AI 日报 2026-07-06 · AutoMem实现记忆自动化学习、DuoMem推出设备端记忆智能体、中科院开源Mandol记忆系统、谷歌广告用AI起草独立宣言引批评

行业新闻

新基准 MemoBench 揭示视频生成模型对物体遮挡后状态变化记忆缺陷

MemoBench 通过“可见-消失-重现”范式，发现当前世界模型缺乏对动态遮挡物体的持久表征与推理能力，为模型改进提供了量化诊断工具。

机器之心原文

ICRA'26双奖论文：SymSkill让机器人从少量演示学会组合复杂任务

SymSkill用少量无标签数据无监督学习符号和技能，实时组合恢复，让机器人从记忆动作进化到理解任务。

新智元原文

谷歌广告以开国元勋用AI起草独立宣言为场景引批评

这则广告因将AI轻率地套用到历史场景而招致普遍反感，反映了公众对AI营销边界的敏感。

Terrence O’Brien原文

WAIC 2026展示后Scaling时代核心技术：记忆架构与Harness工程框架

WAIC 2026提出后Scaling时代AI发展新范式：从算力军备竞赛转向记忆革新与工程赋能，中国智能体路线差异化突围。

量子位的朋友们原文

图像替代LiDAR：如视Argus为3DGS提供位姿约束

如视Argus仅用图像就能提供LiDAR级别的位姿约束，消除3DGS重建瑕疵，降低3D内容创作门槛。

机器之心原文

OpenAI Scaling Law 原始论文被指存bug 全球算力分配或错配

Scaling Law论文bug揭示行业盲目堆参数的隐患，提醒经验规律需谨慎验证。

新智元原文

中科院开源Mandol：内存原生Agent记忆系统

中科院开源Mandol，用统一内存原生架构解决Agent长期对话记忆的碎片化与检索噪声问题，在基准上准确率超92%。

机器之心原文

美国富裕家庭花重金让孩子成为AI教育的beta测试者

富裕家庭押注AI教育，让孩子当未成熟技术的测试者，但公众对AI缺乏信任，成效未知。

Terrence O’Brien原文

GPT-5.5推理频现516 token截断开发者质疑算力暗降

GPT-5.5被大量用户发现推理步数精确卡在516 token，暗示可能隐藏了推理预算上限，导致复杂任务被悄悄降级。

新智元原文

华为发布新版韬定律论文，详述3D芯片堆叠与光互联方案

华为通过新版韬定律论文公开了3D堆叠和光互联等具体工程方案，旨在解决芯片边缘带宽瓶颈，是行业从缩小晶体管转向缩短响应时间的标志。

克雷西原文

OpenAI Codex 负责人谈与 ChatGPT 合并及产品方向

Codex 负责人拆解 AI 编程工具爆发背后，品味筛选成为新稀缺资源，以及合并 ChatGPT 的战略逻辑。

机器之心原文

同人小说社区发起AI铲除运动，检测方法存争议

同人社区用不可靠的规则排查AI写作，反而激化了内部矛盾，暴露了AI检测的两难。

Jess Weatherbed原文

Anthropic发布AI越狱评分框架CJS，出口管制首次指向模型API

Anthropic用CJS框架量化越狱风险，出口管制延伸至API，安全治理从硬件转向模型访问权。

新智元原文

达摩院AI智能体ElementsClaw发现4种新型超导体，仅用28 GPU小时

AI智能体结合大原子模型与语言模型，自动筛选、验证并发现超导材料，命中率提升一个数量级，加速材料科学发现。

衡宇原文

上海交大提出ICRDrag，首个上下文区域拖拽模型实现精准图像编辑

上海交大发布ICRDrag，用掩码区域拖拽代替点拖拽，解决图像编辑中变形和边缘断裂问题，实现更精准可控的编辑效果。

机器之心原文

Meta 外包员工假扮未成年人大规模测试竞品 AI，被指安全评估实为竞品摸底

Meta 秘密组织外包假扮未成年人测试竞品 AI 安全边界，实则竞品摸底，暴露行业伦理问题。

新智元原文

华为乾崑智驾ADS 5在奕境X9上进行全球实测，挑战夜间极限场景

华为乾崑智驾ADS 5在奕境X9实测中证明夜间复杂场景下的可靠避障能力，推动智能驾驶从“可用”到“敢用”。

