🤖 AI 速览

今天的主线从模型展示转向系统落地：智能体开始进入工作流、临床、客服和大型代码库等真实环境，验证器、路由和后端写入成为关键能力。同时，小模型、扩散语言模型和权重引导等路线继续分化；算力供应链、AI 主权与影视创作合作也在扩展产业边界。
📋 文章元数据
发布时间
2026-07-04
类型
ai-daily
字数
3394
阅读时长
16 min

2026-07-04 AI日更 | 智能体走进业务后端：约束、验证与写入能力成为新焦点 链接到标题

今天的主线从模型展示转向系统落地：智能体开始进入工作流、临床、客服和大型代码库等真实环境，验证器、路由和后端写入成为关键能力。同时，小模型、扩散语言模型和权重引导等路线继续分化；算力供应链、AI 主权与影视创作合作也在扩展产业边界。

📖 本期 Watch List 深度导读 链接到标题

今天最值得放在 Watch List 的，是“智能体进入真实业务系统”这一组研究：从 Atlassian 工作流中的 RLVR 工具调用、FHIR 临床环境反馈，到客服代理的难度路由控制和大型代码库多智能体摘要，焦点都不再是聊天能力，而是如何在有约束、有验证器、有后端写入的环境里稳定执行。

第二条主线是模型形态的继续分化。Wiola 探索小语言模型新架构，扩散语言模型被用于放射报告草拟，CreativityNeuro 则尝试用权重引导缓解“模式坍缩”。这些论文值得关注，因为它们都在挑战单一路径的 next-token 范式。

产业侧，Palantir-Nvidia、AI 主权与就业讨论延续了基础设施和政策博弈；Google DeepMind 与 A24 的合作则提示，生成式 AI 正在更深地进入影视创作流程。

🌐 X 平台 AI 热点快讯 链接到标题

话题 1:Naval Ravikant Explores AI’s Rapid Future in New Podcast 链接到标题

  • 分类:AI · News
  • 概况:热度时间:12 hours ago,相关帖子数:490
  • 是什么事:投资人兼思想者 Naval Ravikant 在一档新播客中讨论了 AI 快速发展的未来及其可能带来的社会、商业与个人影响。
  • 为什么重要:Naval 在科技和创业圈具有较高影响力，其对 AI 趋势的判断可能影响创业者、投资者和开发者对 AI 机会与风险的认知。
  • 讨论概况:X 上的讨论主要集中在 AI 进步速度是否被低估、AI 将如何改变工作与创业，以及对乐观派愿景和潜在社会风险之间的分歧。

话题 2:AXT Secures $22.3 Million Prepayment Deal with Coherent for AI Wafers 链接到标题

  • 分类:AI · News
  • 概况:热度时间:23 hours ago,相关帖子数:481
  • 是什么事:AXT 与 Coherent 达成价值 2230 万美元的预付款协议，以支持面向 AI 相关应用的晶圆供应。
  • 为什么重要:这表明 AI 数据中心、高速光通信等需求正继续传导至上游半导体材料和晶圆供应链，凸显 AI 基础设施扩张对关键硬件环节的拉动作用。
  • 讨论概况:X 上讨论主要集中在该订单是否意味着 AI 光通信和化合物半导体需求持续增长、AXT 是否会因此受益，以及 2230 万美元规模对公司业绩和行业趋势的实际影响是否被市场高估。

话题 3:Anthropic’s Claude Fable 5 Returns Online with Top AI Performance 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:35000
  • 是什么事:Anthropic 的 Claude Fable 5 重新上线，并被称在多项 AI 性能测试中表现领先。
  • 为什么重要:这显示前沿大模型竞争继续加速，尤其是在推理、编程和安全对齐等能力上，可能影响企业与政府对 AI 模型的选型。
  • 讨论概况:X 上讨论集中在其性能是否真实领先、重新上线是否与政府访问或监管安排有关，以及 Anthropic 在安全承诺与商业竞争之间如何平衡。

话题 4:South Korean Chip Stocks Surge 5.8% on Meta AI Clarifications 链接到标题

  • 分类:AI · News
  • 概况:热度时间:19 hours ago,相关帖子数:5300
  • 是什么事:Meta就其AI基础设施和芯片采购计划作出澄清后，市场对AI芯片需求的担忧缓解，韩国半导体股一度上涨约5.8%。
  • 为什么重要:这显示大型科技公司的AI资本开支预期仍在直接影响全球芯片供应链，尤其是韩国厂商在HBM、高端存储和AI服务器相关环节中的地位。
  • 讨论概况:X上的讨论主要集中在Meta澄清是否意味着AI芯片和HBM需求仍然强劲；乐观者认为韩国芯片股将继续受益于AI算力投资，谨慎者则担心估值过热、客户集中以及自研AI芯片可能削弱长期订单。

今日 X 上的 AI 舆情小结 链接到标题

今天的舆论主线是：AI 仍被视为推动下一轮科技、资本开支和产业链重估的核心力量，从 Naval 对未来的乐观判断，到光通信晶圆订单、Claude 模型回归、Meta 澄清芯片采购，都强化了“AI 需求仍在扩散”的共识。共识在于，大模型能力和算力基础设施的竞争都在加速，并持续向半导体材料、HBM、高速通信和企业模型选型等环节传导。分歧则集中在两点：一是 AI 进步和商业化机会是否被低估，还是已经被市场过度定价；二是 Anthropic 等公司在性能领先、安全承诺和监管关系之间是否能保持可信平衡。潜在风险包括硬件供应链估值过热、订单和客户过度集中、科技巨头自研芯片削弱外部供应商长期需求，以及前沿模型在快速商业竞争中带来的安全、治理和社会冲击被低估。

