🤖 AI 速览

今日主线集中在前沿模型发布机制变化：GPT-5.6 以 Sol、Terra、Luna 分层预览，安全栈与访问节奏成为焦点。同时，评测可复现性、知识边界与对齐副作用被重新审视。AI for Science 和高风险场景应用继续推进，行业从单纯追求能力转向可靠性、约束与可验证落地。
📋 文章元数据
发布时间
2026-06-27
类型
ai-daily
字数
3277
阅读时长
16 min

2026-06-27 AI日更 | GPT-5.6 受限预览，前沿模型进入分级访问时代 链接到标题

今日主线集中在前沿模型发布机制变化：GPT-5.6 以 Sol、Terra、Luna 分层预览，安全栈与访问节奏成为焦点。同时，评测可复现性、知识边界与对齐副作用被重新审视。AI for Science 和高风险场景应用继续推进，行业从单纯追求能力转向可靠性、约束与可验证落地。

📖 本期 Watch List 深度导读 链接到标题

今天最值得关注的主线有三条：首先是大模型能力与评测治理。GPT-5.6 Sol 的预览显示前沿模型继续在性能、成本与安全栈上分层推进；同时，LLM-as-Judge 可复现性、Know2Guess 知识边界评测，以及“有用性训练削弱价值保留”的论文，提醒团队不要只看榜单，还要重视评测稳定性与对齐副作用。

第二条是 AI for Science 正在更深地进入物理、生物与化学系统：物理引导 CNN、化学反应网络中的强化学习、KG-TRACE 抗菌耐药预测，都值得关注其“神经网络 + 领域约束”的工程范式。

第三条是社会技术系统中的可靠 AI：金融反洗钱、媒体偏见检测、算法公平和洪水遥感识别，展示了 AI 从通用能力走向高风险场景时，对可解释性、上下文建模和结构性偏差的更高要求。

🌐 X 平台 AI 热点快讯 链接到标题

话题 1:OpenAI Investigates Codex Usage Limits Draining Too Quickly 链接到标题

  • 分类:AI · News
  • 概况:热度时间:12 hours ago,相关帖子数:1500
  • 是什么事:OpenAI 正在调查部分用户反馈的 Codex 使用额度消耗过快问题。
  • 为什么重要:Codex 是 AI 编程助手的重要产品形态，额度计量异常会直接影响开发者对 AI 工具可靠性、成本透明度和生产力价值的信任。
  • 讨论概况:X 上的讨论主要集中在额度计算是否存在 bug、订阅用户权益是否受影响、OpenAI 是否应提供更清晰的用量明细与补偿，也有人质疑高强度 AI 编程工具的成本模型是否可持续。

话题 2:Meme Captures Semi-Bull Eye-Roll on AI Hype 链接到标题

  • 分类:AI · Entertainment
  • 概况:热度时间:6 hours ago,相关帖子数:56
  • 是什么事:一则以“半看多者翻白眼”心态调侃 AI 热潮的 meme 在 X 上获得传播，反映部分用户对 AI 叙事过热的疲劳感。
  • 为什么重要:这显示 AI 行业在持续资本投入和产品发布之外，公众与从业者对技术价值、商业化节奏和泡沫风险的情绪正在变得更复杂。
  • 讨论概况:讨论焦点集中在 AI 是否仍具备长期颠覆性，还是已被过度营销；支持者认为短期噪音不影响长期趋势，质疑者则认为当前估值、宣传和实际体验之间存在落差。

话题 3:OpenAI Launches Limited GPT-5.6 Preview After U.S. Government Request 链接到标题

  • 分类:AI · News
  • 概况:热度时间:17 hours ago,相关帖子数:59000
  • 是什么事:OpenAI 据称在美国政府请求后启动了受限的 GPT-5.6 预览部署，访问可能先面向特定联邦相关用户或渠道。
  • 为什么重要:如果属实，这显示前沿 AI 模型发布正越来越受到政府安全、监管和战略需求影响，也可能改变模型评测、开放访问和商业发布的节奏。
  • 讨论概况:X 上讨论集中在政府是否应优先获得新模型、这种“联邦闸门”是否有助于安全测试，还是会加剧透明度不足、权力集中和普通用户被排除在外的担忧。

话题 4:OSWorld 2.0 Reveals AI Agents’ Limits on Hour-Long Tasks 链接到标题

  • 分类:AI · News
  • 概况:热度时间:7 hours ago,相关帖子数:245
  • 是什么事:OSWorld 2.0 基准测试显示，当前 AI 智能体在持续约一小时的复杂电脑操作任务中仍存在明显能力瓶颈。
  • 为什么重要:这表明尽管 AI 智能体在短任务和单步自动化上进展迅速，但在长期规划、错误恢复、界面理解和任务保持方面仍未达到可靠实用水平，对通用智能体落地具有重要参考意义。
  • 讨论概况:X 上的讨论主要集中在该基准是否更真实地反映了智能体能力上限，以及现有模型失败究竟源于推理能力不足、工具使用不稳定，还是评测任务过于复杂；也有人认为这说明行业对“自主智能体”商业化的预期需要降温。

话题 5:Trump Administration Requests Staggered GPT-5.6 Release from OpenAI 链接到标题

  • 分类:AI · News
  • 概况:热度时间:2 days ago,相关帖子数:39000
  • 是什么事:据多方帖子和报道，美国特朗普政府要求 OpenAI 推迟并分阶段发布 GPT-5.6，初期仅向少数经政府审核的合作伙伴开放。
  • 为什么重要:这显示前沿 AI 模型正被视为具有网络安全和国家安全风险的双用途技术，政府可能更深度介入模型发布节奏、客户准入和安全评估，影响 AI 商业化与开放生态。
  • 讨论概况:X 上讨论集中在政府审查是否会成为事实上的 AI 发布许可、闭源前沿模型是否因监管和访问不确定性失去开发者信任，以及 DeepSeek、Qwen 等低成本开源或开放权重模型是否会因此获得更大采用；分歧在于这是必要的安全治理，还是削弱创新和市场竞争的过度干预。

