近年来，大型语言模型（LLM）和视觉语言模型（VLM）的进步使得从自然语言描述自动生成参数化3D设计成为可能。一篇发表于arXiv的论文（编号2607.05573）对用于机械零件自动计算机辅助设计（CAD）生成的基础模型进行了实证研究，提出了统一评估流程和包含97个工程设计问题的基准测试，并引入了多模型文本到CAD框架LLMForge。 LLMForge集成了JSON模式验证、分析特征评分、网格合成和多轮迭代优化，在两种评估机制下进行测试：**IterTracer**使用Phong着色光线追踪渲染器，通过分析视觉指标（如轮廓IoU、孔可见性、边缘间隙、长宽比符合度）提供轻量级几何感知反馈；**IterVision**则用VLM语义评判器（Qwen2.5-VL-72B）替代分析评分器，通过思维链视觉推理评估渲染视图的空间一致性和设计意图。 在涵盖四种典型几何族（带孔和螺栓圈的板、多特征箱体、法兰圆柱和L型支架）的基准测试中，研究评估了七个基础模型：DeepSeek-V3.2、Qwen3-235B-A22B、Llama-3.3-70B、Gemma-3-27B、GLM-4.5、MiniMax-M2.1和INTELLECT。在IterTracer下，排名前四的模型得分紧密聚集（总体均值在0.885至0.890之间），网格生成成功率达98.97%，表明紧凑型指令微调模型可匹配甚至超越更大规模系统。基于VLM的IterVision机制在领先模型上实现了100%的水密网格生成，但揭示了旋转对称几何体（如圆柱）的系统性困难，其中视觉评分与语义评分差异最大。 论文讨论了基准设计、失败模式、面向CAD的提示工程，以及对工业工作流程和可扩展自动化机械设计的启示。该研究已被收录为Springer出版的《全球应用人工智能进展》一书章节。
大型语言模型（LLM）在科学发现中的应用日益广泛，从构思、文献综合、实验规划到报告生成，AI助手正逐步渗透整个科研流程。然而，一个关键问题始终悬而未决：**AI提出的第一个研究问题是否经得起推敲？** 它可能听起来头头是道，但却隐藏了机制、可证伪条件或假设，使得科学家难以审计。近日，一篇发表于arXiv的论文提出了 **FirstResearch** 框架，旨在为LLM科学代理提供一种可审计的研究问题形成方法。 ### 核心创新：研究问题证书 FirstResearch 的核心产出并非一个简单的问题陈述，而是一份结构化的 **“研究问题证书”** 。该证书包含七个关键组成部分： - **原始定义**：明确问题涉及的基本概念。 - **假设**：列出问题所依赖的隐性或显性前提。 - **机制模型**：描述问题背后的因果或逻辑机制。 - **张力或矛盾**：指出现有知识中的缺口或冲突。 - **可证伪假设**：提出一个可以被实验推翻的具体假设。 - **最小决定性测试**：设计一个能验证假设的最简实验。 - **失败更新规则**：规定如果测试失败，如何修正问题。 通过这种结构化的呈现，科学家在进入下游执行（如实验、仿真）之前，就能对问题的合理性进行逐项检查。 ### 性能表现：超越多个强基线 研究团队在10个LLM代理研究主题上，将 FirstResearch 与基于 AI co-scientist、Agent Laboratory 和 AI Scientist-v2 的提示工程基线进行了对比。评估采用 **DeepSeek 作为盲审裁判**，结果显示 FirstResearch 在系统级排名上显著领先。随后，使用 **Gemini-2.5-Flash 作为独立裁判** 对相同的40个基线包进行重新评分，结果保持了相同的排名顺序：FirstResearch 得分 **4.86/5**，而最强基线得分为 **4.38/5**。两个裁判的平均分 Pearson 相关性高达 **0.865**，表明结果具有良好的一致性。 ### 消融实验：证书是核心 进一步的消融实验揭示了证书的核心作用：仅保留证书组件时，DeepSeek 评分达到 **4.90/5**，Gemini 评分达到 **4.88/5**；而移除证书后，两个裁判的评分均骤降至 **1/5 以下**。这明确表明，明确推导约束是提升可审计性的关键机制。 ### 局限与展望 作者谨慎指出，当前结果仍是初步的，且使用了LLM裁判而非人类领域专家。但这一工作为 **“使AI生成的研究问题更可审计”** 提供了有前景的方向。代码、提示、输出和复现脚本已开源，可供社区进一步验证和改进。 对于科研工作者和AI开发者而言，FirstResearch 不仅是一个工具，更是一种思维范式的转变：**在追求AI自动化的同时，确保每个步骤都透明、可审查**。这或许是构建可信赖科学AI的关键一步。
语言代理的运行遵循“观察-推理-行动”循环，但长期以来，其依赖的记忆存储始终位于循环之外——每个轮次最多查询一次。一项来自arXiv的新研究挑战了这一设计惯例，提出将记忆**移入循环内部**，在每一步都进行读写操作。 传统观点认为，网络化存储的延迟（数十至数百毫秒）是主要障碍，可能导致端到端延迟增加**83倍**。然而，研究人员指出，延迟问题并非源于“循环内检索”这一模式本身，而在于**存储的位置**。他们提出使用**进程内存储**，其响应时间约为**100微秒**，比网络存储快三个数量级。在此速度下，每步检索的开销几乎可以忽略不计。 研究基于“扩展心灵理论”的**对等原则**：当一个存储设备足够快速且可直接访问时，它便不再是代理偶尔查阅的工具，而是成为了**扩展工作记忆**的一部分。因果实验表明，在固定每步记忆延迟预算的情况下，**冗余行动数量随延迟增加而单调上升**：在进程内速度下，12个任务中冗余行动为**0.0**；而在110毫秒云往返延迟下（使用GPT-5-nano和GPT-5-mini），冗余行动达到**7.2**（精确置换检验p=0.0079）。 