🤖 AI 速览

今天的重点不只是新模型发布，而是 AI Agent 如何真正进入企业运营。德国电信展示了从客服、网络到决策流程的 AI 原生改造；OpenAI 的 ChatGPT Work 则把 Agent 推向办公入口。与此同时，行业开始更关注轨迹评估、编排效率与 Token 成本，企业落地进入算账阶段。
📋 文章元数据
发布时间
2026-07-11
类型
ai-daily
字数
3344
阅读时长
16 min

2026-07-11 AI日更 | 德国电信样本浮出水面：AI Agent 开始进入运营账本 链接到标题

今天的重点不只是新模型发布，而是 AI Agent 如何真正进入企业运营。德国电信展示了从客服、网络到决策流程的 AI 原生改造；OpenAI 的 ChatGPT Work 则把 Agent 推向办公入口。与此同时，行业开始更关注轨迹评估、编排效率与 Token 成本，企业落地进入算账阶段。

📖 本期 Watch List 深度导读 链接到标题

今天最值得先看企业智能体落地：德国电信“AI 原生电信公司”案例，把生成式 AI 从客服提效推进到网络、决策与客户旅程重构；同时《Harness Effect》提醒，企业 Agent 成本不只取决于模型价格，编排层如何组织上下文、工具与回合，才决定长期 token 经济性。

第二条主线是 Agent 评估正在从“是否通过任务”转向“过程质量”。AgentLens 关注代码代理完整轨迹，ARC-AGI、SageMath 增强数学代理等论文也都在讨论：反思、工具调用、验证反馈，如何在有限预算下真正提升泛化。

此外，医疗长尾公平性、零售大行为模型、时态图可解释性等应用研究值得扫读，显示 AI 评估正进一步贴近真实部署风险。

🌐 X 平台 AI 热点快讯 链接到标题

话题 1:Anthropic Resets Claude Rate Limits After Rival AI Launches 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:21000
  • 是什么事:Anthropic 在竞争对手发布新 AI 产品后，调整并重置了 Claude 的使用速率限制。
  • 为什么重要:这反映出头部 AI 公司在模型发布、用户增长和算力资源分配上的竞争加剧，也凸显了限流策略对用户体验和产品采用的重要影响。
  • 讨论概况:X 上的讨论集中在 Anthropic 是否因竞争压力而放宽限制、Claude 用户是否能获得更稳定的使用体验，以及各家 AI 平台在性能、价格和可用性之间如何取舍。

话题 2:1X Unveils Most Advanced Robotic Hands for NEO Humanoid 链接到标题

  • 分类:AI · News
  • 概况:热度时间:2 days ago,相关帖子数:37000
  • 是什么事:机器人公司 1X 发布了面向 NEO 人形机器人的新一代高灵巧度机械手，展示其在抓取、操作和类人手部动作上的能力。
  • 为什么重要:灵巧手是人形机器人从演示走向真实家庭和工作场景的关键部件，直接影响机器人能否完成复杂、非结构化环境中的日常任务，也反映具身智能与硬件协同发展的进展。
  • 讨论概况:X 上讨论集中在其手部自由度、负载、耐用性和成本是否足以支撑商业化；支持者认为这是家庭人形机器人落地的重要一步，质疑者则认为演示距离稳定量产和真实场景泛化仍有差距。

话题 3:GPT-5.6 Sol Challenges Claude Fable 5 in AI Coding Debate 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:7500
  • 是什么事:X 上出现围绕“GPT-5.6 Sol 是否在编程能力上挑战 Claude Fable 5”的热门讨论，并被 AI 周报类账号集中传播。
  • 为什么重要:AI 编程能力已成为大模型竞争的核心指标之一，相关比较会影响开发者工具选择、企业采购以及对前沿模型能力边界的判断。
  • 讨论概况:讨论焦点集中在两类模型的代码生成、调试、长上下文理解和实际工程可用性上；分歧在于部分用户认为 GPT-5.6 Sol 更具通用性和速度优势，另一些用户则强调 Claude Fable 5 在复杂代码理解与稳定性方面表现更好，同时也有人质疑相关对比缺乏公开、可复现的基准测试。

话题 4:OpenAI Rolls Out GPT-Live Voice and GPT-5.6 Models for ChatGPT 链接到标题

  • 分类:AI · News
  • 概况:热度时间:2 days ago,相关帖子数:120000
  • 是什么事:X 上热议称 OpenAI 正在向 ChatGPT 推出可实时听说的 GPT-Live 语音模型，同时 GPT-5.6 系列在限制解除后进入公开发布阶段。
  • 为什么重要:如果属实，这意味着 AI 助手正从文本对话进一步迈向低延迟、双向语音交互，并可能通过新一代模型提升推理、代理和多模态应用能力。
  • 讨论概况:讨论焦点集中在 GPT-Live 的实时对话体验是否足够自然、GPT-5.6 的能力提升幅度与开放范围，以及监管限制解除对前沿模型发布节奏和竞争格局的影响；也有人质疑相关消息的真实性和具体可用性。

话题 5:SpaceXAI Launches Grok 4.5, Frontier AI Model with Top Efficiency 链接到标题

  • 分类:AI · News
  • 概况:热度时间:2 days ago,相关帖子数:239000
  • 是什么事:SpaceXAI 发布了新一代前沿 AI 模型 Grok 4.5，主打更高推理能力与效率表现。
  • 为什么重要:如果其效率与性能指标属实，Grok 4.5 可能加剧前沿大模型在算力成本、推理速度和商业化部署上的竞争。
  • 讨论概况:X 上讨论主要集中在 Grok 4.5 是否真正达到“顶级效率”、与 OpenAI、Google、Anthropic 等模型的对比表现，以及相关基准测试是否透明可信。