💡 大佬观点(Influencer Insights) 链接到标题

好的，基于过去 24 小时内 AI 领域意见领袖们在 X 平台的动态，以下是为你梳理的行业情报分析。

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

核心热点：Claude Fable 5 回归及其工程化实践

毫无疑问，Fable 5 的重新上线是今天引爆社区的最重大事件。

  • 回归动态：@dotey 和 @Pluvio9yte 都第一时间关注了此事。@AnthropicAI 宣布在获得美国商务部许可后，恢复了 Fable 5 和 Mythos 5 的访问权限（@zhixianio 转推证实）。用户可在7月7日前使用50%的订阅额度体验，之后将转为按使用积分计费（@dotey）。
  • 定价争议与应用策略：@Pluvio9yte 实测后指出，尽管效果惊艳，但其 API 定价高达每百万输出 Token 50 美元，社区吐槽声不断。为此，@Pluvio9yte 分享了详尽的 “Fable 5 最佳工作方式”，提出将其作为“主协调者”，搭配 Opus（深度推理）和 Sonnet（机械执行）组建 Agent 团队，以节约珍贵的 Fable 5 额度。他的对比评测显示，Fable 5 在复杂任务上明显优于 GPT-5.5 和 Deepseek V4 Pro。
  • 开发者工具联动：伴随着 Fable 5 的回归，@ClaudeDevs 重置了所有人的 Claude Code 限流额度，@dotey 幽默地表示“我亏死了，本来就要重置的”。这显示 Fable 5 的回归与开发者工具的深度绑定。

次级关注点：OpenAI Codex 的深度使用与“踩坑”

在 Fable 5 的聚光灯之外，OpenAI Codex 依然是高频词汇，但讨论风向已从初期的狂热转向了精细化操作和问题解决。

  • 实用技巧共享：@Pluvio9yte 系统性地分享了 Codex 的七大使用技巧，包括如何利用 5 小时滚动窗口、开启记忆功能、用 /side 命令查看长任务进度以及 Goal 模式的高效收尾方法等。
  • Bug 与局限性：@Pluvio9yte 自己发现了 /goal 模式下的“无限额度”Bug，而 @vista8 则批评了 Codex 在面对大量内容生成时，会陷入“套模板说废话”的缺陷，并指出需要强制使用 Subagent 或记忆功能来缓解。

2. 值得注意的独特观点或行业前瞻 链接到标题

1. 技术自主 vs. 政治依附：OpenAI 的“公共财富基金”构想 @dotey 详细解读了 OpenAI 向美国政府提议出让 5% 股份的计划（@AndrewCurran_ 爆料）。该计划旨在创建一个“公共财富基金”，让全民共享 AI 发展红利。此举不仅能缓和公众对 AI 冲击的担忧，更被视为 OpenAI 为扫清政治障碍、寻求监管“护身符”的战略性举措。这显示出顶级 AI 公司正试图通过利益绑定的方式，深度参与国家治理结构。

2. 安全 Agent 与模型的分野：特定任务的深度优势 @dotey 引用了安全专家“阿图因 AI”的深度文章。该团队发现了一个被 Mythos 模型漏掉的 curl 高危漏洞，但他们非常审慎地指出：这是一个为漏洞挖掘设计的 Agent，而 Mythos 是一个通用模型。赢在特定任务不代表整体超越，这为我们评估 AI 能力提供了一种更冷静、更专业的视角，区分了“专用 Agent”和“通用模型”的能力边界。

3. 端侧模型的发展方向：“模型卡带”与未来交互 @zhixianio 非常赞同 @geekbb 提出的 “Model-Pak”（当大模型变成卡带） 理念。这预示着未来端侧 AI 可能像游戏卡带一样即插即用，不同任务可以调用物理上隔离、功能上特化的模型。结合 @zhixianio 本人对 MiniCPM-o 4.5 等端侧模型的持续测试，这种畅想正在逐渐具备技术基础。

4. “一人公司”的基础设施正在完善：AI Agent 市场 @Pluvio9yte 敏锐地捕捉到 OKX 上线的 AI Agent 市场，并评论道：“一人公司这事真的要成了”。在这个市场中，Agent 可以自主接单、链上收钱、互相雇佣。这标志着 AI 从“工具”到“独立经济实体”的转变，为普通人利用 AI 实现大规模商业化提供了基础架构。

3. 推荐的工具或资源 链接到标题

  • API 聚合与评测平台：
    • Zenmux：由 @Pluvio9yte 推荐，可调用包括 Claude Fable 5 在内的 200+ 模型，不限流，目前有充值加赠活动，适合进行多模型对比评测和长期开发。
  • 前端设计 Skill 评测：
    • @vista8 正在对当前最流行的 5 个前端页面设计 Skill 进行并行评测，并公布了所有测试案例和对比结果（链接见其推文），这是 Web 开发者选择最佳设计 Skill 的宝贵参考资料。
  • 科研与媒体模型：
    • Claude Science：@vista8 和 @dotey 均分享了此消息。这是一个面向科研人员的 AI 工作台，已开放下载，支持多种 Science Skills。
    • Google Gemini 新模型：@vista8 分享了 Gemini Nano Banana 2 Lite（超快速生图）和 Gemini Omni Flash（按秒计费）的 API 信息，为多模态应用提供了新选择。
  • 办公自动化：
    • @ruanyf 发现多家国产办公平台发布了开源 CLI 工具包供 Agent 调用，其中飞书的项目 Star 数最高，功能最全，这是智能办公的重要切入点。
  • 实用 Chrome 插件：
    • 由 @Pluvio9yte 发布，可批量删除或归档 ChatGPT 网页版聊天记录，免费开源，解决了众多用户的痛点。
  • 开发者工具：
    • Windows Codex 灵动岛：由 @mooyuking 开发（@AI_Jasonyu 推荐），可在 Windows 桌面直观查看 Codex 状态和额度。
    • 中国用户环境检测 Skill：由 @vista8 开发并开源，旨在帮助开发者应对复杂的网络环境带来的模型访问问题。