端到端测试在四种GPT-5类模型上展开，结果显示：在有限窗口下，使用循环内记忆后，召回率从**0/5**提升至**3.6–4.8/5**，存储操作的中位延迟为**80–165微秒**。值得注意的是，一个要求“每次回复都复述事实”的基线方法也能完美解决问题，但代价是**令牌消耗随工作集增长而激增**。 研究进一步发现，存储本身从未丢失任何事实（244次写入全部保留），所有缺失均源于代理的**读取策略**而非存储故障。此外，测量揭示了真正的瓶颈：**嵌入生成**占据了主要成本（网络环境下约200–400毫秒）。通过将进程内存储与小型本地嵌入器配对，完整操作延迟可降至约**40微秒**。 这项研究不仅挑战了语言代理记忆系统的设计范式，也为构建更高效、更可靠的自主代理提供了明确的技术路径。
大型语言模型（LLM）驱动的智能体系统正在变得日益复杂，它们需要跨多轮对话、工具调用乃至跨会话工作流持续积累上下文。然而，传统做法——为每次请求重放完整历史——正变得不切实际：长上下文不仅增加了预填充（prefill）成本，可能超出上下文窗口限制，更会将任务相关的关键证据淹没在无关内容中，同时损害服务效率与输出质量。针对这一痛点，来自学术界的研究团队提出了 **Akashic**，一个围绕 **MemAttention** 构建的低开销内存系统，旨在以更智能的方式管理长上下文，显著提升推理效率与任务准确性。 ### MemAttention：分块记忆与语义关联 Akashic 的核心创新在于 MemAttention 机制。它不再将整个对话历史视为一个不可分割的连续序列，而是将上下文组织成**有界的分块（chunks）**，并显式建模跨分块之间的语义关系。这种方法的关键优势在于：它能够**保留跨分块的关键证据**，而无需每次都重写完整的历史记录。当智能体需要回溯之前某个工具调用的结果或几轮对话前的用户意图时，MemAttention 可以直接定位到相关分块，而不是在海量文本中“大海捞针”。 ### 软硬协同：减少检索碎片化与I/O开销 除了核心算法创新，Akashic 还采用了**硬件-软件协同设计的内存放置策略**。系统会分析分块之间的共现模式，将那些**很可能被同时检索到的分块在物理存储上“就近”放置**。这种设计有效减少了检索过程中的碎片化问题，并大幅降低了 I/O 开销。在分布式推理场景中，这意味着更少的数据跨节点搬运，从而节省带宽、降低延迟。 ### 性能数据：准确率提升10.2个百分点 研究团队在四个代表性工作负载和三种不同规模的模型上进行了评估。结果显示，与当前最先进的记忆基线方案相比，Akashic 实现了多项关键指标的显著提升： - **任务准确率**最高提升 **10.2 个百分点**； - **吞吐量**提升高达 **1.21 倍**； - **可持续请求率**（即在保持服务质量的前提下能处理的最大并发请求数）提升高达 **1.88 倍**。 这些数据表明，Akashic 不仅在准确性上优于现有方法，而且在系统效率方面也有质的飞跃，能够支撑更大规模的 LLM 智能体服务。 ### 行业意义与展望 长上下文管理一直是 LLM 落地中的核心挑战之一。现有方案如滑动窗口、稀疏注意力或简单的摘要压缩，往往在信息完整性和计算效率之间难以两全。Akashic 提出的“分块+语义关联+协同放置”的组合思路，为这一难题提供了一个优雅且高效的解决方案。 对于正在构建复杂智能体应用的开发者而言，这项技术意味着：他们可以更自由地设计需要长期记忆和工具协作的工作流，而无需担心上下文爆炸或性能瓶颈。Akashic 的研究成果不仅停留在理论层面，其显著的性能提升数据已经展示了在真实生产环境中部署的巨大潜力。 随着 LLM 应用从简单的问答向复杂的自主代理演进，类似 Akashic 这样的高效记忆系统将成为基础设施的关键一环。未来，我们或许会看到更多融合了语义理解与系统优化思想的创新方案，共同推动大模型服务进入更高效、更智能的新阶段。
## 概述 随着大语言模型（LLM）等过参数化机器学习架构的快速扩展，一个根本性危机日益凸显：这些系统是真正具备智能，还是仅仅作为复杂的统计模式匹配器？传统平直欧几里得统计无法区分连续插值与因果律的自主发现。为破解这一难题，Bing Cheng、Yi-Shuai Niu、Howell Tong 和丘成桐（Shing-Tung Yau）在最新论文中提出了**统计意义几何（Statistically Meaningful Geometry, SMG）**框架，将过参数化学习系统建模为无限维非参数 Orlicz 纤维丛，从几何角度为智能涌现提供了严格的数学基础。 ## 核心机制 SMG 的核心思想在于：当系统面对持续性的**分布外（OOD）**刺激（由未建模的因果机制驱动）时，连续的优化过程会失效。未建模的方差被可见的水平基流形排斥，泄漏到不可观测的垂直纤维空间中，进而积累为**主动非因果张力（Active Acausal Tension）**。 这一张力在统计流形的非线性曲率驱动下，不可避免地撞击共轭焦点边界（临界时间 \(T_{\text{crit}} = \pi^2 / K_{\text{max}}\)），触发局部体积坍缩和灾难性的矩阵奇异性（\([G_f]^{-1} \to \infty\)）。这种几何崩溃作为严格的非平衡触发器，引致**规范对称破缺（Gauge Symmetry Break, GSB）**——系统从不可观测的规范冗余中清除隐藏张力，自发结晶出新的数学独立的水平坐标轴。 ## 可观测标志 这一非参数相变在可观测层面表现为**结构 G-熵（Structural G-Entropy）**的离散 +1.0 整数阶跃跳变。