2026年7月14日星期二

1. MM-ToolSandBox：统一评估视觉工具调用代理的框架
   T2arXiv AI/CL/LG（论文）

   MM-ToolSandBox 是苹果发布的新基准与评估框架，专为视觉驱动的工具调用代理设计。框架提供包含500+工具、覆盖16个应用领域的有状态执行环境，支持多图像、多轮任务，并模拟真实对话中的目标修订、错误纠正等场景。通过自动生成与人工验证，得到258个名义场景和50个UI变体。评估12个模型（从4B开源到前沿商业系统）后发现，最佳模型成功率不足50%，53%的失败源于图像信息提取错误，而非规划错误。小模型决策失误多，大模型感知不足，提示不同规模模型需要差异化改进方向。

2. Finterm.ai：为Claude Code打造的Bloomberg终端式金融数据工具
   T2Hacker News 热门（Algolia · 中文化）

   Finterm.ai 是一个专为AI代理（如Claude Code）设计的金融数据接口，提供带时间戳的行情数据包、SEC文件差异、内幕及机构资金流向和多源深度研究结果，通过单一调用即可获取结构化金融信息，旨在提升交易决策的事实基础。

3. 基于LoRA的级联多模态融合用于医疗培训环境中的动作识别
   T2arXiv AI/CL/LG（论文）

   本文提出了一种基于低秩适应（LoRA）的级联多模态融合框架，用于医疗培训场景中的动作与活动识别。该架构通过参数高效的模态特定适配与顺序融合，在不重训练已学习组件的前提下逐步整合模态。框架优先融合相关性高的模态，再引入异构模态，支持跨不同模态集的数据集的可扩展适配。在NurViD和Nurse Training数据集上的初步结果表明，级联融合策略优于单模态模型，并与先前基线方法性能相当。研究表明，基于LoRA的级联融合是一种有前景的参数高效方案，适用于医疗培训动作识别中的异构模态集成。

—

1. 纽约州暂停所有新建数据中心审批，成为全美首个采取该措施的州
   T2TechCrunch：AI（RSS）

   纽约州长霍楚宣布暂停大型数据中心项目审批，理由是不能让AI驱动的建设热潮以抬高电价、消耗水资源和削弱地方控制为代价。该禁令适用于超过一定规模和能耗的新建数据中心，现有项目不受影响。此举可能对AI算力扩张产生示范效应。

1. 《不公判官内部：LLM作为评判者偏见的机制可解释性分析》
   T2arXiv AI/CL/LG（论文）

   本文提出LLM-as-judge的评分偏见不仅存在于输入输出层面，还可以在隐藏状态的表征层面进行解释。通过跨7个法官模型、7种偏见类型和9个基准的实验，发现偏见输入在激活空间中沿低维子空间偏移，沿该子空间进行因果控制可双向调节评分，且简单线性投影能预测未知基准上的失败，性能远超基于文本的方法。

—