话题 6:ByteDance Unveils Seedance 2.5 with 30-Second 4K Video Generation 链接到标题

  • 分类:AI · News
  • 概况:热度时间:5 hours ago,相关帖子数:1800
  • 是什么事:字节跳动在 FORCE 2026 上发布 Seedance 2.5，支持最长 30 秒原生视频生成、最多 50 个多模态参考输入、局部编辑、3D 预演和 4K 视频能力。
  • 为什么重要:这显示 AI 视频生成正从短片段演示走向更长时长、更高一致性和更强可控性的工业化制作流程，可能加速广告、影视预演和内容生产等场景落地。
  • 讨论概况:X 上讨论主要集中在 Seedance 2.5 是否能在角色一致性、镜头控制和商业可用性上超越 Sora、Veo 等竞品；也有人关注其企业测试、全球发布时间、版权商业化平台以及 AI 视频快速迭代带来的创作者和版权影响。

今日 X 上的 AI 舆情小结 链接到标题

今天的舆论主线是在 AI 继续高速迭代的同时，信任、治理和落地能力都受到更严格审视。共识是前沿模型和 AI 视频仍具备强技术势能，但无论是 Codex 额度争议、智能体长任务瓶颈，还是 AI 热潮 meme 的传播，都显示用户对成本透明度、真实生产力和过度营销越来越敏感。分歧主要集中在政府介入 GPT-5.6 分阶段发布究竟是必要的安全治理，还是会造成权力集中、市场准入不透明并削弱开发者信任。潜在风险在于，若闭源模型发布节奏和使用规则持续不透明，开发者可能转向更开放或低成本替代方案；同时，AI 视频能力快速提升也会放大版权、创作者权益和内容真实性问题。

💡 大佬观点(Influencer Insights) 链接到标题

基于过去 24 小时（重点覆盖 2026年6月24日-26日）的 AI 大佬推文情报，以下是资深行业分析报告。

AI 行业动态日报：模型管制、端侧爆发与 Agent 生态重构 链接到标题

1. 今日大佬们共同关注的技术趋势或产品热点 链接到标题

今日的讨论核心聚焦于 “权力转移”与“架构重构”，信息密度极高。

🔥 核心事件：GPT-5.6 的“管制式发布”与 Anthropic 的贸易指控 链接到标题

这是今天最重磅、讨论最集中的事件，标志着 AI 行业的竞争正式进入地缘政治深水区。

  • GPT-5.6 分级发布：@dotey 详细解读了 OpenAI 发布的 GPT-5.6 三个版本（旗舰 Sol、日常 Terra、经济 Luna）。最大亮点并非模型能力，而是美国政府要求下的“逐客审批”发布机制。他强调，这开创了前所未有的先例，导致公司内部能力与公众可获得的能力差距急剧拉大。此外，Sol 的 Ultra 模式通过多子 Agent 并行处理复杂任务，预示“AI 自我管理”的架构方向。
  • Anthropic 施压阿里：@dotey 报道了 Anthropic 致信白宫，指控阿里巴巴通过 25,000 个虚假账号对 Claude 发动大规模蒸馏攻击（2880万次交互），旨在窃取核心编码与推理能力以训练 Qwen 模型。此举正值 Anthropic 自身因 Fable 5 越狱漏洞被商务部全球下架的尴尬时期，展现了极度的商业防御姿态。

💻 Agent 操作系统竞赛：Codex 面临重构，国内云厂商入局 链接到标题

Agent 赛道开始从工具向操作系统升级，同时基础设施门槛大幅降低。

  • Codex 向 “Agent OS” 进化：@dotey 和 @turingbook 一致认为 Codex 正成为 AI 时代的操作系统，OpenAI 全员已转向使用 Codex。但 @Pluvio9yte 反馈Token 消耗大幅缩水，不再是无限制的狂欢。
  • 腾讯云 EdgeOne Makers 发布：多位博主 (@AI_Jasonyu, @vista8) 力推此产品，解决 Agent 开发部署的痛点（沙箱、记忆、并发）。意图明显：让开发者聚焦业务逻辑，平台托管基础设施，这可能会冲击 Claude Code 或 Codex 的现有应用模式。
  • 低代码替代方案：@Pluvio9yte 开源了视频制作 Skills，并测试了仅需 9.9元/月 的火山 Coding Plan，展示了 Agent 生态正在从上到下被国内云厂商重构。

📱 端侧模型的爆发与低成本化 链接到标题

硬件涨价（@zhixianio 转发的苹果涨价论）与端侧性能提升形成了戏剧性对比。

  • MiniCPM-o 潜力：@zhixianio 测试本地端侧全双工模型，对 9B 模型的效果表示惊艳，预示端侧音视频交互即将普及。
  • Gemma 4 实测：@zhixianio 密集测试 Google 的端侧模型体系（E4B, 12B Coder），结论是 12B 规模仍有代码天花板，但其量化感知训练（QAT）思路为端侧优化提供了新方向。
  • 内容复刻：@Pluvio9yte 开源了复刻 hyperframes 视频风格的流水线，强调视频剪辑这类重复性工作应彻底自动化。

2. 值得注意的独特观点或行业前瞻 链接到标题

  • “Token 陷阱”与精力管理：@gefei55 提出 Token 现在是无限的，但人的精力有限。“如何不迷失在什么都能做的 Token 陷阱里”，成为人类在 AI 时代需要掌握的核心能力。
  • AI 编程的“幻觉”与真实价值：@哥飞认为现在 Vibe Coding 已经无需看代码，但 @ruanyf 提到了 GitHub 代码提交量暴增（同比14倍），这可能带来了 AI 生成代码量过剩的问题。正如 @nishuang 曾指出的，测试用例才是新的护城河。
  • IP 锁死与“Fable 5”乌龙：@dotey 观察到 Anthropic 在遭遇 Fable 5 被美国商务部强制下架后，联合创始人 Tom Brown 取代了“难沟通”的 Amodei 去谈判，且模型有望回归订阅。这说明面对监管，AI 公司内部的技术理想主义必须在政治现实面前让步。
  • 工具链的国产替代与反差：@gefei55 指出开发小众工具网页 150 美元/月的订阅费，欧美用户买单很爽快；而国内火山引擎直接把 Coding Agent 拉低到 9.9元。两种商业生态的分化愈发明显。
  • 模型间的“口味”适配：@lijigang 提出重度使用某款模型会导致说话带“Claude 味”，指出人类的神经网络非常“吃” context，这暗示了选择模型的思维塑形风险。

