CogEvol：面向高效可靠的学习环境生成
CogEvol是一系列专为学习环境生成设计的模型，可将课程简介一次性转换为完整的学习内容，包括结构化JSON幻灯片和自包含的交互式HTML页面。开发团队称，该系统基于22万次生产请求开发，生成一页幻灯片的中位时间为17秒，生成交互式页面为59秒。CogEvol-27B在幻灯片质量评测中得分83.7，在包含500个案例的交互式HTML基准测试中得分63.7。CogEvol-4B已依据Apache 2
AI 新闻中心
AI 新闻中心 过去24小时分析了 159 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。
Lucida：解析、生成并放置物体，实现可组合的真实场景到仿真建模
Lucida是一种将真实室内环境重建为完整、可编辑三维物体资产的方法，面向机器人仿真和具身智能。系统首先构建场景图，为每个物体保留多视角证据；随后根据这些证据生成完整资产，并通过GizmoAct完成物体放置。视觉语言模型以闭环GUI交互的方式控制放置过程，并自行判断对齐是否达到要求。根据论文作者报告，Lucida在R2S-Scene上的mAP较Boxer提升69%；在CA-1M上，ADD-SB@0
中央网信办：当前人工智能面临五方面主要安全风险
在国家网络安全宣传周新闻发布会上，中央网信办表示，当前人工智能主要面临五方面安全挑战：深度学习系统存在难以根除的技术脆弱性，推理过程不透明、输出不稳定，训练数据还可能引入偏见。随着模型能力提升，人工智能可能通过漏洞挖掘、绕过安全防护、逃逸沙箱或越权访问真实生产系统，冲击传统网络安全模式。官方特别警告，高权限智能体及存在漏洞的插件可能被利用为网络攻击和数据窃取的跳板。此外，人工智能可能被滥用于传播有
MNIST-PRO：MNIST以面向AI智能体的部分可观测世界形式回归
MNIST-PRO是一项用于研究AI智能体如何在部分可观测环境中构建和更新感知状态的基准测试。它将手写数字识别转换为基于连续视觉片段的搜索任务，并限制对先前观察结果的回看能力。研究使用四种记忆表示评估了10个多模态模型：原始视觉历史、文本状态、结构化网格地图和整合视觉画布。模型在完全可观测条件下表现良好，但部分可观测性暴露出明显的性能差距。研究发现三项主要瓶颈：整合零散视觉信息、持续探索直到观察完
BLARM：通过融合潜在刚性运动基元从视频生成3D物体动画
BLARM是一种由视频驱动静态3D网格动画的前馈方法。给定单目视频和物体网格，系统能够生成时间上连贯的动画网格，无需显式骨架、笼状模型、蒙皮权重或绑定标注。该方法使用一组随时间变化的学习型刚性运动组件，以及将顶点分配给组件的时间不变权重来表示运动。几何特征和视频特征通过分解式时空注意力进行融合。训练过程结合轨迹重建、熵正则化和运动感知对比学习，旨在通过低维变形空间生成准确、稳定且具有一定可解释性的
CAST：面向可靠长程工具调用代理的批评感知监督
CAST 是一种训练框架，可将任务结果转换为动作级的结构化理由，用于解释代理的操作是否有效。这些批评信息随后被用于训练和优化执行长期、交互式工具调用任务的大语言模型代理。在动态工具调用基准测试中，使用 CAST 微调 Qwen3 系列模型后，代理的可靠性得到提升。在零售任务上，CAST 的 pass^4 表现比 GPT-OSS-120B 高出超过 10 个百分点；在跨领域的远程医疗场景中，表现又提
先学会评估再改进：面向自主科研智能体的自动评估规则生成
AutoSciRub 是一个面向自主科研智能体的框架，能够在研究开始前生成针对具体任务的可执行评估规则。它将定义不充分的研究指令拆解为原子化科学目标，并结合相关文献和可用数据，制定具体且可验证的标准。评估规则可指导实验与分析；逐项验证则能发现未满足的要求，并针对性地改进研究报告及其支撑成果。在 ResearchClawBench 和 AstaBench E2E Discovery 测试中，Auto
微软高管警告：低质量 AI 内容正在稀释职场信息价值