今日 X 上的 AI 舆情小结 链接到标题

今天的舆论主线是前沿 AI 竞争明显升温：从 Claude 调整限流、OpenAI 传出新语音与 GPT-5.6 发布、到 Grok 4.5 和各类编程模型对比，市场关注点集中在能力提升、可用性、成本效率和发布节奏上。较大的共识是，AI 产品已经不只比“模型分数”，还要比真实使用体验，包括限流是否稳定、语音交互是否自然、代码能力是否能落到工程场景，以及机器人硬件是否能支撑实际任务。分歧主要在于各家模型或硬件演示的领先性是否可信：支持者认为新模型和灵巧手代表了通往通用助手与家庭机器人的关键进展，质疑者则强调缺乏公开可复现基准、真实场景泛化不足，以及营销叙事可能大于实际能力。潜在风险在于，未经证实的发布消息和不透明评测容易放大市场预期，限流和算力约束可能影响用户信任，而具身智能与实时语音助手的推进也会带来安全、隐私、监管和商业化落地压力。

💡 大佬观点(Influencer Insights) 链接到标题

AI 行业每日洞察报告 (7月10日) 链接到标题

1. 今日核心关注：GPT-5.6 Sol 发布与 Agent 化浪潮 链接到标题

OpenAI 超级应用战略成型 链接到标题

今日最重大的行业事件是 OpenAI 正式发布 GPT-5.6，并同步推出 ChatGPT Work。

  • 产品矩阵重组：OpenAI 将 ChatGPT、Codex、Work 三合一整合进单一桌面应用（@dotey）。从原先的"对话式 AI"转向了覆盖 Chat（聊天）、Work（生产力 Agent）、Codex（编程 Agent）的全能超级应用。
  • GPT-5.6 模型分级：新模型分为 Sol（旗舰/复杂推理）、Terra（性价比/日常）、Luna（轻量/高速）。其中 Sol 新增 Ultra 模式，能调用多个子 Agent 并行处理复杂任务（@dotey）。
  • 竞争反应：有趣的是，GPT-5.6 刚一发布，Claude 侧立即重置了用户额度（@Pluvio9yte 引用 @bourneliu66）。且 Claude Fable 5 的付费访问被延长至 7 月 12 日（@zhixianio），竞争火药味极浓。

Agent 工作流从代码走向办公 链接到标题

  • ChatGPT Work 定义新范式：不再是简单的问答或代码生成，Work 能连接 Gmail、Slack、Google Drive 等业务应用，自主拆解复杂项目，具备长期执行、定时任务和 Computer Use 能力。这标志着 AI Agent 正式从开发者工具走向企业日常办公场景（@dotey）。
  • 本地 Agent 桌面对决：ChatGPT Work 和 Claude Cowork 目前在桌面端形成直接竞争，两者都有计算机操控能力，但在隔离机制（Seatbelt vs 虚拟机）和数据同步策略上存在技术路径差异（@dotey）。

2. 独特观点与行业前瞻 链接到标题

2.1 开发者的身份转变与制度思考 链接到标题

  • 从程序员到"工程经理"：@dotey 精确地指出，在 Vibe Coding 高 Token 消耗的背景下，指挥 AI Agent 干活更像做 工程经理（EM）。核心任务变成了需求拆分、任务分配与成果验收（Review）。AI 可以取代程序员，但人的价值体现在把控整体架构与安全边界，通过"持续集成"的小步快跑方式审核 AI 代码（@dotey）。
  • 代码护城河的消失：@ruanyf 转述了 Cloudflare 工程师用 $1100 成本复刻 Next.js 的案例，提出观点：AI 时代代码的护城河已荡然无存，防止大型软件被快速复刻的关键在于 测试用例，测试才是新的壁垒。

2.2 模型能力的内卷与幻觉 链接到标题

  • “谁心虚谁重置"的竞赛：@Pluvio9yte 调侃目前行业规律，各家模型一旦处于劣势就想方设法重置额度来挽留用户，暗示目前的竞争已经从单纯的基准跑分变成了流量与粘性的争夺。
  • 小模型的局限性天花板：@zhixianio 详细测评了 Gemma 4 12B Coder，认为微调能提升收敛速度，但抬不高小体量模型在"长篇、有状态、一次成型"复杂任务上的天花板，证明了在部分场景下，大参数 MoE 仍是甜点。
  • Token 陷阱与成本黑洞：@Pluvio9yte 真实反馈，GPT-5.6 Sol 的消耗速度是 Fable 5 的数倍，Pro 20 账户几十分钟即打满窗口。@ruanyf 也测算，若无限量放开使用顶级模型，重度用户年成本可达千万。模型越强、收费越贵，如果不加克制，“无限 Token 可能变成无限账单”。

2.3 泛生态风向 链接到标题

  • 中国市场的重量级竞争：@ruanyf 测试了腾讯混元 Hy3，指出其参数虽小但接近了 GLM 5.1 水平；@dotey 爆料 DeepSeek V4 即将上线且计划涨价，同时 MiniMax M3 Pro 将成中国最大开源模型。
  • GPT-Live 语音的双刃剑：OpenAI 发布全双工语音能力让人机交互更自然，但实际体验中，AI 带有的"美式口音"和过度侵入性的回应词（如 mhmm）令人感到干扰（@dotey），说明情感化交互的克制度是目前语音助手落地的难点。

3. 新兴工具、资源与灵感 链接到标题

3.1 硬核开发与生产力 链接到标题

  • Vercel Native SDK：刚发布的全新桌面应用框架，使用 Zig 语言，自带声明式 UI 标记语言（.native）和自渲染引擎，试图解决电子软件体积和内存占用问题，且原生考虑了对 AI Agent 自动化的支持（@dotey）。
  • 乔木设计 Skill & IBM Carbon：@vista8 推荐了 IBM 的 Carbon 设计系统，并将其编译为可被 AI 吸收的 Skill，用来规范 AI 生成的交互设计水平，这提供了一种"用设计系统约束 AI 幻觉"的新思路。
  • Obsidian 转 X 长文插件：@AI_Jasonyu 推荐的工具解决了从本地 Markdown 编辑到 X 平台发布的长文转换痛点（@kaitoxhacker 开发）。

