2026年7月2日星期四

1. Claude Code v2.1.198 发布：新增 Chrome 集成与后台代理通知
   T1.5Claude Code：GitHub Releases（RSS）

   Claude Code v2.1.198 更新重点包括：Claude in Chrome 扩展现已通用可用，新增后台代理通知（钩子 agent_needs_input / agent_completed），提供 /dataviz 图表与仪表盘设计技能并附带可运行调色板验证器，网关新增 Anthropic AWS 作为上游提供商。此外还修复了多个问题，如网络瞬断重试、后台任务卡住、Markdown 表格溢出、macOS 后台代理本地网络路由、.claude/rules 符号链接加载等，并改进了聚焦模式、语法高亮等体验。

2. QuasiMoTTo：利用准蒙特卡洛采样实现测试时计算扩展
   T2arXiv AI/CL/LG（论文）

   提升语言模型推理能力的一种可靠方法是生成大量独立采样，但独立采样导致大量冗余计算。QuasiMoTTo通过准蒙特卡洛方法生成相关性但精确的样本，替代独立同分布采样，在不牺牲并行性的前提下提高样本效率。在四个推理基准上，QuasiMoTTo以25-47%更少的样本达到相同pass@k准确率，并在策略梯度强化学习（GRPO）中匹配独立采样的性能，节省50%训练步骤。该方法通过更均匀地覆盖输出空间，减少冗余，从而提升每一批样本的学习信号。

3. AutoMem：将记忆作为可学习认知技能的自动化框架
   T2arXiv AI/CL/LG（论文）

   AutoMem提出将记忆管理作为大型语言模型（LLM）的可训练技能，通过两个自动化循环优化记忆结构和记忆能力。第一个循环利用强LLM审查完整轨迹并迭代更新记忆结构，第二个循环从大量片段中提取好的记忆决策作为训练信号。在Crafter、MiniHack和NetHack三个长时程游戏中，仅优化记忆（不修改任务行为）就将基线性能提升约2-4倍，使32B开源模型媲美Claude Opus 4.5和Gemini 3.1 Pro Thinking。研究表明记忆管理是独立可学习的技能，对长时程任务具有高杠杆作用。

4. 正途正道：结合可验证奖励与人类示范的语言模型训练
   T2arXiv AI/CL/LG（论文）

   本文提出一种对抗式生成器-判别器框架，在可验证奖励强化学习（RLVR）中融入人类示范信号。生成器通过RL同时优化任务准确性和来自判别器的对抗奖励，判别器则学习区分人类与模型输出。该方法在代码修复、故事生成等任务中显著提升非可验证属性（如风格、多样性），同时保持RLVR的准确率，并几乎消除奖励破解行为。

5. Diffusion-GR2: 扩散生成式推理重排序器
   T2arXiv AI/CL/LG（论文）

   Diffusion-GR2将自回归推理重排序器转化为扩散模型，通过并行解码将推理吞吐量提升2.4-3.5倍，同时通过转换微调、在策略蒸馏和强化学习阶段弥合精度差距，在Amazon Beauty数据集上达到与自回归模型近似的推荐准确率。

6. 顺序控制交互式多粒子流映射用于在线反馈驱动搜索
   T2arXiv AI/CL/LG（论文）

   该论文提出IMPFM框架，通过多粒子交互流映射实现高效在线反馈驱动搜索，解决偏好未知场景下的广泛探索问题。框架采用后验样本共享机制和探索-利用重加权策略，理论证明其能驱动多粒子系统向KL倾斜目标分布收敛，防止模式坍塌。在多种搜索和对齐任务中，IMPFM显著优于现有基线方法。

7. 技能不是孤岛：衡量Agent技能供应链中的依赖与风险
   T2arXiv AI/CL/LG（论文）

   大型语言模型（LLM）代理的技能包在快速增长中，其身份、版本和来源信息模糊不清，导致重复依赖和安装不一致。本文引入Agent技能供应链（ASSCs）概念，借鉴软件物料清单（SBOM）设计SkillDepAnalyzer，从自然语言中提取依赖证据并建模依赖图。在SKILL-DEP基准上，该方法优于LLM基线及传统SBOM工具，准确恢复技能元数据和依赖图。对超过143万个技能的分析揭示了四种结构模式，并发现技能依赖中隐藏的安全风险，可检测到已知恶意技能。研究建议引入类型化依赖清单、依赖簇管理等改进措施。

8. 自主科学发现的新范式：DiscoPER通过迭代元反思实现开放式研究
   T2arXiv AI/CL/LG（论文）

   DiscoPER是一个基于大型语言模型的自主科学发现框架，无需预先指定研究目标即可动态生成代码探索数据集。它通过二阶推理机制定期分析自身积累的发现，识别结构模式和认知空白，引导探索未知区域。在多模态生态知识基准iNatDisco上，恢复了9个已知模式中的8个，假设支持率72.7%，超越基线。该工作展示了AI在开放式科学发现中的巨大潜力。