3. 推荐的工具或资源 链接到标题

今日大佬们在实战中分享的高频工具：

  1. 腾讯云 EdgeOne Makers (推荐人：@AI_Jasonyu, @vista8)：
    • 定位：Agent 部署运维平台。解决本地跑通、上线崩溃的老大难问题。
    • 福利：免费赠送 50万 Token 用于 beta 测试，对个人开发者极友好。
  2. PPT Master / 多 Agent 协作方法 (推荐人：@dotey)：
    • 推荐了 Skill 协作方案，如访谈分析到文章生成的流水线；并传授“多稿合并”的技巧，防止 AI 遗漏细节。
  3. Codex 橙皮书 / deobfuscate-javascript (推荐人：@AI_Jasonyu, @dotey)：
    • 如果觉得 Codex 是个黑盒，可以学习 @bozhou_ai 的开源橙皮书教程，或者用 @dotey 的反编译项目来研究闭源 Agent 的机制。
  4. 豆包 Seed 2.1 Pro 接入 Claude Code (推荐人：@Pluvio9yte)：
    • 提供了详细的火山引擎 API 密钥接入 CC Switch 模型映射教程，这是目前低成本且获取高性能模型的热门路径。
  5. VoxCPM2 (语音) (推荐人：@AI_Jasonyu)：
    • 称其为“开源的语音王者”，可实现通过自然语言描述生成声音，已捕获 22.9k Github Star。
  6. Giffgaff 海外资源 (推荐人：@AI_Jasonyu)：
    • 提供了极其实用的海外 SIM 卡教程和购买策略，是涉及海外 AI 应用注册、支付的刚需底层资源。

📚 附录:今日 Watch List 更新源列表 链接到标题

时间窗口:最近 3 天;覆盖 22 个源;共 32 条更新

Stratechery by Ben Thompson (A_full) 链接到标题

  • 2026.26: Summer Vibes
    • 发布时间:2026-06-27 01:00 北京时间
    • 摘要:- 欢迎回到本周的Stratechery！
      • 提醒一下，每周、每周五，我们都会发送 Stratechery 捆绑包中的内容概述；突出显示的链接对所有人免费。
      • 此外，您可以完全控制我们发送给您的内容。
      • 就此而言，这是本周我们最喜欢的一些。
      • 一次 Vibe 编码冒险。 在人工智能时代成为一名分析师是令人兴奋的，特别是因为问题看起来如此重要。
    • EN 要点:
      • Welcome back to This Week in Stratechery
      • As a reminder, each week, every Friday, we’re sending out this overview of content in the Stratechery bundle; highlighted links are free for everyone
      • Additionally, you have complete control over what we send to you
      • If you don’t want to receive This Week in Stratechery emails (there is no podcast), please uncheck the box in your delivery settings

OpenAI Blog (A_full) 链接到标题

  • Previewing GPT-5.6 Sol: a next-generation model
    • 发布时间:2026-06-26 18:00 北京时间
    • 摘要:- 我们开始对 GPT‑5.6 系列进行有限预览：Sol，我们的旗舰型号； Terra，适合日常工作的平衡模型； Luna，一种快速且价格实惠的型号。
      • Terra 具有与 GPT‑5.5 竞争的性能，同时价格便宜 2 倍，Luna 以最低的成本提供强大的功能。
      • GPT‑5.6 Sol 推出，配备我们迄今为止最强大的安全堆栈。
      • 我们加强了对高风险活动、敏感网络请求和重复滥用的保护，并花了数周时间寻找弱点，对我们的系统进行压力测试，并强化其抵御现实世界的攻击。
      • 我们相信广泛的访问，我们计划在未来几周内普遍提供 GPT-5.6 Sol、Terra 和 Luna。
    • EN 要点:
      • OpenAI previews GPT-5.6 Sol, a next-generation model with stronger capabilities in coding, science, and cybersecurity, paired with its most advanced safety stac…

ArXiv cs.AI (B_intro+search) 链接到标题

  • Detecting and Controlling Sycophancy with Cascading Linear Features

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26155v1 公告类型：新。
      • 摘要：通过激活引导方法解释和控制模型行为需要许多对对比样本，这些样本清楚地表现出所需或不需要的行为。
      • 这些数据对决定了可解释性框架能够可靠地检测导致行为的模型特征的程度，从而决定引导模型走向或远离这种行为的能力。
      • 在这项工作中，我们提出了一个迭代数据生成管道，它隔离了负责行为的级联线性特征。
    • EN 要点:
      • arXiv:2606.26155v1 Announce Type: new
      • Abstract: Interpreting and controlling model behaviors through activation steering methods requires many pairs of contrastive samples that clearly exhibit desir…
      • These data pairs determine the degree to which interpretability frameworks can reliably detect model features responsible for a behavior, and therefore the abil…
      • In this work, we present an iterative data generation pipeline that isolates cascading linear features responsible for a behavior