📚 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 33 条更新

All-In Podcast (A_full) 链接到标题

  • AI Sovereignty Wars, Palantir-Nvidia Deal, SCOTUS Birthright Ruling, Newsom’s CA Budget Lie
    • 发布时间:2026-07-04 06:12 北京时间
    • 摘要:- (0:00) 闺蜜介绍：七月四日快乐。
      • (0:21) Palantir-Nvidia 开源协议，Alex Karp 的 CNBC“Crashout”。
      • (33:52) 人工智能就业辩论的最新情况。
      • (50:24) Anthropic 的《寓言 5》在出口限制解除后可用。
    • EN 要点:
      • (0:00) Bestie intros: Happy Fourth of July
      • (0:21) Palantir-Nvidia open source deal, Alex Karp’s CNBC “Crashout”
      • (33:52) Update on the AI jobs debate
      • (50:24) Anthropic’s Fable 5 available after export restrictions lifted

Google DeepMind Blog (A_full) 链接到标题

  • Google DeepMind and A24 announce first-of-its-kind research partnership
    • 发布时间:2026-07-03 22:25 北京时间
    • 摘要:- Google DeepMind 和 A24 宣布建立首个研究合作伙伴关系。
      • Google DeepMind 博客中的这篇文章解释了 Google DeepMind 和 A24 宣布的首个研究合作伙伴关系如何塑造更广泛的人工智能和基础设施格局。
      • 在 Google DeepMind 和 A24 宣布首个同类研究合作伙伴关系之后，这也为创始人、运营商和投资者带来了实际影响。
    • EN 要点:
      • Google DeepMind and A24 announce first-of-its-kind research partnership

Two Minute Papers (B_intro+search) 链接到标题

  • They Said This Will Never Run In Real Time
    • 发布时间:2026-07-04 01:19 北京时间
    • 摘要:- ❤️ 查看权重和偏差并在此处注册免费演示：。
      • 📝 该论文可在此处获取：.
      • Adam Bridges、Benji Rabhan、B Shang、Cameron Navor、Charles Ian Norman Venn、Christian Ahlin、Eric T、Fred R、Gordon Child、Juan Benet、Michael Tedder、Owen Skarpness、Richard Sundvall、Ryan Stankye、Shawn Becker、Steef、Taras Bobrovytsky、Tazaur Sagenclaw、Tybie Fitzhugh、Ueli Gallizzi。
      • 他们说这永远不会实时运行。
    • EN 要点:
      • ❤️ Check out Weights & Biases and sign up for a free demo here:
      • 📝 The paper is available here:
      • 🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible:
      • Adam Bridges, Benji Rabhan, B Shang, Cameron Navor, Charles Ian Norman Venn, Christian Ahlin, Eric T, Fred R, Gordon Child, Juan Benet, Michael Tedder, Owen Ska…

ArXiv cs.AI (B_intro+search) 链接到标题

  • PACE: A Neuro-Symbolic Framework for Plausible and Actionable Counterfactual Explanations

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01306v1 公告类型：新。
      • 摘要：反事实解释通过识别会改变模型决策的最小输入变化来解释机器学习预测。
      • 尽管许多现有方法成功地生成了改变预测的替代方案，但由于缺乏整合领域知识和干预约束的明确机制，它们经常产生不切实际或不可行的建议。
      • 神经符号人工智能通过将数据驱动的预测模型与能够代表人类可理解的规则和可行行动的符号推理相结合，提供了一个有前途的方向。
    • EN 要点:
      • arXiv:2607.01306v1 Announce Type: new
      • Abstract: Counterfactual explanations explain machine learning predictions by identifying minimal input changes that would alter a model’s decision
      • Although many existing methods successfully generate prediction-changing alternatives, they often produce unrealistic or infeasible recommendations due to a lac…
      • Neuro-symbolic AI offers a promising direction by combining data-driven predictive models with symbolic reasoning capable of representing human-understandable r…

  • Auto-FL-Research: Agentic Search for Federated Learning Algorithms

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01366v1 公告类型：新。
      • 摘要：联邦学习（FL）研究通常依赖于许多微小但重要的算法选择：优化器变体、服务器聚合规则、本地训练计划、标准化、正则化和模型架构。
      • 手动探索这些选择的成本很高，而且当候选者的变化也会改变 FL 训练或评估路径时，很难公平地进行比较。
      • 在这项工作中，我们提出了 Auto-FL-Research (AFR)，这是一种用于 FL 算法配方搜索的受限编码代理工作流程。
    • EN 要点:
      • arXiv:2607.01366v1 Announce Type: new
      • Abstract: Federated learning (FL) research often depends on many small but consequential algorithmic choices: optimizer variants, server aggregation rules, loca…
      • These choices are expensive to explore manually and difficult to compare fairly when candidate changes can also alter the FL training or evaluation path
      • In this work, we present Auto-FL-Research (AFR), a constrained coding-agent workflow for FL algorithmic recipe search

  • The Wiola Architecture for Efficient Small Language Models

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01394v1 公告类型：新。
      • 摘要：我们提出 Wiola，这是一种完全原创的小语言模型 (SLM) 架构，根据第一原理构建，与任何现有模型系列（包括 GPT、LLaMA、Mistral 或 Falcon）不共享结构谱系。
      • Wiola 引入了五个独立的新颖组件：（i）螺旋旋转位置编码（SRPE），它将令牌位置嵌入结合绝对、相对和分层位置信号的三维螺旋流形上； (ii) 门控跨层注意力（GCLA），为每个解码器层提供对前两个层的压缩摘要的软交叉注意力访问，以实现层间一致性； (iii) 自适应令牌合并（ATM），动态合并中间网络层中语义冗余的相邻令牌，以在不丢失信息的情况下降低注意力复杂度； (iv) 双流前馈 (DSFF)，用由学习的每维门融合的两个并行流取代传统的 MLP； (v) WiolaRMSNorm，一种改进的归一化，引入了每维度学习的偏移向量，可防止表示崩溃。
      • 我们提供完整的数学推导、架构框图、复杂性分析以及与 GPT-2、LLaMA-2 和 Mistral 的系统比较。
    • EN 要点:
      • arXiv:2607.01394v1 Announce Type: new
      • Abstract: We present Wiola, a fully original Small Language Model (SLM) architecture built from first principles, sharing no structural lineage with any existin…
      • Wiola introduces five independently novel components: (i) Spiral Rotary Positional Encoding (SRPE), which embeds token positions on a three-dimensional helical…
      • We provide complete mathematical derivations, architectural block diagrams, complexity analyses, and systematic comparisons against GPT-2, LLaMA-2, and Mistral

