最新基准测试：最强AI模型看手册干活，通过率仅36.2%！
如果你负责AI在企业中的部署，这个基准是你必须知道的——它直接捅穿了当前智能体在面对几十页公司手册时的无力现状。结果虽然难看，但清晰暴露了需要改进的方向：长上下文指令遵循远未到可用水平。
最新文章
共 1665 篇自动驾驶告别特权信息！Valeo.ai 500亿步开创新范式
继6月聊过Mila的Gigapixel自博弈训练之后，Valeo这篇Pictura直接更进一步：把强化学习的观察空间从特权矢量换成了摄像头第一视角的渲染图，彻底消除了部署时的表征鸿沟。500亿步训练后，效果居然还能跟特权基线掰手腕，零样本迁移到Waymo场景甚至反超——这才是自博弈该有的样子。
告别误触和乱码，首个构建-注入联合优化指纹框架来了！
LLM一发布就被倒卖、二次分发，权属怎么证明？华东师大这篇2026年的工作想了个妙招：把“指纹”藏进模型参数里，而且不是用容易被识破的乱码，也不是用会误触的普通英文，而是用低资源语言组成的“代码混合”语言。更厉害的是，指纹的“构建”和“注入”不再割裂，构建时选的语言直接指导注入时往哪里写。最终结果很硬核：平均困惑度只有96（远低于乱码的1302），注入成功率
扔掉ONNX！100行内核搞定CPU大模型推理，三星苹果实测表现炸裂
语音增强模型部署一直是老大难？这篇来自汉阳大学的最新工作，直接把FastEnhancer-Medium模型编译成纯C int8运行时，在Apple M2上跑到0.069 RTF，比ONNX Runtime快3.3倍，质量只掉了0.006 PESQ，而且完全无依赖！不碰模型结构、不重新训练，全栈优化+int8量化搞定一切，还公开了源代码，简直是把语音增强部署的
复旦+字节跳动ISSTA'26：一招让LLM学会API测试常识
API测试最头疼的“冷启动”问题——没有OpenAPI规范、没有历史日志，只有一个请求样本，能自动写出靠谱断言吗？Restor告诉你，用强化学习（GRPO）微调一个轻量LLM，这事儿能成，而且字节跳动已经在生产环境跑起来了，采纳率直接干到96%以上。一篇来自复旦和字节跳动的ISSTA'26工作，实打实的工业级神器。
Sony AI新作：仅$2000成本，1.5B模型同时搞定图像理解与生成，SOTA还省钱！
统一多模态模型（UMM）过去要么贵得离谱（训练成本几万美元、数据上亿），要么理解与生成总得二选一。Sony AI这篇Argus-Unified直接掏出“混合视觉令牌”方案，把预训练VLM的视觉编码器冻住，只花$2000和1500万数据就训出比7B模型还强的理解能力，生成效果也不拉胯。对搞低预算落地的团队来说，这是一份很实在的参考。
国立成功大学新突破：LLM引导食物分割，即插即用模块mIoU达55.0
食物分割里，豆腐和芝士经常被搞混？国立成功大学这篇工作用一个巧妙的思路——让大语言模型（GPT-o4 mini）根据图像猜出食材名称，再把食材标签嵌入视觉特征或解码器查询中，实现精准分割。两个模块完全即插即用，在FoodSeg103上刷新SOTA达到55.0 mIoU，且仅增加3.8GB显存开销。不用搞什么对齐训练，拿来就能涨点，实用派狂喜！
肯特大学最新HOYS巡天：144颗婴儿恒星黑子分布首次揭晓，冷星点更短命？
抬头看星星，那些闪烁的亮斑没准儿就是年轻恒星脸上的“青春痘”——太阳黑子看多了，那你知道宇宙婴儿恒星上的黑子长啥样吗？今天这篇来自肯特大学和全球几十位业余天文爱好者联手的大规模巡天，就是用小型望远镜看穿了144颗不到400万岁的年轻恒星，告诉你它们的“斑”到底有多“花”。
高通联合高校新方案：3DGS也能像视频一样自适应流播放
想象一下你在云VR里看演唱会，网络突然卡顿，画面立刻变成马赛克甚至崩溃——SplatStream就是来终结这种尴尬的。它让动态3D高斯泼溅像视频一样支持自适应流传输，带宽不够就降质量但不中断，从粗糙到精细丝滑过渡。是不是很香？
告别写代码调参数，量子计算实验自动化时代来了？
量子计算硬件越来越容易获取，但从理论论文到实际硬件运行，中间依然隔着巨大的工程鸿沟。PASQAL团队用AI智能体搭建了一座自动化桥梁，让一篇论文或专利在一夜之间变成QPU实验。更震撼的是，他们用AI扫描了633篇Rydberg阵列论文，发现近一半可以直接在现有量子处理器上执行。虽然是智能体，但专家把关依然不可替代——选错观测量的案例让人警醒。值得所有关注量子
印度理工新方法：结构化证据+LLM推理，犹豫识别性能翻2.24倍
犹豫不决本难测，传统多模态融合不灵。PRISM-AH另辟蹊径：轻量网络抽取出结构化证据（冲突时刻、主导模态、韵律特征），再用LLM套上专家知识推理，一次性提升2.24倍。思路新颖，适合搞多模态理解、情感计算的读者。
GPT-5改写邮件语气效果曝光：121人16880封邮件揭示惊人中介效应
继6月聊过AI+同伴反馈对学术写作的影响后，这篇论文更直接：AI帮你写邮件，语气竟然比是否用AI更重要！121人16880封邮件的田野实验，结果让人意外——直接效果为零，但情绪中介效应显著。想了解怎么优化你的AI写作工具？这篇必读。