  • Life After Benchmark Saturation: A Case Study of CORE-Bench

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26158v1 公告类型：新。
      • 摘要：当基准测试的准确性饱和时，它通常会被淘汰并被更具挑战性的版本所取代。
      • 我们表明，这种方法优先考虑准确性，并错过了研究智能体性能的其他六个关键维度的机会：构造有效性问题，例如捷径、分布外泛化性、效率、可靠性、模型与支架的相对重要性以及人类与智能体协作的提升。
      • 我们使用 CORE-Bench Hard（科学代码的计算再现性基准）作为案例研究，以证明即使在准确性饱和后，沿着这些维度测量代理也可以产生对代理性能的有意义的见解。
    • EN 要点:
      • arXiv:2606.26158v1 Announce Type: new
      • Abstract: When a benchmark’s accuracy saturates, it is often retired and replaced with a more challenging version
      • We show that this approach privileges accuracy and misses the opportunity to study six other key dimensions of agent performance: construct validity issues such…
      • We use CORE-Bench Hard, a benchmark for computational reproducibility of scientific code, as a case study to demonstrate that measuring agents along these dimen…

  • Refusal Lives Downstream of Persona in Chat Models

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26161v1 公告类型：新。 -摘要：在指令调整的聊天模型中，拒绝和角色特征的激活空间中的线性方向已被确定，但两者已作为单独的机制进行研究。
      • 我们展示了他们的互动：顺从的角色会拒绝。
      • 在Qwen2.5-7B-Instruct和Llama-3.1-8B-Instruct中，我们提取顺从模型角色方向和拒绝方向并对两者进行干预。
    • EN 要点:
      • arXiv:2606.26161v1 Announce Type: new
      • Abstract: Linear directions in activation space have been identified for both refusal and persona traits in instruction-tuned chat models, but the two have been…
      • We show they interact: a compliant persona gates refusal
      • In Qwen2.5-7B-Instruct and Llama-3.1-8B-Instruct, we extract a compliant model-persona direction and a refusal direction and intervene on both

  • AlgoEvolve: LLM-driven Meta-evolution of Algorithmic Trading Programs

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26173v1 公告类型：新。
      • 摘要：最近的工作表明，大型语言模型（LLM）可以充当语​​义变异算子，用于程序和证明的进化发现。
      • 当前大多数应用程序都专注于静态编码基准。
      • 我们将这种范式扩展到算法交易。
    • EN 要点:
      • arXiv:2606.26173v1 Announce Type: new
      • Abstract: Recent work shows that Large Language Models (LLMs) can act as semantic mutation operators for the evolutionary discovery of programs and proofs
      • Most current applications focus on static coding benchmarks
      • We extend this paradigm to algorithmic trading

  • Agentic Analysis for Agentic Infrastructure: An LLM-Powered Pipeline for Comparative Governance of DAO and Corporate AI Protocols

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26203v1 公告类型：新。
      • 摘要：随着人工智能代理协议的激增，塑造其互操作性标准的治理结构仍然没有得到充分的实证检验。
      • 我们引入了一个由法学硕士支持的用于大规模治理话语分析的比较管道，集成了自动注释、神经主题建模和多层网络分析来大规模研究社会技术权力结构。
      • 我们根据代理互操作性的两个对比标准对其进行验证：ERC-8004（无需许可，链上）和 Google A2A（企业主导）。
    • EN 要点:
      • arXiv:2606.26203v1 Announce Type: new
      • Abstract: As AI agent protocols proliferate, the governance structures shaping their interoperability standards remain empirically underexamined
      • We introduce an LLM-powered comparative pipeline for large-scale governance discourse analysis, integrating automated annotation, neural topic modeling, and mul…
      • We validate it on two contrasting standards for agent interoperability: ERC-8004 (permissionless, on-chain) and Google A2A (corporate-led)

  • Knowledge-augmented Agentic AI for Mental Health Medication Information Seeking

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26205v1 公告类型：新。 -摘要：患者越来越多地在网上寻求药物信息，但精神科药物的安全知识分为权威但抽象的监管不良事件记录和接近经验但未经验证的患者叙述。
      • 在不将证据和轶事混为一谈的情况下将它们整合起来，这在精神病学中尤其重要，因为情境化不佳的信息可能会放大恐惧、反安慰剂反应和不依从性。
      • 在这里，我们开发了一个具有来源感知、基于知识图的多代理框架，统一了 466,525 个 Reddit 帖子、60,782 个 WebMD 评论和 20 年的美国历史。
    • EN 要点:
      • arXiv:2606.26205v1 Announce Type: new
      • Abstract: Patients increasingly seek medication information online, yet safety knowledge for psychiatric drugs is split between regulatory adverse-event records…
      • Integrating them without conflating evidence and anecdote is especially consequential in psychiatry, where poorly contextualised information can amplify fear, n…
      • Here we develop a provenance-aware, knowledge-graph-based multi-agent framework unifying 466,525 Reddit posts, 60,782 WebMD reviews, and twenty years of U.S

  • Accelerating Skill Assessment in Chess: A Drift-Diffusion-Enhanced Elo Rating System

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26267v1 公告类型：新。
      • 摘要：Elo 等评级系统是国际象棋竞技匹配的黄金标准。
      • 然而，由于他们完全依赖比赛结果，而忽视了游戏玩法的精细质量，因此他们本质上会遭受响应滞后的困扰。
      • 尽管如此，考虑到游戏状态空间的巨大噪音和广阔性，将逐步信息纳入评级调整中提出了重大挑战。
    • EN 要点:
      • arXiv:2606.26267v1 Announce Type: new
      • Abstract: Rating systems such as Elo serve as the gold standard for matchmaking in competitive chess
      • However, they inherently suffer from response lag due to their exclusive reliance on match outcomes, neglecting the granular quality of gameplay
      • Nevertheless, incorporating move-by-move information into rating adjustments presents a significant challenge given the substantial noise and the vastness of th…

  • Governing Actions, Not Agents: Institutional Attestation as a Governance Model for Autonomous AI Systems

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26298v1 公告类型：新。
      • 摘要：自主人工智能代理可能会开始执行相应的、不可逆转的行动，例如临床处方和生产软件部署。
      • 本文观察到，人类机构不是通过监控他们的推理而是通过在采取相应行动时要求独立证明的证据来管理强大的自主行为者。
      • 我们将这种制度模式正式化为人工智能代理系统的计算治理模型。
    • EN 要点:
      • arXiv:2606.26298v1 Announce Type: new
      • Abstract: Autonomous AI agents may begin to perform consequential, irreversible actions such as clinical prescribing and production software deployment
      • This paper observes that human institutions have governed powerful autonomous actors not by monitoring their reasoning but by requiring independently attested e…
      • We formalise this institutional pattern as a computational governance model for AI agent systems

