AI 日报 2026-07-01 · Google 发布 Nano Banana 2 Lite 图像模型、NVIDIA 集成 Claude Science 加速科研、SingGuard 提出自适应多模态护栏、Vesta

行业新闻

Claude Sonnet 5 发布：性能接近 Opus 4.8，定价更低

Claude Sonnet 5 在智能体任务上接近 Opus 4.8 水平，但成本更低，给开发者提供了高性价比的选择。

原文

无界动力发布全球首个长时序双向物理因果链隐空间世界模型 MWA

无界动力MWA模型通过隐空间双向因果链和强化学习，让机器人获得物理直觉，解决长时序任务不连贯的行业痛点，并刷新RoboCasa记录。

思邈原文

NVIDIA BioNeMo 代理工具包集成 Claude Science，加速AI科研

NVIDIA 发布 BioNeMo 代理工具包，让生命科学家在 Claude Science 中通过自然语言调用加速计算模型，省去手动配置环境。

Anthony Costa原文

DeepSeek V4 正式版即将发布

DeepSeek 宣布 V4 正式版即将发布，意味着国产大模型迭代加速，值得关注其性能表现。

原文

Google 发布 Nano Banana 2 Lite，4秒生成图片且更便宜

Google 推出速度更快、成本更低的图像生成模型 Nano Banana 2 Lite，进一步压低图像生成门槛，适合大批量快速创作。

Lucas Ropek原文

美团发布万亿参数大模型 LongCat 2.0，国产算力训练全流程

美团推出国产算力训练的万亿参数大模型 LongCat 2.0，测试版调用量全球前三，并计划开源核心技术。

原文

微软SkillOpt将Agent技能文件转化为训练参数

SkillOpt用训练循环替代手工调教Agent技能，在52项评测中全面领先，无需改模型权重即可提升可靠性。

Yifan Yang, Xuemei Gao, Qi Dai, Bei Liu, Kai Qiu, Dongdong Chen, Chong Luo原文

OpenAI更新GPT-5.5 Instant 强化个性化与上下文记忆

OpenAI把默认模型改得更懂你，代价是它开始主动翻你的聊天记录和邮箱。

新智元原文

Anthropic 推出 Claude Science 科学家 AI 工作台

Anthropic 为科学家打造了一站式 AI 工作台，告别在 PubMed、Jupyter、R 等工具间来回切换的繁琐，让研究更高效、成果可复现。

原文

Claude 模型在 Azure 上运行 NVIDIA GB300 芯片，正式可用

Claude 通过 NVIDIA GB300 GPU 在 Azure 上提供企业级 AI 代理能力，降低部署成本并增强自主性。

Dave Salvator原文

研究：将AI代理称为“员工”使人类纠错率下降18%

把AI代理当“同事”会让人放松警惕，反而干得更差——研究揭示了人性弱点对AI协作的隐性影响。

James O'Donnell原文

英国AI采用率一年翻倍至73%，但仅15%用户获显著回报

AI采用率飙升但收益分配不均：英国仅15%的深度用户获得职业回报，大规模技能提升是关键瓶颈。

Kate Alessi Vice President and Managing Director Google UK & Ireland原文

OpenAI 发布 GeneBench-Pro 基准，评估 AI 研究判断力

该基准测试 AI 在计算生物学中做复杂判断的能力，129个问题覆盖多个领域，推动更实用的 AI 科研评估。

原文

微软发表Memora记忆系统，长对话SOTA并减少98%上下文token

微软Memora通过分离记忆存储与检索，让AI代理在长对话中高效回忆细节，性能新SOTA且大幅降低计算开销。

Xuchao Zhang, Molly Xia, Mayukh Das, Anson Bastos, Chetan Bansal, Saravan Rajmohan原文