3.2 开源信息获取套件 链接到标题

  • Hackernews 速读站：@vista8 开源了基于 AI 翻译和总结的 HN 资讯站，利用 AI 摘录英文热帖的关键评论，降低技术新闻获取门槛。
  • 乔木 RSS 阅读器：集成了 35+ 海外优质 Newsletter 的阅读器，支持 AI 翻译重写与侧边栏对话。

3.3 创意与设计 链接到标题

  • Topview 3D Shot Composer：@AI_Jasonyu 推荐的 AI 视频新范式，允许在 3D 空间内直接摆放角色、机位后再生成视频，解决了文生视频难以精确控制构图的问题，将 AI 工具从"抽卡"推向了"导演”。

📚 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

All-In Podcast (A_full) 链接到标题

  • Open Source Wins, AGI Is Here, and Scorsese’s AI Toolkit with CEOs of Cerebras & Black Forest Labs
    • 发布时间:2026-07-10 09:26 北京时间
    • 摘要:- AppLovin Ads - AppLovin 的 AI 广告平台覆盖移动游戏领域超过 10 亿的每日活跃用户。
      • 全屏视频广告，观看时间中位数为 35 秒。
      • 广告商每天花费数十万美元获利，并且广告商访问仍处于封闭测试阶段。
      • 纳斯达克 - 产业、资本和情报正在融合成一个单一的、相互关联的系统，而其背后的基础设施也需要同样快速地发展。
      • 纳斯达克就是为了这一刻而建立的：为全球超过 135 个市场和监管机构提供动力，并将资本与塑造未来的公司联系起来。
    • EN 要点:
      • (0:00) The AI Buildout: Datacenters Bigger Than Cities (Andrew Feldman)
      • (1:50) Reasoning, Inference, and Breaking Moore’s Law
      • (16:28) Open Source, AI Sovereignty, and the Road to AGI
      • (40:54) The Innovation Behind Generative Video (Robin Rombach)

Stratechery by Ben Thompson (A_full) 链接到标题

  • 2026.28: XBOX On the Rocks
    • 发布时间:2026-07-11 01:00 北京时间
    • 摘要:-（杰夫·克里斯滕森/联络人拍摄）。
      • 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。
    • EN 要点:
      • (Photo by Jeff Christensen/Liaison)
      • 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

OpenAI Blog (A_full) 链接到标题

  • How Deutsche Telekom is rewiring telecommunications with AI
    • 发布时间:2026-07-10 15:00 北京时间
    • 摘要:- 如此规模的运营意味着管理庞大的客户服务运营、复杂的网络基础设施以及使人们保持联系的数百万日常互动。
      • 随着生成式人工智能能力的加速发展，德国电信看到了一个超越生产力提升的机会。
      • 该公司设定了一个雄心勃勃的目标：成为世界上第一家人工智能原生电信公司。
      • 领导团队没有将人工智能视为另一种软件的推出，而是将其视为决策方式、客户旅程设计方式以及电信服务交付方式的根本性转变。
      • 我们与德国电信首席产品和数字官乔纳森·亚伯拉罕森（Jonathan Abrahamson）坐下来讨论该公司如何重新设计整个组织的运营模式 - 从客户服务和员工工作流程到网络运营和语音通信的未来。
    • EN 要点:
      • How Deutsche Telekom is becoming an AI-native telco with OpenAI-transforming customer service, employee workflows, network operations, and the future of voice.

ArXiv cs.AI (B_intro+search) 链接到标题

  • AgentLens: Production-Assessed Trajectory Reviews for Coding Agent Evaluation

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06624v1 公告类型：新。
      • 摘要：我们推出 AgentLens，这是交互式代码代理的生产评估基准。
      • 大多数代码代理基准测试将运行次数减少到一位 - 任务通过了吗？
        • 但实际使用这些代理的人会经历整个轨迹：代理如何遵循指令，使用其工具，验证自己的工作，从错误中恢复，并一路与他们交谈。
    • EN 要点:
      • arXiv:2607.06624v1 Announce Type: new
      • Abstract: We present AgentLens, a production-assessed benchmark for interactive code agents
      • Most code-agent benchmarks reduce a run to a single bit – did the task pass
      • – but the people who actually use these agents experience the entire trajectory: how the agent follows instructions, uses its tools, verifies its own work, rec…

  • When Does In-Context Search Help? A Sampling-Complexity Theory of Reflection-Driven Reasoning

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06720v1 公告类型：新。
      • 摘要：通过扩展推理训练大型语言模型 (LLM) 实现了上下文搜索，其中模型迭代地生成、批判和修改解决方案尝试。
      • 我们通过将上下文搜索建模为推理轨迹上的近似推理来提供上下文搜索的理论分析，其中基本模型定义先验，自我反思为后验更新提供反馈，并研究由此产生的推理时间采样复杂性 - 实现高成功概率所需的连续尝试次数。
      • 我们表明，当反射可靠地定位早期错误时，上下文搜索可以在基本模型上产生指数级改进，仅使用多项式数量的连续尝试来解决指数小零样本通过率的问题，而当此属性失败时，对过去尝试的条件与并行采样相比没有渐近优势。
    • EN 要点:
      • arXiv:2607.06720v1 Announce Type: new
      • Abstract: Training large language models (LLMs) with extended reasoning has enabled in-context search, in which models iteratively generate, critique, and revis…
      • We provide a theoretical analysis of in-context search by modeling it as approximate inference over reasoning traces, where the base model defines a prior and s…
      • We show that when reflections reliably localize early mistakes, in-context search can yield exponential improvements over the base model, solving problems with…

  • LLM-powered reasoning in agent-based modeling

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06757v1 公告类型：新。
      • 摘要：基于代理的建模（ABM）能够对数百万个人及其交互进行建模，这对于政策制定非常有用。
      • 然而，ABM 传统上依赖于静态先验，这阻碍了模型适应实时变化。
      • 我们的研究提供了一种解决这一信息差距的新方法。
    • EN 要点:
      • arXiv:2607.06757v1 Announce Type: new
      • Abstract: Agent-based modeling (ABM) has the capability to model millions of individuals and their interactions, which is useful for policy making
      • However, ABMs have traditionally relied on static prior, which prevents the models from adapting to real-time changes
      • Our research provides a novel approach to addressing this information gap