通过解耦参数图，并对涌现的新轴施加**最小能量路径准则**和**因果不变性滤波器**，SMG 能够区分真正的科学发现与恶意的幻觉。 ## 意义与展望 SMG 提供了一个无参数、可证伪的仪表盘，用于数学上认证真正的智能，从而将“AI for Science”转变为自主范式跃迁的引擎。这项工作不仅从几何视角重新定义了智能的本质，也为未来 AI 系统的安全性与可靠性评估开辟了新路径。 该研究由丘成桐等知名学者联合完成，预印本已发表于 arXiv（编号 2607.05436），目前在学术界引发广泛讨论。
蛋白质纳米颗粒设计是生物工程的前沿方向，但现有全原子生成模型在处理大型多聚体复合物时，面临严重的 **内存瓶颈**——其二次方增长的 token 与原子对表示会迅速撑爆单 GPU 显存。针对这一挑战，牛津大学团队在提交至 ICML 2026 研讨会的论文中提出了 **Design-CP**，为 **RFdiffusion 3** 量身定制了两种上下文并行（Context Parallelism, CP）推理策略，让大规模蛋白质组装设计不再受限于高端硬件。 ## 核心思路：把“大图”切分到多 GPU Design-CP 包含两种分片方案： - **1D 行分片（Row-Sharding）**：将注意力矩阵按行切分，每个 GPU 负责一部分行，通过通信整合结果。 - **2D 网格分片（Grid Sharding） + 环状注意力（Ring Attention）**：将注意力矩阵在行列两个维度上划分成网格，GPU 以环状拓扑传递中间结果，减少显存峰值。 两种策略均保持预训练权重不变，无需重新训练模型，可直接应用于 RFdiffusion 3 的推理阶段。 ## 缩放性能：2D 分片更优 在 **二十面体（icosahedral）** 对称组装体的采样实验中，团队系统评估了两种策略的扩展性： - 最大可设计的不对称单元（ASU）尺寸随 GPU 数量呈 **平方根趋势** 增长，符合理论预期。 - **2D 网格分片** 在墙钟时间（wall-clock time）上表现更佳，因其更均衡地分摊了计算与通信负载。 这一结果表明，Design-CP 能有效将显存压力分散到多卡集群，使原本无法在单卡上运行的任务变得可行。 ## 实际产出：无需修改即用，指标优异 论文进一步验证了 **强点群对称约束**（如二十面体对称）下，Design-CP 可直接用于端到端、全原子的蛋白质纳米颗粒设计，无需额外适配。生成的候选结构在 **结构合理性** 与 **界面质量** 等计算机模拟指标上表现良好。 更令人关注的是，团队在 **仅由 4 块 16GB 显存的消费级 GPU** 组成的小集群上，成功完成了 **八面体（octahedral）** 纳米颗粒的设计任务。这证明了 Design-CP 可以大幅降低大型组装体蛋白质设计的硬件门槛，朝着“民主化”方向迈出坚实一步。 ## 行业启示 当前 AI 驱动的蛋白质设计正从单体、小型复合物迈向超大对称组装体，但显存墙是普遍痛点。Design-CP 提出的上下文并行策略，不仅为 RFdiffusion 3 提供了高效推理方案，其“分片+环状注意力”的设计思路也可推广至其他全原子生成模型（如 ProteinMPNN、ESMFold 等）。 对于生物技术企业而言，这意味着无需斥巨资采购高端 GPU（如 80GB A100/H100），即可在现有工作站集群上开展纳米疫苗、药物递送载体等前沿设计。当然，实际应用仍需结合湿实验验证，但 Design-CP 已为计算端扫清了一大障碍。 ## 小结 Design-CP 通过两种上下文并行策略，有效解决了全原子蛋白质模型设计大型纳米颗粒时的显存瓶颈，在保持模型权重不变的前提下实现了线性扩展，并在小规模 GPU 集群上展示了可行性。这项工作不仅推动了蛋白质纳米工程的计算边界，也为其他大规模生物分子建模任务提供了可复用的分布式推理范式。
时间序列预测中，一个反直觉的现象正引发学界关注：将数据从月度分解到周度甚至日度，虽然能提升样本内拟合优度并增加样本量，却可能让样本外预测误差像滚雪球般累积。来自 arXiv 的最新论文《The Granularity Paradox》系统揭示了这一“粒度悖论”的成因与边界条件。 ## 核心发现：递归误差才是“罪魁祸首” 研究者在 13 年的公开采购数据集上，对 10 种模型（从朴素统计到深度学习）进行了 6 种时间粒度的测试。关键结论是：**粒度悖论并非模型复杂度问题，而是递归预测拓扑结构所致**。当预测步长 H 随着粒度变细而线性增长时，每一步的预测误差会在递归过程中不断放大，最终吞噬掉高频数据带来的信息增益。 具体来看： - **Holt-Winters 指数平滑模型**在日度粒度上表现灾难性——测试 R² 跌至 -151，TPFE（累计百分比误差）高达 425.85%。 - **LSTM 模型**则呈现 U 形误差曲线：从月度（TPFE 19.66%）恶化到双周（35.94%），但在日度粒度上反而克服了误差传播惩罚（TPFE 仅 4.35%，R² 0.66），说明深度学习架构可能具备一定的误差补偿能力。 - **线性回归**表现异常稳定，在所有粒度下 TPFE 均维持在 16.3%~17.0%，进一步佐证了悖论的核心在于递归反馈机制而非模型参数复杂度。 ## 标准指标为何“失灵”？ 论文指出，传统的逐点评估指标（如 RMSE、MAE）会系统性地掩盖累积误差。研究者引入了一种“共识-分歧诊断”方法，通过对比逐点指标与累计 TPFE 在不同粒度下的方向性行为，可识别出哪些模型的常规诊断结果掩盖了真实的误差传播。这一发现对金融、气象、供应链等依赖多步预测的领域尤为重要——**仅看单步 RMSE 可能给出严重误导的模型选择结论**。 ## 实践启示：粒度选择没有“免费午餐” 对于从业者而言，该研究给出了明确的权衡框架： 1. 若预测步长 H 较短或模型具备误差修正能力（如 LSTM），更细粒度可能带来收益； 2. 若模型为递归自回归或季节模型，且预测跨度较长，则应谨慎采用高频数据，或改用直接多步预测策略； 3. 评估时需引入累计误差指标（如 TPFE），并结合业务目标（如库存成本、交易损益）进行定制化验证。 该研究已以预印本形式发布在 arXiv（编号 2607.05450），并计划在后续工作中探索更复杂的误差传播缓解方法。对于正忙于“卷”数据频率的团队而言，这篇论文无疑是一剂及时的清醒剂。