美团 LongCat 开源 VitaBench 2.0，评测 AI 长期动态用户建模能力

VitaBench 2.0 揭示了 AI 在长期理解用户上的短板：时间越长遗忘越快，且缺乏主动提问的“眼力见”，个性化能力亟待提升。

原文

惠普与 OpenAI 达成 Frontier 战略合作

惠普从试点成功转向企业级部署，借助 OpenAI Frontier 平台统一管理 AI 代理和自动化，提升效率和协作。

原文

Google NotebookLM新增TikTok风格摘要视频功能

NotebookLM新增短视频摘要功能，将研究资料转化为60秒AI视频，降低信息消费门槛。

Emma Roth原文

NVIDIA 推理软件栈在 Blackwell 上将 DeepSeek V4 Token 成本降低 5 倍

NVIDIA 推理软件栈通过系统级优化（而非单单硬件升级）大幅降低 token 成本，这是 AI 工厂经济性的关键战场。

Amr Elmeleegy原文

Karpathy内部Claude.md配置泄露 10条规则比社区版更严

Karpathy内部实战版的Claude.md泄露，新增6条规则，把AI从莽撞码农调教成有自检能力的工程搭档。

新智元原文

ChatGPT全球采用加速用户使用深度广度双增

ChatGPT用户使用更频繁、任务更多样，全球采用加速，尤其非洲亚洲和低HDI国家增长最快。

原文

开源项目

AI-For-Beginners

12周24课时的AI入门课程，覆盖符号AI、神经网络、计算机视觉、NLP、强化学习及AI伦理，提供PyTorch和TensorFlow双框架notebook与lab。微软官方出品，课程结构系统，适合零基础自学或教学参考，搭配思维导图与社区支持，是当前最受欢迎的AI学习资源之一。

microsoft原文

OmniRoute

免费AI网关，聚合236家AI提供商（50+免费），通过单一端点接入Claude Code、Cursor、Cline等工具。亮点：RTK+Caveman叠加压缩可节省15-95% token；17种路由策略自动回退，无需中断；支持MCP/A2A协议和70+工具；3级代理绕过地理限制。零成本起步，适合白嫖各种免费模型。

diegosouzapw原文

agents-cli

给任意编码助手（如 Claude Code、Codex）注入 CLI 命令和技能，使其能一站式创建、评估、部署 Google Cloud 上的 AI Agent。亮点是 Google 官方出品，深度集成 Gemini Enterprise Agent Platform，覆盖从脚手架到监控的完整生命周期，支持本地先用 AI Studio 调试。

google原文

论文

PhysisForcing: 物理增强的机器人操作世界模拟器

视频生成模型已成为具身世界模拟的一种有前景的范式。然而，通用域视频生成器和机器人特定数据微调模型仍会产生物理上不合理的操作，包括不连续的运动轨迹和不一致的机器人-物体交互，这限制了其作为世界模拟器的可靠性。通过大量实验，我们发现这种物理不稳定性主要源于两个因素：运动物体的变形以及交互实体之间（尤其是接触时）不合理的时空相关性。

Peiwen Zhang原文

形式化潜在思维：LLMs中思维表示的四条公理

现有评估将表示质量与模型能力混为一谈，导致无法将失败归因于表示本身而非处理它的模型。为此，我们引入一个公理评估框架，用于评估LLMs中的潜在思维表示。该框架包含四个功能公理：因果性、最小性、可分离性和稳定性，并为每个公理定义了一个直接基于表示计算的定量指标，独立于下游基准分数。我们在23个推理任务（如空间推理、事实型QA）上审计了开源权重LLMs。

Fahd Seddik原文

Translation as a Bridging Action: 从人类到机器人的操控技能迁移

我们研究是否可以从人类动作中学习新颖的操控技能，并将其迁移到具有平行夹爪的双臂机器人上。人类动作数据廉价、丰富且多样，是扩展机器人学习最有前景的资源之一。然而，从人类到机器人的技能迁移仍然困难：大多数先前工作将人类视为另一个双臂6DoF实体，其中手部姿态估计存在噪声，且人类手指的接触模式与平行夹爪根本不同。

Sijin Chen原文

Qwen-Image-2.0-RL 技术报告

我们提出 Qwen-Image-2.0-RL，一种后训练流程，通过强化学习从人类反馈 (RLHF) 和 on-policy 蒸馏 (OPD) 提升 Qwen-Image-2.0 扩散模型的视觉质量与指令跟随能力。为提供可靠奖励信号，我们构建了任务特定的复合奖励模型：对视觉-语言模型进行微调，采用 pointwise 评分范式和思维链推理。

