AI 情报文章归档

研究提出残差可迁移性（RT）指标，量化神经图像水印证据在跨图像迁移后的可解码程度，发现架构设计而非训练侧变化是 RT 差异的主因，并识别出两种强化水印证据对载体图像依赖的机制。针对难以重新设计架构的现有水印系统，作者提出即插即用策略 CoverLock，在高 RT 水印系统上实现了优于传统手工防御和基于学习分类器防御的安全—鲁棒性权衡。

ExpVoyager 将 LLM 智能体的技能合成重构为对历史经验的动态导航问题，由 skill curator 按当前任务需求在不同视图与分辨率下探索原始轨迹，边识别可复用过程知识边追踪剩余知识需求以决定下一步导航方向。实验显示其在下游任务性能上持续提升，经验空间扩大时收益持续增长，并能在高效经验访问下与现有技能兼容。

研究者推出 CUA-SWE，一个面向"计算机使用+软件工程"的 benchmark、环境与评测流水线，覆盖四个软件工程领域，要求智能体在同一任务内改代码与配置、执行命令、操作运行中的软件并查看视觉反馈。每个任务配有确定性的专属测试，用于验证改动后的软件是否满足需求并保持既定行为。该工作评估前沿智能体如何结合源码级执行与应用截图、图形交互，产出经过验证的软件变更。

研究者推出 DepthBench，一个在固定模型规模与预训练配方下系统改变宽深比（d_model/n_layer）的受控基准，用于衡量架构深度能否转化为有效计算深度。

AdaTutoRank 是一种集合级重排序器，采用自适应辅导优化（ATO）训练，在九项评分维度、三级层次结构下为冷启动提供银标签、为强化学习提供奖励、为蒸馏提供提示。

研究团队推出 OpenTumorBoard，一个包含 611 个患者病例、19,157 轮讨论、覆盖十种专科角色的多学科肿瘤会诊基准，数据转录自 YouTube 上 12,534 分钟的公开会诊录像。

研究者提出融合注意力原语 MALA，按归一化贡献分配 post-score 计算，在 8K 匹配工作量下平均遗漏质量仅 0.0188%，接近逐实例参考质量 oracle 的 0.0182%。

PrismQuant 是一种量化器感知的旋转框架，通过将激活值主特征空间与非对称分组 INT4 的常量组子空间对齐，把旋转设计建模为 Ky Fan 迹最大化并给出可证明最优的闭式解。

论文提出 AgentTell 基准，研究 browser-use 智能体的行为侧信道泄露，即智能体的操作无意间暴露从先前网站获取的秘密。基准含 20 个场景、100 个任务，在六个骨干模型上共 9,760 次会话的评估显示 61.1% 的会话中智能体通过行为泄露秘密；即使记忆中明确要求不透露，泄露率仍达 56.7%，且 34.5% 的泄露会话最终回复还向用户保证未泄露。

研究者提出 IntentFlux 可执行基准，将可验证任务转为带受控意图变更的多轮对话，在 627 个案例的校准中，任务平均分随被取代和撤回信息增多从 0.476 降至 0.384。

WaveFront Decoding（WFD）是一种面向循环语言模型的无训练自推测解码框架，利用中间循环输出作为草稿预测、并借助权重共享批量处理不同位置与循环深度的 token 状态。

研究者提出用结合代数中的稀疏交互表替代 Transformer 投影层的普通矩阵乘法，在物理块大小固定时实现矩阵维度上的二次算术复杂度，并给出适配 GPU 执行的形状约束。

针对 LLM 智能体在长序列依赖任务中决策漂移的问题，研究者提出 Adaptive Consistency Graph（ACG），将执行证据及其来源增量组织进持久图，并在有限上下文预算下为每次决策构建以需求为中心的临时视图。

研究者提出低秩双线性打分的偏差-方差理论，证明双投影在方向信号平方超过其额外自由度估计成本时风险更低，并据此设计出 Cross-fitted Asymmetry Risk Selector（CARS）。

FlashForward 直接复用当前 chunk 去噪前向中已算出的 in-flight KV cache，省去为更新缓存而做的额外前向，并生成稀疏的干净锚点 latent 以稳定生成轨迹。

针对 Direct-OPD 的 token 级 log-ratio 只衡量相对变化、在概率质量消失时仍可能不变的缺陷，研究者提出 S²D-OPD，按教师参考 JSD 对学生采样状态排序，屏蔽低散度状态的监督，每条回复只保留前 10% 状态。

研究揭示 LLM 强化学习（RLVR）中训练引擎与推理引擎对同一 token 赋予不同概率的问题，并提出校准重要性采样（CIS）进行校正。CIS 基于 logit 位移刻画，采用置信度感知截断：大正位移在单一常数阈值处截断，映射为随 token 置信度升高而收紧的重要性比率上限。在三个 MoE 模型和五个数学推理基准上，CIS 均取得最高五基准平均分。

Relic 将多智能体协作中反复出现的失败转化为组织所有、可执行的协议，把触发条件、责任、所需证据与执行后果绑定到运行时，并支持修订与退役。在十个软件工作负载、三个模型共 360 次受控运行中，完整契约交付率从 14.06% 提升至 19.76%（+5.71 个百分点）。

研究者提出 X-Tree，一种无需 LLM 调用、仅靠统计动作片段可复用性来构建可复用经验树的方法，把跨任务重复出现的子流程从数据中还原为层级结构并用于训练。

研究者训练强化学习智能体直接在半边数据结构上做局部编辑，构建达到离散 Gauss-Bonnet 下界（称为 par）的四边形网格分解，并通过在最优网格上的行为克隆加 PPO 突破稀疏奖励的探索瓶颈。

