GPT-5.6成为Microsoft 365 Copilot首选模型
OpenAI推出GPT-5.6，微软365 Copilot全面采用，办公AI能力再升级。
GPT-5.6现为Microsoft 365 Copilot首选模型，在Word、Excel、PowerPoint等组件中提供更强AI能力，提升工作效率和质量。
行业新闻
Anthropic 延长 Claude Fable 5 免费试用并发布省钱架构指南
Anthropic 不仅延长了最强模型 Fable 5 的免费窗口，还官宣了用 Sonnet 5 搭配 Fable 5 的省钱架构，成本降幅达 2.5 倍。
Claude Fable 5 免费使用延长至 7 月 12 日。Anthropic 同时推出两种省钱架构：顾问模式（大模型只在关键节点决策，小模型执行）和编排者模式（大模型拆任务、小模型并行干活），可使成本降低 2.5 倍，性能保留 92% 以上。
NVIDIA 与 Hugging Face 为 LeRobot 集成 GR00T 1.7 模型与 Isaac Teleop 框架
NVIDIA 和 Hugging Face 为开源机器人库 LeRobot 带来 GR00T 1.7 等工具，简化机器人开发流程，加速物理 AI 创新。
NVIDIA 与 Hugging Face 合作，将开放视觉-语言-动作模型 GR00T 1.7 和数据采集框架 Isaac Teleop 集成到开源机器人库 LeRobot，未来还将加入物理 AI 前沿模型 Cosmos 3。这为开发者提供标准化端到端机器人开发路径，推动开源社区协作创新。
Meta 发布 Muse Spark 1.1 编码模型，定价对标竞品
Meta 推出 Muse Spark 1.1 编码模型，以低价和智能体能力加入与 OpenAI、Anthropic 的竞争，扎克伯格罕见发帖造势。
Meta 周四发布了 Muse Spark 1.1，这是一个多模态 AI 模型，专门用于编码和智能体任务（能自动规划并执行多步骤操作）。该模型支持多步推理、数字工作流管理和企业系统部署。定价方面，每百万输入 token 收费 1.25 美元，输出 4.25 美元，与 Anthropic 和 OpenAI 的类似模型价格相近。CEO 扎克伯格为宣传该模型，三年来首次在 X 平台发帖。
魔芯发布 MoWorld 世界模型，国产 NPU 实时生成达 50 FPS
魔芯 MoWorld 在国产 NPU 上以低成本实现 50 FPS 实时世界模型，验证了国产芯片的部署能力，并推动产业化。
魔芯科技发布 MoWorld，号称全球首个高帧率交互式世界模型（能模拟物理世界并实时响应用户输入的 AI 系统）。通过优化，在纯国产华为昇腾 NPU 上实现 50 FPS 实时推理，推理成本较 GPU 降低 70%，14B 参数 MoE 模型可生成稳定、一致的长视频，已用于影视和具身仿真等领域。
Robbyant 开源具身专属 MoE 视频模型 LingBot-Video
Robbyant 开源为机器人打造的 MoE 视频模型，用低成本模拟物理世界，降低机器人训练成本。
LingBot-Video 是全球首个专为机器人设计的 MoE 视频模型，30B 参数但推理只激活 3B。它生成符合物理规律的视频，用于训练机器人的世界模型，已开源。
Anthropic 用 J-lens 发现 Claude 内部隐藏的思考空间
Anthropic 通过 J-lens 发现 LLM 内部存在隐藏的思考空间，可提前窥探模型未说出口的想法，提升可解释性。
Anthropic 开发了 J-lens 工具，在 Claude Opus 4.6 内部发现一个名为 J-space 的隐藏区域，其中包含模型未来可能输出的相关词语。通过监控这些词语，可以理解模型实际在思考什么，揭示其回答与内部过程的不一致。
微软发布 Aurora 1.5 地球系统基础模型，新增22个变量并开源
微软开源升级 Aurora 1.5，增加变量和集合预报能力，推动开放天气基础模型走向实用和规模化。
微软开源升级 Aurora 1.5 地球系统基础模型，新增22个天气变量（涵盖能源、农业等领域），支持小时级预报和集合预测（通过多次模拟估算概率），让研究者免费评估扩展，企业也能获得更精准的天气风险决策支持。
