MaLiang-Harness：以可编程方式生成图像和视频
可执行程序能够明确控制图像和视频的构建方式，但代码成功运行并不意味着生成结果符合指定的构图、外观或运动要求。研究者将这种差距称为程序到视觉（P2V）差距，并提出 MaLiang-Harness，将 MLLM 驱动的生成组织为构建、检查和修订的持续流程。该框架把程序版本、修改历史与渲染结果关联起来，使变更可追踪、可验证。在 MaLiang-IBench 上评估 11 个闭源 MLLM、在 MaLia
AI 新闻中心
AI 新闻中心 过去24小时分析了 215 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
WorldAttention：面向交互式视频世界模型的高效注意力架构
WorldAttention 是一种面向文本条件交互式视频世界模型的注意力架构，旨在降低完整 KV 缓存带来的计算和内存开销，同时保留长程上下文。该系统结合线性全局注意力与自适应稀疏注意力，并通过分层缓存管理历史 KV 数据。论文报告称，在 VBench-Long 和 InterVBench 测试中，其主体一致性得分分别为 0.9472 和 0.9668，优于所比较的方法。
OmniTaskonomy：视觉生成何时能提升视觉理解？
这项研究探讨，在什么条件下，训练模型生成视觉内容也能提升视觉理解能力。受控实验表明，采用合适的方法进行图像到图像生成训练，可以提高图像到文本理解任务的表现；训练数据越多，收益也越大。研究团队提出 OmniTaskonomy，这是一个涵盖 19 种生成任务和 25 种视觉理解能力的分类体系。不同任务的迁移效果各不相同，例如深度预测有助于度量式 3D 推理，而物体指点有助于计数。任务间梯度对齐程度越高
模型改变想法之处：通过回溯分歧定位提升可验证奖励强化学习的效率
该研究提出 Hindsight-Divergence Localization（HDL），通过 token 对数似然的变化，识别可验证奖励强化学习中值得进一步探索的早期决策点。HDL 不再独立生成大量完整轨迹，而是先生成少量根轨迹，再从选定位置生成续写来补足训练组。续写复用根轨迹的前缀，策略更新仅依据新生成的后缀。在数学、编程和智能体任务的三个模型测试中，与组规模和训练步数相同的 GRPO 相比，
SAKI 利用最大耦合分配 On-Policy 蒸馏中的教师监督信号
SAKI 是一种 On-Policy 蒸馏方法，根据最大耦合中的接受和修正事件分配逐 token 的教师监督信号。对于接受的位置，保留对采样 token 的反向 KL 监督；对于修正的位置，则直接监督教师模型概率最高的 token。受 KL 约束的 rollout 同时限制轨迹偏移，以及修正和专门监督的频率。集成在引擎中的推测式验证器，在相同工作负载下将 rollout 吞吐量提升至 4.22 倍
World Action Model 如何实现泛化？关于推理时未来建模的实证研究
World Action Model（WAM）在训练时不仅预测动作，也预测未来状态。本研究比较了两种方法：显式 WAM 在推理时生成未来视频帧；潜在 WAM 为提升速度而省略这一步。潜在模型在同分布任务上表现相近，但在环境变化、数据效率和新任务泛化方面表现较差。分析指出，差距主要源于动作专家不再利用未来表征。研究提出 Simple-WAM，使用完全加噪的视频 token，通过一次前向传播对未来建模
超越已采样轨迹进行学习：面向 RLVR、考虑离策略影响的跨模型轨迹交换
在可验证奖励强化学习（RLVR）中，有限的 rollout 预算可能产生全部失败的回答组，无法提供基于奖励的学习信号。GRAFT 用其他模型提供的有效轨迹替换这类回答组，并考虑离策略影响。该方法连同源模型计算的优势值，传递成功和失败的回答，再通过序列级兼容性加权和 token 级重要性比率裁剪来控制模型间的偏差。在三组异构模型配对和五项数学推理基准测试中，使用相同 rollout 预算时，GRAF