  • Agent4cs: A Multi-agent System for Code Summarization in Large Hierarchical Codebases

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01425v1 公告类型：新。
      • 摘要：理解大型、复杂的代码库，尤其是那些结构混乱和文档不完整的代码库，仍然是一个重大挑战。
      • 现有的代码摘要解决方案通常依赖于单一语言模型或 Claude Code 等编码助手，并将源代码视为平面文本，未充分利用存储库中丰富的相互依赖关系和分层信息。
      • 为了解决这些缺点，我们提出了 Agent4cs - 一种多代理框架，以自下而上的方式总结大型代码库，其中摘要代理专注于生成可靠的摘要；关键字提取代理主动识别子文件夹中的关键信息；质量保证代理迭代地改进输出的可读性、连贯性和完整性。
    • EN 要点:
      • arXiv:2607.01425v1 Announce Type: new
      • Abstract: Understanding large, complex codebases, especially those with obfuscated structures and incomplete documentation, remains a significant challenge
      • Existing code summarization solutions often rely on a single language model or coding assistant like Claude Code, and treat source code as flat text, underutili…
      • To address these shortcomings, we propose Agent4cs - a multi-agent framework that summarizes large codebases in a bottom-up fashion, where a summarization agent…

  • When Should Service Agents Reconsider? Difficulty-Routed Control in Customer-Service Operations

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01426v1 公告类型：新。
      • 摘要：自主客户服务代理正在从对话界面转向运营执行角色：他们检索公司记录、应用服务策略并执行后端写入，例如退款、取消、换货、订单修改和预订更改。
      • 这种转变产生了服务控制问题：公司必须保持日常服务的快速和低摩擦，同时防止客户指令、政策约束、公司记录和后端写入交互的请求出现操作错误。
      • 我们提出了一种困难路由服务控制架构，询问服务代理何时应在采取行动之前重新考虑。
    • EN 要点:
      • arXiv:2607.01426v1 Announce Type: new
      • Abstract: Autonomous customer-service agents are shifting from conversational interfaces toward operational execution roles: they retrieve firm records, apply s…
      • This shift creates a service-control problem: firms must keep routine service fast and low-friction while preventing operational errors on requests where custom…
      • We propose a difficulty-routed service-control architecture that asks when service agents should reconsider before acting

  • CreativityNeuro: Steering Language Model Weights to Improve Divergent Thinking and Reduce Mode Collapse

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01433v1 公告类型：新。
      • 摘要：发散性思维是创造力的一个重要方面，但大型语言模型 (LLM) 往往会对开放式问题始终产生类似的回答，这就是所谓的人工蜂巢效应。
      • 在这里，我们介绍 CreativityNeuro，这是一种无数据方法，通过对比权重引导来增强法学硕士的发散思维。
      • 我们通过多项创造力评估来评估我们的方法，并报告几个主要发现。
    • EN 要点:
      • arXiv:2607.01433v1 Announce Type: new
      • Abstract: Divergent thinking is a crucial aspect of creativity, yet large language models (LLMs) tend to consistently generate similar responses to open-ended q…
      • Here, we introduce CreativityNeuro, a data-free method for enhancing divergent thinking in LLMs via contrastive weight steering
      • We evaluate our method across multiple creativity assessments and report several main findings

  • Discrete Diffusion Language Models for Interactive Radiology Report Drafting

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01436v1 公告类型：新。
      • 摘要：扩散语言模型通过双向去噪标记画布来生成文本，而不是从左到右发出标记，它已经与自回归（AR）生成竞争。
      • 然而，医学基础模型仍然几乎完全是自回归的。
      • 我们采用了专家混合扩散语言模型 DiffusionGemma-26B，并在医学视觉问答数据集上的相同 LoRA 配方下将其与其相同大小的 AR 兄弟 Gemma-4-26B 进行基准测试，并由冗长的法学硕士法官进行评分。
    • EN 要点:
      • arXiv:2607.01436v1 Announce Type: new
      • Abstract: Diffusion language models, which generate text by denoising a token canvas bidirectionally instead of emitting tokens left to right, have become compe…
      • Medical foundation models, however, remain almost entirely autoregressive
      • We adapt a mixture-of-experts diffusion language model, DiffusionGemma-26B, and benchmark it against its same-size AR sibling Gemma-4-26B under an identical LoR…

  • Beyond Next-Token Prediction: An RLVR Proof of Concept for Tool-Use Agents on Atlassian Workflows

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01465v1 公告类型：新。
      • 摘要：大型语言模型经过训练来预测下一个标记，而不是在特定 API 内执行操作。
      • 在利基企业 SaaS 工作流程中，成功意味着以正确的顺序使用正确的嵌套参数击中正确的端点，这种目标不匹配表现为无声的失败：删除所需字段、幻觉工具或在单次读取后提前停止。
      • 我们询问直接应用于目标环境的具有可验证奖励的强化学习（RLVR）是否可以缩小差距。
    • EN 要点:
      • arXiv:2607.01465v1 Announce Type: new
      • Abstract: Large language models are trained to predict the next token, not to act inside a specific API
      • In niche enterprise SaaS workflows – where success means hitting the right endpoint with the right nested arguments in the right order – this objective mismat…
      • We ask whether Reinforcement Learning with Verifiable Rewards (RLVR), applied directly in the target environment, closes the gap