Gemini API 托管智能体新增后台执行与远程 MCP 支持
Gemini API 托管智能体新增后台执行和远程 MCP 支持，降低了构建复杂 AI 代理的门槛。
Google DeepMind 为 Gemini API 的托管智能体（一种在云端沙盒中自动推理、执行代码和文件管理的 AI 代理）新增后台任务执行、远程 MCP 服务器（模型上下文协议，允许智能体调用外部工具）连接、自定义函数调用和凭证刷新功能，让开发者构建更可靠的生产级应用。
Mistral AI 发布单摄像头导航模型 Robostral Navigate
Mistral AI 发布专用导航模型，单摄像头即可实现复杂环境自主导航，刷新指令跟随基准。
Robostral Navigate 是一个8B参数的视觉语言模型，仅凭一个普通RGB摄像头就能让机器人在陌生环境中自主导航，在指令跟随基准R2R-CE上达到76.6%成功率，超越使用多传感器方案的系统。
蚂蚁灵波开源 LingBot-VLA 2.0，5 万小时真机数据覆盖 20 种机器人构型
蚂蚁灵波开源具身通用大脑 LingBot-VLA 2.0，用 5 万小时真机数据训练，一套模型适配 20 种机器人，降低行业重复适配成本。
蚂蚁集团旗下具身智能公司蚂蚁灵波开源了第二代具身操作基座模型 LingBot-VLA 2.0。该模型使用 5 万小时高质量真机数据（由真实机器人采集的操作数据）训练，能统一控制超过 20 种不同品牌和构型的机器人（包括人形、半人形、单臂及复合型），实现“一脑多机”。相比 1.0 版本，2.0 新增了头部、腰部、手部和底盘等全身自由度控制，可完成长序列移动操作任务（如开门、清洁等）。开源代码和模型权重已在 GitHub、Hugging Face 等平台发布。
Meta 发布图像模型 Muse Image，支持自我修正与社交数据调用
Muse Image 改变了图像生成范式：先思考再绘画，且与自家语言模型打通；但 @ 功能默认公开调用用户照片，隐私争议不小。
Meta 推出图像生成模型 Muse Image（代号芒果），采用智能体架构，能联网查证、自写代码、自我修正画作。它还能 @ 公开 Instagram 账号调用用户照片生成图像，但默认开启引发隐私担忧。模型在 Arena 榜单仅次于 GPT Image 2。
Cohere 发布开源阿拉伯语语音识别模型 Transcribe Arabic，准确率领先
Cohere 发布专为阿拉伯语设计的开源语音识别模型，在方言和双语场景下准确率超越现有开源方案。
Cohere 今天开源了 Transcribe Arabic，一个专为阿拉伯语优化的语音识别模型。它处理方言和英阿双语混用（代码切换）更准确，在阿拉伯语开源模型中词错误率最低，96% 的测试中人类更偏爱它的结果。开发者可在 Apache 2.0 许可下免费下载使用。
AI21 提出预算感知执行策略，动态降低 SWE 智能体成本
AI21 用预算感知的早停策略动态调整计算开销，在 SWE 修复任务中节省成本或延迟，避免对简单任务过度投入。
AI21 团队发现，SWE 任务难度呈重尾分布：约50%的任务一次生成就能解决，但此前对所有任务分配固定预算。他们提出级联（先低成本模型，低置信度时升级）和并行（同时运行，找到一个合格候选后早停）两种执行策略，分别优化成本和延迟，在保持质量的同时避免浪费。
Anthropic 为 Claude 推出使用反思与习惯追踪功能
Claude 的新反思功能帮你追踪 AI 使用习惯，并引导你思考何时该用、何时该自己动手。
Anthropic 在 Claude 中新增了反思仪表盘，帮你回顾过去1-12个月的使用模式——包括常用话题、任务类型和活跃时段。还提供4D AI素养框架（分辨、描述、辨别、尽责）来提升协作能力，并可设置安静时段或定时提醒休息。
Databricks 对百万行级代码库上的编码代理进行基准测试
Databricks 的基准测试表明，编码代理选型需匹配任务复杂度，中端模型性价比更优，GLM 5.2 有望成为日常驱动模型。