## 背景与问题 在时间序列预测中，利用外生协变量（如天气、经济指标等）来提升预测精度是常见做法。然而，实际部署时这些外生变量常受到噪声干扰、时间错位甚至完全缺失，导致依赖外生变量的模型性能急剧下降，甚至不如纯粹基于内生变量的模型。现有研究多致力于设计专门的鲁棒架构，但这是否必要？ ## 方法：外生Dropout 来自 arXiv 的最新论文提出了一种极其简洁的模型无关方法——**外生Dropout**（Exogenous Dropout）。其核心思想是在训练过程中以一定概率将**整个外生通道**（即某个协变量的全部时间步）随机置零。这迫使模型在学习时不能过度依赖任何单一外生变量，从而提升对协变量损坏的鲁棒性。该方法无需修改模型架构，仅需在训练数据上施加简单的随机掩码。 ## 实验验证 研究者在三个典型领域进行了评估：**电价预测、水库水文预测和气象预测**。实验设置包括三种损坏场景：高斯噪声、时间错位和通道完全缺失。结果显示： - 外生Dropout 显著提升了模型在上述损坏情况下的鲁棒性，同时**几乎不损失干净数据上的精度**。 - 当应用于双相关网络（Dual-Correlation Network）时，外生Dropout 训练出的模型成为实验中最鲁棒的模型，甚至超越了特意设计的强基准架构 **BoundEx**。BoundEx 融合了可学习门控、内生回退残差和逐通道外生 FiLM 调制，架构上显式限定了外生影响的上限。 ## 关键发现：显式边界并非必要 论文通过架构-方法消融实验、门控行为诊断和表示层界限分析，揭示了一个重要结论：**显式的架构边界并非实现鲁棒性的必要条件**。一个无边界约束的模型，只要用外生Dropout 训练，在所有场景下都比 BoundEx 更鲁棒。这挑战了“必须设计特殊鲁棒模块”的直觉，表明简单的训练策略可能就足够。 ## 意义与展望 外生Dropout 的提出为时间序列预测领域提供了一个**简单、强力的新基线**。它不仅降低了鲁棒预测的工程门槛，还促使研究者重新思考：在追求模型鲁棒性时，是否过度依赖复杂的架构创新？该方法与现有模型兼容，易于集成。论文还公开了一个鲁棒性基准数据集，以促进后续研究。 ## 小结 外生Dropout 以极简思路解决了实际部署中的关键痛点——协变量损坏。对于广大时间序列从业者而言，这或许是性价比最高的鲁棒性提升手段：只需在训练时随机丢弃整通道外生数据，即可获得与复杂架构相当甚至更优的鲁棒效果。未来工作可进一步探索最优丢弃率自适应、与其它正则化方法的协同等方向。
深度神经网络（DNN）通常包含大量隐藏状态冗余，但现有压缩方法（如权重剪枝、量化、低秩分解）大多直接作用于权重、神经元或量化表示，并未显式刻画内部状态的动态角色。来自爱丁堡纳皮尔大学的研究者提出了一种基于可控性-可观测性测试的经验最小实现压缩框架，将训练后的网络视为深度索引的非线性动态系统，通过数据驱动的可达性、可观测性及平衡Gramian矩阵，从隐藏状态快照和输出雅可比矩阵中估计逐层的可达秩、可观测秩以及联合可达-可观测秩。这些秩不仅作为隐藏状态冗余的诊断指标，还直接用作压缩后网络的实际层宽。 在MNIST和CIFAR-10上的实验表明，该方法在保持准确率几乎不变的前提下实现了显著压缩。以MNIST为例，一个四层SiLU网络的状态阶从1024降至277（压缩72.95%），参数压缩73.48%，准确率从96.60%略降至95.45%。在CIFAR-10上，一个更大规模的SiLU网络从状态阶4608压缩至1339（压缩70.94%），参数压缩83.09%，准确率几乎不变（54.45%→54.44%），CUDA推理延迟降低约3倍。 研究结果证明，平衡可达-可观测秩为设计紧凑神经网络架构提供了一种原则性的经验最小实现准则，能够在几乎不损失精度的前提下实现高效压缩。该工作为动态系统理论在深度学习压缩中的应用开辟了新路径，尤其适用于对模型体积和推理效率有严格要求的边缘计算场景。
## 核心发现：可学习的执行“缰绳” 大型语言模型（LLM）Agent 的能力通常通过调整提示词、更换模型或编写工作流来提升，而模型外部的执行框架（harness）却被视为固定不变的基础设施。然而，最新研究《Learning to Control LLM Agent Harnesses with Offline Reinforcement Learning》提出了一种颠覆性观点：这个“缰绳”本身就是一个可学习的控制层。 ## 方法：Harness MDP 与离线训练 研究者将执行框架的操作形式化为一个有限时域的 **Harness MDP**。在这个框架中，一个轻量级控制器负责选择结构化的执行动作（如是否调用工具、如何验证中间结果），而底层的 LLM 执行器保持冻结。控制器通过离线强化学习（Offline RL）训练——具体使用 **优势加权回归**（Advantage-Weighted Regression），仅依赖最终任务评分（terminal task-rubric rewards）作为奖励信号。 