  • COrigami: An AI Pipeline for Co-Designing Flat-Foldable Visually Recognisable Origami

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26299v1 公告类型：新。
      • 摘要：虽然生成式人工智能在通过可验证的解决方案解决问题方面取得了显着的成功，但生成既满足严格的几何约束又满足主观视觉美学的物理艺术仍然是一个挑战。
      • 本文提出了一种在计算折纸领域解决这些困难的方法，计算折纸是一种严格的数学环境，将艺术设计建立在平面可折叠性方程的基础上。
      • 我们推出了 COrigami，这是一种端到端人工智能驱动的管道，它通过从自然语言生成折痕图案来协助设计周期。
    • EN 要点:
      • arXiv:2606.26299v1 Announce Type: new
      • Abstract: While generative AI has achieved remarkable success in solving problems with verifiable solutions, generating physical art that satisfies both strict…
      • This paper presents an approach to tackle these difficulties in the domain of computational origami, a mathematically rigid environment that grounds artistic de…
      • We present COrigami, an end-to-end AI-driven pipeline that assists the design cycle by generating crease patterns from natural language

  • The Verification Horizon: No Silver Bullet for Coding Agent Rewards

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26300v1 公告类型：新。
      • 摘要：一种经典的直觉认为验证解决方案比生成解决方案更容易。
      • 对于当今的编码代理来说，这种直觉正在被逆转：随着基础模型发展出更强大的推理能力并且工程工具变得更加复杂，生成复杂的候选解决方案不再困难 - 可靠地验证它们已成为更难的问题。
      • 我们可以构建的每个验证器都只是人类意图的代理，而不是意图本身。
    • EN 要点:
      • arXiv:2606.26300v1 Announce Type: new
      • Abstract: A classical intuition holds that verifying a solution is easier than producing one
      • For today’s coding agents, this intuition is being inverted: as foundation models develop stronger reasoning capabilities and engineering harnesses grow more so…
      • Every verifier we can build is only a proxy for human intent, never the intent itself

ArXiv cs.CL (B_intro+search) 链接到标题

  • HierBias: Context-Conditioned Hierarchical Media Bias Detection with Multi-Task Type Classification

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26100v1 公告类型：新。 -摘要：媒体偏见检测是确保公平和平衡的信息传播的关键任务，但现有的句子级方法独立地对每个句子进行分类，忽略了人类注释者自然利用的句子间上下文信号。
      • 我们提出了 \textbf{HierBias}，一种分层上下文条件媒体偏差检测器，它在偏差预测中对文档上下文进行正式建模。
      • 我们引入了\emph{上下文条件偏差概率}，并从理论上证明，当句子间互信息非零时，利用文档上下文严格减少句子级分类的贝叶斯误差。
    • EN 要点:
      • arXiv:2606.26100v1 Announce Type: new
      • Abstract: Media bias detection is a critical task for ensuring fair and balanced information dissemination, yet existing sentence-level approaches classify each…
      • We present \textbf{HierBias}, a hierarchical context-conditioned media bias detector that formally models document context in bias prediction
      • We introduce the \emph{context-conditioned bias probability} and prove theoretically that leveraging document context strictly reduces the Bayes error of senten…

  • Know2Guess: A Contamination-Aware Multi-Zone Benchmark for Knowledge-Boundary Evaluation in Large Language Models

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26101v1 公告类型：新。 -摘要：对大型语言模型的可靠评估应该将支持的答案与不支持的猜测分开，而不将其与数据污染、提示特质或一般拒绝行为混为一谈。
      • 我们提出了一个污染感知的多区域基准，用于衡量在冻结构建时间标签下从可回答的知识到弃权预期未知的转变。
      • 该基准包含跨五个领域的 1,200 个项目、明确的弃权期望、污染风险元数据以及使用官方严格解析器和标准化稳健性解析器的双重解析。
    • EN 要点:
      • arXiv:2606.26101v1 Announce Type: new
      • Abstract: Reliable evaluation of large language models should separate supported answering from unsupported guessing without conflating either with data contami…
      • We present a contamination-aware, multi-zone benchmark for measuring the transition from answerable knowledge to abstention-expected unknowns under frozen build…
      • The benchmark contains 1,200 items across five domains, explicit abstention expectations, contamination-risk metadata, and dual parsing with an official strict…

  • Helpfulness Hurts: Domain-Dependent Degradation of Mid-Trained Compassion Values Under Post-Training

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26102v1 公告类型：新。
      • 摘要：标准的训练后流程应用监督微调（SFT）和强化学习（RL）来使语言模型变得有用，但这些过程可能会无意中降低预训练期间灌输的值。
      • 我们使用 SFT（通过 Dolly-15k 提供帮助与通过 Dolly-15k 提供帮助）研究训练后数据领域是否对 Llama 3.1 8B 模型中动物同情心值的保留产生差异影响，该模型在以同情心为导向的合成数据上进行了中期训练。
      • 通过 Magicoder-110K 进行编码）和 GRPO（通过 RLHFlow 与 GRPO 提供帮助）
    • EN 要点:
      • arXiv:2606.26102v1 Announce Type: new
      • Abstract: Standard post-training pipelines apply supervised fine-tuning (SFT) and reinforcement learning (RL) to make language models helpful, but these process…
      • We investigate whether the domain of post-training data differentially affects the retention of animal compassion values in a Llama 3.1 8B model mid-trained on…
      • coding via Magicoder-110K) and GRPO (helpfulness via RLHFlow vs