Databricks 基于自己百万行真实代码库测试了多种编码代理（模型与工具链的组合）。结果显示，高端模型虽然能解决复杂问题但成本高，中低端模型在常见任务上同样高效且便宜。例如 GLM 5.2 在顶级梯队中与 Opus 4.8 质量相当，但任务成本更低。此外，token 单价不能反映总成本，不同工具链（如 Claude Code vs Pi）执行同一模型时成本可差两倍。
蚂蚁灵波发布世界模型2.0 实现小时级实时生成与Agent交互
蚂蚁灵波发布世界模型2.0，首次引入Agent实现实时交互，支持小时级生成和多人联机，推进AI原生世界模拟。
蚂蚁灵波开源了新一代实时交互世界模型LingBot-World 2.0，支持720p/60fps高清实时输出和小时级连续生成，并通过Agent机制（可自主决策的智能体）让生成的世界从可观看变为可持续互动。模型支持多人同时在线操控、触发事件，可用于游戏、仿真和机器人训练。
原力灵机发布具身基础模型DM0.5，零样本导航成功率提升31%
原力灵机DM0.5通过数据规模翻倍和推理增强，显著提升具身智能泛化能力，并构建平台化基础设施加速落地。
原力灵机发布新一代具身基础模型DM0.5，参数规模4B，使用15万小时数据训练。采用双系统架构（高层规划+高频响应），支持60秒记忆，微调成本降低60%，仅需一块4090显卡18小时即可完成新任务部署。同步发布开发者平台DexDev和多智能体系统Ferrata，构建从模型到场景落地的完整技术栈。
NVIDIA Nemotron 3 Ultra 经 LangChain 调优，以十分之一成本实现基准领先
不更新模型，只优化工程环境，就能以更低成本获得更强性能，这对企业构建专用 AI 代理意义重大。
LangChain 通过调整系统提示、工具描述等工程手段，让 NVIDIA Nemotron 3 Ultra 在不重新训练的情况下，在 Deep Agents 基准测试中达到最高准确率，完成任务更多、吞吐更高，而每次推理成本仅为顶级闭源模型的十分之一。
OpenAI 关闭 AI 浏览器 Atlas，将功能整合至 ChatGPT 桌面应用与 Chrome 扩展
OpenAI 放弃做独立浏览器，转而把 AI 浏览能力融入已有产品，说明浏览器正从目的地变成功能。
OpenAI 已关闭其 AI 浏览器 Atlas（去年 10 月发布的以 ChatGPT 为核心的浏览器），但并未放弃 AI 辅助浏览的理念。它正在将 Atlas 中测试过的代理浏览功能——能自动完成网页操作——重新整合到 ChatGPT 的桌面应用和一个 Chrome 扩展中。这一调整源于 OpenAI 应用 CEO 要求削减“支线任务”，此前已导致 AI 视频生成工具 Sora 被关停。
热门产品
Willow Frontier Pro
Willow Frontier Pro 是一款快速准确的语音听写模型，适合需要高效写作的用户，提升文字输入效率。
Bono AI
Bono AI 是一款语音驱动的AI内容策略工具，用户通过10分钟对话即可自动生成博客、社交媒体等多平台内容，无需手动写作。
LemonLime
LemonLime 通过单个提示自动创建AI代理，帮助团队快速自动化工作流程，适合企业提升效率。
agents-cli
一款为AI智能体设计的命令行工具，帮助开发者在Google Cloud上快速搭建、测试和部署AI代理项目。
Orus
Orus 是一个MCP服务器，让交易者通过AI聊天执行加密货币和股票交易，支持自主或手动模式，提升交易效率。
Universal-3.5 Pro
Universal-3.5 Pro 是 AssemblyAI 推出的高准确度语音转文字模型，面向开发者与企业，支持18种语言混合识别和说话人分离，实现精准转录。
Notion Agents iOS app
一款iOS应用，用户可通过文字、语音或照片与Notion Agents交互，随时获取信息并管理任务，提升移动办公效率。
NanoKVM-Go
NanoKVM-Go是一款手表大小的KVM设备，通过WiFi6和Tailscale为AI智能体提供物理屏幕可见性和键鼠控制，适合开发者构建自主硬件控制方案。
NanoKVM-Go 是一款手表大小、无服务器的 4K KVM，支持 WiFi 6 并内置 Tailscale。它作为一个开放的 MCP 服务器，让 AI 智能体能够获得硬件级别的屏幕可视性，并对任何连接的笔记本或移动设备进行键盘/鼠标输入控制。
