2026年8月12日星期三

Google DeepMind 推出突破性手语转文本模型 SL2T，专为聋人和听力障碍用户设计。该模型可实时将手语翻译为文本，将集成到 Google 产品中，帮助用户更自然地进行沟通。SL2T 利用先进的计算机视觉和语言模型技术，识别多种手语表达，旨在跨越语言障碍，提升包容性。这标志着 AI 在无障碍沟通领域迈出了重要一步。

Anthropic一个未发布的模型在数学领域最著名的未解难题之一——黎曼猜想上取得了进展。虽然公司尚未完全解决该猜想，但模型的尝试结果超出预期，展示了AI在高级数学推理方面的潜力。这一进展可能为未来AI辅助数学研究开辟新路径。

本文通过改进Grothendieck常数上下界的实际案例，系统研究AI智能体在数学研究中的有效用法。作者利用AI研究系统将已知界限收紧至6π/11 ≤ K_G ≤ π/(2log(1+√2)) - 10^{-4}，其中关键改进源于AI产出的专家公认的新颖洞见。文章详细讨论了AI在数学研究中的优缺点，以及如何为AI创造产生突破性洞见的理想条件，为长期人机协作科研提供了宝贵经验。

Anthropic 发布 Claude Code v2.1.228，本次更新修复了多种会话与布局异常，包括罕见的内部布局错误导致界面停止重绘、Git/Git Bash 在 Windows 上无法找到的问题、/tui 回退旧模型、跨会话消息发送异常等。自托管 Runner 在处理无关联仓库的 checkout 失败时不再中断，而是警告并跳过。此外还强化了 claude.ai 技能的安全性，防止其遮蔽本地命令或 MCP prompts，并改进 Vertex AI 凭据失效时的快速失败机制。

在Made by Google 2026活动上，谷歌发布了Pixel 11系列手机、Pixel Watch 5智能手表，以及对标苹果AirTag的追踪器Pixel Tag。同时，谷歌展示了大量深度集成Gemini AI的功能，覆盖系统级助手、影像处理和个性化体验，标志着AI成为硬件产品的核心驱动力。此次发布会显示谷歌正加速将AI能力下沉到全终端生态，与苹果和三星在AI硬件赛道展开正面竞争。

据TechCrunch报道，谷歌Gemini应用月活用户数已突破10亿，成为继ChatGPT之后第二个达到该里程碑的主流AI聊天应用。ChatGPT于今年6月率先达成10亿月活用户。Gemini的快速增长表明谷歌在AI消费市场正与OpenAI形成双雄对峙格局，也反映出AI助手正加速融入大众日常生活。

OpenAI首席运营官Brad Lightcap在任职多年后宣布离职，他在致员工的内部信中提到，将“从不同视角帮助大家推进使命”。Lightcap长期负责OpenAI的全球运营、合作与商业化，是核心领导层之一。此次离职正值OpenAI高速扩张期，市场关注其领导层变动对战略执行和竞争格局的影响。他的下一步去向尚未披露，但预计将投身新的创业项目。

安全对齐主要基于英语，默认跨语言迁移。该研究用新数据集 LoDNA（直译+本地化提示）和几何框架探测四种非洲语言模型隐藏状态。结果发现跨语言安全迁移受限：有害提示保留不足10%的英文拒绝信号；直译与本地化提示语义高度一致但表征跨层漂移，说明模型编码概念但未触发安全机制，多语言安全对齐表面化。

这项 arXiv 新研究将工具型 AI Agent 的“动作策略”而非最终答案作为评测对象，在 8 个模型、6 个并行基准、41 种语言和 238 万次 rollout 中测量跨语言一致性，并消除了五个混淆因素。结果显示，前沿模型经自身可重复性归一化后，仅保留 71–73% 的动作策略，模型身份只解释 5.7% 的方差；小于约 10B 参数的模型则出现崩溃。研究证实非英语任务会经由英语“中转”，且无法用提示词消除；还发现一个简单的轨迹提取正则可伪造 26 倍准确率提升，提醒多语言评测必须审计动作而非只看输出。