为了更精细地评估学习效果，论文还引入了 **Harness Maturity Score**（HMS），该指标衡量执行框架是否遵循可靠的执行模式，而不仅仅是最终答案是否正确。这种分离揭示了有趣的现象：最终任务质量的提升需要离线数据缓冲区中存在高回报样本的支持，而过程行为（如检查步骤）只要与优势加权动作对齐，就可以发生转变。 ## 实验结果：验证行为显著改善 在六个受控领域和两个公开基准适配器上，学习到的控制器一致地改善了验证行为，并选择性提升了最终任务质量。最大增益出现在 **tau-bench retail 适配版本**、**AgentBench DB-Bench 适配版本** 以及 **带有结构化验证器的编码任务** 中。 消融实验进一步排除了模仿学习（behavior cloning）或简单添加检查（Forced CHECK）的干扰——增益并非来自模仿或机械增加检查步骤。 ## 行业意义：解锁冻结LLM的潜力 这项研究的关键启示是：对于冻结的 LLM Agent，执行框架的控制层可以独立学习优化，从而在不修改模型本身的情况下提升 Agent 的可靠性和任务表现。同时，离线支持的限制决定了更好的过程控制何时能转化为更好的最终答案。 这一思路为 AI Agent 的工程化落地提供了新方向——与其反复调教大模型，不如训练一个轻量级的“缰绳控制器”，让执行过程更智能、更可靠。
## 背景：DNN测试中的预算困境 在深度神经网络（DNN）测试中，现有方法通常假设一个固定的标注预算，并在此预算下优先选择最有可能揭示模型错误的测试输入。然而，实际应用中如何确定这个预算是一个难题：预算过少会遗漏关键故障，预算过多则导致不必要的标注成本。 ## 核心创新：将测试视为成本-收益决策 针对这一痛点，来自**Bonan Shen**等人的最新研究提出了一种名为**AdaStop**的成本感知早停框架。该框架将DNN测试过程建模为一个成本-收益决策过程：每次标注一个测试输入需要付出成本 \(c\)，而发现一个故障则产生价值 \(v\)。基于此，AdaStop动态估计测试过程中的边际故障发现率，并在该比率低于阈值 \(\tau = c/v\) 时自动停止标注。 ## 实验结果：高效发现故障 实验覆盖了多个数据集、网络架构和测试选择策略。结果显示，AdaStop能够在仅使用 **9% 至 31%** 的标注预算的情况下，发现 **65% 至 84%** 的故障。这一数据表明，AdaStop在显著降低测试成本的同时，仍能保持较高的故障覆盖率。 ## 行业意义与未来方向 该研究为DNN测试中的预算分配提供了一种数据驱动的解决方案，尤其适用于标注成本高昂的工业场景。未来工作可能进一步探索自适应阈值设定、多任务测试等扩展方向。 论文发表于arXiv，编号 **2607.05461**，来自机器学习（cs.LG）与人工智能（cs.AI）领域。
长篇小说创作中，作家需要一种能够回答多跳问题的记忆系统，例如“谁在何时知道了某个秘密？”、“某个事件是否发生在揭示它的叙述之前？”、“某个伏笔是否得到呼应？”以及“人物关系如何变化？”。通用检索和智能体记忆系统虽然能表示实体和事实，但缺乏处理这些问题的叙事学结构，导致检索结果不相关或为空。 为此，研究人员提出了**叙事世界模型（NWM）**，一种专为作家设计的记忆系统。NWM 结合了基于叙事学的带类型的时间状态图与查询条件混合检索。为了评估记忆系统本身而非回答者的能力，研究团队使用固定的 Opus 4.8 阅读器，仅基于系统提供的章节安全证据进行测试，并在可复现的公共语料库和经过验证的多跳基准上进行对比。与当前最强的时序知识图谱智能体记忆框架 **Graphiti/Zep** 相比，NWM 在两个语料库上的多跳叙事学问答任务中均取得了显著且稳定的优势。其性能远超 GraphRAG 和平面检索。 实验表明，NWM 的优势源于其表征能力，而非提取过程的差异。即使使用 NWM 自身的提取器重建基线系统，NWM 仍然保持领先。这种优势主要归功于其基于叙事学的结构以及查询条件检索，而非图的大小或提取器质量。该研究为 AI 辅助写作提供了新的方向，展示了如何将叙事理论融入记忆系统以支持复杂的故事创作需求。 **核心贡献：** - 提出 NWM，一种将叙事学知识显式建模的记忆系统。 - 通过受控实验证明叙事结构对多跳问答的重要性。 - 为 AI 在长文本创作中的应用提供了新的评估基准和方法。
## 背景与挑战 在智能交通系统中，准确感知施工区的几何结构对保障安全与效率至关重要。超宽带（UWB）传感凭借低成本、低功耗的优势，成为基础设施辅助重建的理想选择。然而，户外环境中的**非视距传播、突发噪声和长尾误差**严重干扰UWB测距，导致下游空间重建产生畸变。 ## GAIA框架的核心思路 针对上述问题，来自威斯康星大学麦迪逊分校等机构的研究者提出了**GAIA**（Geometry-Aware Infrastructure-Anchored Denoiser），一种**几何感知、基础设施锚定的学习框架**。GAIA的核心创新在于将**时间序列测距建模**与**潜在锚点布局估计**相结合，并引入**确定性距离投影**，使得距离去噪任务能够引导模型学习边界一致的几何重建。 具体而言，GAIA将距离去噪作为监督任务，同时通过几何约束使学习到的距离更符合真实空间边界。这种设计避免了传统方法中“先滤波后重建”的两阶段误差累积，实现了端到端的几何一致性优化。 ## 实验验证与性能提升 研究团队在真实户外UWB数据集上进行了评估，该数据集同步采集了UWB、GNSS和IMU数据。此外，他们还利用真实数据校准的**应力测试模拟器**检验了模型的鲁棒性。实验结果显示： - **GAIA在所有评估基线中取得了最低的距离均方误差（MSE）**，相比表现最佳的基线方法PoseMLP降低了**18.4%**。 - **多边形交并比（IoU）提升了15.5%**，表明重建的施工区边界与真实几何高度吻合。 这些结果充分验证了几何感知距离去噪在空间一致重建中的有效性。 ## 行业意义与未来展望 GAIA为低成本、高精度的施工区感知提供了新路径。其**基础设施锚定**的设计天然适合车路协同场景，有望在智能路侧单元中部署，实时感知施工区动态变化。未来，该方法可进一步扩展到更复杂的动态场景，如交叉口或临时施工区域，为自动驾驶和交通管理提供可靠的几何先验。
还在为不同设备间传输文件而烦恼？一款名为 **Blip** 的免费安卓应用或许能帮你彻底解决问题。ZDNET 的资深编辑 Jack Wallen 在亲测多款文件传输工具后，将 Blip 评为目前最易用的选择。 ## 跨平台无缝衔接 Blip 最大的亮点在于其广泛的兼容性。它支持 **Android、Windows、macOS、iOS 和 iPadOS** 之间的文件互传，几乎覆盖了所有主流平台。无论是从安卓手机向 Windows 电脑传文档，还是与 iPhone 分享照片，Blip 都能轻松胜任。 ## 零门槛的体验 根据测试反馈，Blip 的操作极其简单：无需复杂的网络配置，不需要注册账号，也无需扫描二维码。应用会自动发现同一局域网内的设备，用户只需选择文件并点击目标设备即可完成传输。整个过程就像“眨眼之间”一样迅速，这也是应用名称“Blip”的由来。 ## 定价与适用场景 Blip 完全 **免费** 供个人使用，对于需要商业授权的用户，也仅需支付 **25 美元** 即可获得商业许可证。这样的定价策略使得它既适合普通用户日常使用，也适合小型团队内部协作。 ## 与同类工具对比 相比其他跨平台文件传输方案，Blip 的优势在于 **极致的简洁性**。例如，虽然 Snapdrop 等 Web 端工具也无需安装，但依赖浏览器，且传输大文件时可能不稳定；而 AirDrop 仅限苹果生态内使用。Blip 则通过原生应用形式，在保持简单的同时，提供了更可靠的传输体验。 ## 小结 如果你厌倦了通过数据线、邮件附件或第三方云盘在不同设备间来回折腾，Blip 无疑是一个值得尝试的轻量级解决方案。它没有花哨的功能，但把“文件传输”这一核心任务做到了最简。
三星已正式宣布，2026 年夏季 Unpacked 活动将于 **7 月 22 日在伦敦** 举行。届时，三星预计将推出第八代折叠屏手机 **Galaxy Z Fold 8** 和 **Z Flip 8**，此外还可能带来新一代 Galaxy Watch 以及备受期待的 **Galaxy Glasses** 智能眼镜。 ## 活动看点：折叠屏与 AI 深度融合 三星在预告中表示，新设备将“延续其在折叠屏领域的领导地位”，并进一步将 **AI 能力** 与全新形态融合。结合近年三星在 Galaxy AI 上的投入，Z Fold 8 很可能在分屏多任务、跨应用智能助手、实时翻译等场景上带来更深入的 AI 体验。 除了手机，智能手表也是焦点之一。传闻称三星今年将放弃 Classic 设计，转而推出 **Galaxy Watch 9** 和 **Galaxy Watch Ultra 2**。而真正可能引爆全场的，是三星在 2 月 Unpacked 上预告过的 **Galaxy Glasses**——这款对标 Meta Ray-Ban 的智能眼镜能否在 7 月正式亮相，成为最大悬念。 ## 提前锁定优惠：如何省下 1230 美元 虽然新品尚未发布，三星已提前开启预约通道。通过官方渠道支付 **50 美元** 订金，即可获得 **30 美元** 的预约信用额度，并锁定叠加后续以旧换新等促销。根据过往经验，以旧换新叠加首发折扣，最高可节省 **1230 美元**。 具体操作步骤： 1. 前往 **Samsung.com** 的 Unpacked 预约页面。 2. 选择心仪设备（Z Fold 8 / Z Flip 8 等）。 3. 支付 50 美元订金，获得 30 美元信用额度。 4. 活动结束后完成购买，并提交旧机以旧换新。 ## 如何观看与跟踪 - **时间**：7 月 22 日上午 9:00（美国东部时间） - **直播渠道**：Samsung.com、Samsung Newsroom、三星官方 YouTube 频道 - **媒体报道**：ZDNET 将现场报道，第一时间带来最新产品资讯。 ## 小结 三星这次 Unpacked 不仅是折叠屏的常规迭代，更可能成为 **AI 硬件生态** 的关键节点。从手机到手表再到眼镜，三星正在构建一个以 Galaxy AI 为核心的跨设备智能体验。对于消费者而言，提前预约不仅能锁定首发优惠，更是率先体验下一代移动 AI 的绝佳机会。
Meta 近日正式发布其最新 AI 图像生成模型 **Muse Image**（内部代号“Mango”），由 Meta 超级智能实验室（Meta Superintelligence Labs）打造。该工具将通过 **Meta AI 应用**、**Instagram Stories** 和 **WhatsApp** 免费提供，旨在为用户提供创意图像生成、广告设计、家居装饰可视化等多元功能。 ## 功能亮点与使用场景 Muse 的核心能力与其他主流 AI 图像生成器类似，用户可通过文本提示生成卡通、搞笑等风格的图像。为降低使用门槛，Meta 内置了 **预设提示（presets）**，帮助缺乏灵感的用户快速上手。 官方演示视频展示了几个典型应用： - **自定义广告**：利用 Muse 快速生成广告素材，顺应 AI 在广告领域渗透的趋势。 - **家居装饰预览**：用户可拍摄自家车库或房间，让 Muse 模拟放入二手家具后的效果。