Compendium
Compendium是面向AI代理团队的共享记忆平台，让多个代理协同工作，共享上下文，提升效率。
Compendium 是一个面向与 AI 智能体协作的团队的公司大脑。有了 Compendium，你所有的智能体共享同一个记忆，所以知识、决策和上下文能即时被每个人、在任何地方获取。Compendium 允许你在共享会话中工作——你和队友的智能体基于同一上下文构建，而不是各自为政的独立线程；你还能在不费力翻查的情况下，快速了解自己离开期间发生了什么变化，并且实时看到你的队友及其智能体当前正在构建的内容。
Knowledge Atlas by Fini
Fini的自维护知识层，自动从已解决工单生成帮助文章，为客服团队提供准确的AI回答。
Fini 的自维护知识层。它根据已解决的工单自动编写帮助文章，标记冲突，并将每个 AI 回答都扎根于一个有据可查的来源。
论文
优化训练策略的幻象：Monotonic Inference Policies 作为 LLM 强化学习的真正目标
强化学习（RL）在大语言模型（LLM）后训练中日益受关注，但 RL 训练仍脆弱，易出现不稳定甚至崩溃。一个关键原因是训练 - 推理不匹配：LLM 采用独立的推理和训练引擎以兼顾生成效率与训练精度，即使模型参数同步，相同轨迹在训练侧和推理侧的概率也往往不一致。这自然导致一种特殊的 off-policyness 持续存在并污染训练过程。先前工作致力于解决这种 off-policyness，以在不匹配条件下稳定训练策略。 本文指出，现有工作忽视了目标对齐问题：训练引擎中对策略的有效更新并不一定保证推理策略（即部署时使用的策略）的改进。为此，我们提出一种新的 LLM RL 策略优化目标——Monotonic Inference Policy Improvement (MIPI)。遵循该原则，我们引入 Monotonic Inference Policy Update (MIPU)，这是一个两步式 LLM RL 框架：首先构建采样器参考的候选更新，然后利用推理侧差距代理选择性地接受同步候选。 在两种模型规模下，高不匹配场景的实验表明，MIPU 提升了平均推理性能，并增强了训练稳定性。
Embodied.cpp: 面向异构机器人的具身AI模型可移植推理运行时
当前具身AI模型涵盖视觉-语言-动作模型 (VLA) 和世界-动作模型 (WAM)，但实际部署分散于特定模型的 Python 栈、后端假设以及机器人端胶水代码中，尤其在异构边缘设备上碎片化严重。现有推理运行时主要面向请求-响应服务，无法满足具身部署的运行时契约：闭环控制内多速率执行、异构硬件上的延迟优先的 batch-1 推理，以及超越固定令牌 I/O 的可扩展具身接口。 本文提出 Embodied.cpp，一种面向具身模型的可移植 C++ 推理运行时。通过分析代表性 VLA 模型和 WAM 的架构，Embodied.cpp 提取共享执行路径，组织为五层：输入适配器、序列构建器、骨干执行、头部插件和部署适配器。运行时提供模块化多速率执行、延迟优先融合推理，以及可扩展算子与 I/O 支持，通过单一后端抽象实现异构设备、机器人和模拟器的部署。 我们在两个 VLA 模型（HY-VLA 和 pi0.5）以及一个基于 LingBot-VA Transformer 块的初步 WAM 基准上评估 Embodied.cpp。VLA 部署分别实现 100.0% 和 91.0% 的闭环任务成功率。
DataComp-VLM：面向视觉语言模型的改进开放数据集