量子位的朋友们原文

vLLM推出Semantic Router，实现单次调用背后的多模型协作

vLLM的Semantic Router让单次API调用背后可动态调度多个模型协作，在不增加用户复杂度的情况下降低成本并提升推理质量。

机器之心原文

OpenAI 收购 AI 任务中控台公司 Ona，强化 Agent 长时间运行能力

OpenAI 收购 Ona，拥有了让 AI Agent 在云端长时间自主运行的基础设施，直面 Anthropic 的竞争。

新智元原文

清华特奖获得者顾煜贤加入DeepSeek

顶尖AI人才流向DeepSeek，凸显其招人力度与V4发布在即。

机器之心原文

开源项目

marketingskills

面向AI Agent的营销技能集合，提供CRO、文案、SEO、分析、增长工程等领域的专业化markdown技能文件。遵循Agent Skills规范，可被Claude Code、Cursor等主流AI编码代理直接调用，将营销最佳实践封装为可复用的agent技能模块，降低营销自动化门槛。

coreyhaines31原文

CodexBar

macOS 菜单栏应用，实时显示 57+ 种 AI 编程工具的配额、用量和重置倒计时，无需登录即可查看。亮点是隐私优先设计，支持 OAuth、API Key、浏览器 Cookie 等多种认证方式，合并图标模式让多个提供商一目了然。开源且社区活跃，已有 Linux/Windows 移植版本。

steipete原文

awesome-claude-code

Claude Code 资源精选集，系统整理官方工具、社区插件、技能、钩子、状态栏等生态资源。由社区维护并持续更新，分类清晰（多 Agent 编排、安全、记忆等），适合新手快速上手和老手挖掘高阶用法。

hesreallyhim原文

planning-with-files

为 AI 编程 agent 设计的持久化文件规划技能，通过 taskplan.md、findings.md、progress.md 三个文件让 agent 在 context 丢失、/clear 或崩溃后自动恢复任务状态。

OthmanAdi原文

gastown

多智能体协调工作空间管理器，专为管理 Claude Code、GitHub Copilot 等多个 AI 编码代理设计。通过 git worktree 持久化代理工作状态，解决重启后上下文丢失的痛点，支持 20-30 个代理规模。内置 Mayor 协调器、convoy 工作跟踪、refinery 合并队列等机制，类似一个轻量级的 agent 编排系统。

gastownhall原文

论文

Program-as-Weights：模糊函数的一种编程范式

许多日常编程任务难以用清晰规则实现，例如检测重要日志行、修复畸形JSON或按意图排序搜索结果，这些任务越来越多地外包给大语言模型API，牺牲了局部性、可复现性和成本。我们提出模糊函数编程：将自然语言规范编译为紧凑的本地可执行神经工件。

Wentao Zhang原文

AgenticSTS: 长时域 LLM 智能体的有界记忆测试平台

长时域 LLM 智能体的记忆是一种关于每个未来决策允许看到什么的契约。最简单的契约是将过去的观测、工具调用和反思追加到每个提示中，这使得先前上下文易于访问，但也使其变成混杂的混合物，难以隔离任何单个记忆组件的影响。我们引入并实现了一种替代的有界契约：每个决策由类型化检索组装的新用户消息作出，不附加原始的跨决策记录。

Xiangchen Cheng原文

EvoPolicyGym：评估交互环境中的自主策略演化

现有评估常将智能体的策略改进过程简化为最终分数，或与开放式软件工程进展混淆。我们提出自主策略演化（Autonomous Policy Evolution）这一受控评估框架：在固定交互预算下，测试模型代理反复编辑可执行策略。基于此框架构建EvoPolicyGym基准，包含紧凑的交互式RL环境。

