 11 个高性能开放权重端点，重建了机制层面的演进与架构采用情况。综述指出，高效序列架构设计正从孤立的 Attention 算子转向上下文记忆的组织、生命周期与选择性使用，并据此提出有状态多维记忆路由假设。

研究提出 Loop Scaling Laws，首次将循环结构与 MoE 稀疏性同模型规模、数据量一起联合建模，可更准确预测循环模型的留出损失，并将标准稠密与 MoE 缩放定律作为特例涵盖。实验显示稀疏性带来约 3 倍活跃参数效率，循环在推理任务上带来约 2 倍总参数效率；在万亿 token 规模、相同训练算力下，循环 MoE 在推理基准上可匹配约 2 倍大的非循环 MoE。

JEPA-TTT 让预训练的动作条件 JEPA 世界模型在测试阶段持续自适应潜在动态预测器，自监督更新跨 episode 累积，视觉编码器与奖励头保持冻结，规划无需目标图像或在线环境奖励。在 4 个连续控制环境的 8 种动态变化下，该方法均提升规划表现；经过 500 个测试时 episode 后，自回归潜在预测误差平均降低 83%，规划性能较冻结的 JEPA 世界模型提升 153%。

OpenRouter 发布教程，讲解如何从生产流量构建 golden 评测集，作为每次部署前的回归测试。内容涵盖五步流程（抽样生产流量、去重聚类、添加预期输出、首轮评估修正 rubric、提交 Git 并接入 CI），建议从 20 至 50 条复审样本起步、扩展到 100 至 1,000 条完整回归集，用真实流量而非合成数据保留分布和失败模式。

视频世界模型 Honeycomb 提出 HexMemory 低秩表示，用六个空间与时空平面以固定大小存储场景特征，避免现有空间记忆随生成过程不断累积 RGB 观测或潜特征。

针对目标在未被观察时移动、导致记忆位置失效的问题，研究者提出 EvolvingNav，通过带时间戳的 3D 物体历史构建时间索引信念，用结构化持久-迁移模型区分目标停留与迁移，并以事件驱动滤波器随时间传播信念、预测候选检查时刻的目标占据情况。该方法同时引入基于人类活动轨迹的 EvoWorld-Bench，含 54 个场景、803,680 个任务，在仿真与真机实验中提升了导航成功率和搜索效率。

研究者提出 HIDE 基准，用 15 项任务评测部分可观测条件下的机器人操作记忆，涵盖重复计数、历史状态回忆与执行进度跟踪，并设置随机初始配置和需依赖先前事件才能正确决策的决策点。同时提出 SEEK 框架，组合三种互补记忆机制保留历史证据并跟踪执行状态。评测显示现有策略在 HIDE 上存在明显不足，记忆增强在仿真与真实实验中均提升任务成功率，三种机制组合取得最高平均成功率。

PromptArmor 披露 Microsoft Copilot Cowork 的 AI 网关可被恶意 Skill 劫持以绕过沙箱并外传文件。

世界模型引导的机器人技能教练框架 RoboCoach 通过 Route-Imagine-Diagnose-Improve（RIDI）循环，在共享动作条件世界模型 COACHWORLD 中执行可复用技能专家，并用进度评判器定位首个失败子任务，从而决定采集哪些子任务演示、更新哪些专家适配器。

偏好蒸馏中，用更小的冻结模型生成拒绝样本，比学生模型自生成样本训练效果更强，且推理算力更低。研究在 7B 到 72B 学生模型上验证了这一点，覆盖代码生成与数学推理任务，序列级知识蒸馏前后均成立。作者还给出 DPO 的有限时域效用上界，并据此提出混合不同规模拒绝样本、打乱 token、优先选择参考策略下低概率候选三种改进手段。

JevSpawn 是一种组合式策略，将自然语言任务描述与有限域概率探索连接起来，通过并行动作生成配合反馈驱动的分支选择、表示修正与备选方案恢复，在无需额外训练的情况下减少重复生成和上下文计算。在八项基准任务上对比七种智能体基线和一种 TypeSafe Jev 变体，JevSpawn 任务表现更优、导航更快。

研究者推出 A2Z GameSpec-Bench，用 100 份长篇幅游戏设计文档（GDD）评测编码智能体端到端开发游戏的忠实度，即游戏是否满足 GDD 需求并保持需求间依赖关系。

Fireworks 在 GLM 5.2 上做同一 RL 任务实验，训练端与 rollout 引擎概率计算不一致时 KL 约 0.013、每批约 45% 样本被丢弃，reward 在约第 20 步从 0.9 崩到 0.2 以下；对齐后 KL 为 0、reward 全程稳定。

一项受控实证研究对比了 TypeSafe AI 称为"System One Model"的 Jev 与推荐专用模型及 pointwise、listwise Qwen 重排序器在多个 Amazon Reviews 领域和候选集规模下的推荐重排序表现。结果显示 Jev 在保持较强推荐效果的同时，延迟增长比 pointwise Qwen 重排序器更为平缓，但服务延迟仍显著高于推荐专用模型。