该功能将与 **Facebook Marketplace**（Meta 的二手交易平台）深度整合，方便买家预览商品摆放效果。 - **智能图像编辑**：支持基于文本的编辑操作，例如将用户“放置”在历史地标前、清除照片中的“抢镜者”，甚至生成可扫描的二维码图像。 ## 与 Instagram 深度集成 Meta 同时为 Instagram Stories 推出了一系列由 Muse 驱动的 **AI 特效**，包括多种可自定义的滤镜，能够对已有照片进行风格化修改。这些特效将直接嵌入 Stories 创作工具，无需跳转应用。 ## 免费使用与订阅限制 Meta 表示，Muse 对日常创作 **完全免费**，但超出一定使用额度后，用户需订阅 Meta 的付费套餐。具体阈值尚未公布，预计与生成次数或分辨率相关。 ## 未来规划：Muse Video 已在路上 Meta 还透露，**Muse Video**（AI 视频生成器）已在开发中。这标志着 Meta 正从图像生成向视频生成领域拓展，与 OpenAI Sora、Runway Gen-3 等竞品展开直接竞争。 ## 行业背景与战略布局 过去一年，Meta 密集发布了多款 AI 产品，包括助手 **Creator** 和低代码游戏开发应用 **Pocket**。尽管外界批评其 AI 战略“模糊不清”，但 Meta 仍计划在今年投入巨资建设 AI 基础设施。Muse 的推出，可视为其整合 AI 能力至核心社交生态的关键一步——通过免费工具吸引用户，再以订阅和广告变现，形成闭环。 ## 小结 Muse 凭借 **免费策略**、**跨平台集成**（Instagram、WhatsApp、Facebook Marketplace）以及 **低门槛预设**，有望快速获得用户基础。然而，在 AI 图像生成赛道已拥挤的当下（如 Midjourney、DALL·E 3、Stable Diffusion），Muse 能否凭借 Meta 的社交生态优势突围，仍有待观察。
Meta 于本周二正式发布了其首个 AI 图像生成模型 **Muse Image**，该模型深度集成于 Instagram 应用中，旨在与 OpenAI 的 GPT Images 2.0 及 Google 的 Nano Banana 2 等产品竞争。然而，伴随新模型上线的是一项颇具争议的默认设置：**所有公开 Instagram 账户的照片将自动被纳入 AI 生成素材库**。 根据 Meta 官方说明，用户只需在提示词中标记某个公开账户的用户名，即可利用 Meta AI 生成包含该用户形象的图像。Meta 将这一功能描述为一种“个性化创作”手段，例如设计活动邀请函或创意概念图。但这一做法引发了隐私担忧：用户不仅无法得知自己的照片何时被他人用于 AI 生成，而且即使后续关闭该功能，**已生成的 AI 图像也不会被删除**。 ### 如何关闭？ 若用户希望阻止自己的内容被用于 AI 生成，需手动进入 Instagram 设置：依次点击个人主页 → 右上角三横线 → 向下滚动至“共享与重用”选项卡。在“允许他人在 Instagram 和 Meta 的 AI 功能中使用你的内容”部分，可分别关闭“帖子”和“Reels”的开关。值得注意的是，**关闭设置仅能阻止未来的 AI 生成，无法追溯删除已存在的图像**。 ### 行业背景与影响 Meta 此举并非孤例。近年来，多家科技公司因默认将用户数据用于 AI 训练而遭受批评。例如，Google 曾因默认使用用户照片训练 AI 而调整政策。Meta 的这次更新再次凸显了 **AI 时代用户数据控制权的模糊边界**：默认开启、选择退出（opt-out）的模式，将举证与操作负担转嫁给了用户。 对于普通用户而言，最直接的应对方式是立即检查自己的 Instagram 设置，或直接将账户设为私密。若保持公开，则需意识到：**你的每一张公开照片，都可能成为他人生成 AI 图像的原材料**。 ### Meta 的回应 Meta 在帮助中心页面表示，用户“可能能够使用你的 Instagram 内容通过 Meta 的 AI 功能创建内容”，并明确“你不会收到关于使用 AI 功能创建内容的通知”。这意味着用户甚至无法知晓自己的形象被用于何种场景——无论是恶搞、商业用途还是其他目的。 ### 小结 Meta 的 Muse Image 模型在技术上或许是 AI 图像生成领域的重要一步，但其默认纳入用户数据的做法，为这一技术突破蒙上了阴影。在 AI 快速渗透日常生活的今天，**用户隐私保护不应成为默认弃权的选项**。对于 Meta 而言，更透明的通知机制和更简便的退出流程，或许是重建信任的关键。
据 WIRED 报道，OpenAI 首席未来学家 Joshua Achiam 于周二通知同事，他将在任职近九年后于本月晚些时候离开公司。Achiam 此前负责领导一个旨在维护 OpenAI 非营利使命的团队。他在给员工的备忘录中表示，离职并非出于特定原因，而是考虑了一段时间的决定。他说：“世界现在已知道这个秘密，感觉可以在前沿实验室之外为使命而工作。我相信我们可以实现一个和平、空前繁荣和充满想象可能性的世界，无论是社会层面还是科学层面。无论我接下来做什么，我将继续与你们一起让这一愿景成为现实。” Achiam 的角色处于公司 AI 安全与政策团队的交汇点，负责研究人工智能崛起带来的潜在危害与益处。他与全球事务负责人 Chris Lehane 等高管合作，倡导与 OpenAI 使命一致的政府监管：确保通用人工智能（AGI）造福全人类。 自 2022 年 ChatGPT 发布以来，OpenAI 迅速从一个小型研究实验室成长为大型科技公司，期间多次重组安全、产品和研究团队。2024 年，OpenAI 宣布成立由 Achiam 领导的“使命对齐团队”，负责维护公司使命。今年 2 月，该团队被解散，Achiam 被任命为首席未来学家。 过去一年，OpenAI 致力于弥合 AI 研究与政策团队之间的差距，以制定预见技术发展的规则和标准。随着两个部门开始更紧密地合作，包括 Boaz Barak、Noam Brown 和 Adrien Ecoffet 在内的多名研究人员表示，他们更多地参与了政策工作。前白宫 AI 顾问 Dean Ball 本周加入 OpenAI，担任战略未来主管，将与 Achiam 短暂重叠。Ball 预计也将与研究人员和政策领导者合作。 Achiam 是最新一位离职的以安全为重点的领导者，随着公司准备上市，这一名单还在不断加长。