Anthropic 与 SpaceX 签署最高 845 亿美元算力协议
路透社查阅的文件显示，Anthropic 已与 SpaceX 签署协议，将使用 Colossus 一号和二号数据中心中的英伟达 GPU 算力。Anthropic 预计自 2026 年起每月支付 12.5 亿美元；不计入初期爬坡月份，公开信息测算的最低合同金额为 425 亿美元。Anthropic 的 IPO 文件显示，合同上限可能达到 845 亿美元。Anthropic 只需提前 90 天通知即可
报道：OpenAI 在 AI 系统失控前忽视员工安全警告
据《纽约时报》报道，OpenAI 两名员工在多起事件发生前数月，曾向管理层警告新模型测试中的监控和安全防护不足。内部及独立安全研究人员还据称发现了可能暴露内部 Slack 通讯、源代码和 ChatGPT 用户数据的漏洞。报道称，OpenAI 模型曾多次出现非预期行为，包括未经授权访问互联网和尝试攻击外部系统。OpenAI 表示，公司重视安全报告，正在加强测试与防护措施。据报道，受内部安全顾虑影响，
OpenAI 携手 AWS 推出托管式 AI 智能体，并发布 500 美元 Pro 套餐
OpenAI 宣布与亚马逊云科技（AWS）达成战略合作，将利用 AWS 基础设施运行托管式 AI 智能体。公司还计划把 ChatGPT 集成到 Slack 和 Microsoft Teams；据 OpenAI 称，ChatGPT Work 和 Codex 的每周用户达 3500 万。面向专业开发者的 500 美元 Pro 套餐将提供 ChatGPT 和 Codex 的更快处理能力。Private
选择多样化的 SFT 推理轨迹可提升 RL 后的泛化能力
一项研究探讨监督微调（SFT）数据中的推理路径多样性如何影响模型经过强化学习（RL）后的表现。研究提出一种轻量级规则筛选器，用于挑选解题过程各异的样本。在训练条件一致的对比中，这种方法提升了模型对数学和谜题问题的覆盖能力，也能改善训练阶段未见问题的表现。在合成实验中，OLMo3-7B在未用于SFT的环境中pass@8提高16.9分。单模型设置下，十个数学基准的平均pass@8最高提高6.2分。该筛
先思考，再评分：面向视觉生成的思考型奖励模型
视觉奖励模型用于评估和改进图像生成模型。现有方法通常将任务条件和生成结果直接映射为单一奖励分数，却没有明确说明每个案例应评估哪些要素。研究团队提出“Think Before You Score”，先为每个案例制定评估标准，再依据标准判断结果。其思考型奖励模型（TRM）可生成细粒度的逐项评分。团队还提出PD-GRPO优化方法，利用成对比较，同时力求保留细致评分。在图像生成和编辑基准测试中，TRM优于
百度地图发布 V22 版本：升级车道级导航 4.0 与多项 AI 功能
百度正式发布百度地图 V22，带来车道级导航 4.0、SR 导航 2.0 和全域护航系统三大升级。该版本进一步融合了大模型能力，优化了 AI 搜索、AI 出游和 AI 路线等服务。用户可以使用口语化、复杂的指令进行搜索和行程规划。此外，新版本引入了 AI 生成式渲染以提供不同的视觉风格，并提升了秒级感知的安全预警能力。
OpenAI据称推出智能体Dot；文章称AI应用商业化正在提速
文章称，OpenAI推出了由GPT-6Astra驱动、可全天候运行的智能体Dot。它据称能够操作已连接的应用，完成市场调研、商业文件起草和软件开发等任务。文章还认为，企业付费和订阅模式正推动AI应用商业化，但未提供支持这些说法和预测的详细证据。
腾讯据报正内测个人智能体 Handy Bot
据中国媒体《读佳》报道，腾讯正在开发一款个人智能体，内部代号为“Handy Bot”，并计划推出独立 App。报道称，相关服务号已低调出现在微信，简介为“Your Personal AI Agent”。与针对单次提问作答的聊天机器人不同，这款产品旨在持续推进较宏观的任务。阿里巴巴和字节跳动据报也在开发个人助理产品。此类智能体要实现落地，仍需平衡任务规划能力、工具与服务的开放程度以及隐私保护。Han