2026年8月18日星期二

1. Sentence Transformers 支持多向量（晚期交互）嵌入模型
   T1Hugging Face：Blog（RSS）

   Hugging Face 发布博客，介绍如何在 Sentence Transformers 中使用多向量（晚期交互）嵌入模型。这类模型为每个 token 生成独立向量，通过晚期交互计算相关性，相比传统单向量模型能保留更细粒度的语义信息，显著提升信息检索和文本匹配的精度。博客提供了实现细节与使用示例，帮助开发者快速上手。

2. Qwen 3.8 27B 评测得分追平 GPT-5.6 Luna
   T2Simon Willison 博客（Atom）

   开源小模型 Qwen 3.8 27B 在 Artificial Analysis Intelligence Index 上取得 52 分，与 GPT-5.6 Luna (max) 持平，仅比 GLM-5.2 (max) 和 DeepSeek V4 Pro 0813 (max) 低 1 分。考虑到 GLM 和 DeepSeek 都是大规模模型，Qwen 3.8 27B 以 27B 参数实现接近顶级性能，极具效率与成本优势。

1. OpenAI 推出“ChatGPT for Teens”，面向青少年的AI学习助手
   T1OpenAI：News（RSS）

   OpenAI 正式发布面向青少年的 ChatGPT 版本，旨在帮助青少年学习、批判性思维和自信使用人工智能。该版本内置更强保护措施、鼓励健康使用的功能，并为家长提供额外的控制选项，兼顾教育价值与安全防护。这一举措不仅回应了社会对未成年人使用AI安全的关切，也标志着AI产品开始在细分年龄群体上精耕细作。对于教育工作者、家长以及教育科技公司而言，这是一个值得关注的信号，预示着未来AI将更注重差异化设计和社会责任。

2. Perplexity 免费 AI 策略为印度带来数百万新增用户
   T2TechCrunch：AI（RSS）

   Perplexity 与 Airtel 合作推出的免费 AI 试用结束后，印度市场收入反而环比增长约 60%，新增用户达数百万。尽管应用下载量有所下滑，免费策略带来的长期用户转化和品牌渗透效果显著，显示出低价或免费入口在新兴市场的增长潜力。

1. OpenAI携手CodeAI，培养AI原生代学生
   T1OpenAI：News（RSS）

   OpenAI宣布与CodeAI建立合作关系，旨在帮助学生们建立AI素养、培养对AI的批判性思维，并发展负责任地使用和塑造AI的技能。该合作将教育资源与实践工具相结合，面向在AI时代成长起来的第一代学生。通过课程、项目与讨论，双方希望让学生不仅成为AI的使用者，更成为有责任心的塑造者。这一举措反映了AI教育正从工具操作转向素养与伦理培养的趋势。

2. 亚马逊销毁稀有书籍用于训练 AI 模型
   T2TechCrunch：AI（RSS）

   据 TechCrunch 报道，亚马逊正销毁稀有书籍，将其转化为训练 AI 模型的高质量数据。随着互联网公开文本几乎被大模型耗尽，这些承载独特历史与学术价值的珍本成为关键资源。然而，这一做法也引发了对文化遗产保护、版权边界以及科技巨头信息垄断的广泛讨论，出版界和学术界均表示强烈担忧，呼吁更负责任的数据获取方式。这种以破坏文化遗产为代价的 AI 训练方式，暴露了数据匮乏下科技公司的急切，目前尚无官方回应。

3. AI自动化初创公司Relay关闭，员工加入Google Chrome团队
   T2TechCrunch：AI（RSS）

   Relay是一家面向企业提供工作流自动化服务的AI初创公司，近日宣布即将停止运营，公司CEO及部分员工将加入Google Chrome团队。这一动向反映出AI自动化赛道竞争激烈，创业公司面临整合或人才流向大厂的趋势，同时也暗示浏览器可能成为AI能力落地下一个重点方向。

1. GEO-Flag：检测与测量生成式引擎优化网页内容的新框架
   T2arXiv AI/CL/LG（论文）

   生成式引擎优化（GEO）通过修改网页内容提升其被生成式搜索引擎引用和采纳的概率，可能放大低权威或虚假信息的可见性。本文提出GEOFlagBench基准，含3200个网页、400个查询、4个领域和8种GEO优化器，系统评估现有检测方法。最强基线F1为0.880，但存在作者身份捷径等弱点。作者提出干预配对训练（IPT），在ModernBERT上将F1从0.862提升至0.944，最差组准确率从0.725提升至0.883。进一步开发GEO门控Agent系统审计引用URL的来源层级与可验证性，并在1000个真实用户查询、10095个可用页面中测得GEO整体流行率为8.90%，2026年修改页面中达16.36%。