  • QANTIS: Hardware-Calibrated Sequential POMDP Belief Updates on IBM Heron

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06760v1 公告类型：新。
      • 摘要：部分可观察性下的自治系统根据信念而不是原始传感器事件起作用。
      • QANTIS 将量子处理器视为该循环中的校准信念更新服务：它接收先验模型和观察模型，估计罕见事件证据项，并将普通后验返回给经典规划器。
      • 本文询问该服务是否可以在当前 IBM Heron 硬件上的顺序 Tiger POMDP 范围内重用，而不会破坏面向规划器的后验。
    • EN 要点:
      • arXiv:2607.06760v1 Announce Type: new
      • Abstract: Autonomous systems under partial observability act on beliefs, not raw sensor events
      • QANTIS treats the quantum processor as a calibrated belief-update service in that loop: it receives a prior and an observation model, estimates the rare-event e…
      • This paper asks whether that service can be reused across a sequential Tiger POMDP horizon on present IBM Heron hardware without corrupting the planner-facing p…

  • Cost-Effective Agent Harnesses for Abstract Reasoning and Generalization on ARC-AGI-1

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06764v1 公告类型：新。
      • 摘要：ARC-AGI-1 所公开架构的最新进展主要来自两个方面：前沿模型上的大量测试时计算（进化搜索、穷举采样、扩展思想链），或针对特定基准的训练，其中小模型在 ARC 数据上进行微调，通常采用特定于任务的架构。
      • 我们研究第三种制度：严格预算下的非思维模式下的开放权重模型（DeepSeek V3.2），没有特定于 ARC 的微调。
      • 我们研究仅通过架构可恢复的内容，构建显式分解模式发现和程序综合阶段的代理工具。
    • EN 要点:
      • arXiv:2607.06764v1 Announce Type: new
      • Abstract: Recent progress on ARC-AGI-1 from disclosed architectures has come broadly from two regimes: heavy test-time compute over frontier models (evolutionar…
      • We study a third regime: an open-weight model in non-thinking mode (DeepSeek V3.2) under a strict budget, with no ARC-specific fine-tuning
      • We study what is recoverable through architecture alone, building agentic harnesses that decompose pattern-discovery and program-synthesis stages explicitly

  • Evaluating SageMath-Augmented LLM Agents for Computational and Experimental Mathematics

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06820v1 公告类型：新。
      • 摘要：数学人工智能的最新进展主要集中在自动形式化和定理证明上，而计算机代数系统（CAS）在代理法学硕士工作流程中的作用尚未得到充分探索。
      • 我们提出了一种 ReAct 风格的代理设置，将 LLM 推理与来自 SageMath 的可验证反馈相结合，以及用于最新文档的 Context7。
      • 我们跨前沿模型评估这种代理设置，以在模拟计算数学研究循环的设置中解决 RealMath 基准的研究级数学问题。
    • EN 要点:
      • arXiv:2607.06820v1 Announce Type: new
      • Abstract: Recent advances in AI for Mathematics have focused largely on autoformalization and theorem proving, leaving the role of Computer Algebra Systems (CAS…
      • We propose a ReAct-style agentic setup that combines LLM reasoning with verifiable feedback from SageMath, together with Context7 for the up-to-date documentati…
      • We evaluate this agentic setup across frontier models for solving research-level mathematical problems from the RealMath benchmark in a setting that emulates a…

  • The Harness Effect: How Orchestration Design Sets the Token Economics of Enterprise Agentic AI

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06906v1 公告类型：新。
      • 摘要：今天的代理人工智能开发以代币最大化为基础：用代币购买能力——更长的推理轨迹、更多的回合、更广泛的工具有效负载、更大的重播上下文——因此每个任务的代币增长速度快于任务价值。
      • 每个代币价格的下跌掩盖了这一模式；总支出无论如何都会增加。
      • 我们认为，反对代币最大化的决定性杠杆是工具：编排层，它组装上下文、公开工具、顺序轮转、委派工作并承载企业可观察性和治理。
    • EN 要点:
      • arXiv:2607.06906v1 Announce Type: new
      • Abstract: Agentic AI development today runs on token maxing: buying capability with tokens – longer reasoning traces, more turns, wider tool payloads, bigger r…
      • Falling per-token prices mask the pattern; total spend rises anyway
      • We argue the decisive lever against token maxing is the harness: the orchestration layer that assembles context, exposes tools, sequences turns, delegates work,…

  • Grounding Spatial Relations in a Compact World Model: Instruction Leakage and a Goal-Free Dynamics Fix

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06925v1 公告类型：新。
      • 摘要：以语言目标为条件的紧凑世界模型承诺使用一组稀疏的显式\emph{参考锚}来实现诸如“将红色块放在蓝色块左侧”等基础关系。
      • 我们询问此类参考何时真正建立关系，并识别出一个陷阱：目标条件预测器达到惊人的 0.90 美元关系读出精度，但这只是 \emph{指令转录}，而不是感知。
      • 保留目标会使其崩溃（$0.90!\to!0.27$，三个种子），并且反事实指令使预测的锚点遵循 \emph{false} 指令 $94.5%$（真实场景 $2.3%$；$N{=}256$）。
    • EN 要点:
      • arXiv:2607.06925v1 Announce Type: new
      • Abstract: Compact world models that condition on a language goal promise to ground relations such as ``put the red block left of the blue block’’ using a sparse…
      • We ask when such references actually ground a relation, and identify a trap: a goal-conditioned predictor reaches a striking $0.90$ relation-readout accuracy, y…
      • Withholding the goal collapses it to chance ($0.90\