  • Investigating LLM’s Problem Solving Capability – a Study on Statics Questions

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26103v1 公告类型：新。
      • 摘要：大型语言模型（LLM）迅速影响了社会的许多方面，特别是教育，因为它们具有完成广泛学科的作业和考试的能力。
      • 尽管之前的研究已经考察了法学硕士的教育影响，但现有的大部分工作依赖于公共或开放问题数据集，并且缺乏针对特定主题的分析。
      • 在工程教育中，特别是在机械工程领域，对特定问题类型的法学硕士表现的系统研究仍然有限。
    • EN 要点:
      • arXiv:2606.26103v1 Announce Type: new
      • Abstract: Large Language Models (LLMs) have rapidly influenced many aspects of society, particularly education, due to their demonstrated ability to complete as…
      • Although prior studies have examined the educational impact of LLMs, much of the existing work relies on public or open problem datasets and lacks topic-specifi…
      • In engineering education, especially within mechanical engineering, systematic investigations of LLM performance on specific problem types remain limited

  • Assert, don’t describe: Linguistic features that shift LLM reasoning about animal welfare

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26104v1 公告类型：新。
      • 摘要：动物福利倡导者撰写了大量的文章，并且越来越多的文章训练了数百万人随后询问动物福利的语言模型。
      • 在保留的动物福利基准上使用词汇匹配的立场对比探针，我们测量十个语言特征中的每一个在用作微调数据时如何改变 Llama-3.2-1B 对支持动物福利推理的偏好。
      • 十个特征中的八个产生统计上显着的变化。
    • EN 要点:
      • arXiv:2606.26104v1 Announce Type: new
      • Abstract: Animal-welfare advocates produce a lot of writing, and increasingly that writing trains the language models that millions of people then ask about ani…
      • Using vocabulary-matched stance-contrast probes on a held-out animal-welfare benchmark, we measure how each of ten linguistic features changes Llama-3.2-1B’s pr…
      • Eight of the ten features produce statistically significant shifts

  • Context Recycling for Long-Horizon LLM Inference

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26105v1 公告类型：新。 -摘要：大型语言模型（LLM）在短上下文推理中表现出强大的能力，但由于上下文窗口限制和低效的令牌使用，在长对话范围内性能下降。
      • 我们引入了 ContextForge，这是一个上下文回收系统，通过结合结构化查询生成、外部存储器检索和受控合成来跨轮维护任务相关信息。
      • 该系统可以高效地重用先前的计算，而无需依赖完整的上下文重放，从而减少令牌开销，同时保持答案质量。
    • EN 要点:
      • arXiv:2606.26105v1 Announce Type: new
      • Abstract: Large language models (LLMs) exhibit strong capabilities in short-context reasoning but degrade in performance over long conversational horizons due t…
      • We introduce ContextForge, a system for context recycling that maintains task-relevant information across turns by combining structured query generation, extern…
      • The system enables efficient reuse of prior computation without relying on full context replay, reducing token overhead while preserving answer quality

  • Reducing Conversational Escalation in Large Language Model Dialogue with Nonviolent Communication Constraints

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26106v1 公告类型：新。
      • 摘要：大型语言模型 (LLM) 越来越多地用于涉及人际冲突、沮丧和痛苦的情绪激动的情况。
      • 虽然之前的安全研究侧重于防止有毒或违反政策的内容等明显伤害，但很少关注可能无意中加剧冲突的对话行为。
      • 在本文中，我们研究是否可以通过源自非暴力沟通（NVC）的轻量级提示级别约束来引导法学硕士走向更加缓和的对话行为。
    • EN 要点:
      • arXiv:2606.26106v1 Announce Type: new
      • Abstract: Large language models (LLMs) are increasingly used in emotionally charged situations involving interpersonal conflict, frustration, and distress
      • While prior safety research has focused on preventing explicit harms such as toxic or policy-violating content, less attention has been paid to conversational b…
      • In this paper, we investigate whether LLMs can be guided toward more de-escalating dialogue behavior through lightweight prompt-level constraints derived from N…

  • Low Resource Multimodal Translation of Nepali Spoken Words into Emotion-Conditioned Sign Language Avatars

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26107v1 公告类型：新。
      • 摘要：整合情感表达的手语交流系统仍未得到充分探索，特别是对于资源匮乏的语言。
      • 这项试点研究提出了 NEST-V1（尼泊尔情感和语音转换器 - 第 1 版），这是一个概念验证的多模式框架，演示了从口头输入生成情绪调节的尼泊尔手语化身的可行性。
      • 作为初步调查，我们重点关注三种情绪状态（快乐、中立、悲伤）的四个常见尼泊尔语单词（“谢谢”、“你好”、“房子”、“我”），以验证我们的核心技术方法。
    • EN 要点:
      • arXiv:2606.26107v1 Announce Type: new
      • Abstract: Sign language communication systems, that integrate emotional expression remain underexplored, particularly for low-resource languages
      • This pilot study presents NEST-V1 (Nepali Emotion and Speech Transformer - Version 1), a proof-of-concept multimodal framework that demonstrates the feasibility…
      • As a preliminary investigation, we focus on four common Nepali words (“thank you”, “hello”, “house”, “me”) across three emotional states (happy, neutral, sad) t…

  • Where Larger Models Excel: The Primacy of Constraint-Guided Reasoning

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26108v1 公告类型：新。
      • 摘要：较大的语言模型在推理基准上始终优于较小的语言模型，但这种差距背后的推理差异仍未得到充分探索。
      • 在数学、物理、化学和编程的基准测试中，我们观察到稳定的性能差距：在数据集上平均，Qwen3-32B 比 Qwen3-8B 好 6.43%，而 GPT-OSS-120B 比 GPT-OSS-20B 好 7.38%。
      • 为了研究这些收益背后的推理差异，我们开发了 AdvCluster，这是一个自动化框架，可以识别较大模型显示出稳定优势的问题，从较大和较小模型产生的配对推理轨迹中提取细粒度的优势描述，并通过语义聚类来组织它们，并在审阅者模型的指导下进行定量评估和选择。
    • EN 要点:
      • arXiv:2606.26108v1 Announce Type: new
      • Abstract: Larger language models consistently outperform smaller ones on reasoning benchmarks, yet the reasoning differences underlying this gap remain underexp…
      • Across benchmarks in mathematics, physics, chemistry, and programming, we observe stable performance gaps: averaged over datasets, Qwen3-32B outperforms Qwen3-8…
      • To study the reasoning differences behind these gains, we develop AdvCluster, an automated framework that identifies questions where the larger model shows a st…