2. 非交叉深度分位数回归：面向分布级生存预测的新框架
   T2arXiv AI/CL/LG（论文）

   本研究提出右删失生存数据的非交叉分位数（CNQ）框架，联合估计多个条件生存分位数，用Kolmogorov-Arnold与Transformer骨干保证排序一致性，并给出有限样本超额风险界。27种模拟和6个队列中，CNQ在非对称分布下损失更低、区间覆盖更贴近名义水平；METABRIC与FLCHAIN案例发现被单一风险比掩盖的时变效应。

3. 神经符号具身智能体：将长程家务任务分解为视觉探索与约束符号规划
   T2arXiv AI/CL/LG（论文）

   语言和视觉语言模型能生成看似合理的具身规划，但无法保证可执行性，输出可能违反环境动态或作用于错误实体。本文提出一种神经符号智能体，将长程家务任务分解为任务导向的视觉探索和约束符号规划。第一阶段，视觉语言模型与探索机制从第一视角观察和交互中获取目标相关谓词和实例绑定，生成符号初始状态；第二阶段，PDDL转移模型将解码限制为可应用的行动，蒙特卡洛树搜索用与领域无关的规划启发式评估可执行延续。由此生成的规划在转移模型下天然可执行，在VirtualHome和ALFWorld上，4B-27B开源模型成功率均超90%，最小智能体大幅超越27B直接视觉策略。约束与搜索互补，在ALFWorld中单独使用任一方法只能解决不到三分之一任务，组合后解决超95%。该方法生成的token和模型可见图像远少于直接交互，残余失败集中在状态获取而非规划生成。

4. Quipu：面向智能体的受治理双时序知识图谱存储，将审计化为查询
   T2arXiv AI/CL/LG（论文）

   论文提出Quipu，一种面向智能体知识图谱写入的可嵌入存储，反转四项默认设置：写入前先通过治理门禁、数据/信任/裁决/规则全比特emporal、以命名图为权威与信任单位并保证组合不扩大权限、治理规范与审计轨迹本身也作为图内可查询事实。在Census与DEMM-Bench评测中，门禁消除植入缺陷，审计可复现，并发现真实执行缺口。

5. Hit-and-Run 马尔可夫链的谱隙：从三次到近二次的维度复杂度
   T2arXiv AI/CL/LG（论文）

   本论文研究了凸体上的 Hit-and-Run 采样马尔可夫链。作者证明，对于包含单位球的任意凸体，其谱隙为 Ω(1/(n² C_PI))，其中 C_PI 为均匀分布的 Poincaré 常数；相应收敛到 χ² 散度 ε 的步数为 O(n² C_PI log(M/ε))，改进了 Lovász-Vempala 依赖外半径的旧界。结合 KLS 猜想的近期进展，近各向同性体上的复杂度可进一步降至 O(n² log n log(M/ε))，将维度依赖从三次压低到近二次。该证明基于对偶与函数等周常数技术，并同样适用于 Coordinate Hit-and-Run。

6. AutoSR：通过搜索研究状态实现自动符号回归
   T2arXiv AI/CL/LG（论文）

   本文提出AutoSR，一个全自动符号回归系统，通过搜索持久科学调查而非孤立方程来实例化Research-Space Symbolic Regression。传统方法仅优化表达式，丢失研究记录；AutoSR将候选方程与推理、计算证据和独立评审保存在“研究状态”中，并利用渐进式扩展蒙特卡洛树搜索（PW-MCTS）分配计算资源。在9个基准挑战中，AutoSR全部恢复了代数等价关系，包括3个已有系统无法解决的cp3-bench问题。该系统将符号回归从方程级搜索扩展为自动化科学调查，让科学知识与累积证据共同塑造探索方向和最终解释。

7. 利用梯度引导流匹配实现人脸识别模型反演攻击
   T2arXiv AI/CL/LG（论文）

   模型反演攻击（MIA）旨在从人脸识别模型中重建目标身份的训练样本，暴露严重安全漏洞。现有方法依赖间接或高随机性引导，难以稳定优化生成轨迹。本文提出SFMI，一种两阶段白盒模型反演方法：第一阶段预训练通用无条件流匹配模型，将人脸流形编码为强先验；第二阶段提出渐进式引导调度器（PGS），在采样时注入随时间变化的目标特定梯度，通过反向传播中间生成状态获得梯度，自适应引导生成流从随机噪声移向目标类别高密度区域。在CelebA数据集上，针对ArcFace目标，SFMI实现ACC 0.9248、FID 22.61、LPIPS 0.3874，并在多个目标模型上达到先进的攻击成功率与视觉保真度。

8. 解析先验框架实现侧支亥姆霍兹共振器降噪频率的高效数据预测
   T2arXiv AI/CL/LG（论文）

   高保真有限元仿真准确但昂贵，纯数据驱动代理在小样本下不可靠。本研究提出解析先验学习框架：推理时保留解析模型仅学习残差；或先蒸馏解析映射再微调。在86个仿真标记几何和8998个解析几何上，残差SVR使MAE从3.375Hz降至0.426Hz，解析先验预训练MLP微调后达0.371Hz。20-70样本预算下，两种路径均显著提升数据效率。

—