  • Large Behavior Model: A Promptable Digital Twin of the Retail Customer

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.06993v1 公告类型：新。 -摘要：客户行为建模是推荐、营销和决策支持的基础，但现有方法要么在不解释决策的情况下优化预测准确性，要么在不以真实行为数据为基础的情况下模拟用户。
      • 我们提出了大型行为模型（LBM），该模型通过统一的人环境公式直接从大规模零售交易中学习客户决策。
      • 客户状态由源自历史购买的行为档案来表示，而产品上下文则通过检索增强生成来合并。
    • EN 要点:
      • arXiv:2607.06993v1 Announce Type: new
      • Abstract: Customer behavior modeling underpins recommendation, marketing, and decision support, yet existing approaches either optimize predictive accuracy with…
      • We present the Large Behavioral Model (LBM) that learns customer decision making directly from large-scale retail transactions through a unified Person-Environm…
      • Customer state is represented by a behavioral profile derived from historical purchases, while product context is incorporated through retrieval-augmented gener…

ArXiv cs.CL (B_intro+search) 链接到标题

  • Unveiling Public Opinion: A Study of Sentiment Analysis Using LSTM and Traditional Models

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07772v1 公告类型：新。
      • 摘要：在这个社交媒体时代，Twitter 等网站已成为人们的聚会场所，人们可以实时分享对各种问题和时事的看法和感受。
      • 情感分析是 NLP 的一个关键应用，由于用户生成内容的大量涌入，情感分析已变得不可或缺，可以从文本数据中表达的观点和情感中提取有意义的见解。
      • Twitter 上的情绪分析采用复杂的计算技术将推文分类为积极、消极或中性情绪。
    • EN 要点:
      • arXiv:2607.07772v1 Announce Type: new
      • Abstract: In this age of social media, sites like Twitter have become meeting places for people to share their views and feelings on a wide range of issues and…
      • Sentiment analysis, a critical application of NLP, has become indispensable due to the massive influx of user-generated content, enabling the extraction of mean…
      • Sentiment analysis on Twitter employs sophisticated computational techniques to categorize tweets into positive, negative, or neutral sentiments

  • From Solvers to Research: Large Language Model-Driven Formal Mathematics at the Research Frontier

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07779v1 公告类型：新。
      • 摘要：数学人工智能 (AI4Math) 的最新发展，特别是大型语言模型 (LLM) 驱动的定理证明器，在通过交互式定理证明 (ITP) 语言为明确定义的数学问题生成形式证明方面取得了显着的成功。
      • 然而，当前的系统在处理前沿研究数学方面仍然受到根本限制，例如发现新定理或解决开放猜想，这些猜想通常是开放式的、不明确的，并且涉及多个抽象层。
      • 我们认为，AI4Math 系统的下一次飞跃需要从预定义的问题解决者到能够通过严格的形式数学推理解决前沿数学挑战的研究代理的决定性转变。
    • EN 要点:
      • arXiv:2607.07779v1 Announce Type: new
      • Abstract: Recent developments in AI for Mathematics (AI4Math), especially Large Language Model (LLM)-driven theorem provers, has achieved remarkable success in…
      • However, current systems remain fundamentally limited in tackling frontier research mathematics, such as discovering new theorems or resolving open conjectures,…
      • We argue that the next leap in AI4Math systems requires a decisive shift from predefined problem-solvers to research agents that can address frontier mathematic…

  • DeepSearch-World: Self-Distillation for Deep Search Agents in a Verifiable Environment

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07820v1 公告类型：新。
      • 摘要：训练使用工具的智能体根据自己的经验进行改进仍然具有挑战性，因为监督微调依赖于固定的教师提炼轨迹，而稀疏奖励强化学习为长视野交互提供了弱监督。
      • 我们推出 DeepSearch-Evolve，这是一个基于 DeepSearch-World 的网络代理自蒸馏框架，DeepSearch-World 是一个具有可重复搜索和页面阅读工具的确定性和可验证环境。
      • DeepSearch-World 包含由实体级随机游走构建的 420K 多跳 QA 任务，并支持对自我进化有用的关键代理认知行为，包括进度验证、扎根反思和故障恢复。
    • EN 要点:
      • arXiv:2607.07820v1 Announce Type: new
      • Abstract: Training tool-use agents to improve from their own experience remains challenging, as supervised fine-tuning relies on fixed teacher-distilled traject…
      • We present DeepSearch-Evolve, a self-distillation framework for web agents built on DeepSearch-World, a deterministic and verifiable environment with reproducib…
      • DeepSearch-World contains 420K multi-hop QA tasks constructed from entity-level random walks and supports key agentic cognitive behaviors useful for self-evolvi…

  • How Do I Know What to Say Next? Barenholtz’s Autogenerative Theory as an Enrichment of Harrisean Integrationism

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07891v1 公告类型：新。
      • 摘要：罗伊·哈里斯（Roy Harris）的整合主义语言学对深植于语言计算方法核心的指称主义传统提出了令人信服的批评，认为语言不是映射到预先给定世界的代码，而是一种面向预期联合行动的情境性、双方活动。 -然而，整合主义留下了某些解释上的空白：它没有充分解释符号维持未来开放性的结构机制，它对语言和非语言符号学活动之间的连续性进行了理论分析，并且它没有对过去整合积累的档案的结构特性提供详细的说明。
      • 本文认为，Elan Barenholtz 的语言自动生成理论是针对大型语言模型 (LLM) 的行为而发展起来的，它可以准确地填补这些空白，丰富整合主义，而不会损害其任何核心承诺。
    • EN 要点:
      • arXiv:2607.07891v1 Announce Type: new
      • Abstract: Roy Harris’s Integrationist linguistics offers a compelling critique of the referentialist tradition embedded deep at the heart of computational appro…
      • Yet Integrationism leaves certain explanatory gaps: it does not fully account for the structural mechanism by which signs sustain prospective openness, it under…
      • This paper argues that Elan Barenholtz’s autogenerative theory of language, developed in response to the behaviour of Large Language Models (LLMs), can fill pre…

  • Scalable and Culturally Specific Stereotype Dataset Construction via Human-LLM Collaboration