  • From Lexicon to AI: A Structured-Data Pipeline for Specialized Conversational Systems in Low-Resource Languages

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26112v1 公告类型：新。
      • 摘要：低资源语言在人工智能开发中面临着严峻的挑战：在无法访问大量训练语料库的情况下创建专门的对话系统。
      • 我们提出了一种将结构化语言资源转化为专门的人工智能系统的系统方法，证明专家策划的词汇数据库可以作为对话式人工智能开发的有效基础。
      • 我们的方法将 Hindi WordNet 转换为 125 万个不同的指令响应对，使用具有 4 位量化的资源高效型 LoRA 微调 12B 参数语言模型。
    • EN 要点:
      • arXiv:2606.26112v1 Announce Type: new
      • Abstract: Low-resource languages face a critical challenge in AI development: creating specialized conversational systems without access to massive training cor…
      • We present a systematic methodology for transforming structured linguistic resources into specialized AI systems, demonstrating that expert-curated lexical data…
      • Our approach converts Hindi WordNet into 1.25 million diverse instruction-response pairs, fine-tunes a 12B-parameter language model using resource-efficient LoR…

ArXiv cs.LG (B_intro+search) 链接到标题

  • Physics-guided Convolutional Neural Network for Domain Growth Prediction in Systems with Conserved Kinetics

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26128v1 公告类型：新。
      • 摘要：许多物理、化学和生物系统的时空演化是通过非线性偏微分方程（PDE）来描述的。
      • 最近，基于深度神经网络的代理模型作为计算成本昂贵的传统数值求解器的有效替代品越来越受到人们的关注。
      • 在这项工作中，我们提出了一种基于注意力的、物理引导的卷积神经网络作为替代模型来学习此类系统的微观结构演化。
    • EN 要点:
      • arXiv:2606.26128v1 Announce Type: new
      • Abstract: The spatiotemporal evolution of many physical, chemical, and biological systems is described by nonlinear partial differential equations (PDEs)
      • Recently, deep neural network-based surrogate models have gained increasing interest as efficient alternatives to computationally expensive traditional numerica…
      • In this work, we propose an attention-based, physics-guided convolutional neural network as a surrogate model to learn the microstructural evolution of such sys…

  • \chisao{}: A GPU-Native Parallel Optimizer for Multimodal Black-Box Functions via Convergence-Anticonvergence Oscillation

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26164v1 公告类型：新。
      • 摘要：寻找多模态黑盒函数的所有模式是优化、贝叶斯推理和科学计算中的基本挑战。
      • 现有方法——盆地跳跃、CMA-ES、多起点梯度下降——按顺序操作，无法利用现代 GPU 硬件的大规模并行性。
      • 我们引入了 \chisao{} (\textbf{C}onvergence-\textbf{H}alt-\textbf{I}nvert-\textbf{S}tick-\textbf{A}nd-\textbf{O}scillate)，这是一个 GPU 原生群体优化器，它同时运行整个样本批次，并利用故意的收敛-反收敛振荡周期来逃避局部陷阱，同时冻结确认模式。
    • EN 要点:
      • arXiv:2606.26164v1 Announce Type: new
      • Abstract: Finding all modes of a multimodal black-box function is a fundamental challenge in optimization, Bayesian inference, and scientific computing
      • Existing approaches – basin-hopping, CMA-ES, multistart gradient descent – operate sequentially and cannot exploit the massive parallelism of modern GPU hardw…
      • We introduce \chisao{} (\textbf{C}onvergence-\textbf{H}alt-\textbf{I}nvert-\textbf{S}tick-\textbf{A}nd-\textbf{O}scillate), a GPU-native population optimizer th…

  • Implementation of reinforcement learning in chemical reaction networks: application to phototaxis as curiosity-driven exploration

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26168v1 公告类型：新。
      • 摘要：生命系统使用嘈杂且不完整的感官信号来导航环境。
      • 在单细胞藻类中，趋光性通常被建模为由刺激响应规则驱动的机械运行-翻滚过程。
      • 然而，这样的描述忽略了生物体如何主动采样其环境以减少感官模糊性。
    • EN 要点:
      • arXiv:2606.26168v1 Announce Type: new
      • Abstract: Living systems navigate environments using noisy and incomplete sensory signals
      • In unicellular algae, phototaxis is often modeled as a mechanistic run–tumble process driven by stimulus–response rules
      • However, such descriptions overlook how organisms actively sample their environment to reduce sensory ambiguity

  • Neural Architecture Search for Generative Adversarial Networks: A Comprehensive Review and Critical Analysis

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26169v1 公告类型：新。
      • 摘要：神经架构搜索 (NAS) 已成为优化生成对抗网络 (GAN) 设计的关键技术，可自动搜索有效架构，同时解决手动设计中固有的挑战。
      • 本文对应用于 GAN 的 NAS 方法进行了全面回顾，根据搜索策略、评估指标和性能结果等标准对各种方法进行分类和比较。
      • 该评论强调了 NAS 在提高 GAN 性能、稳定性和效率方面的优势，同时也确定了未来研究的局限性和领域。
    • EN 要点:
      • arXiv:2606.26169v1 Announce Type: new
      • Abstract: Neural Architecture Search (NAS) has emerged as a pivotal technique in optimizing the design of Generative Adversarial Networks (GANs), automating the…
      • This paper provides a comprehensive review of NAS methods applied to GANs, categorizing and comparing various approaches based on criteria such as search strate…
      • The review highlights the benefits of NAS in improving GAN performance, stability, and efficiency, while also identifying limitations and areas for future resea…