Yixian Xu原文

MultiHashFormer：基于哈希的生成式语言模型

语言模型（LM）使用嵌入矩阵来表示词元（token），其参数规模随词汇量线性增长。为限制参数开销，先前的工作在仅编码器（encoder-only）模型中提出将多个词元哈希到单个向量。虽然这带来了参数效率，但多对一的冲突阻碍了其在因果语言模型（causal LM）中的应用。本文提出 MultiHashFormer，一种支持基于哈希的自回归的新框架。

Huiyin Xue原文

SingGuard: 一种策略自适应的多模态大语言模型护栏，带有动态推理

视觉语言模型（VLM）正越来越多地部署在消费、医疗、金融和企业应用中。这种广泛部署扩大了安全面：风险可能源自多模态问答、助手响应和跨模态组合，同时审核策略可能因产品、区域和部署阶段而异。大多数现有护栏要么依赖固定分类法，要么仅针对狭窄的交互设置，这限制了它们在部署时安全规则变化时的适应性。

SingGuard Team原文

Vesta: 一种通用具身推理模型

在开放世界环境中运行的机器人必须无缝集成定位、空间推理、导航和长时程规划。尽管专用模型在各自任务上表现优异，但部署多模型组合计算成本高昂且易产生级联错误。我们提出 Vesta，一种统一的具身通用模型，将上述能力整合到单个基础模型中。我们的方法结合了为诱导空间基础而构建的大规模多样化策展语料库，以及一个简单的多模态记忆机制，支持在扩展时间跨度上进行推理。

Johan Bjorck原文

用于低资源语言文本去毒化的 Tatoxa 系统：以鞑靼语为例

文本去毒化旨在自动检测并减轻网上的辱骂与有害内容，对保障在线社区安全和保护用户至关重要。然而，低资源语言（如鞑靼语）在该领域的研究极为匮乏。本文提出 Tatoxa，一个专为鞑靼语文本去毒化设计的新颖先进系统。该方法在关键质量指标上显著优于现有开源和商业大语言模型（LLM）。我们同时引入了新的鞑靼语文本去毒化数据集，专用于低资源场景下的微调与评估。

Ilseyar Alimova原文

GBC: 基于梯度的连接优化多智能体系统

基于大语言模型的多智能体系统通过角色分工和结构化交互为复杂任务提供了有前景的框架，但其性能常受限于协调不足以及更根本的细粒度信用分配缺失。现有方法多依赖粗粒度反馈，难以定位具体智能体或交互步骤中的错误源头。我们提出 GBC（基于梯度的连接），一种用于多智能体系统细粒度归因与优化的方法。

Xiaocheng Yang原文

ProMSA：用于基于知识的视觉问答的渐进式多模态搜索代理

基于知识的视觉问答（KB-VQA）要求模型结合图像理解与外部知识。以往方法大多采用固定的检索-生成流水线，使用预选检索器和静态 top-k 设置，推理过程中缺乏自适应性。针对这一问题，本文提出 ProMSA，一种渐进式多模态搜索代理。给定图像-问题对，代理在明确的工具调用预算下迭代选择图像搜索、文本搜索或停止，并通过去重避免冗余检索。

ZhengXian Wu原文

SimFoundry: 用于策略学习与评估的模块化自动场景生成

在真实世界中训练和评估机器人策略成本高昂且难以扩展。本文提出 SimFoundry，一个模块化自动系统，可从视频零样本构建真实到仿真（real-to-sim）场景。SimFoundry 生成适用于仿真的数字孪生（digital twins），并支持对象、场景和任务编辑，从而自动生成多样的数字表亲（digital cousins）：保留 affordanc…

Nadun Ranawaka原文

Parallel Rollout Approximation 用于像素空间自回归图像生成

像素空间连续令牌自回归生成直接以原始像素块序列建模图像，避免了离散分词或单独预训练的分词器。然而，它面临双重挑战：高维块生成导致大的单步误差，而教师强制训练造成训练-推理差距，使误差在自回归步骤中累积。现有的 x-prediction 和输入噪声注入等修复只能部分缓解这些问题。精确的 rollout 训练更好地匹配推理条件，但由于顺序采样过于缓慢而不切实际。