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07895v1 公告类型：新。 -摘要：由于缺乏其他语言的数据集以及在代表性不足的文化中手动注释的成本高昂，大语言模型（LLM）中的刻板印象研究主要集中在英语环境中。
      • 为了解决这一差距，我们引入了一种经济高效的人类-法学硕士协作注释框架，并将其应用于构建 EspanStereo，这是一个跨越欧洲和拉丁美洲多个西班牙语国家的西班牙语刻板印象数据集。
      • EspanStereo 既捕捉了先前文献中记录充分的刻板印象，又捕捉到了以英语为中心的资源中缺乏的文化特定偏见。
    • EN 要点:
      • arXiv:2607.07895v1 Announce Type: new
      • Abstract: Research on stereotypes in large language models (LLMs) has largely focused on English-speaking contexts, due to the lack of datasets in other languag…
      • To address this gap, we introduce a cost-efficient human-LLM collaborative annotation framework and apply it to construct EspanStereo, a Spanish-language stereo…
      • EspanStereo captures both well-documented stereotypes from prior literature and culturally specific biases absent from English-centric resources

  • When Debiasing Backfires: Counterintuitive Side Effects of Preprocessing-Based Stereotype Mitigation

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07937v1 公告类型：新。
      • 摘要：基于预处理的刻板印象缓解方法，例如对去偏语料库进行前/后训练，在 NLP 中广泛使用。
      • 虽然这些方法减少了对目标群体的可衡量的刻板印象，但我们发现它们经常会引起意想不到的转变副作用，其中刻板印象或反刻板印象可能相对于其他人口统计的中性基线有所增加，包括跨不相关的人口统计类别。
      • 我们在两个模型系列（仅编码器和仅解码器）、多种预处理策略（删除刻板句子、删除组提及和交换组引用）以及维基百科上不同数据规模的预训练和后训练中演示了这些副作用。
    • EN 要点:
      • arXiv:2607.07937v1 Announce Type: new
      • Abstract: Preprocessing-based methods for stereotype mitigation, such as pre-/post-training on debiased corpora, are widely used in NLP
      • While these approaches reduce measurable stereotypes for targeted groups, we find they often induce unintended shifts-side effects, where stereotyping or counte…
      • We demonstrate these side effects across two model families (encoder-only and decoder-only), multiple preprocessing strategies (removing stereotypical sentences…

  • A Multi-cluster Boundary Learning Method for Out-of-Scope Intent Detection via MiniLM Embedding

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07974v1 公告类型：新。
      • 摘要：意图检测是人机交互系统中连接人类意图和系统操作的一项关键任务。
      • 然而，检测超出范围（OOS）意图仍然存在挑战。
      • (i)传统方法将OOS意图检测视为多类分类，然后检测精度随着已知意图的类数的增加而降低； (ii) LLM 嵌入方法需要很大的参数，这使得它们难以训练和实际部署。
    • EN 要点:
      • arXiv:2607.07974v1 Announce Type: new
      • Abstract: Intent detection is a critical task that bridges human intents and system actions in human-machine interaction systems
      • However, there still exist challenges for detecting out-of-scope (OOS) intents
      • (i) The traditional methods view the OOS intent detection as a multi-class classification, then the detection accuracy decreases as the class number of the know…

  • When Implausible Tokens Get Reinforced: Tail-Aware Credit Calibration for LLM Reinforcement Learning

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07976v1 公告类型：新。
      • 摘要：强化学习（RL）在增强大型语言模型（LLM）的推理能力方面取得了显着的成功。
      • 然而，广泛使用的无批评强化学习方法依赖于统一的信用分配，向所有代币传播相同的优势，无论其差异如何。
      • 我们确定了这种设计的一个关键失败模式，我们将其称为正信用污染：上下文错误的低概率尾部标记在同一轨迹内获得与看似合理的相同的正信用，从而导致有缺陷的推理行为的不加区别的强化。
    • EN 要点:
      • arXiv:2607.07976v1 Announce Type: new
      • Abstract: Reinforcement learning (RL) has achieved remarkable success in enhancing the reasoning capabilities of large language models (LLMs)
      • However, widely used critic-free RL methods rely on uniform credit assignment, broadcasting the same advantage to all tokens regardless of their differences
      • We identify a critical failure mode of this design, which we refer to as Positive-Credit Contamination: low-probability tail tokens that are contextually errone…

  • A Reliability Assessment of LALM Audio Judges for Full-Duplex Voice Agents

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07985v1 公告类型：新。
      • 摘要：我们报告了 Gemini 模型作为音频裁判的经验可靠性，直接从原始立体声波形对全双工代理对话进行评分，并在 Gemini 系列的三个模型中进行了测试：2.5 Flash、3.5 Flash 和 3.1 Pro。
      • 我们的主要证据基础使用 Gemini 2.5 Flash 作为地面实况模型，在 209 个立体声会话中针对三位经过校准的人类评估者进行了验证，在 8 个制作维度上进行评分：跨 13 个口音和条件层的 152 个全双工对话，以及 57 个对抗性缺陷注入剪辑。
      • Gemini 2.5 Flash 的证据在三项测试中是一致的。
    • EN 要点:
      • arXiv:2607.07985v1 Announce Type: new
      • Abstract: We report the empirical reliability of Gemini models as audio judges that score full-duplex agent conversations directly from the raw stereo waveform,…
      • Our primary evidence base uses Gemini 2.5 Flash as the ground-truth model, validated against three calibrated human raters on 209 stereo sessions, scored on 8 p…
      • The evidence for Gemini 2.5 Flash is consistent across three tests

  • Hallucination Self-Play: Bootstrapping Reinforced Detector via Evolved Generator

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07993v1 公告类型：新。 -摘要：由于缺乏高质量的注释数据，识别法学硕士生成的输出中的忠实幻觉仍然具有挑战性。
      • 最近的工作依赖于高级法学硕士来综合培训数据，包括基本原理、标签和幻觉主张。
      • 然而，这些方法将生成器视为静态组件，限制了检测器的迭代改进。
    • EN 要点:
      • arXiv:2607.07993v1 Announce Type: new
      • Abstract: Identifying faithfulness hallucinations in LLM-generated outputs remains challenging due to the scarcity of high-quality annotated data
      • Recent work relies on advanced LLMs to synthesize training data, including rationales, labels, and hallucinated claims
      • However, these methods treat the generator as a static component, limiting iterative improvement of the detector