构建高性能视觉语言模型（VLM）需要精心策划大规模训练数据集，但社区缺乏系统评估此类策略的基准。我们提出DataComp for VLMs（DCVLM），一个用于受控数据中心实验以改进VLM训练的基准。作为DCVLM的一部分，我们收集了160个数据集，涵盖四种数据类型——图像-文本对、多模态交错文档、纯文本和指令微调数据——组成6T多模态token的语料库。 DCVLM允许参与者在1B-8B模型和6.25B-200B token预算下测试策划策略（过滤、混合、格式化、采样）。模型随后在精心挑选的52个下游基准（涵盖9个领域）上进行评估。我们在DCVLM上进行大量实验，发现数据混合而非过滤是高质量训练数据集的关键：指令密集型混合比标题密集型混合扩展性更好，且规模越大优势越明显。 最终的数据集DCVLM-Baseline，使用200B训练token在33任务核心套件上训练8B VLM达到63.6%准确率。相比最先进的开放VLM训练数据集FineVision，提升了+5.4个百分点。DCVLM及所有附带工件将在 https://www.datacomp.ai/dcvlm/ 公开。
OrbitQuant: 面向图像和视频扩散 Transformer 的数据无关量化
扩散 Transformer (DiTs) 在图像和视频生成上取得了最先进的结果，但其多步采样和日益增长的参数量导致推理成本高昂。后训练量化 (PTQ) 是自然的补救措施，然而 DiT 的激活值会随时间步、提示词和引导分支而变化，迫使先前的方法为每个新 checkpoint 或模态重新拟合校准数据。 本文提出 OrbitQuant，一种数据无关的权值-激活量化器，通过在归一化旋转基中进行量化来绕过范围估计。在该基中，随机排列分块哈达玛 (RPBH) 旋转 使每个坐标围绕一个固定、已知的边缘分布集中（无论输入如何），因此单个 Lloyd-Max 码本 即可服务于给定输入维度的所有时间步、提示词和层。我们将同一量化器离线扩展到权值行，将旋转吸收到权值中，使得在每个线性层内部旋转相互抵消，运行时仅需对激活进行前向旋转。相同的方案无需按模态调整即可从图像迁移到视频。 在 FLUX.1、Z-Image-Turbo、Wan 2.1 和 CogVideoX 上，OrbitQuant 在多个低位设置下树立了 PTQ 的最先进水平。
VLA-Corrector: 轻量级检测与纠正推理，用于自适应行动范围
Vision-Language-Action (VLA) 基础模型在具身智能中取得了显著进展。为降低策略调用频率同时保持时序一致性，多数生成式策略采用 动作块机制，在固定行动范围内以开环方式执行多个未来动作。然而，这种“预测后盲目执行”范式牺牲了闭环反应性：在接触丰富的物理交互中，即使微小局部扰动也能在开环盲区内迅速放大，导致误差累积并最终任务失败。 针对此问题，我们提出 VLA-Corrector，一种轻量级纠正推理框架，用于基于动作块的 VLA 策略。在不修改骨干策略权重的前提下，VLA-Corrector 引入轻量级 潜空间视觉监视器 (LVM)，持续比较预测与实际视觉特征演化，实现在线检测视觉动态偏差。一旦检测到持续偏差，系统触发 截断事件，丢弃剩余过时动作，并通过 在线梯度引导 (OGG) 执行纠正重规划。 VLA-Corrector 的检测与纠正机制自然产生事件触发自适应行动范围：当前块可靠时保留长范围执行，执行开始偏离时启动短范围纠正重规划。因此，VLA-Corrector 缓解了静态范围在执行鲁棒性与策略调用频率之间的权衡。
保护 AI Agent：多层 Agent 红队测试的统一框架
随着开源 AI 基础设施的快速扩张——从模型服务引擎、Agent 平台到 Model Context Protocol (MCP) 生态系统和语言模型本身——安全工具的防护能力已滞后。我们提出 AI-Infra-Guard，一个开源框架，其核心观察是：AI Agent 的攻击面按层分层（基础设施层、协议/工具层、Agent 行为层、模型层），单一检测范式无法覆盖所有层。 框架为每层分配相应范式： - 基础设施层：基于确定性规则匹配，覆盖 75+ AI 组件和 1400+ 漏洞规则； - 协议/工具层：通过 LLM 驱动的 Agentic 审计 检测 MCP 服务器和 Agent 技能包； - Agent 行为层：多轮黑盒 Agent 红队测试； - 模型层：Jailbreak 测试框架，包含 26+ 攻击算子、16 个数据集。 据我们所知，这是唯一覆盖所有层的开源框架，包括对不断扩展的 Agent 技能的供应链审计。我们开源 AI-Infra-Guard，旨在将层-范式匹配作为 Agent 安全的实用基础，供社区共同构建。
Measuring the Gap Between Human and LLM Research Ideas