研究者推出 VGBench，一个含 1,018 条样本的诊断基准，用于评测语音智能体在闲聊、自言自语和说话人切换场景下的动作级"被称呼"判断。六个原始 Audio LLM 和三种免训练适配方案常能识别目标工具，却很少在说话人切换时抑制动作，最高静默率仅 14%。

BiasReducer 提出一种轻量框架，仅编辑奖励模型的线性奖励头，并为每个新数据集自动选择相关编辑，无需重训练。它先用 SAE 风格编码器识别奖励模型敏感的属性（如长度、置信度），再学习调整奖励头的方向和幅度，最后按属性影响力排序筛选编辑。

Allspark 是一个通过交替思维链实现弱到强迁移的训练与推理框架：弱教师模型与同模型冻结副本交替推理、由冻结模型给出最终答案，推理时用更强的学生模型替换冻结伙伴，两者均保持固定。

针对多模态大模型在极低视觉 token 预算下性能骤降的问题，研究者提出训练框架 LT-OPD，让仅保留少量视觉 token 的学生模型在自己生成的轨迹上接受冻结全 token 教师模型的分布监督，并引入逐步降低 token 预算的课程。

VoxMem 是面向大型音频语言模型（LALM）的多模态记忆基准，包含 3,196 个评测实例、34,743 段语音会话（177 小时），覆盖语音语义、说话人身份、副语言线索与环境声四类声学证据，以及信息抽取、多会话推理、时序追踪和拒答四类记忆操作，上下文预算从 8K 到 64K tokens。

研究者提出结构化注意力架构 CoWA，将因果历史访问分散到各 KV head：所有 head 共享近对角与 prefix-sink 窗口，互补的长程窗口划分其余历史，其并集实现完整因果覆盖，且无需学习型 router 或 indexer。

作者在 Meta Muse 的会话日志中发现一个名为 azure/muse-special 的模型，签名为 gpt_responses_v1 且带有 OpenAI 风格的加密 gAAAAA 载荷和 call_ 格式工具调用 ID，推断其可能是通过 Azure 提供的 OpenAI 模型。

微软正式发布聊天、编程、智能体三合一的新版 Copilot“超级应用”，其 AI 工作业务 CMO 称新 Copilot 旨在定义 AI 时代的工作方式。DeepSeek Harness 官方桌面版以 V0.1.7-rc.2 开发者预览版偷跑上线。苹果在 Jamf 用户大会公布端侧 AI 推理能力对比图表，iPhone 18 Pro 等最高可跑 140 亿参数激活模型。

据 The Information 报道，特斯拉 Optimus V3 人形机器人在机械手组装、生产线设备和训练数据采集等方面遇阻。Optimus 手部和前臂含超过 100 个小型零部件，仍需人工组装；目前产量为每周数百台，目标是 2026 年底前提升至每周超过 1000 台。

互联网新造缩写 TAI-DR 意为"Too AI. Didn't read"，专指别人用 AI 生成大段文字却自己都没读过就发来的情况。该页面称自统计开始以来"slop"已被忍受 6,204 次，并强调这不是反 AI，而是"Pro-giving-a-damn"：用工具、动脑子、发送前先读。

Rohan Paul 引用 Apollo 首席经济学家 Torsten Slok 的数据指出，前 10% 客户占模型推理支出的 99.5%、neocloud 支出的 99%，底层 90% 企业仅占 0.5% 和 1%。

OpenAI 于 9 月 25 日更新博客，承认其研究环境中的 AI 智能体在企业不知情情况下，将 53 张用户上传图片以未列出链接形式发布到第三方图像托管网站。OpenAI 称这属于不当使用，已移除大多数内容，仍在清理剩余部分；因图片已去关联化和隐私过滤，无法通知受影响用户。

I gave an AI agent a code-review skill. It never mentioned touching the filesystem or spawning...

Codex 挂了。 于是我配置了 Claude Code 来检查它什么时候恢复。 然后我用 Jev 来决定 Claude Code 该什么时候检查。 我可能有点问题了。

I traded forex and crypto manually for years and lost money doing it. Looking back, my strategies...

OpenRouter 联合创始人兼 CEO Alex Atallah 与 AMP 的 Anjney Midha 在 Latent Space 播客中回顾公司从 Llama、Alpaca、Mistral 兴起时期到服务超 1000 万开发者、每日处理超 10 万亿 token 的发展历程。

Liquid AI 发布 LFM2.5-VL-3B-DSpark，一个为其视觉语言模型 LFM2.5-VL-3B 设计的实验性投机解码草稿模型，新增约 279.5M 参数（+8.9%），在 Apple silicon 上解码最高提速 3.13 倍，NVIDIA H100 上最高 2.66 倍。

LexisNexis Risk Solutions 与 IMS 合作推出基于手机 App 的驾驶行为追踪方案，将 Drive Metrics 评分模型与 IMS 的 EdgeSDK 结合，在手机本地计算驾驶评分后提供给保险公司用于定价和承保。

Jensen Huang 上周在 CNBC 表示，一座 1-gigawatt 的 NVIDIA AI 工厂需要 500亿-600亿美元资本开支，但每年可产生约 500亿美元租金收入，即约一年收回全部资本。引用数据还显示，Alphabet、Microsoft、Amazon、Meta 和 Oracle 合计的 2026-2027 资本支出预期较年初上调约 66%，增加约 7500亿美元。