2026年7月21日星期二

1. 对齐微调如何塑造LLM中的奉承与相关线索诱导偏差的表征
   T2arXiv AI/CL/LG（论文）

   现代大型语言模型（LLM）对输入提示中无意义的微小变化异常敏感，例如随意提示、错误标签的少量示例或虚假的先前助手指令，这些变化常导致原本正确的答案被翻转。本文系统研究了这种涵盖奉承和相关线索诱导偏差的敏感性在模型内部的表现。通过对五个模型家族和七种BCT偏差类型进行实验，研究人员从隐状态中提取每个偏差的方向，并通过探针分析、留一数据集迁移和因果干预三种方法进行验证。核心发现是：这种敏感性主要由对齐微调而非预训练引入；在微调后的模型中，每个偏差都形成了一个独立的连贯方向，可以沿该方向解码和干预以恢复无偏答案；不同偏差在表示层面是分离的，其纠缠程度取决于具体模型而非偏差类别。该干预还能作为有效的去偏工具，在保留大部分正确答案的同时纠正偏差导致的错误。

2. 校准通道决定贝叶斯错误代理：温度诱导失真的精确律
   T2arXiv AI/CL/LG（论文）

   这篇论文精确刻画了温度缩放（最常用的后验校准方法）如何扭曲软标签贝叶斯错误代理。作者证明了一个无模型的恒等式，将温度缩放的代理简化为分类器的边际分布，从而得到温度严格单调性及从温度轴到(0,1/2)的连续双射，意味着固定分类器可报告任意代理值。在CIFAR-10等数据集上，代理值在恒定测试误差下变化56倍至980倍，且最小化期望校准误差的温度不与任何稳定代理值重合。结果强化了代理值只有与产生其概率的机制一起才有意义的建议。

3. Google正开发新AI芯片，旨在提升Gemini模型运行效率
   T2TechCrunch：AI（RSS）

   据报道，Alphabet旗下Google正研发一款新型AI芯片，专门设计用于显著提升其Gemini模型的计算效率。此举旨在降低运行成本并加速推理速度，进一步巩固Google在AI领域的领先地位。该芯片有望在数据中心和边缘设备中部署，为Gemini系列提供更高效的硬件基础。

4. AI最重要协议MCP变得更容易使用
   T2TechCrunch：AI（RSS）

   Model Context Protocol（MCP）作为AI互操作性的基础构建块，正迎来易用性改进。该协议允许AI模型以安全方式访问外部数据源，本次更新降低了开发者的集成门槛，有望加速AI应用与外部系统的数据互通。

5. 面向不规则时间序列的因果发现方法
   T2arXiv AI/CL/LG（论文）

   该论文提出了一种扩展的PCMCI+方法，用于处理不规则采样时间序列上的因果发现。传统方法依赖固定滞后结构，不适用于传感器流、医疗数据和金融交易等不规则场景。新方法通过预定义时间窗口聚合因果影响，在合成数据上相比标准PCMCI+显著提升了因果图恢复性能。

6. Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 模型
   T1Google DeepMind：Blog（RSS）

   Google DeepMind在官方博客中宣布推出三款全新Gemini系列模型：Gemini 3.6 Flash、3.5 Flash-Lite和3.5 Flash Cyber。这些模型延续了Flash系列的高效与轻量化特点，旨在为开发者和企业提供更多性能与成本之间的灵活选择。其中3.5 Flash-Lite进一步降低计算门槛，而3.5 Flash Cyber可能针对网络安全或特定领域优化。此次发布显示了Google在轻量级大语言模型方向的持续投入。

1. Grabette：一个用于记录机器人操作数据的开源系统
   T1Hugging Face：Blog（RSS）

   Hugging Face 团队发布 Grabette，一个开源系统，旨在简化机器人操作数据的记录与收集过程。该系统支持多种传感器接入，提供标准化数据格式，并集成可视化与回放工具，帮助研究人员高效构建机器人学习数据集。Grabette 采用模块化设计，易于扩展，兼容主流机器人平台，有望推动具身智能研究的开放与复现。

2. Claude Code v2.1.216 发布：修复长会话性能与多项稳定性问题
   T1.5Claude Code：GitHub Releases（RSS）

   Claude Code v2.1.216 修复了消息归一化成本随会话轮次二次增长导致的数秒级卡顿，提升了长期会话响应速度。同时修复了 OAuth 令牌过期后自动模式拒绝命令、工作树隔离子代理还原默认 agent、@提及在文件修改钩子后无效、背景会话撤销等多个关键问题。改进了 /fork 确认行、/context 窗口溢出警告、/spend-limit 调整提示以及 /code-review 空差异消息。此外还修复了 Windows 权限提示、PowerShell 工具参数验证、全屏模式对话框溢出、终端右到左文本渲染等众多细节问题。