大型语言模型（LLMs）越来越多地被用于头脑风暴研究想法，但现有评估大多从新颖性、可行性或专家偏好角度判断单个想法。本文提出不同问题：当前LLM生成的想法与人类研究者之间有多大的差距？ 为表征这一差距，我们构建了一个大规模评估框架，基于高质量人类研究论文进行构思。对于每篇论文，逆向工程出一小组可能启发其核心思想的密切相关工作集。然后提示LLM从这些论文标题和摘要中生成新想法。我们引入一个双轴研究品味分类法（research-taste taxonomy），从机会模式（opportunity pattern）和研究范式（research paradigm）两个维度刻画每个想法，并量化人类与LLM想法之间的分歧。 在由不同LLM生成的想法集上，我们观察到一致的分布差距：LLM想法不成比例地集中在桥梁型机会（bridge-like opportunities）和综合方法（synthesis methods）上，而人类论文的参考分布则更广泛地涵盖构架问题和构建贡献的各种方式。 结果表明，强大的LLM可以产生一系列合理想法，但该范围仍然比人类研究品味更窄，并且在系统上有偏移。
MultAttnAttrib: 长文档问答中的免训练多模态归因
随着基于证据的问答系统在AI助手中的广泛应用，准确地将生成答案归因于源证据对于用户信任和模型安全至关重要。尽管单模态归因已被深入探索，多模态场景仍相对研究不足。为此，本文提出 MultAttnAttrib，一种免训练的归因生成方法，利用模型的预填充阶段、选定的注意力头和校准阈值，在文档中定位源证据。为建立基线结果，我们同时引入 MultAttrEval，一个互补的基准数据集，为基于多模态源文档的答案组件提供细粒度的真实归因标注。据我们所知，这是首个专为长文档多模态归因设计的评估数据集。实验结果表明，MultAttnAttrib 在多类归因生成方法中持续胜出，包括多种强提示基线，并匹配 GPT 5.4 等前沿模型。该方法不仅显著提升了单模态和多模态归因类型的准确性，而且相比同基模型上的提示方法，其归因生成延迟可降低至七分之一。
AnyBokeh: 物理引导的 Any-to-Any Bokeh 编辑与光学指纹迁移
景深控制是摄影中的基本工具，但从单张图像进行后期散景编辑仍然具有挑战性。一个实用的编辑器需要处理在任意焦点和光圈设置下拍摄的图像。现有方法通常假设输入为全聚焦图像，或者先恢复全聚焦图像再渲染新散景。这类流程会丢弃源图像中的有效模糊线索，并将重建伪影传播到最终编辑结果中。 AnyBokeh 是一种物理引导的框架，用于任意到任意散景编辑。它不将源模糊视为需要去除的退化，而是通过有符号弥散圆图和视差图估计源模糊状态。通过建模有符号弥散圆与视差差值的线性关系，AnyBokeh 估计源特定的光学指纹，并将源光学特征迁移到目标焦点和光圈设置。一个基于生成编辑器（以源和目标弥散圆图为条件）执行相对模糊合成，实现空间自适应去模糊、保留和散焦渲染。 为支持物理监督学习，我们构建了一个高保真合成数据集，包含精确深度、焦点距离和完整 EXIF 元数据。在真实世界基准上的实验表明，AnyBokeh 在任意到任意散景编辑、全聚焦到散景渲染和散焦去模糊任务中均实现忠实可控的编辑，同时避免了现有方法中常见的全聚焦重建和测试时散景级校准。
教会LLMs在代表性不足的癫痫护理中推荐与推迟决策
在资源匮乏环境中，癫痫专家稀缺，基于LLM的决策支持系统对一线临床医生管理长期治疗具有吸引力。这类系统必须适应当地处方习惯，并知道何时应推迟。本研究在乌干达小儿癫痫护理中对此问题展开研究，从纵向非结构化门诊笔记预测抗癫痫药物方案。标准提示与医生处方达到非平凡一致性，但神经科医生审查显示，许多错误源于分布校准不当的处方默认值，而非未能解析本地记录。 我们提出MANANA，一种非参数提示学习框架，从少量患者训练集中学习本地处方指导。MANANA将观察到的处方错误转化为可审计的提示记忆，实现为单智能体和多智能体变体，并在两个独立收集的乌干达队列上优于经典ML模型、直接LLM提示和提示优化基线。此外，我们提出贝叶斯提示平均，将学习到的提示轨迹转化为处方似然和基于不确定性的推迟信号。 在独立收集的保留队列表现上，该方法在就诊级top-3处方准确率上比提示优化基线提高4-8个百分点，并实现选择性预测：系统能以95%精度自动处理最自信的一半病例，以99%精度处理最自信的四分之一病例，同时将低置信度病例推迟给专家审查。