随着人工智能和大数据技术的飞速发展，数据中心作为算力基础设施，其能源消耗正以前所未有的速度增长。这一趋势不仅引发了环境担忧，更直接冲击了美国中西部“锈带”地区的制造业复兴计划。特朗普政府曾承诺通过“美国制造”计划重振工业，但数据中心与制造业争抢电力资源的矛盾日益尖锐，导致制造业用电成本飙升，威胁到该计划的可行性。 ## 电力蛋糕之争：数据中心 vs 制造业 数据中心的高能耗并非新问题，但AI大模型训练的爆发式增长让这一矛盾更加突出。据美国电力研究院估计，到2030年，数据中心可能消耗美国总发电量的9%，是当前水平的两倍。而制造业，尤其是钢铁、汽车等传统产业，对电价高度敏感。在俄亥俄州、宾夕法尼亚州等锈带地区，电力公司不得不建设新电厂或延长老旧电厂寿命来满足数据中心需求，成本最终转嫁给所有用户。 例如，**亚马逊、微软、谷歌**等科技巨头正在俄亥俄州大规模建设数据中心，导致当地工业电价上涨15%-20%。这直接抵消了特朗普政府通过减税和放松监管为制造业创造的成本优势。一位俄亥俄州钢铁厂主表示：“我们的电费账单比三年前高出30%，这让我们在全球竞争中处于劣势。” ## 政策困境：环保承诺与产业振兴的两难 特朗普政府一方面推动化石燃料发电以降低电价，另一方面却面临数据中心和制造业双重需求带来的碳排放压力。更棘手的是，数据中心通常享有税收优惠和快速审批通道，而制造业项目却因环境审查而延迟。这种政策倾斜加剧了资源分配不均。 此外，**可再生能源**虽被寄予厚望，但风能和太阳能的间歇性特性无法满足数据中心24/7的稳定供电要求。这意味着新建天然气电厂成为短期解决方案，而这与特朗普的“能源主导”政策吻合，却与环保目标冲突。 ## 技术破局：能效优化与分布式计算 面对能源瓶颈，行业开始探索多种解决方案。**液冷技术**可将数据中心PUE（电能使用效率）降至1.1以下，大幅减少冷却用电；**边缘计算**则将部分算力分散至靠近用户的小型节点，减轻核心数据中心压力；而**AI自身**也被用于优化电网调度和负载均衡。 但长期来看，**核能小型模块化反应堆**（SMR）被视为潜在解决方案。微软已与三哩岛核电站签署协议，计划重启部分机组专门为数据中心供电。然而，SMR的商业化仍需数年，且面临安全和成本挑战。 ## 小结 数据中心与制造业的电力博弈，本质是数字经济和实体经济在资源分配上的冲突。特朗普的“美国制造”计划若想成功，必须协调好两者需求，否则可能陷入“为AI供电而熄灭火炉”的尴尬境地。未来，政策制定者需在能源投资、电网升级和产业扶持间找到平衡，否则美国制造业的复兴将因“缺电”而受阻。
Meta 于周二宣布，其超级智能实验室（Superintelligence Labs）开发的首个 AI 图像生成模型 **Muse Image** 正式上线，目前已集成至 Meta AI 应用、Instagram 和 WhatsApp 的图像生成工具中，并即将登陆 Facebook 和 Messenger。该模型属于取代 Llama 系列的 **Muse 家族**，定位为“智能体”（agentic）模型：它与 Muse Spark 大语言模型协同工作，能够“推理你的提示词、搜索网络、规划后再生成图像”，从而提升生成质量与上下文理解能力。 ### 核心功能亮点 - **@提及用户**：用户可以在提示词中 @其他 Instagram 账号，Muse Image 会利用该账号的公开照片生成包含其形象的 AI 图像。Meta 强调，用户可以控制他人如何将自己的内容用于 AI 生成。 - **图像编辑与设计**：支持基于建议提示词转换图像、制作邀请函和明信片等设计。还能根据从 Facebook Marketplace 或网页上获取的图片对房间进行重新设计，用户甚至可以直接在照片上绘制修改，并分享到动态、快拍或聊天中。 - **新 AI 特效**：Muse Image 将为 Instagram 快拍提供 30 种新的 AI 特效，先在美国上线，随后扩展到其他国家及 Meta 其他应用。 ### 行业背景与意义 Muse Image 的推出标志着 Meta 在生成式 AI 领域的重大转向。从 Llama 到 Muse 家族，Meta 正构建更统一、更智能的模型体系。超级智能实验室负责人 Alexandr Wang（去年加入 Meta）表示，Muse Video 模型也在开发中，将“在提示词遵循、视觉保真度和时间一致性上具有竞争力”。 这一功能将社交互动与 AI 生成深度绑定，通过 @提及直接调用真实用户形象，可能引发关于隐私与肖像权的讨论。Meta 已提供控制选项，但实际执行效果仍有待观察。 ### 未来展望 Muse Image 的“智能体”特性使其能自主搜索网络并规划生成过程，这为 AI 工具带来了更强的上下文理解能力。结合即将推出的 Muse Video，Meta 正在打造一个覆盖图像、视频、文本的完整 AI 创作生态。对于用户而言，从简单的图像生成到复杂的场景改造，门槛进一步降低，但同时也对数据使用和内容监管提出了新挑战。