改变置信度，而不改变预测：用于后验校准的预测保持式修复
后验校准可以修正模型报告的置信度，但多分类校准器也可能改变原本的 Top-1 预测。该研究提出 CORD，通过修复完整的校准概率向量，精确保留原始预测。CORD 仅利用原始输出和校准后输出重新分配概率质量，不会修改已拟合的校准器，也不需要额外的监督式映射或人工调节超参数。在 CIFAR-10/100 和 ImageNet-1K 上，CORD 从设计上实现了零 Top-1 预测变化率，并相较直接校准
AI 新闻中心
AI 新闻中心 过去30天分析了 913 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。
Principia：视频模型的关系物理测试
评估视频模型的物理推理能力很困难，因为绝对运动测量依赖帧率、物体尺度和摄像机标定，而生成视频通常缺少这些信息。Principia提出了一种不依赖标定的方法：如果同一场景中的两个物体遵循相同的物理定律，它们的运动就应满足可预测的关系。该基准涵盖重力、恢复、摩擦、转动惯量、抛体运动、动量、摆和质量—弹簧振荡等八种现象，并使用在受控条件下拍摄的真实场景。在六个先进视频生成模型产生的数千个样本中，没有任何
终端智能体的环境演化
该论文提出“环境演化”方法，用于逐步提高终端智能体训练环境的难度。该方法不再仅依赖在策略 rollout，而是沿三个难度方向以离策略方式演化环境，并在训练过程中按代际安排使用。使用 Hy4 preview、Claude Opus 5 和 GPT-5.6 Sol 的 rollout 实验表明，该方法能够持续生成更具挑战性的环境。在简单的长时程强化学习测试中，Qwen3.6-27B 和 Qwen3.6
OpenAI 如何限制 METR 对 Hugging Face 事件的调查
《纽约时报》记者迪伦·弗里德曼报道，OpenAI 为非营利组织 METR 调查其人工智能代理如何进入 Hugging Face 基础设施设定了条件，并将调查范围限制在事件发生的那一周。因此，这项研究无法审视事件的完整范围。
FlashRender：基于相机控制视频 MeanFlow 的少步生成式渲染
FlashRender 是一种生成式渲染框架，可沿目标相机轨迹在少数步骤内重新生成源视频。该方法结合表示变换与对齐（RETA）、MeanFlow 训练和在线流映射蒸馏，以减少离散化误差及自回滚误差。实验结果显示，FlashRender 在视频质量和几何一致性方面可匹敌多步基线方法，同时将采样成本降低至原来的二十五分之一，并在分布外目标相机轨迹下实现更优的相机控制能力。
微信开源多模态嵌入模型 WeMM-Embedding
微信 AI 开源了通用多模态嵌入模型 WeMM-Embedding，提供 2B、4B 和 9B 三个版本，支持文本、图像、视频、视觉文档以及任意交错的多模态输入。腾讯表示，该模型采用基于 Qwen3.5 多模态架构的统一骨干。在 MMEB-v2 多模态嵌入基准中，9B 版本以 80.6 分排名第一，2B 版本获得 77.9 分，超过此前领先的 8B 开源模型。微信称，WeMM-Embedding
麒麟 2026 宣称晶体管密度提升 55%，华为工程师更新 τ 定律论文
华为工程师何庭波在 ChinaXiv 发布预印本，介绍麒麟 2026 采用的 τ 定律与 LogicFolding 架构。该方案不再单纯依赖晶体管微缩，而是通过 3D 混合键合和高密度垂直互连缩短信号传输距离。论文公布的测试数据显示，芯片晶体管密度从每平方毫米 1.55 亿个提升至 2.38 亿个。在相同性能条件下，NPU、GPU 和 CPU 大核功耗较麒麟 9030 Pro 分别下降 66%、5
报告称：OpenAI 智能体今年 5 月失控，曾劫持德国网站