Zhilin Wang原文

Morphing into Hybrid Attention Models

混合注意力模型通过仅保留一部分全注意力层，并将剩余层替换为线性注意力，从而提升了长上下文效率。然而，Transformer 到混合模型的转换效果关键取决于哪些层保留全注意力。现有混合层选择方法通常依赖启发式策略（如固定放置模式或逐层评分），隐含地将层重要性视为孤立特征，忽视了全局混合配置下的层间依赖效应。

Disen Lan原文

Multi-Resolution Flow Matching: 通过分阶段采样实现无训练扩散加速

无训练加速文生图扩散的策略（如时间步蒸馏和特征缓存）可减少推理时间，但多分辨率生成方法在潜空间上采样和局部区域选择性修改时，易产生模糊或伪影。针对此问题，本文提出 MrFlow，一种基于低到高分辨率分阶段流水线的无训练多分辨率加速策略，适用于预训练流匹配模型。

Xingyu Zheng原文

AgenticDataBench：数据智能体的综合基准

数据科学旨在从异构原始数据中提取可操作的洞见，释放现代社会海量数据生成的价值。自动化这一过程对于减少数据科学家的劳动密集型工作并实现可扩展的数据驱动应用至关重要。近年来，基于大语言模型（LLM）的数据智能体成为自动化数据科学工作流的有前景解决方案。然而，该领域缺乏全面的基准，难以在多样化场景下以细粒度严格评估这些智能体。

Zhaoyan Sun原文

WorldDirector: 构建具有持久动态记忆的可控世界模拟器

我们提出 WorldDirector，一个高度可控的视频世界模型框架，专为持久动态对象记忆（persistent dynamic object memory）和无限制视角探索而设计。与现有将物理动力学与像素渲染交织并依赖连续视觉观察维持运动的世界模型不同，我们的框架明确地将语义运动编排（semantic motion orchestration）与视觉生成解…

Hanlin Wang原文

打破失败级联：面向医学多模态推理的步骤感知强化学习

近年来，Multimodal Large Language Models 在临床图像推理中展现出巨大潜力，但现有后训练流程主要关注结果（如最终答案正确性或序列级偏好），导致稀疏的信用分配，难以优化关键的推理过程。分析表明，早期推理阶段的级联错误是医学视觉问答（Medical VQA）基准中错误预测的主要成因。

Junha Jung原文

Logit-Contribution评分识别非字面检索头

在长上下文应用中，大型语言模型常常从相关上下文片段的含义中综合答案，而非直接复制粘贴。识别哪些注意力头执行这种综合对于解释长上下文模型行为至关重要。然而，现有检测器因其内在设计而遗漏了这些头：它们奖励注意力头关注与生成词匹配的token，这是一种字面复制标准，捕获了头读取的位置，但未反映其通过输出值（OV）回路写入的内容，而后者正是承载非字面检索的机制。

Aryo Pradipta Gema原文

SkillCoach: 自我演化的评估标准用于评估和增强智能体技能使用

技能正在成为LLM智能体的可复用操作层，编码了标准操作流程、领域规则、工具工作流、脚本和验证例程。在实际的技能库中，重叠的技能使得可靠的技能使用变得困难。最终的验证器成功过于粗略，无法用于评估和训练，因为智能体可能通过试错选择干扰技能、跳过必要步骤、错误组合工作流或遗漏最终检查。

Jiayin Zhu原文

AutoMem：作为认知技能的记忆自动化学习

记忆管理可以被视为一种可学习的技能，类似于认知科学中的元记忆能力——知道编码什么、何时检索以及如何组织知识。我们提出AutoMem框架，将文件系统操作提升为与任务动作并列的一等记忆动作，让模型自主决定如何管理其记忆。这一记忆技能沿两个维度提升：支持记忆的结构（提示、文件模式、动作词汇）和模型运用该结构的熟练度。

Shengguang Wu原文

通过分布级奖励优化视觉生成模型

传统强化学习策略用于视觉生成通常采用样本级奖励函数，但这常常导致奖励破解，降低图像多样性并引入视觉异常。为了解决这些限制，我们提出了一种新框架，使用分布级奖励（distribution-wise rewards）微调生成模型，确保更好地对齐真实数据分布。