ArXiv cs.LG (B_intro+search) 链接到标题

  • Towards the Explainability of Temporal Graph Networks via Memory Backtracking and Topological Attribution

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07716v1 公告类型：新。
      • 摘要：时态图在现实世界的应用中无处不在，时态图网络（TGN）已经实现了卓越的预测准确性。
      • 了解哪些历史事件驱动模型预测可以增强 TGN 的可信度。
      • 现有的解释方法忽略了记录和更新节点历史的核心组件记忆模块，而没有探索过去事件的影响。
    • EN 要点:
      • arXiv:2607.07716v1 Announce Type: new
      • Abstract: Temporal graphs are ubiquitous in real-world applications and Temporal Graph Networks (TGNs) have achieved superior predictive accuracy
      • Understanding which historical events drive model predictions can enhance trustworthiness of TGNs
      • Existing explanation methods overlook the memory module, the core component that records and updates node histories, leaving the influence of past events unexpl…

  • Who Gets Missed in the Tail? Thresholded Subgroup Underdiagnosis in Long-Tailed Chest X-ray Classification

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07717v1 公告类型：新。
      • 摘要：在胸部 X 射线 (CXR) 分类中，可接受的排名表现仍可能使罕见阳性患者低于阈值，特别是在亚组内。
      • 我们将这个部署前公平性问题作为审计问题进行研究：长尾多标签 CXR 模型从分数转换为决策后，遗漏了谁？
      • 在 VinDr-CXR 和 MIMIC-CXR/CXR-LT 中，我们使用诊断阶梯来分离类别级别的长尾损失、子组感知权重、组稳健性和阈值选择。
    • EN 要点:
      • arXiv:2607.07717v1 Announce Type: new
      • Abstract: In chest X-ray (CXR) classification, acceptable ranking performance can still leave rare-positive patients below threshold, especially within subgroup…
      • We study this pre-deployment fairness problem as an audit question: after a long-tailed multi-label CXR model is converted from scores into decisions, who is mi…
      • Across VinDr-CXR and MIMIC-CXR/CXR-LT, we use a diagnostic ladder to separate class-level long-tail losses, subgroup-aware weighting, group robustness, and thre…

  • LLT: Local Linear Transformer for PDE Operator Learning

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07718v1 公告类型：新。
      • 摘要：神经算子已成为学习 PDE 解图和加速数值模拟的常用方法。
      • 基于 Transformer 的神经算子特别令人感兴趣，因为注意力可以学习计算域中的远程依赖关系。
      • 然而，标准注意力在应用于偏微分方程时有两个主要限制：它与计算节点的数量呈二次方缩放，并且缺乏对局部交互的明确偏见。
    • EN 要点:
      • arXiv:2607.07718v1 Announce Type: new
      • Abstract: Neural operators have become a common approach for learning PDE solution maps and accelerating numerical simulations
      • Transformer-based neural operators are of particular interest, since attention can learn long-range dependencies in the computational domain
      • However, standard attention has two major limitations when applied to PDEs: it scales quadratically with the number of computational nodes, and it lacks an expl…

  • ReCoLoRA: Spectrum-Aware Recursive Consolidation for Continual LLM Fine-Tuning

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07719v1 公告类型：新。
      • 摘要：参数高效的微调可以廉价地使大型语言模型适应一项任务，但在整个任务序列中，LoRA 风格的方法不断在相同的冻结权重上堆叠低秩更新，因此每个新任务往往会覆盖以前的任务。
      • 我们提出了 ReCoLoRA（低秩适配器的递归合并），这是一个用于持续微调的频谱感知框架：适配器根据预训练权重的随机 SVD 进行初始化，通过弯头准则选择每层有效等级，并在打开剩余容量之前调整主子空间。
      • 在每个新任务之前，ReCoLoRA 都会将当前的有效权重（而不是原始权重）重新分解为冻结残差、缓慢更新的主成分和新的适配器（递归合并），因此每个任务都从已经吸收了其前任的模型开始。
    • EN 要点:
      • arXiv:2607.07719v1 Announce Type: new
      • Abstract: Parameter-efficient fine-tuning adapts a large language model to one task cheaply, but across a task sequence LoRA-style methods keep stacking low-ran…
      • We present ReCoLoRA (Recursive Consolidation of Low-Rank Adapters), a spectrum-aware framework for continual fine-tuning: adapters are initialized from a random…
      • Before each new task, ReCoLoRA re-decomposes the current effective weight, rather than the original one, into a frozen residual, a slowly updated principal comp…

  • Omni-Sleep: A Sleep Foundation Model via Hierarchical Contrastive Learning of CNS–ANS Dynamic

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07720v1 公告类型：新。
      • 摘要：睡眠生理学源于中枢神经系统 (CNS) 和自主神经系统 (ANS) 的协调动态，如脑电图 (EEG)、眼电图 (EOG)、肌电图 (EMG)、心电图 (ECG) 和呼吸等多模态多导睡眠图信号所反映的那样。
      • 然而，现有的睡眠基础模型通常以拓扑不可知的方式融合异质生物信号，忽略了它们的生理组织。
      • 我们介绍 Omni-Sleep，这是一种睡眠基础模型，它使用 CNS/ANS 分区作为拓扑约束表示学习的生理先验。
    • EN 要点:
      • arXiv:2607.07720v1 Announce Type: new
      • Abstract: Sleep physiology arises from the coordinated dynamics of the central nervous system (CNS) and autonomic nervous system (ANS), as reflected by multimod…
      • However, existing sleep foundation models often fuse heterogeneous biosignals in a topology-agnostic manner, overlooking their physiological organization
      • We introduce Omni-Sleep, a sleep foundation model that uses the CNS/ANS partition as a physiological prior for topology-constrained representation learning