  • KG-TRACE: A Neuro-Symbolic Framework for Mechanistic Grounding in Antimicrobial Resistance Prediction

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26179v1 公告类型：新。
      • 摘要：虽然基于 WGS 的 AMR 预测已达到高精度，但现有模型缺乏在已建立的生物途径中进行神经归因的机制。
      • 我们提出了 KG-TRACE，一种新颖的神经符号框架，它将 WHO 突变知识图 (KG) 集成为神经基因组模型的结构化生物约束。
      • 与孤立学习统计模式的现有方法不同，KG-TRACE 通过学习的认知信任门融合基因组特征和基于 RotatE 的 KG 嵌入，根据符号生物学知识动态加权神经证据。
    • EN 要点:
      • arXiv:2606.26179v1 Announce Type: new
      • Abstract: While WGS-based AMR prediction has reached high accuracy, existing models lack a mechanism to ground neural attributions in established biological pat…
      • We present KG-TRACE, a novel neuro-symbolic framework that integrates the WHO mutation knowledge graph (KG) as a structured biological constraint on a neural ge…
      • Unlike existing methods that learn statistical patterns in isolation, KG-TRACE fuses genomic features and RotatE-based KG embeddings through a learned epistemic…

  • Necessary but Not Sufficient: Temperature Control and Reproducibility in LLM-as-Judge Safety Evaluations

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26185v1 公告类型：新。
      • 摘要：LLM 作为法官（“评分者”）组件现已成为评估工具的标准配置，包括安全评估，其中通过/失败判决可能会影响下游部署决策。
      • 一个普遍的假设是，将分级机的采样温度设置为 0 可以使分级具有确定性。
      • 我们针对真实的安全评估代码库（日本 AISI 的开源 aisev）测试了这一假设，并表明它在两个层面上失败了。
    • EN 要点:
      • arXiv:2606.26185v1 Announce Type: new
      • Abstract: LLM-as-judge (“grader”) components are now standard in evaluation harnesses, including safety evaluations where a pass/fail verdict may gate downstrea…
      • A widespread assumption is that setting the grader’s sampling temperature to 0 makes grading deterministic
      • We test this assumption against a real safety-evaluation codebase (Japan AISI’s open-source aisev) and show it fails on two levels

  • Clue-Guided Money Laundering Group Discovery

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26189v1 公告类型：新。
      • 摘要：洗钱集团发现（MLGD）旨在识别隐藏的犯罪集团并恢复其在大规模金融网络中的完整结构。
      • 现有的图异常检测方法主要产生节点级风险警报，而全局组发现方法则被动地在整个网络中搜索可疑组。
      • 两者都与真实的反洗钱（AML）调查不相符，分析师通常从具体线索开始，逐步扩大调查范围以追回责任人。
    • EN 要点:
      • arXiv:2606.26189v1 Announce Type: new
      • Abstract: Money Laundering Group Discovery (MLGD) aims to identify hidden criminal groups and recover their complete structures in large-scale financial network…
      • Existing graph anomaly detection methods mainly produce node-level risk alerts, while global group discovery methods passively search for suspicious groups over…
      • Both are mismatched with real Anti-money-laundering (AML) investigations, where analysts usually start from a concrete clue and gradually expand the investigati…

  • Federated Hash Projected Latent Factor Learning

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26192v1 公告类型：新。
      • 摘要：哈希学习（HL）是一种有效的表示学习方法，可将实值数据映射为紧凑的二进制表示。
      • 传统的HL方法通常需要用户将个人数据上传到中央服务器，这与日益严格的数据安全法规不兼容。
      • 联邦学习（FL）提供了一种去中心化范例，用于学习全局最优模型，而无需集中私有数据。
    • EN 要点:
      • arXiv:2606.26192v1 Announce Type: new
      • Abstract: Hash Learning (HL) is an efficient representation learning approach that maps real-valued data into compact binary representations
      • Traditional HL methods typically require users to upload personal data to a central server, which is incompatible with increasingly stringent data security regu…
      • Federated Learning (FL) provides a decentralized paradigm for learning globally optimal models without centralizing private data

  • Statistical and Structural Approaches to Algorithmic Fairness

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26200v1 公告类型：新。
      • 摘要：现代机器学习系统已经超越了其作为孤立的预测结构的起源，演变成积极调节人类机会的复杂的社会技术架构。
      • 随着算法越来越多地决定获得经济和社会机会的机会，人们普遍认识到这些系统深深地植根于其环境的结构性不平等和偏见。
      • 人们越来越认识到，针对预测准确性而优化的模型可能会系统性地使边缘群体处于不利地位，因此算法公平领域的出现是为了回应这种认识。
    • EN 要点:
      • arXiv:2606.26200v1 Announce Type: new
      • Abstract: Modern machine learning systems have outgrown their origins as isolated predictive constructs, evolving into complex socio-technical architectures tha…
      • As algorithms increasingly determine access to economic and social opportunities, it has become widely recognized that these systems are deeply embedded with th…
      • The field of algorithmic fairness emerged in response to the growing recognition that models optimized for predictive accuracy can systematically disadvantage m…

  • Topology-Informed Neural Networks for Flood Detection in Optical and Synthetic Aperture Radar Imagery

    • 发布时间:2026-06-26 12:00 北京时间
    • 摘要:- arXiv:2606.26204v1 公告类型：新。
      • 摘要：洪水频繁影响世界各地的地区。
      • 快速、准确的洪水检测对于应急响应和及时减轻人员和经济损失至关重要。
      • 卫星数据可用性的不断扩大和人工智能的进步增强了对环境危害的监测，但由于云层遮盖了光学卫星图像，许多洪水事件仍然难以检测。
    • EN 要点:
      • arXiv:2606.26204v1 Announce Type: new
      • Abstract: Floods frequently impact regions around the world
      • Rapid and accurate flood detection is crucial for emergency response and timely mitigation of human and economic loss
      • The expanding availability of satellite data and advances in artificial intelligence have enhanced monitoring of environmental hazards, but many flood events re…