AI 情报文章归档

The word was qara, "black". I fed it to an off-the-shelf TTS model, hit play, and got back a soft,...

据《华尔街日报》报道，明星 AI 研究员安德鲁·塔洛克（Andrew Tulloch）于 9 月 10 日向同事宣布将从 Meta 离职，未透露下一步去向。Meta 曾为招募他开出最高价值 15 亿美元的薪酬方案遭拒，他后以未披露薪酬加入。他是近期第三位离开的 Thinking Machines Lab 联合创始人，此前巴雷特·佐夫加入谷歌、卢克·梅茨加入 Meta。

上海浦东法院宣判上海首例涉 AI 声音仿冒不正当竞争案，一款 AI 变声软件未经授权提供《原神》63 款角色声音资源包，被告承认使用角色一分钟音频训练变声模型，被判停止侵权并赔偿米哈游 75 万元。

Suno 发布 v6 模型，可将图片、视频和语音备忘录转化为音乐，并对已创建的歌曲进行精确修改。同时提供 v6-wild 版本供探索更多可能性，官方附有 2 分钟以内的功能演示视频。

Three parties describe the same roof and none of them can read the others' description. The town...

Sam Altman 在 YC Startup School 2026 表示，AI token 使用量正指数级增长：六年前全球人均月 token 用量近乎为零，如今平均约 10 万，OpenAI 内部最高者达数千亿。

NVIDIA 宣布与 Firmus、Sharon AI、IREN、ResetData、Megaport、CDC、NEXTDC、AirTrunk 等澳洲云与 AI 基础设施伙伴合作，采用 NVIDIA DSX 架构，到 2027 年建成至多 2GW 规模的数据中心 AI 工厂。

据 The Information 报道，OpenAI 近期悄然更新广告政策，不再接受仅图像生成和语音生成类产品的广告审批，Adobe 美洲媒体高级总监 Doug Wyatt 证实了这一消息。

27岁研究员Jacob Coxon辞职并称OpenAI与Anthropic正押上所有人生命奔向自我改进的超级智能，Anthropic对齐负责人公开支持。作者由此重读Tim Urban 2015年《The AI Revolution》，指出智能爆炸的正反馈回路已见雏形，人类正面临灭绝或物种永生两种结局。

Gary Marcus 评述两起推动 AI 透明度的行动：参议员 Blumenthal 致信 OpenAI，要求就其 Agent 在多起黑客事件中的角色及公司何时知情作出详细答复；Protect Democracy 则起诉特朗普政府，要求公开 AI 系统评估标准。

苹果发布首款折叠屏手机 iPhone Duo，国行定价 15999 元起，同时推出 iPhone 18 Pro 系列，首发 2nm 制程 A20 Pro 芯片，9999 元起。DeepSeek 已聘请中信证券筹备科创板 IPO，目标今年递交申请、明年挂牌，最新一轮融资目标估值约 5000 亿元。唐家三少发文痛批 AI 洗稿，称其 48 小时可生成 500 万字，已成网络文学重灾区。

市场调研初创公司 Listen Labs 曾签署 1.25 亿美元 C 轮条款书，估值 15 亿美元，由 Menlo Ventures 领投，但最终放弃该轮。据 Business Insider 报道，原因是 Salesforce 正洽谈以约 20 亿美元收购，交易尚未敲定。

针对视觉文档检索中后期交互嵌入存储开销大的问题，研究者提出生成式后期交互嵌入 GLIE：利用向量恰好落在单位球面、且集中在内在维度 5-6 的流形上的几何特性，每页仅用 k 个归一化质心向量作为索引，查询时只检索这 k 个向量，再由解码器将 top 候选还原为全部 N 个向量做精确重打分。

SenseNova 团队发布 SenseNova-U1.5，一个 8B-MoT 原生统一多模态模型，在无编码器、无 VAE 架构内实现视觉理解、推理、生成和编辑。