  • World Feedback for Clinical Agents: Diagnosing RL in FHIR Environments

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01470v1 公告类型：新。
      • 摘要：临床方案执行任务（检查实验室值、应用阈值、放置正确结构的 FHIR 订单）是来自世界反馈的 RL 的自然候选者：一旦临床 SME 将决策逻辑编码到验证器中，该验证器就会对无限的推出进行评分，而无需每集注释。
      • 但应用强化学习需要良好的反馈渠道和足够的基础能力。
      • 我们审核 Med​​AgentBench v1/v2，找到 41.7% 的静默完成上限，使不作为成为 RL 主导策略，并构建 \textbf{MedAgentBench-v3 (MAB-v3)} （508 个任务，8.9% 上限）。
    • EN 要点:
      • arXiv:2607.01470v1 Announce Type: new
      • Abstract: Clinical protocol-execution tasks – checking a lab value, applying a threshold, placing a correctly structured FHIR order – are natural candidates f…
      • But applying RL requires a sound feedback channel and sufficient base capability
      • We audit MedAgentBench v1/v2, find a 41.7% silent-finish ceiling that makes inaction the RL dominant strategy, and construct \textbf{MedAgentBench-v3 (MAB-v3)}…

  • Procedural Memory Distillation: Online Reflection for Self-Improving Language Models

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01480v1 公告类型：新。 -摘要：具有可验证奖励的强化学习（RLVR）以及最近的自蒸馏变体（例如 SDPO）针对验证者评估每次部署，并根据该情节级信号更新策略。
      • 然而，部署中更丰富的程序信息很少被保留或重用。
      • 跨情节和时期，模型在不断变化的策略下反复遇到相关问题，产生情节本地更新无法捕获的跨情节信号：哪些策略始终通过验证，哪些故障模式持续存在，哪些模式重复出现。
    • EN 要点:
      • arXiv:2607.01480v1 Announce Type: new
      • Abstract: Reinforcement learning with verifiable rewards (RLVR), along with recent selfdistillation variants such as SDPO, evaluates each rollout against a veri…
      • However, the richer procedural information in the rollout is rarely retained or reused
      • Across episodes and epochs, the model repeatedly encounters related problems under a changing policy, producing cross-episode signals that episode-local updates…

ArXiv cs.CL (B_intro+search) 链接到标题

  • TokenScope: Token-Level Explainability and Interpretability for Code-Oriented Tasks in Large Language Models

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01235v1 公告类型：新。
      • 摘要：理解大型语言模型（LLM）如何在代码生成过程中做出令牌级决策仍然是研究人员和从业者面临的重大挑战。
      • 虽然最新的工具提供了对模型内部结构或生成结果的洞察，但它们通常缺乏解码时间信号、细粒度的不确定性测量以及用于探索替代生成路径的交互机制。
      • 我们推出了 TokenScope，这是一种用于基于解码器的 LLM 的交互式解释和分析工具，可在生成过程中公开令牌级别指标、注意力模式和结构信息。
    • EN 要点:
      • arXiv:2607.01235v1 Announce Type: new
      • Abstract: Understanding how Large Language Models (LLMs) make token-level decisions during code generation remains a major challenge for both researchers and pr…
      • While recent tools provide insights into model internals or generation outcomes, they often lack decoding-time signals, fine-grained uncertainty measures, and i…
      • We present TokenScope, an interactive interpretability and analysis tool for decoder-based LLMs that exposes token-level metrics, attention patterns, and struct…

  • Safeguarding LLM Agents from Misalignment through Provenance Analysis

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01236v1 公告类型：新。
      • 摘要：随着 LLM 代理越来越多地使用强大的工具，确保他们的行为与用户的意图保持一致变得至关重要。
      • 当代理提议的工具调用偏离用户的意图时（这种现象称为错位），可能会导致难以挽回的有害后果。
      • 现有的运行时护栏依赖于法学硕士作为法官的范例，该范例缺乏用于推理对齐的系统框架，通常会产生不一致或难以审核的判断。
    • EN 要点:
      • arXiv:2607.01236v1 Announce Type: new
      • Abstract: As LLM agents gain increasing access to powerful tools, ensuring that their actions are aligned with the user’s intent becomes critical
      • When an agent’s proposed tool invocation deviates from the user’s intent – a phenomenon called misalignment – it may lead to harmful consequences that are dif…
      • Existing runtime guardrails rely on an LLM-as-a-judge paradigm that lacks a systematic framework for reasoning about alignment, often producing judgments that a…

  • Kara: Efficient Reasoning LLM Serving via Sliding-Window KV Cache Compression

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01237v1 公告类型：新。
      • 摘要：推理语言模型通常会生成较长的思想链（CoT），在解码阶段会积累大量的 KV 缓存，导致较高的解码延迟和有限的吞吐量。
      • 为了解决这些问题，KV 缓存压缩已成为一种有前景的技术，通过选择性地删除不重要的 KV 对，同时保留有用的 KV 对以供后续解码来减少内存开销。
      • 尽管如此，我们发现现有 KV 缓存压缩方法有两个关键限制：1）它们的阈值触发压缩策略可能会提供有限的吞吐量改进甚至降低吞吐量，并且可能会从序列的某些块中完全消除 KV 对，从而可能加剧信息丢失。
    • EN 要点:
      • arXiv:2607.01237v1 Announce Type: new
      • Abstract: Reasoning language models often generate long chain-of-thought (CoT), which accumulates a massive KV cache during the decoding phase and incurs high d…
      • To address these issues, KV cache compression has emerged as a promising technique for reducing memory overhead by selectively removing unimportant KV pairs whi…
      • Nevertheless, we identify two key limitations in existing KV cache compression methods: 1) their threshold-triggered compression policy may provide limited thro…

  • SPARCLE: SPeaker-aware Aligned Representations via Contrastive Language Embeddings