面向解译的云去除：基于观测锚定残差流与地理上下文对齐
云去除是光学遥感的关键预处理步骤，对后续解译任务（如语义分割、变化检测）的可靠性至关重要。然而，现有方法往往追求视觉真实性，忽视了对下游分析任务的影响，导致语义漂移和性能下降。 为解决该问题，本文提出Geo-Anchored Cloud Removal (GACR) 统一框架，同时保证忠实重建与鲁棒可解译性。其核心是Observation-Anchored Residual Flow (OAR-Flow)，将云去除重构为物理驱动的残差反演过程：生成轨迹锚定于有云观测而非纯噪声，实现快速、稳定且忠实的重建。进一步，Geo-Contextual Prior Alignment (GCPA) 利用视觉基础模型（VFM）约束重建结果位于语义流形内，从而保持复杂地物的空间-语义完整性。 在6个云去除数据集和12个下游任务上的实验表明，GACR在提升重建质量的同时，持续改善下游任务精度。代码已开源。
生成内容丰富化 (GCE)
我们研究生成内容丰富化 (GCE)，这是一种条件图像生成任务，先将稀疏场景描述通过显式场景表示进行丰富，再渲染为语义更丰富的视觉内容。传统图像生成系统能从有限描述生成视觉逼真的输出，但添加的内容通常隐含在生成器中，而非表示为可检查的中间结构。相比之下，GCE 旨在场景表示层面显式地进行场景丰富，同时在生成过程中检查其视觉后果，目标是鼓励生成视觉合理、结构连贯且语义比稀疏输入更丰富的内容。 为实例化GCE，我们提出一个联合训练的对抗框架，通过建模对象语义和对象间关系来丰富场景图。我们的方法首先将输入描述表示为场景图，其中节点建模对象，边捕获对象间关系。框架使用图卷积网络 (GCN) 预测额外对象及其与现有场景的关系。最后，将丰富后的场景图传递到下游图像生成流水线，生成对应的视觉内容。 我们在Visual Genome数据集上，通过代理场景图丰富度量、图像质量比较、定性示例和用户研究来评估该框架。实验结果证明了方法的有效性。
AGE: 用于图检索增强生成中的图嵌入自适应掩码
GraphRAG 是检索增强生成（RAG）的扩展，通过引入图结构数据作为外部知识来支持大语言模型（LLMs）。尽管该技术能捕捉复杂关系，但往往面临图表示与LLMs的对齐问题，尤其对于冻结的LLMs，原因在于 基于图的潜在特征 与 基于文本的潜在特征 不匹配。 为解决该问题，本文提出 自适应掩码图嵌入（AGE）。AGE 采用基于掩码的自监督学习（SSL）框架，使用 Transformer 架构，并设计为与文本嵌入编码器类似的结构，以缓解潜在特征错位。与自然语言文本不同，图是简洁表示，存在持有主要上下文信息的 关键节点，这些节点难以从周围节点预测。对此，AGE 利用 可学习的节点采样器，专注于预测非关键节点，从而提升自监督学习效率。 实验结果表明，AGE 在 GraphQA 任务中显著改进了基于非参数搜索的方法，在四个具有不同特性的基准数据集上取得了更高的准确率。
动态
Claude API速率限制重置
我们已重置所有用户的5小时和每周速率限制。
OpenAI宣布今天上午10点PT有活动
今天。太平洋时间上午10点。https://t.co/MVveXg12VD
Sam Altman谈企业AI成本，提及5.6 sol进步
我们听到了企业对AI成本的担忧，而5.6 sol是每任务美元成本的巨大进步，terra和luna也是如此。
Sam Altman宣布三大产品更新
5.6 直播正在进行中。 除了模型之外，还有三个重要的产品。 1. ChatGPT Work——非常重磅！ 2. 新的ChatGPT桌面应用 3. 托管站点
Sama称新模型和博客文章最佳
显然是我们有过的最好模型，也是我们写过的最好博客文章之一： https://t.co/LtgWH41x6g
OpenAI团队忙于GPT 5.6等产品发布，呼吁反馈快速迭代。