在 post-AGI 乃至 post-RSI 世界里，最重要的认知劳动将由哲学家、经济学家和深谙机会成本的人承担，他们的工作是决定把超级计算机的算力投向哪些问题。作者认为这并非人类退场，而是解决"该解决什么问题"的元问题，并建议有抱负的年轻人成为通才，兼修经济、科学、哲学与文学。

研究者提出 MaP-WAM，一个将记忆依赖的世界-动作建模拆分为记忆锚定规划与规划条件执行的框架，把长期多模态情景上下文用作规划期证据，而非反复将完整历史输入执行器。该方法在 RMBench 上取得 83.3% 成功率，真实机器人任务成功率达 78.0%，且执行器推理延迟随任务历史增长基本保持恒定。

研究者提出 Negative Self-Distillation（NSD）框架，让模型自行生成问题特定的负面条件并将学生分布推离这一自生成负面教师，而非模仿特权解答。NSD 设计动态门控机制自动识别并隔离推理关键 token，避免语言能力崩塌。实验显示 NSD 持续优于 OPSD 及其他无标签自举强化学习基线。

MiniMax M3 在 AMD Instinct MI355X 上的 vLLM 服务性能经逐层瓶颈优化大幅提升。MXFP8 标准服务在并发 32 下从 109.1 升至 342.4 output tokens/s/GPU（3.14×），MXFP4 在 TP2/EP1 下达到 943.5，为初始结果的 4.45×。

Together AI 的 ThunderKittens 已支持在 NVIDIA Vera Rubin NVL72 上编写 NVFP4 和 FP8 GEMM。

腾讯 Hy 基础模型团队联合新加坡国立大学等机构发布 T1，基于 Qwen3.5-122B-A10B 用强化学习训练终端智能体，在云沙箱中每任务最多执行 300+ 次工具调用，以任务自身验证器给奖励。

Mi-Ripple 是一种诊断引导的修复流程，用于消除迭代参考条件图像编辑产生的网格状与颗粒状"数字波纹"，同时保护图像结构。该方法将周期性晶格伪影与内容纠缠的颗粒纹理分离，结合选择性频谱陷波、结构感知平滑与干净参考图重生成。14 次纯陷波执行中全图残差标准差为 0.08-0.44 CIELAB 亮度单位，配对重生成示例中参考图清理使输出碎片密度降低 45%。

OpenRouter 发布 Fusion 复合推理系统，将一个提示词并行发给 1 到 8 个面板模型，由 judge 比较共识与分歧后由调用模型写出最终答案。默认三模型面板成本约为单次完成的四到五倍、延迟两到三倍，在 DRACO 深度研究基准上预算面板得 64.7%、前沿面板得 69.0%。

OpenRouter 发布 Presets 使用教程，preset 是一个命名且带版本的配置，统一存放模型或 fallback 列表、system prompt、provider 路由和采样参数，在任何请求中以 "model"： "@preset/名称" 引用。

中科院自动化所团队提出 DRG-MAPPO，一个将图注意力关系建模与动态角色分配结合的分层多智能体强化学习框架，用于协同空战决策。该框架用图注意力提取敌我及威胁间的关系特征，由高层策略动态分配"leader""supporter"等战术角色，低层策略据此执行机动动作，并设计目标优先级辅助任务促进集火行为。实验显示其取得 87% 的 SOTA 胜率。

Hugging Face 在 TRL v1.14 的 AsyncGRPOTrainer 中支持只训练和同步 LoRA adapter，配合 Storage Bucket 挂载与代理路由，让训练 Job 和 vLLM 推理 Job 在不同机器上运行而无需 NCCL。

论文提出 TRACE，一个火灾后物体理解基准，包含 21.4K 真实图像合成的场景，覆盖 189 类共 499 种物体的降质进程，设检测、恢复、检索、描述与功能推理五项任务。

OpenAI 在 API 中发布语音模型 GPT-Live-1，可同时听和说，支持将推理和工具调用委派给 GPT-6 Astra 等后端模型，前端语音层定价为每分钟 $0.05。