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01238v1 公告类型：新。
      • 摘要：语音合成的最新进展已从音素表示转向直接字素建模。
      • 虽然音素解决了文本和声学之间的一对多映射，但它们依赖于字素到音素 (G2P) 系统，该系统无法捕获特定于说话者的声学变化。
      • 先前的工作表明，基于字素的模型在规模上优于基于音素的系统，但在资源匮乏的情况下则不然。
    • EN 要点:
      • arXiv:2607.01238v1 Announce Type: new
      • Abstract: Recent advances in speech synthesis have shifted from phoneme representations to direct grapheme modeling
      • While phonemes address the one-to-many mapping between text and acoustics, they rely on grapheme-to-phoneme (G2P) systems that fail to capture speaker-specific…
      • Prior work demonstrates that grapheme-based models outperform phoneme-based systems at scale, but not in low-resource settings

  • Breaking Safety at the Token Boundary: How BPE Tokenization Creates Exploitable Gaps in LLM Alignment

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01239v1 公告类型：新。 -摘要：尽管留下了人类可读的提示，但现代法学硕士中的字符级扰动绕过了安全对齐。
      • 我们确定并测试了一个中心结构机制：BPE 标记化将安全关键单词分割成子单词片段，并且我们调查的三个公共对齐数据集不包含故意碎片化的输入。
      • 该机制是一个链，在五个型号系列（Qwen-3-4B、Qwen-2.5-7B、Gemma-3-4B、Llama-3.1-8B、Mistral-7B）上进行了端到端测试。
    • EN 要点:
      • arXiv:2607.01239v1 Announce Type: new
      • Abstract: Character-level perturbations bypass safety alignment in modern LLMs despite leaving prompts human-readable
      • We identify and test a central structural mechanism: BPE tokenization fragments safety-critical words into sub-word pieces, and the three public alignment datas…
      • The mechanism is a chain, tested end-to-end on five model families (Qwen-3-4B, Qwen-2.5-7B, Gemma-3-4B, Llama-3.1-8B, Mistral-7B)

  • Prompt Framing Distorts Count-Based Evaluation of LLM Error Detection: Evidence from Numeric Anchoring

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01240v1 公告类型：新。
      • 摘要：基于计数的 F1 被广泛用作 LLM 错误检测质量的代理，但本文表明，如果跨度定位没有相应改进，它可能会急剧上升，这一差距称为 F1 膨胀。
      • 本文介绍了 ErrorBench，这是一种用于提示引起的计数失真的受控压力测试协议。
      • ErrorBench 在五种提示条件下对来自 143 CoNLL-2014 段落的 4,290 条回复评估了六位当代法学硕士。
    • EN 要点:
      • arXiv:2607.01240v1 Announce Type: new
      • Abstract: Count-based F1 is widely used as a proxy for LLM error-detection quality, but this paper shows that it can rise dramatically without a corresponding i…
      • The paper introduces ErrorBench, a controlled stress-test protocol for prompt-induced count distortion
      • ErrorBench evaluates six contemporary LLMs under five prompt conditions over 4,290 responses from 143 CoNLL-2014 passages

  • Mapping Text to Multiplex Graph: Prompt Compression as L'evy Walk-Guided Graph Pruning

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01241v1 公告类型：新。 -摘要：现有的提示压缩方法将文本视为平面标记序列，无法捕获重要信息的分布式性质，这些信息通常分布在多个位置并通过局部句法依赖性和全局语义关系连接。
      • 这种关系结构自然地表示为图，其中标记或句子成为节点，它们的依赖关系成为边。
      • 为此，我们提出 RAGP，它将即时压缩制定为多重图上的冗余感知图修剪，联合建模细粒度的基于注意力的依赖关系和粗粒度的语义关系。
    • EN 要点:
      • arXiv:2607.01241v1 Announce Type: new
      • Abstract: Existing prompt compression methods treat text as flat token sequences, failing to capture the distributed nature of important information, which is o…
      • Such relational structure is naturally represented as a graph, where tokens or sentences become nodes and their dependencies become edges
      • To this end, we propose RAGP, which formulates prompt compression as Redundancy-Aware Graph Pruning on a multiplex graph that jointly models fine-grained attent…

  • Office Comprehension Benchmark

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01245v1 公告类型：新。
      • 摘要：我们推出了 Office 理解基准 (OCB)，这是第一个共同评估 LLM 系统对本机文件格式（.docx、.xlsx、.pptx）及其变体的 Word、Excel 和 PowerPoint 理解的公共基准。
      • 文件保真度问答测试办公工件的结构和视觉感知 - 表格、图表、嵌入图像、公式和特定于应用程序的元素，例如标题、演讲者注释和命名范围。
      • 领域问答测试基于 12 个专业领域的真实行业文档的专家级推理，查询需要跨文档进行多步骤分析和综合。
    • EN 要点:
      • arXiv:2607.01245v1 Announce Type: new
      • Abstract: We introduce Office Comprehension Bench (OCB), the first public benchmark to jointly evaluate LLM systems on Word, Excel, and PowerPoint comprehension…
      • OCB consists of two tracks
      • File Fidelity Q&A tests structural and visual perception of office artifacts - tables, charts, embedded images, formulas, and app-specific elements such as head…

  • RuleChef: Grounding LLM Task Knowledge in Human-Editable Rules

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01293v1 公告类型：新。
      • 摘要：我们提出了 RuleChef，这是一个使用大型语言模型 (LLM) 为 NLP 任务生成可执行规则的框架，例如文本分类、命名实体识别 (NER) 或关系提取。
      • 规则是根据任务描述和一组标记示例生成的，然后根据其他示例和现有规则的人工反馈对其进行迭代改进。
      • RuleChef 还可以用于使用从给定任务的任何现有模型中观察到的输入输出对来引导规则。
    • EN 要点:
      • arXiv:2607.01293v1 Announce Type: new
      • Abstract: We present RuleChef, a framework that uses large language models (LLMs) to generate executable rules for NLP tasks such as text classification, Named…
      • Rules are generated based on a task description and a set of labeled examples, then they are iteratively improved based both on additional examples and on human…
      • RuleChef can also be used to bootstrap rules using the observed input-output pairs from any existing model for a given task