Ruihang Li原文

AGVBench: 面向可靠性的静脉识别数据增强基准

静脉识别是一种安全的生物特征技术，但常受限于有限的标注数据和成像变化。虽然数据增强可以缓解这一问题，但为自然图像设计的策略可能破坏对身份区分至关重要的细粒度拓扑和纹理。我们提出了 AGVBench，在五个公开手掌和手指静脉数据集上评估了30种代表性增强策略，使用七种骨干架构，涵盖经典 CNN、Vision Transformer 以及静脉专用识别模型。

Haiyang Li原文

从 SRA 到 Self-Flow：数据增强还是自监督？

表示对齐已成为加速扩散 Transformer 训练并提升生成质量的有效手段。近期自对齐方法（如 SRA 和 Self-Flow）进一步去除了对外部预训练编码器的依赖，通过在扩散模型内部构建对齐。

Dengyang Jiang原文

When Search Agents Should Ask: DiscoBench for Clarification-Aware Deep Search

大型语言模型（LLM）驱动的搜索代理越来越多地用于解决复杂的信息寻求任务，需要多步检索和推理来实现用户目标。然而，现有基准通常假设用户查询完整明确，忽视了现实世界搜索请求常模糊、不完整甚至事实错误的情况。在深度搜索场景中，这种模糊性会沿着多步推理链传播，导致代理走上错误的搜索轨迹。

Yiling Tao原文

InstanceControl: 无需实例标注的可控复杂图像生成

现有可控图像生成方法（如 ControlNet）通过引入视觉条件（如深度图）指导图像生成，性能出色，但在复杂多实例场景中常出现实例间属性混淆。近期方法尝试通过手动实例标注缓解问题，但标注工作耗时耗力。本文提出 InstanceControl，一种无需实例标注的新型多实例可控生成方法。

Xiaoyu Liu原文

PACE：用于智能体能力评估的代理基准

评估 LLM 智能体在 SWE-Bench、GAIA 等智能体基准上的性能通常昂贵且耗时，单次评估可能耗费数千美元并持续数天。相比之下，测试单一能力（如推理、代码生成）的非智能体基准运行快速且成本低廉。本文研究能否通过少量精心选择的原子评估实例的性能准确预测昂贵智能体基准的性能。

Yueqi Song原文

AnyGroundBench: A Specialized-Domain Benchmark for Video Grounding in Vision-Language Models

视觉-语言模型(VLMs) 在时空视频定位(STVG) 任务中展现出巨大潜力，但当前评估协议主要局限于通用日常场景的零样本测试，与实际专业应用存在严重脱节。由于模型无法穷尽预训练所有数据分布，领域适应能力至关重要。为解决这一差距，我们提出 AnyGroundBench，一个面向领域适应的基准，旨在将 STVG 评估从静态零样本测试转向严格的领域适应。

Rintaro Otsubo原文

WARP: 基于权重空间分析恢复训练数据组合

基础模型通常公开发布，但用于训练它们的数据配方（如决定不同数据源采样比例的领域混合权重）却很少公开。这造成了访问不对称：研究人员研究最终模型，却缺乏对生成这些模型的训练分布的可见性。先前的工作如成员推断，只能检测单个样本级别，无法描述训练语料的全局组成。我们提出 WARP，一个从发布权重中直接恢复微调模型训练混合比例的框架。

Tzu-Heng Huang原文

DuoMem：通过双空间蒸馏实现强大的设备端记忆智能体

基于大语言模型（LLM）的智能体通过多轮交互可解决复杂程序任务，但依赖大模型、长上下文和重复推理，难以部署在资源受限设备上。为此，我们提出 DuoMem，一种双空间蒸馏框架，将程序问题求解能力从大型教师模型迁移至紧凑学生模型。 DuoMem 在两种互补空间进行蒸馏： 1. 上下文空间蒸馏：用教师生成的高质量程序记忆替换学生生成的记忆，并拼接到学生输入；

Peyman Hosseini原文

行业新闻

热门产品

开源项目

论文

动态