1. Theoria：非正式推理状态下的重写-接受验证架构
   T2arXiv AI/CL/LG（论文）

   Theoria 是一种新型验证架构，通过将AI系统的答案重写为类型化状态转换序列，每个转换都附带明确的引用、计算或问题给定事实作为理由，从而实现每一步的独立审计。在HLE-Verified Gold基准测试中，Theoria以91.4%的严格精度认证了105个问题，并生成人类可读的证明轨迹。与整体式LLM评判器相比，Theoria在对抗性中毒证明检测中表现出94.7%的捕获率，尤其在隐蔽前提和伪造引用上优势显著。该架构为提升LLM输出的可信度提供了可审计、可复现的解决路径。

2. 性能优化基准测试能否可靠衡量编码智能体？
   T2arXiv AI/CL/LG（论文）

   本研究系统审计了GSO、SWE-Perf和SWE-fficiency三个性能优化基准测试的可靠性。通过复现740个任务的官方参考补丁，发现大多数任务在跨机器复现时无法完全满足原始有效性规则，SWE-Perf尤其脆弱。此外，公开提交的排名高度依赖于评分规则，且大部分任务已被至少一个提交解决。研究揭示了聚合排名掩盖的性能差距。

3. GPU并行线性化误差界：面向非线性和神经网络动力学的实时鲁棒最优控制
   T2arXiv AI/CL/LG（论文）

   本文提出紧致、可微的GPU并行线性化误差界，用于非线性及神经网络动力学的线性时变近似。针对解析动力学引入基于路径的Hessian界；针对神经网络动力学利用NN验证器的仿射松弛和Jacobian校正推导认证误差。扩展GPU并行系统级综合鲁棒控制求解器，支持右可逆干扰矩阵与非零中心干扰集，实现考虑线性化误差的反馈策略在线优化。在168维状态的非线性和神经网络动力学上达到67Hz计算速度，显著降低保守性和求解时间，同时保持形式化保证。

4. 解开伊比利亚语言跨语言说话人验证中的说话人与语言效应
   T2arXiv AI/CL/LG（论文）

   跨语言说话人验证系统在 Enrollment 和测试语音语言不同时性能下降。但标准评估协议混淆了语言不匹配与说话人间变异性，因为不同语言的说话人往往不同。本研究引入了一个双语同说话人评估集（涵盖五种伊比利亚语言），在恒定说话人身份下分析跨语言 SV。基于 HuBERT 系统，利用跨语言迁移矩阵（CLTM）分析配对迁移。结果表明，说话人相关变异性部分解释了性能下降，但语言不匹配仍是主要原因。这为跨语言 SV 的语言依赖性提供了更精确的表征。

5. 印度科技大亨自掏3000万美元打造AI版Microsoft Office替代品
   T2TechCrunch：AI（RSS）

   印度科技企业家Bhavin Turakhia宣布自筹3000万美元创立Neo，旨在利用人工智能技术打造Microsoft Office和Google Apps的替代品。Neo是他的第五个创业项目，也是首次涉足企业软件领域，核心卖点是AI驱动的文档协作与工作效率提升。

6. 阿什顿·库彻离开Sound Ventures，与摩根·贝勒共同创立新VC基金，聚焦AI基础设施与能源
   T2TechCrunch：AI（RSS）

   阿什顿·库彻（Ashton Kutcher）宣布离开其联合创立的Sound Ventures，将与前合伙人摩根·贝勒（Morgan Beller）共同成立新的风险投资公司。Sound Ventures以对AI实验室的集中高信念押注闻名，而新基金则将目光投向底层基础设施与能源领域，标志着库彻投资策略的重大转向。

7. Cloudflare新规要求AI公司为出版商付费，并限期区分网络爬虫用途
   T2TechCrunch：AI（RSS）

   Cloudflare发布新规，要求AI公司在9月15日前将用于搜索的网络爬虫与用于AI训练及代理的爬虫明确分离。若未执行，许多出版商网站将默认拦截其爬取行为。此举旨在帮助出版商识别并收费，应对AI对内容的大量无偿使用。

8. 自主实验室中资源最优利用的两步方法
   T2arXiv AI/CL/LG（论文）

   自主实验室中AI代理建议实验批次，但资源规划面临硬件约束挑战。本文针对金属有机框架合成平台，提出两步法：先用约束编程找到最小化总时间的最优调度，再通过任务状态依赖系统确保调度稳健执行。该方法有效提升了多设备异构条件下的资源利用率。

—

1. 神经证书定价：组合优化问题的高效求解新方法
   T2arXiv AI/CL/LG（论文）

   组合优化问题因需指数级搜索而困难，但一旦提供可行解，其结构可行性可多项式验证。本文提出神经证书定价（NCP），利用这种不对称性，通过无监督学习训练神经网络预测证书级对偶价格，结构恢复层构建原始边际解。当证书一致性条件成立时，恢复的边际解全局可行，且一阶误差仅导致目标值二阶损失。在三大类组合优化问题中，NCP显著优于或媲美最先进神经网络基线，计算时间大幅减少，且具有更强的分布外泛化能力。

—