北航与清华团队提出 UniH3 框架，通过分层同质性记忆（H2M）模块从高质量图像中蒸馏任务内与任务间先验，并用同质性引导注意力（HGA）注入修复流程，同时以分层异质性平衡器（H2B）缓解任务内与任务间优化冲突。在 MedIR-2D-500K 和 MedIR-3D-3K 两个大规模基准上，UniH3 在全能及单任务医学图像修复中均达到 SOTA。代码已开源。

Cursor 推出「项目」功能，可承接功能开发、迁移或完整应用等大规模工作，在长达数月的工作中保持上下文，并将任务委派给成千上万个子智能体。协调智能体负责规划和分派工作而不直接写代码，项目由云端独立机器驱动，维护跨云端与本地机器同步的共享上下文，还支持监听 Slack 频道、按计划运行或跟踪 PR 等自动触发方式。该功能目前处于 beta 阶段，从今天起逐步向所有用户开放。

Attention-DP3 是一种空间物体感知的 3D 扩散策略，通过注意力注入物体级几何线索，同时保持 DP3 扩散主干不变。它先用开放词汇 2D 分割将目标掩码提升到 3D，再通过 Tri-field Attentional Conditioning 构建 targetness、intra-target saliency 和 backgroundness 三个场。

Vidu 团队发布 Vidu S2，包含实时交互数字人模型 Vidu S2-Avatar 和实时视频编辑模型 Vidu S2-Editing，并探索了二者的实时空间视频生成。

Pelican-Sim 1.0 是面向具身智能的通用世界模型模拟器，可从视觉上下文和机器人动作预测未来观测。它采用 28 维统一动作空间、动作-视觉注入、稀疏 MoE 和四步自回归蒸馏，实现 5.67 倍加速，在 AgiBotWorld Beta、RoboMIND、RoboTwin 上分别将 PSNR 提升 4.636、2.080 和 10.343。

论文提出递归自我改进（RSI）概念，即 AI 系统将经验与反馈转化为持久改变，同时提升自身能力与未来改进过程。作者先用 Headroom-Closed Index（HCI）揭示现有 LLM 的问题，再给出从改进执行自主、改进策略自主、经验获取自主、环境适应自主到递归元改进的发展路线图，并考察其在科学发现、具身智能、软件工程等场景中的差异与挑战。

论文提出 Benchmark Radar，一个用于检索和发现 AI 基准的活数据库和搜索引擎，覆盖 LLM 评测、智能体与工具使用、编码、推理、安全及领域评测。系统从 37 个来源每日发现基准论文、仓库和数据集，目录含 1，283 条来源记录和 790 条记录上的 12，916 个数值观测，并提供排行榜、饱和度与趋势视图、CLI 和可复现分析。

研究者提出 Recursive Code World Models（RCWM），通过递归场景程序（RSP）表示与可递归调用的构建求解器，从单张参考图像重建复杂 3D 世界。

莫斯科国立大学团队提出 FreeFlow，一个不含相关体积、特征 warping 等光流专用组件的层次化 Transformer，仅用单一前馈编码器-解码器，组合窗口注意力、移位窗口注意力和低分辨率全局注意力。

研究提出 Verdict-Preserving-Unfaithfulness（VPU）失效模式：错误形式化编码能成功执行并匹配预期判定，并证明仅凭结构、判定的验证启发式检测能力在数学上被限制在随机水平。

OpenAI 推出 Agents API 公开测试版，将驱动 Codex 的 harness 与基础设施通过单次 API 调用开放给开发者，托管在云端。

COBRA-Skills 将 LLM 智能体技能优化建模为动态候选空间上的预算化序列优化，结合上下文赌博机优先级排序与基于执行证据的技能进化。在六个异构智能体基准和三个目标模型上，其平均性能优于对比方法，优化成本较 SkillOpt 降低 55-58%，每个基准仅用 50 个优化样本。该方法对智能体 harness 变化保持稳健，目标模型自身也可用于技能生成与精炼。