今天，OpenAI的产品和工程团队正在忙碌运作，有很多事情需要协调和持续跟进，包括GPT 5.6 Sol/Terra/Luna的发布、ChatGPT Work、新的ChatGPT桌面应用、托管网站以及其他无数事情……再加上昨天刚推出的新版ChatGPT Voice。我们不可能全都做对，请给我们反馈，我们会迅速迭代。感谢你们这个了不起的社区。
ChatGPT Work和Codex额度重置，新成员加入模型研究
享受ChatGPT Work和Codex使用额度的全面重置。将在接下来一小时内传播。@rajanagarwal刚刚加入，从事模型研究并推动编码能力。你可以感谢他今天按下了按钮。
Sam Altman介绍基于Codex的ChatGPT Work新agent
看看这个！你可以完成一些令人惊叹的事情。Codex是我们新工作产品的核心，也是它如此出色的原因。Codex不会消失。
OpenAI十分钟后发布重要消息
一切将在10分钟后揭晓。
Grok 4.5在OpenClaw上线
转推 @elonmusk: Grok 4.5 在 OpenClaw 上
GPT-Live全量上线至ChatGPT付费用户
GPT-Live现已全面向所有Go、Plus和Pro计划的ChatGPT用户推出。免费用户正在逐步推出。更新到最新版ChatGPT应用（iOS或Android）尝试使用。
ChatGPT Work：结合ChatGPT与Codex的工作agent
我们将 ChatGPT 和 Codex 整合为 ChatGPT Work：一个为你最雄心勃勃的工作准备的 agent。 除了桌面端，你还可以从移动端或网页端使用它——无需一直打开笔记本电脑！
讨论学生使用AI作弊事件，布朗教授对比期中期末成绩
RT @paulg: 布朗教授给学生布置了开卷期中考试。怀疑许多人用AI作弊后，他改为期末现场考试。橙色点是期中成绩，灰色点是期末成绩。看起来除了3人外都作弊了。https://t.co/hekcGsz76h
OpenAI直播：Sol自主后训练GPT-5.6-Luna
OpenAI在直播中引用道：“Sol已经改变了我们的研究计划。例如，GPT-5.6-Sol自主对GPT-5.6-Luna进行了后训练。”
作者被OpenAI雇佣，同时强调OpenClaw基金会的独立性
OpenAI雇佣了我，而不是OpenClaw。 OpenClaw基金会是独立的，拥有赞助商而非所有者——并且首次有全职团队保持其活跃和稳定。🦞 没有Dave和团队是无法做到的。致敬！
Bun用Rust重写
转推 @jarredsumner: 用 Rust 重写 Bun https://t.co/Rl8bcaxBFc
总结用户反馈Top10改进需求及团队回应
感谢前12小时内的1400+条回复！我昨晚全部读完了，今早又新增了300多条，我会陆续跟上。以下是根据你们的反馈排出的Top 10优先级，以及我们目前的处理进展： 1) 让Google Workspace集成更可靠：这是最明确的第一需求，我们全体同意。正在处理中。Gemini Spark最近已有一系列改进，但整个应用都需要大幅提升。 2) 更可靠的工具调用：强烈同意。我们知道需要改进，你们很快就会看到明显进展。 3) 项目和聊天文件夹组织：Notebooks是个积极步骤，但还不够。我们会重新思考这个用户体验，并汇报进展。 4) 添加MCPs和自定义技能：我们已在Gemini Spark中通过自定义MCPs、自定义技能和几个连接应用推出了早期支持，但正在努力让这个功能更广泛可用，并添加更多MCPs。 5) 深度研究改进：你们要求导出报告到NotebookLM，以及在同一个聊天中切换深度研究模式和Flash/Pro模型。我之前没意识到这些痛点。两者都是好主意，我们会想办法解决。 6) 移除Nano Banana的水印：我们稍后会讨论，看看在遵守各国AI法规的前提下能做什么调整。
LLM风格易识别，但人类开始模仿其写作
虽然LLM的写作风格仍然像以前一样容易识别，但一个新趋势是，人类也开始有机地像它们一样写作（这很合理：你当然会最终模仿你不断阅读的风格）。这使得区分人类和机器人变得更加具有挑战性。
询问旧金山AI初创公司最好的产品
目前旧金山AI初创公司最好的产品是什么？ 真正的终端用户使用的实际产品。
主推吐槽手机/电脑打字不自然，引用推称语音模态将起飞
在手机或电脑上打字非常不自然