负责 Office 与 LinkedIn 业务的微软执行副总裁瑞安·罗斯兰斯基表示，低质量 AI 生成内容已进入日常办公场景。由 AI 生成、AI 阅读、AI 摘要构成的循环，可能让信息在反复改写中逐渐失去价值。生成式 AI 可以加快初稿、摘要和信息整理，但不能自动保证事实准确、逻辑完整或产生新的洞见。企业在关键决策、数据核验和观点形成环节仍应由员工负责。LinkedIn 已推出“看起来像 AI
科大讯飞开源端侧模型，支持百万 Token 上下文
科大讯飞旗下词元星火发布了开源模型星火 X2.5-4B 和星火 X2.5-1.7B。两款模型原生支持最长 100 万 Token 的上下文窗口，并针对智能体、代码、数学和指令遵循等能力进行优化。据介绍，模型在国产算力平台上完成全流程训练，使用了约 20 万亿 Token 的多样化数据。在 Domux 智能家居测试集上，1.7B 模型的控制指令端到端执行正确率达到 90.3%，平均响应时间为 0.8
通义千问升级学习功能：新增教材同步作文辅导，互动讲解扩展至高中大学理科
阿里巴巴旗下AI助手通义千问在新学期升级学习功能，并将相关功能全部免费开放。此次更新新增与教材同步的作文辅导，以及初中语文、数学精讲；拍照解题和互动讲解能力则扩展至高中、大学的数学、物理、化学。作文辅导不会直接给出范文，而是通过连续提问，引导学生分析题目、整理素材并搭建文章结构。教材讲解会结合学生已学知识，帮助理解新概念。学生在理工科推导过程中遇到疑问时，也可以随时追问某一步的依据，系统会根据问题
AI初创公司Mirage在X上直播24小时“新闻节目”
AI初创公司Mirage于8月11日在X上播出了一档号称“直播”的24小时新闻节目。据称，这次实验消耗了约5万美元的代币。节目使用了外形逼真的AI虚拟人，但它们在自然对话方面表现不佳。报道分析了这次AI连续直播实验的效果、问题和成本。
让大型推理模型突破人类监督持续扩展
本文研究在人类监督逐步退出学习闭环后，大型推理模型（LRM）如何继续提升。对于数学和编程等结果可自动验证的任务，利用可验证奖励的强化学习已经显著改善了推理能力；但在开放式任务和智能体任务中，可靠奖励更难获得。研究分析了两个相互关联的方向：从逐个实例的人类判断转向可复用的验证器和无需人工反馈的奖励，以及从人工策划的任务和环境转向模型自行生成的课程、构建的环境和自主协同进化。L0至L4的五级框架用于标
AI代理实验室Manus与Meta交易告吹后恢复独立运营
总部位于新加坡的AI代理实验室Manus宣布，在Meta收购交易告吹后恢复独立运营。该交易据称估值约20亿美元，但随后被中国有关部门依据外资安全审查机制叫停，双方开始进行业务、数据和运营分离。Manus表示，创始团队将继续负责公司发展，并专注于能够处理复杂任务的自主AI代理。公司下一阶段将加强产品与日常工作流程的融合，提升与现实世界的互动能力，并更主动地代表用户执行任务。分拆过渡期间，Manus完
用于大语言模型情感检测的跨语言功能向量
本研究探讨功能向量能否跨语言引导大语言模型完成任务。研究人员从上下文示例中提取潜在任务方向，并将其应用于多语言、多标签情感识别。由源语言提取的功能向量在其他语言中也能显著提升性能，包括推理时不提供示例的零样本设置。结果表明，功能向量捕捉的可能是与语言无关但与任务相关的信号，而不只是特定语言的词汇模式。研究还发现，每个模型用于构建有效功能向量的最佳注意力头范围相对稳定，并且在不同语言之间保持一致。该
PaperGym：利用科学评分标准训练研究计划生成模型
PaperGym 是一个将科学论文转化为完整训练环境的框架，用于训练生成研究计划的 AI。它根据论文的研究目标和背景生成问题，再从方法和实验中提取评估标准，从而减少模型仅靠改写内容获得奖励的情况。标准泄漏率降至 3.7%，而现有数据集为 11.90% 至 34.10%。在 Qwen3 模型上训练后，五项基准测试的平均成绩最高提升 5.6 分。研究团队还发布了包含 2 万个样本的 PaperGym-