Jiayi Xu原文

Thinking While Speaking: Inference-Time Knowledge Transfer for Responsive and Intelligent Conversational Voice Agents

语音代理面临一个根本矛盾：使基础模型具备能力的推理、检索和工具调用过程是迭代且缓慢的，而对话交互要求毫秒级的响应速度。较小的实时模型能够满足延迟要求，但在复杂任务上无法与基础模型匹敌，导致当前语音代理不得不在响应性与能力之间取舍。

Vidya Srinivas原文

Learning to Fold: LeHome Challenge 2026 获奖方案（1st place online, 2nd offline）

本文描述了作者在 LeHome Challenge 2026（ICRA 2026 双臂衣物折叠竞赛）中的方案。系统在在线（仿真）轮的 62 支队伍中排名第一，在真实世界决赛中排名第二。该方法通过强化学习循环改进视觉-语言-动作策略（VLA）。

Ilia Larchenko原文

Ko-WideSearch：面向Web代理穷举集合枚举的韩语广度搜索基准

现有Web代理基准 overwhelmingly 评估搜索深度——在约束链后挖掘单一隐蔽答案——而广度（穷举封闭集合并填充每个项目的属性）很少被评估，尤其非英语环境。构建广度基准困难：验证金集合的完整性及每个单元格正确性远比检查单个答案昂贵。本文提出Ko-WideSearch，一个韩语广度搜索基准，通过自动化合成-验证管道构建。

Minbyul Jeong原文

AgentOdyssey: 开放世界长程文本游戏生成用于测试时持续学习智能体

为了智能体能够在测试时通过与环境交互持续学习，它们必须能够有效探索、获取新的世界知识和技能、保留相关情景经验，并在长程任务中进行规划。为了评估测试时持续学习智能体的这些关键能力，我们提出了 AgentOdyssey，一个新颖的评估框架，通过程序化生成开放世界文本游戏，包含丰富的实体、世界动态和长程任务。

Zheyuan Zhang原文

面向零样本 Sim-to-Real VLA 增强的 Object-Centric Residual RL

Vision-Language-Action (VLA) 模型能泛化到多种操控任务，但其基于模仿学习的策略在精确物理交互中因累计执行误差而脆弱。现有 Residual RL 在冻结 VLA 上学习校正策略，但面临 sim-to-real 困境：特权状态方法需有损蒸馏部署，图像方法受视觉域差距影响，真实世界 RL 则昂贵且不安全。

Kinam Kim原文

NormGuard: 流匹配强化学习中保持奖励的范数约束

强化学习（RL）后训练能提升流式生成器的奖励对齐，但常导致感知质量下降，且这种下降未被奖励代理捕获。我们识别出这一漂移的简单结构特征：跨三种后训练方法（NFT、AWM、DPO），RL微调使每步速度范数 |vθ| 相对于参考模型膨胀5%至15%。一种类似范数膨胀在无分类器指导（CFG）中已被研究，其在推理时将速度重新缩放到参考范数可缓解伪影。

Tianlin Pan原文

使用 Google 的 Paper Assistant Tool 迈向自动化科学评审

人工智能正在驱动科学发现的革命，从假设生成到数学定理证明，加速了各个环节。然而，这种快速加速带来了系统性挑战：传统的人类同行评审无法扩展以匹配 AI 辅助科学成果的涌入。最终，为解决这一矛盾，我们也必须部署 AI 来加速验证和评审过程本身。为围绕这一转变展开讨论，我们提出一个由四个渐进层次的 AI-人类协作组成的分类体系，并讨论了每个层次涉及的各种权衡。

Rajesh Jayaram原文

Qwen-RobotManip 技术报告：对齐解锁机器人操控基础模型的规模

语言与多模态基础模型通过统一形式化对齐异构数据并大规模训练，实现了强大的泛化能力。本报告研究该扩展方法能否应用于机器人操控以实现真正的泛化。挑战在于：与文本不同，操控数据天然异构、采集成本高且多样性狭窄，使得对齐与规模化同时难以实现。我们提出 Qwen-RobotManip，一个基于 Qwen-VL 构建的可泛化视觉-语言-动作基础模型。

Haoqi Yuan原文

行业新闻

热门产品

开源项目

论文

动态