GUI 视觉定位是 GUI 智能体的基础能力，但现有模型部署后参数冻结，难以适应未见过的新界面。本文提出测试时自进化框架，通过探索、评估、反思、内化闭环实现无需人工标注的部署后自适应。框架引入基于多模态大模型的反射器评估预测结果，并设计反射引导的在线自蒸馏将高层推理转化为密集 token 级监督，同时用对比校准防止错误自回归前缀污染监督信号。在六个基准上平均准确率提升 7.4%，首次成功将在线自蒸馏用于 GUI 视觉定位的测试时自适应。

现代大语言模型的RL后训练流水线常混合多种rollout工作负载，如RLVR、RLHF和Agentic rollout。现有前缀感知路由虽能优化缓存复用与负载均衡，但未控制异构会话对KV缓存容量的竞争。本文提出MISA-T，一种路由层准入策略，包含自适应会话准入、工作负载感知的KV容量分配和驻留时间感知的KV记账。在Step3.7和Qwen3.6-35B-A3B上的实验表明，相比调优的vLLM路由器，MISA-T分别提升rollout吞吐量53.3%和43.6%，并在50轮匹配实验中提升35.6%吞吐量、降低22.8%平均迭代时间，同时保持工作负载混合接近训练目标。

该论文发现，在真实仓库中，类似 CLAUDE.md 的 Agentic 编码提示词会无限增长，平均膨胀 226%，每次提交净增 4.9 条指令。原因是删除一条指令需要评估与其余所有指令的相互作用，成本极高，导致旧指令几乎无法删除，作者称之为“灾难性记忆”（与灾难性遗忘相对）。通过在提示词中添加注释来编码潜在推理，可将膨胀率从 211.3% 降至 1.4%，并在 WildIFEval 上提升指令遵循能力 23.1%。

手术机器人策略学习受限于带动作标注的演示数据稀缺，因为遥操作轨迹如 dVRK 的同步视频-运动学数据采集成本高昂，而内镜视频相对廉价丰富。为此，研究者提出 Surgical WAM，一种基于 Cosmos Policy 的统一生成模型，联合预测未来内镜观察与可执行动作块。该模型先从无动作视频学习视觉动态，再在固定动作标签预算上微调，部署时作为闭环滚动时域控制器。在四个模拟手术任务中，视频预训练将平均成功率从 63.5% 提升至 77.8%，尤其在接触密集和双人任务上效果显著。

本文提出软注意力在概率单纯形上的精确量子实现框架。注意力分数由 block-encoded 投影的 Hadamard 检验统计量给出，指数 softmax 被诠释为 Born 规则测量的余弦平方族内部；温度对应重复测量次数，实现离散化逆温度。值聚合被构造为确定性列加载通道，门控残差对应单辅助比特的制备角。该组合层在无限采样极限下精确，全相干变体通过量子奇异值变换达到 ε 近似，核心代数用 Lean 4 机器验证。

论文提出层次经验贝叶斯朴素贝叶斯（HEB-NB），用第二类极大似然自适应学习Dirichlet先验浓度，替代固定强度平滑，兼顾跨类别信息共享与闭式推断。理论上证明其误差界匹配经验分布极小极大率，并与Laplace平滑严格分离；扩展HEB-AODE同样有效。在31个UCI/OpenML数据集上，HEB-NB平均排名最优，高基数数据对数损失降低至22.1%，结合互信息加权后top-1 ECE降低41%-70%。

Sophie Alpert 分享了工程师使用 AI 写作的“内部政策”，核心观点是：自然语言文本不存在无损转换，任何重写或改写都会改变意义。文章强调，使用 LLM 润色文档时，工程师必须为每一句话负责，确保文档真实代表自己的想法，而不能把 AI 当作甩锅借口。政策建议虽短，但极具实操价值。