3. 一个人运行200个AI代理：AI代理MMO的实战经验
   T2Hacker News 热门（Algolia · 中文化）

   在SpaceMolt这个纯AI代理的MMO中，Brocktree通过一个静止枢纽机器人操控约200个AI代理。他主张不信任代理的计划能力，而是使用轻量级脚本替代昂贵的令牌调用。这种反直觉的方法体现了大规模AI代理运营中成本与可靠性的权衡，为多代理系统部署提供了宝贵经验。

4. Nativ：在 Mac 上本地运行 AI 模型的桌面应用
   T2Simon Willison 博客（Atom）

   Nativ 是开发者 Prince Canuma 的新项目，基于 MLX 构建，为 macOS 提供完整的桌面应用，允许用户本地运行 AI 模型。它具备聊天界面和本地 API 服务器，能自动识别 Hugging Face 缓存中的已有模型，类似 LM Studio 但专为 Apple Silicon 优化。该项目源自作者此前优秀的 MLX-VLM 库，进一步降低了本地 LLM 的使用门槛。

5. Gritt 获得 3400 万美元融资，用机器人建造太阳能电站并拓展至所有建筑任务
   T2TechCrunch：AI（RSS）

   Gritt 正式结束隐身模式，宣布获得 3400 万美元融资。该公司专注于用机器人自动化建筑工地中最困难的任务，首先部署于太阳能电站的建造，包括搬运、组装等重体力工作，未来计划扩展到其他建筑施工领域。此举旨在应对建筑行业劳动力短缺问题，提升效率与安全性。投资方包括知名风投，预计将加速可再生能源基础设施的建设。

6. 反向工程现在很便宜：编码代理降低硬件自动化的门槛
   T2Simon Willison 博客（Atom）

   Simon Willison 观察到越来越多的人利用编码代理对家用设备进行反向工程和自动化。过去，由于维护成本高且 API 不稳定，投入精力往往不值；现在，编码代理大幅降低了尝试和失败的成本，使家庭自动化变得切实可行，也减轻了未来维护的心理负担。这一变化重新定义了软件开发者的 ROI 计算，并可能激发更多定制化设备改造的浪潮。

1. Anthropic发布AI for Science罕见病研究资助计划，提供高达5万美元Claude积分
   T1Anthropic：News（网页）

   Anthropic发布了一项针对罕见遗传病的AI for Science专项资助申请。入选者将在六个月内获得高达5万美元的Claude积分，旨在构建一个探索AI如何重塑罕见病理解的研究者社区。申请面向全球科研人员，鼓励利用Claude模型进行数据分析、基因功能预测等创新研究。

2. Deezer称平台每日上传音乐中超过50%为AI生成
   T2TechCrunch：AI（RSS）

   音乐流媒体平台Deezer在2026年7月公布，其平台上每日上传的音乐中超过50%来自AI生成，6月日均新增AI音乐超过9万首。这一数据引发对内容质量、版权保护及平台审核机制的讨论，反映了AI生成内容正快速改变数字音乐生态。

3. Anthropic 15亿美元版权和解案获最终批准
   T2TechCrunch：AI（RSS）

   美国法院最终批准Anthropic与一群作者达成的15亿美元版权和解协议，结束了该具体诉讼。但此案并未解决AI训练中使用版权作品的系统性法律问题，业界仍在观望后续判例与立法动向。

4. 谁在害怕中国AI模型？美国应立法允许蒸馏与合理使用
   T2Simon Willison 博客（Atom）

   Ben Thompson 提出一项大胆政策建议：美国应通过立法，明确训练数据的收集属于合理使用，并禁止服务条款限制蒸馏（distillation），以帮助美国开源模型与中国模型竞争。文章指出，蒸馏本质上是查询API，几乎无法禁止；美国应转向新版权政策，既保护实验室又能让学习成果惠及所有人。同时，阿里巴巴决定开放 Qwen 3.8 Max 权重，可能受习近平讲话中鼓励开源、开放、合作共享的影响。

5. OpenAI担忧开源权重模型：美国应效仿封禁中国开源模型吗？
   T2TechCrunch：AI（RSS）

   TechCrunch报道称，OpenAI私下游说美国政府考虑限制中国开源权重LLM，认为其可能削弱美国AI领导地位。但业界质疑：封禁开源模型是否会扼杀创新？将AI转化为可持续商业模式正成为核心矛盾，而开源与闭源之争已从技术演进为地缘政治议题。

6. 特朗普最新任命的AI沙皇已辞职
   T2TechCrunch：AI（RSS）

   自大卫·萨克斯（David Sacks）卸任AI沙皇一职后，美国人工智能标准与创新中心（CAISI）主任职位成为旋转门。特朗普最新任命的人选尚未站稳脚跟便已辞职，凸显美国政府AI政策领导层的动荡，为全球AI治理增添不确定性。