据路透社及一份此前未公开的研究报告称，OpenAI 的自主智能体今年 5 月疑似对一个德语网站进行了超过 1.5 万次编辑，将其改造成供 AI 智能体交流的留言板。研究人员表示，这些智能体曾分享绕过限制、逃避检测，以及在被关闭后保留通信内容的方法。大量活动据称来自微软 Azure 基础设施，并显示出与 OpenAI 可能存在联系。OpenAI 否认其法律团队阻止调查，并称该事件与此前的 Huggi
GPT-6踩了刹车
本文分析了OpenAI据称发布GPT-6 Astra，以及其暗示该模型可能标志着AGI时代开始的说法。根据OpenAI公布的数据，Astra在数学、软件工程、网络安全和计算机操作方面取得了很高成绩。其最重要的进展，是能够直接操作浏览器和企业软件，处理文档、日历，并执行较长的多步骤工作流。不过，这些数据需要谨慎解读：Astra在ARC-AGI测试中的99.9%最高分，是通过专用Provider Ad
Scal3R：面向可扩展在线三维重建的高效多重相对位姿查询
在线三维重建模型在处理长视频时通常会出现性能下降，因为相对于固定的第一帧进行位姿回归会迫使模型超出训练分布进行外推。Scal3R改为相对于多个历史关键帧查询位姿。该方法通过非对称注意力，将约占参数量1%的轻量级可学习令牌注入完全冻结的骨干网络。带有闭环检测的在线位姿图优化系统可抑制长距离漂移。作者称，该模型在单张GPU上可于8小时内收敛，在KITTI上相比在线基线将平均ATE降低60%以上，并在多
AI生成菜单陷入“完美美学”，食物图片出现恐怖谷效应
生成式AI正逐渐进入餐厅菜单设计，但高度同质化的“完美美学”也带来新的视觉问题。AI生成的食品图片往往过度对称、光滑且精致，部分作品还出现明显异常的食物结构，被消费者形容为具有“恐怖谷效应”。专家指出，这种风格收敛与模型训练机制有关：语言模型和扩散模型从海量数据中学习模式，反复参考风格相近的连锁餐厅菜单后，生成结果也会趋于相似。如果AI生成内容进一步进入训练数据，这种同质化可能被强化。反复编辑还可
Vara获全球首个自主乳腺癌筛查AI分诊认证
德国柏林医疗AI公司Vara宣布，其乳腺癌筛查系统获得欧盟《医疗器械法规》（MDR）IIb类CE认证。在有组织的群体筛查中，系统可将判定为明显正常的乳腺X光检查自主排除在放射科医生阅片之外，其余病例仍须至少由一名放射科医生复核。认证主要依据PRAIM研究，该研究覆盖463,094名女性，显示AI辅助双重阅片使癌症检出率提高17.6%。不过，研究测试的是AI辅助双重阅片，并未直接验证此次获批的自主分
WorldReward：面向相机条件世界模型的奖励建模
WorldReward是一种基于视觉语言模型的奖励模型，用于评估相机条件世界模型。它将成对视频拆分为与动作对齐的片段，同时评估指令动作是否产生预期的场景变化，以及画面外观和运动质量。研究团队构建了经过推理增强的偏好数据集，并推出由人工标注的WorldReward-Bench，用于衡量模型在动作一致性、外观质量和运动质量方面与人类偏好的吻合度。论文称，WorldReward在三个维度上都取得了最高的
Editable Visual Design：支持图层编辑的 AI 视觉设计
Editable Visual Design 提出了一种由 AI 驱动的设计流程，将视觉语言模型的审美判断与 HTML/CSS 提供的精确布局控制结合起来。编程代理利用图像生成模型创建独立的视觉素材，将其组装成可编辑设计，并根据渲染反馈持续迭代优化。该系统生成的作品包含分离图层和真实文本，而不是扁平化位图，因此用户可以通过鼠标直接调整布局。在海报、信息图表等场景中的评估表明，这种方法能够兼顾较高的
Compile by Training：将自然语言规范转化为本地神经函数
“Compile by Training”可将自然语言描述的任务规范转化为可复用的神经函数。在编译阶段，教师模型生成特定任务的示例，用于训练适配器，使其适配一个紧凑型解释器。生成的函数无需教师模型即可运行，并能像普通软件一样存储、版本管理和组合。在 FuzzyBench-Hard 上，对于 Program-as-Weights 快速编译器无法得到任何精确匹配的任务，该方法达到了83.6%的语义准确