  • TurnNat: Automatic Evaluation of Turn-Taking Naturalness in Dyadic Spoken Dialogue

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01345v1 公告类型：新。 -摘要：轮流自然性是全双工口语对话系统的核心，但其自动评估仍然有限。
      • 现有的评估通常依赖于人类判断或特定于行为的时序指标，因此很难在统一的框架内比较异构时序故障。
      • 我们提出了 TurnNat，一种基于可能性的框架，用于在双通道口语对话中自动评估轮流自然度。
    • EN 要点:
      • arXiv:2607.01345v1 Announce Type: new
      • Abstract: Turn-taking naturalness is central to full-duplex spoken dialogue systems, yet its automatic evaluation remains limited
      • Existing evaluations often rely on human judgments or behavior-specific timing metrics, making it difficult to compare heterogeneous timing failures within a un…
      • We propose TurnNat, a likelihood-based framework for automatic turn-taking naturalness evaluation in two-channel spoken dialogue

ArXiv cs.LG (B_intro+search) 链接到标题

  • Multilayer Q-Matrix-Embedded Neural Network for Cognitive Diagnosis (M-QCDNet): Structure-Aware Deep Learning Architecture for Psychometric Interpretability

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01278v1 公告类型：新。
      • 摘要：该研究提出了一种用于认知诊断的多层 Q 矩阵嵌入式神经网络（M-QCDNet），它将认知诊断模型（CDM）的结构可解释性与深度学习神经网络（NN）相结合。
      • M-QCDNet 使用 Q 矩阵作为结构先验来构建项目-技能关系，确保潜在掌握概况保持可解释性并与认知理论一致，然后提出带有 L2 惩罚的损失函数，以惩罚与 Q 矩阵不相符的技能，并平衡预测性能和结构对齐。
      • 进一步开发了相应的评估矩阵，即可解释的基于对齐的指标，用于量化预测技能激活与项目级技能的对应程度。
    • EN 要点:
      • arXiv:2607.01278v1 Announce Type: new
      • Abstract: The research proposes a multilayer Q-matrix-embedded neural network for cognitive diagnosis (M-QCDNet), which integrates the structural interpretabili…
      • M-QCDNet structures the item-skill relationship using the Q-matrix as a structural prior, ensuring latent mastery profiles remain interpretable and consistent w…
      • Corresponding evaluation matrices, the interpretable alignment-based metrics that quantify the degree to which predicted skill activations correspond to item-le…

  • I\textsuperscript{2}RiMA: Spectral Riemannian Representation with Temporal Attention for Mental Stress Detection based on EEG Signals

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01279v1 公告类型：新。
      • 摘要：跨受试者脑电图压力检测仍然具有挑战性，因为区别性压力相关模式既取决于受试者又取决于频率。
      • 传统的黎曼方法主要在时域中对空间协方差进行建模，忽略了对于高级认知状态解码至关重要的神经振荡，而标准时间标记化通常会破坏片间时间相干性。
      • 为了解决这些限制，我们提出了 \method{}，一种用于基于脑电图的压力检测的内部黎曼流形注意网络。
    • EN 要点:
      • arXiv:2607.01279v1 Announce Type: new
      • Abstract: Cross-subject EEG stress detection remains challenging because discriminative stress-related patterns are both subject-dependent and frequency-specifi…
      • Conventional Riemannian methods model spatial covariance mainly in the time domain, overlooking neural oscillations that are critical for high-level cognitive s…
      • To address these limitations, we propose \method{}, an Intra-Inter Riemannian Manifold Attention Network for EEG-based stress detection

  • Fixed-Set Robustness in Programming by Example: Example Corruption and Semantic Partition Recovery

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01280v1 公告类型：新。
      • 摘要：示例编程系统从一小组输入输出示例中推断程序。
      • 稳健的 PBE 工作通常将错误的示例建模为随机噪声过程的样本，然后最小化预期或经验损失。
      • 本文研究了一种不同的故障模式：对手看到合成器并选择其损坏对返回程序造成最大损害的示例。
    • EN 要点:
      • arXiv:2607.01280v1 Announce Type: new
      • Abstract: Programming-by-example systems infer programs from a small set of input-output examples
      • Robust PBE work usually models wrong examples as samples from a stochastic noise process and then minimizes an expected or empirical loss
      • This paper studies a different failure mode: an adversary who sees the synthesizer and chooses the examples whose corruption most damages the returned program

  • Domain Knowledge Based Temporal-Spatial Graph Convolution Network for ECG Recognition

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01282v1 公告类型：新。
      • 摘要：鉴于人工智能 (AI) 的进步及其广泛应用，人工智能模型的可解释性仍然存在挑战，特别是在医疗保健等专业领域，例如心电图 (ECG) 识别。
      • 本文介绍了一种使用基于领域知识的图卷积网络进行心电图识别的新方法，而不是仅仅依赖于端到端卷积神经网络。
      • PRQST 的关键标志点（对于心电图解读至关重要）已作为领域知识纳入其中。
    • EN 要点:
      • arXiv:2607.01282v1 Announce Type: new
      • Abstract: In light of strides in Arti cial Intelligence (AI) and its wide spread application, challenges persist in the interpretability of AI models, particula…
      • Rather than relying solely on end-to-end convolutional neural networks, this paper introduces a novel approach using a domain knowledge-based graph convolution…
      • Key landmarks points of PRQST, vital to ECG interpreta tion, are incorporated as domain knowledge

  • Scaling Laws for Grid-Based Approximate Nearest Neighbor Search in High Dimensions