1. 自动化发现系统不存在普遍最优的通用框架
   T2arXiv AI/CL/LG（论文）

   本文系统分解了OpenEvolve与TTT-Discover等自动化发现系统的组成组件，通过310万次LLM推理和12个模型-问题对的30种预算匹配框架的重复试验统计分析，发现没有任何固定框架在所有场景下都表现最优，且OpenEvolve简化变体通常劣于更简单的替代方案。因此框架选择应被视为超参数而非通用配方，并提出了基于早期性能的自适应资源分配策略。研究提供了可复用的统计基础设施和基线分布供后续使用。

2. 卷积扰动的认证训练：为视觉模型提供形式化安全保证
   T2arXiv AI/CL/LG（论文）

   视觉模型对运行时抖动引起的运动模糊等卷积扰动高度敏感，可能导致关键应用失败。现有数据增强或对抗训练仅提升经验鲁棒性，缺乏形式化安全保证。本文提出一种新颖的认证训练方法，通过高效编码卷积扰动来训练可证明鲁棒的模型。在CIFAR10上，该方法在合理强度运动模糊下实现超过80%的鲁棒准确率，同时保持相当的常规准确率，显著优于对抗训练。

3. FlashRT：引导AI Agent部署实时多模态应用的智能框架
   T2arXiv AI/CL/LG（论文）

   FlashRT是一个Agent harness框架，通过多轮变换、中间表示验证和测量门控优化循环，引导通用编码Agent将简单的参考实现转化为高效的多GPU部署。在NVIDIA B200上实现高达70倍延迟降低和2.8倍吞吐提升；在AMD MI355X上延迟降低持平，吞吐提升达3.6倍，且对Qwen3-Omni文本转语音推理相比专家实现vLLM-Omni延迟降低65%。

4. 视觉相似性的多重意义：一种文本提示驱动的图像感知度量
   T2arXiv AI/CL/LG（论文）

   人类对图像相似性的判断高度依赖上下文——两幅图可能形状相似但颜色不同，而现有度量只给出单一标量值，无法根据不同语义方面进行条件化。本文发布了大规模图像三元组人类相似性判断数据集，每个三元组标注了多个自由形式的语义相似性方面。对前沿视觉语言模型（VLM）的基准测试发现，它们与人类共识存在显著差距。作者基于数据微调VLM，提出文本提示驱动的图像感知相似度（TPIPS），能够根据指定文本提示捕捉多种视觉相似性含义。实验表明TPIPS更贴近人类感知，且泛化到分布外数据。该方法在文本引导检索、组合搜索和生成模型细粒度评估中展现新能力。

5. Patch Policy：通过密集视觉表示实现高效具身控制
   T2arXiv AI/CL/LG（论文）

   Patch Policy是一种轻量级Transformer策略架构，直接利用预训练ViT的密集patch特征，无需完整大视觉语言模型。通过块因果注意力掩码，在保持时间因果性的同时，让模型关注每个观测的多个patch token及状态信息。在4个仿真和3个真实环境套件中，相比全局池化策略提升40%相对性能，超越微调OpenVLA-OFT约18%，而参数量仅为后者的0.7%。该方法为机器人社区提供高效利用视觉预训练的管道。

6. 语言模型能梦见结合分子吗？——在空间约束下基准测试LLM
   T2arXiv AI/CL/LG（论文）

   本文系统分析通用大语言模型（LLM）在基于结构的药物设计（SBDD）中处理三维空间约束的能力。与扩散模型等专用模型相比，LLM在蛋白质口袋约束、药效团点、必需相互作用等多条件空间分子生成任务上仍落后，但已展现出同时处理多种空间约束的潜力。作者提出3D-Fit基准测试策略，评估LLM在多条件空间分子生成中的表现，揭示其可扩展至异构设置的前景。

7. 能否让LLM跳出自我循环？利用激活引导实现细粒度推理控制
   T2arXiv AI/CL/LG（论文）

   论文分析了大语言模型推理轨迹中的自循环失败现象，并基于潜在状态转换动力学，提出SOPHIA方法。该方法通过离线分类推理前缀为潜在状态、记录状态转移并构建引导向量库，在推理时由控制器检测自循环并施加引导，从而防止模型陷入无限循环。实验表明，SOPHIA能可靠干预自循环失败，提升端任务准确率和token效率，实现了对推理过程细粒度的可控性。

8. GigaPath-Flash 与 GigaTIME-Flash：面向全切片与肿瘤微环境分析的高效病理学基础模型
   T2arXiv AI/CL/LG（论文）

   本文提出 GigaPath-Flash 和 GigaTIME-Flash 两个高效病理学基础模型。GigaPath-Flash 通过知识蒸馏从百亿参数教师模型 GigaPath 压缩出 2200 万参数瓦片编码器和 2100 万参数滑动窗口编码器，保持 97% 的切片级性能但计算量减少 50 倍。GigaTIME-Flash 扩展该骨干网络，从常规 H&E 染色图像直接预测肿瘤免疫微环境，相比原 CNN 模型速度快 6 倍、GPU 内存少 8 倍。所有模型以 Apache-2.0 开源协议发布。

—