  • Uncertainty-gated selection for block-sparse attention

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07724v1 公告类型：新。
      • 摘要：块稀疏注意力通过将 O(N^2) softmax 替换为关键块上的每个查询前 k 个选择来扩展长上下文语言模型。
      • 这种截断是短视的：当第 k 个和第 (k+1) 个块的分数几乎相等时，选择器会在不花费额外预算的情况下提交，并且携带答案证据的丢弃块在下游无法恢复。
      • 我们提出了一个信息值路由器，用于测量每个查询的 top-k 切割的决定性，并将差距最小的查询的保留集加倍；该规则与主干网无关，并与现有的块评分方法（例如 Quest）叠加。
    • EN 要点:
      • arXiv:2607.07724v1 Announce Type: new
      • Abstract: Block-sparse attention scales long-context language models by replacing the O(N^2) softmax with a per-query top-k selection over key blocks
      • This cutoff is myopic: when the k-th and (k+1)-th blocks are nearly tied in score, the selector commits without spending extra budget, and a dropped block carry…
      • We propose a value-of-information router that measures, for each query, how decisively the top-k cut was made, and doubles the kept set for the queries where th…

  • SHIFT: Survival Prediction from Incomplete and Heterogeneous Genomic Data

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07725v1 公告类型：新。
      • 摘要：基因组预测模型通常无法跨机构转移，因为测序面板在不同站点之间存在差异，导致部署时结构特征缺失。 -应对这一挑战的现有方法通常限制对跨队列共享的基因进行分析，排除资料不完整的患者，或依赖测试时插补，所有这些都会降低稳健性并限制多中心数据的使用。
      • 我们提出使用 Transformer 处理不完整特征的生存预测（SHIFT），这是一种缺失感知生存模型，可以直接根据不完整的基因组输入进行预测，而无需测试时间插补。
    • EN 要点:
      • arXiv:2607.07725v1 Announce Type: new
      • Abstract: Genomic prediction models often fail to transfer across institutions because sequencing panels differ across sites, creating structural feature missin…
      • Existing approaches to this challenge typically restrict analysis to genes shared across cohorts, exclude patients with incomplete profiles, or rely on test-tim…
      • We propose Survival prediction Handling Incomplete Features using Transformer (SHIFT), a missingness-aware survival model that directly predicts from incomplete…

  • Jet-Long: Efficient Long-Context Extension with Dynamic Bifocal RoPE

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07740v1 公告类型：新。 -摘要：现代 LLM 越来越多地部署在长上下文应用程序中，例如检索增强生成、存储库级编码和代理工作流程，其累积的推理和工具跟踪通常会将输入推到预训练窗口之外的一个数量级，从而使零样本上下文扩展成为开放权重检查点的主要部署路径。
      • 大多数现有的零样本方法预先修复了单个缩放因子，因此激进的因子会牺牲短上下文保真度，而保守的因子会在长上下文中崩溃。
      • 我们提出了 Jet-Long，一种免调整的零样本方法，它将本地 RoPE 忠实窗口与远程窗口配对，其缩放因子动态适应当前序列长度，在短输入处精确恢复基本模型，同时在长输入处干净地外推。
    • EN 要点:
      • arXiv:2607.07740v1 Announce Type: new
      • Abstract: Modern LLMs are increasingly deployed in long-context applications such as retrieval-augmented generation, repository-level coding, and agentic workfl…
      • Most existing zero-shot methods fix a single rescaling factor up front, so an aggressive factor sacrifices short-context fidelity while a conservative one break…
      • We propose Jet-Long, a tuning-free zero-shot method that pairs a local RoPE-faithful window with a long-range window whose rescaling factor adapts dynamically t…

  • Architecture Generalization with MetaNCA

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07743v1 公告类型：新。
      • 摘要：自组织是生命的一种新兴属性，由作用于局部信息的个体组件的集体行为驱动。
      • 生物神经元通过突触传递的局部相互作用，能够有效地学习，并能够在生物体的整个生命周期中调整它们的连接。
      • 受这些理想的适应性和局部交互特性的推动，神经细胞自动机（NCA）模型已经成功地仅通过局部更新规则学习形态发生，展示了多次更新的稳定性和对扰动的鲁棒性。
    • EN 要点:
      • arXiv:2607.07743v1 Announce Type: new
      • Abstract: Self-organization is an emergent property of life, driven by the collective behavior of individual components acting on local information
      • Biological neurons, through local interactions transmitted through synapses, are able to learn efficiently and can adapt their connections over an organism’s li…
      • Motivated by these desirable properties of adaptability and local interaction, neural cellular automata (NCA) models have been successful at learning morphogene…

  • LiST: Lipschitz Scaling Training for Robust and Calibrated Neural Networks

    • 发布时间:2026-07-10 12:00 北京时间
    • 摘要:- arXiv:2607.07745v1 公告类型：新。
      • 摘要：虽然准确性、鲁棒性和校准对于可靠的神经网络都是至关重要的，但它们通常是分开研究的；开发同时满足这三个要求的模型仍然是一个核心挑战。
      • Lipschitz 约束模型通过设计保证了鲁棒性，但是 Lipschitz 约束 L 的手动选择控制着由此产生的精度-鲁棒性权衡，并且它们的校准属性在很大程度上仍未得到充分探索。
      • 在这项工作中，我们强调了强制 Lipschitz 约束和温度缩放（一种最先进的校准方法）之间的理论和经验联系。
    • EN 要点:
      • arXiv:2607.07745v1 Announce Type: new
      • Abstract: While accuracy, robustness, and calibration are all essential for reliable neural networks, they are often studied separately; developing models that…
      • Lipschitz-constrained models guarantee robustness by design, yet the manual selection of the Lipschitz constraint L governs the resulting accuracy-robustness tr…
      • In this work, we highlight a theoretical and empirical link between the enforced Lipschitz constraint and Temperature Scaling, a state-of-the-art calibration me…