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01283v1 公告类型：新。
      • 摘要：现代尺度分析中缺少基于网格的近似最近邻（ANN）搜索方法。
      • 我们提出了多探针网格算法在数据集大小 $N$ 和维度 $d$ 方面的系统特征。
      • 我们的实验揭示了 GloVe 嵌入系列上先前未报告的 $d$ 缩放交叉，其中多探针网格搜索保持近似恒定的维度缩放指数，而其他基于图、树和分区的方法则表现出吞吐量下降。
    • EN 要点:
      • arXiv:2607.01283v1 Announce Type: new
      • Abstract: Grid-based approaches to approximate nearest neighbor (ANN) search have been absent from modern scaling analyses
      • We present a systematic characterization of a multiprobe grid algorithm with respect to dataset size $N$ and dimensionality $d$
      • Our experiments reveal a previously unreported $d$-scaling crossover on the GloVe embedding family, in which multiprobe grid search maintains an approximately c…

  • IonSense-QKG: A Quantum-Readiness Metadata Framework for Lithium-Ion Battery Dataset Discovery

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01286v1 公告类型：新。
      • 摘要：公共锂离子电池数据集越来越多地用于健康状态估计、剩余使用寿命预测、异常检测、电化学诊断、二次寿命分析和电池安全研究。
      • 然而，这些数据集在化学、模式、规模、标签质量、序列结构、访问状态和预处理复杂性方面存在很大差异。
      • 这些差异直接影响数据集对于近期混合量子经典机器学习工作流程是否可行。
    • EN 要点:
      • arXiv:2607.01286v1 Announce Type: new
      • Abstract: Public lithium-ion battery datasets are increasingly used for state-of-health estimation, remaining-useful-life prediction, anomaly detection, electro…
      • However, these datasets vary substantially in chemistry, modality, scale, label quality, sequence structure, access status, and preprocessing complexity
      • These differences directly affect whether a dataset is feasible for near-term hybrid quantum-classical machine-learning workflows

  • A Novel Machine Learning Approach for Central Nervous System Tumor Classification from DNA Methylation

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01307v1 公告类型：新。
      • 摘要：NA 甲基化分析已成为中枢神经系统 (CNS) 肿瘤分类的强大方法，但在跨队列可转移性、方法学正确性和稳健的多类评估方面仍然存在重要挑战。
      • 在这项工作中，我们提出了一种新颖且方法论严格的机器学习方法，用于基于甲基化的 CNS 肿瘤分类，该方法将用于降维的稀疏随机投影与用于分类的多项逻辑回归相结合。
      • 我们在由广泛使用的参考分类器建立的相同一般实验设置中评估所提出的方法。
    • EN 要点:
      • arXiv:2607.01307v1 Announce Type: new
      • Abstract: NA methylation profiling has become a powerful approach for central nervous system (CNS) tumor classification, yet important challenges remain regardi…
      • In this work, we propose a novel and methodologically rigorous machine-learning approach for methylation-based CNS tumor classification that combines Sparse Ran…
      • We evaluate the proposed approach in the same general experimental setting established by a widely used reference classifier

  • From Approximation to Emergence: A Theory of Deep Learning

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01311v1 公告类型：新。
      • 摘要：深度学习已经超越了任何单一的数学解释。
      • 《从近似到涌现》对现代深度学习理论进行了统一的、以证明为导向的描述，追溯了从近似、优化和泛化的经典基础到超参数化、鲁棒性、生成建模、变压器、上下文学习、缩​​放定律、可解释性、对齐和涌现的当代机制的路径。
      • 本书没有呈现孤立的结果，而是将广泛的文献组织成一个连贯的研究叙述：每个理论都通过它所控制的对象、使其有效的假设以及它无法解释的现象来检验。
    • EN 要点:
      • arXiv:2607.01311v1 Announce Type: new
      • Abstract: Deep learning has outgrown any single mathematical explanation
      • From Approximation to Emergence develops a unified, proof-oriented account of modern deep learning theory, tracing a path from the classical foundations of appr…
      • Rather than presenting isolated results, the book organizes a broad literature into a coherent research narrative: each theory is examined through the object it…

  • Black-Box Inference of LLM Architectural Properties with Restrictive API Access

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01313v1 公告类型：新。
      • 摘要：实际上，大多数商业 LLM 提供商不会公开发布底层 LLM 架构的详细信息。
      • 然而，之前的工作表明，鉴于对 LLM 的有限 API 访问（即 top-$k$ logits 和/或 logit 偏差函数），人们可以恢复 LLM 的某些架构细节，例如前馈网络的隐藏维度。
      • 也许为了响应这些结果，大多数商业 LLM 提供商已限制其 API 只公开每个解码令​​牌的单个 logit，并且他们不再为用户提供偏向 logit 的能力。
    • EN 要点:
      • arXiv:2607.01313v1 Announce Type: new
      • Abstract: In practice, most commercial LLM providers do not publicly release details of underlying LLM architectures
      • However, prior work has shown that given limited API access to an LLM (namely, top-$k$ logits and/or a logit bias function), one can recover certain architectur…
      • Perhaps in response to these results, most commercial LLM providers have restricted their APIs to expose only the single logit for each decoded token, and they…

  • Multi-modal Rail Crossing Safety Analysis

    • 发布时间:2026-07-03 12:00 北京时间
    • 摘要:- arXiv:2607.01365v1 公告类型：新。
      • 摘要：给定一张或多张铁路道口图像，我们能否利用视觉线索来可靠地估计其安全程度？
      • 我们能否通过将有关该过境点事故历史的结构化数据（例如官方事故报告）引入到我们的模型中来提高我们的能力？
      • 在这项工作中，我们探索如何最好地回答这些问题，以构建一个人工智能系统，该系统可以摄取铁路道口的多模式数据，并提供与专家意见和联邦铁路管理局 (FRA) 使用的安全评分相一致的安全评估和评分。
    • EN 要点:
      • arXiv:2607.01365v1 Announce Type: new
      • Abstract: Given one or more images of a railway crossing, can we leverage visual cues that allow us to robustly estimate how safe it is
      • Can we improve our ability to do so by introducing structured data (such as official accident reports) about the accident history of that crossing into our mode…
      • In this work, we explore how to best answer those questions towards building an AI system that can ingest multi-modal data for railway crossings and provide saf…