{
  "title": "2026-08-18 AI日更 | AI 分发与算力同步重估：Stripe 盯上 OpenRouter，OpenAI 加码 8GW 基建",
  "url": "https://miaok.ong/ai-daily/ai-daily-2026-08-18/",
  "date": "2026-08-18T07:00:00+08:00",
  "lastmod": "2026-08-18T07:00:00+08:00",
  "type": "ai-daily",
  "kind": "page",
  "language": "zh",
  "description": "Stripe 传收购 OpenRouter，说明模型聚合与入口层的议价权正在上升；OpenAI 同步推进 8GW 基建，并强调攻防两端的安全压力。今天的信号很清楚：AI 竞争正从单一模型能力，转向分发、算力和防御体系的整体较量。",
  "keywords": null,
  "tags": [],
  "categories": [],
  "author": "孔淼",
  "image": "https://miaok.ong/images/avatar.jpg",
  "content": "\u003ch1 id=\"2026-08-18-ai日更--ai-分发与算力同步重估stripe-盯上-openrouteropenai-加码-8gw-基建\"\u003e\n  2026-08-18 AI日更 | AI 分发与算力同步重估：Stripe 盯上 OpenRouter，OpenAI 加码 8GW 基建\n  \u003ca class=\"heading-link\" href=\"#2026-08-18-ai%e6%97%a5%e6%9b%b4--ai-%e5%88%86%e5%8f%91%e4%b8%8e%e7%ae%97%e5%8a%9b%e5%90%8c%e6%ad%a5%e9%87%8d%e4%bc%b0stripe-%e7%9b%af%e4%b8%8a-openrouteropenai-%e5%8a%a0%e7%a0%81-8gw-%e5%9f%ba%e5%bb%ba\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h1\u003e\n\u003cblockquote\u003e\n\u003cp\u003eStripe 传收购 OpenRouter，说明模型聚合与入口层的议价权正在上升；OpenAI 同步推进 8GW 基建，并强调攻防两端的安全压力。今天的信号很清楚：AI 竞争正从单一模型能力，转向分发、算力和防御体系的整体较量。\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003ch2 id=\"-本期-watch-list-深度导读\"\u003e\n  📖 本期 Watch List 深度导读\n  \u003ca class=\"heading-link\" href=\"#-%e6%9c%ac%e6%9c%9f-watch-list-%e6%b7%b1%e5%ba%a6%e5%af%bc%e8%af%bb\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h2\u003e\n\u003cp\u003e今天最值得盯住的有三条主线：第一，Stripe 传闻收购 OpenRouter，和 OpenAI 参与俄亥俄 8GW 基建一起看，模型入口、算力供给、分发聚合正在被重新定价，值得产品和平台团队重点跟进。第二，OpenAI 的 Defender’s Window 把 AI 时代安全压力讲得很直接，攻击自动化正在逼着组织从补丁思维转向体系化防御。第三，一组研究都在指向同一件事：编码代理和多代理系统开始进入“算 token、算检索、算评测”的阶段，LSP 语义检索、token inflation 路由、提示压缩和更严的 judge 设计，都会直接影响下一代 agent 的成本与可靠性。\u003c/p\u003e\n\u003ch2 id=\"-x-平台-ai-热点快讯\"\u003e\n  🌐 X 平台 AI 热点快讯\n  \u003ca class=\"heading-link\" href=\"#-x-%e5%b9%b3%e5%8f%b0-ai-%e7%83%ad%e7%82%b9%e5%bf%ab%e8%ae%af\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h2\u003e\n\u003ch3 id=\"话题-1anthropic-launches-design-skill-in-claude-code-for-seamless-ui-creation\"\u003e\n  话题 1:Anthropic Launches /design Skill in Claude Code for Seamless UI Creation\n  \u003ca class=\"heading-link\" href=\"#%e8%af%9d%e9%a2%98-1anthropic-launches-design-skill-in-claude-code-for-seamless-ui-creation\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e分类:AI · News\u003c/li\u003e\n\u003cli\u003e概况:热度时间:,相关帖子数:289\u003c/li\u003e\n\u003cli\u003e是什么事:Anthropic 在 Claude Code 中推出“/design”技能，旨在帮助开发者通过自然语言更顺畅地生成和迭代用户界面。\u003c/li\u003e\n\u003cli\u003e为什么重要:这显示 AI 编程工具正从代码补全走向产品设计与前端实现一体化，可能降低 UI 原型和应用开发门槛，并加剧 AI 开发环境之间的竞争。\u003c/li\u003e\n\u003cli\u003e讨论概况:X 上的讨论主要集中在该功能能否真正提升设计质量与开发效率；支持者认为它会加速从想法到可用界面的流程，质疑者则担心生成界面同质化、细节不可控，以及设计师与前端工程师角色被进一步压缩。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"话题-2anthropic-ceo-predicts-ai-will-cure-most-diseases-in-5-10-years\"\u003e\n  话题 2:Anthropic CEO Predicts AI Will Cure Most Diseases in 5-10 Years\n  \u003ca class=\"heading-link\" href=\"#%e8%af%9d%e9%a2%98-2anthropic-ceo-predicts-ai-will-cure-most-diseases-in-5-10-years\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e分类:AI · Other\u003c/li\u003e\n\u003cli\u003e概况:热度时间:1 day ago,相关帖子数:45000\u003c/li\u003e\n\u003cli\u003e是什么事:Anthropic 首席执行官公开预测，AI 可能在 5 到 10 年内治愈大多数疾病。\u003c/li\u003e\n\u003cli\u003e为什么重要:这一判断把 AI 的影响从生产力工具推进到生物医药和医疗研发的核心议题，涉及药物发现、疾病机制建模和临床研发周期的重构。\u003c/li\u003e\n\u003cli\u003e讨论概况:X 上的讨论主要集中在这一预测是否过于激进、AI 能否真正突破生物学复杂性，以及即便模型能力提升，监管、数据质量和临床验证是否会显著放慢落地速度。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"话题-3cursor-and-vercel-launch-direct-deployment-integration-for-origin-repos\"\u003e\n  话题 3:Cursor and Vercel Launch Direct Deployment Integration for Origin Repos\n  \u003ca class=\"heading-link\" href=\"#%e8%af%9d%e9%a2%98-3cursor-and-vercel-launch-direct-deployment-integration-for-origin-repos\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e分类:AI · News\u003c/li\u003e\n\u003cli\u003e概况:热度时间:,相关帖子数:3700\u003c/li\u003e\n\u003cli\u003e是什么事:Cursor 与 Vercel 推出直接部署集成，开发者可从 Cursor 中将 origin 仓库项目部署到 Vercel。\u003c/li\u003e\n\u003cli\u003e为什么重要:这反映出 AI 编程工具正从代码生成延伸到完整开发交付流程，降低从编辑、协作到上线的切换成本。\u003c/li\u003e\n\u003cli\u003e讨论概况:X 上讨论主要集中在该集成是否会让 AI 辅助开发更接近一站式工作流；支持者认为它提升原型和生产部署效率，质疑者则关注平台绑定、部署安全以及 AI 生成代码上线前的质量控制。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"话题-4engram-lab-shows-ai-agents-mastering-law-firm-knowledge-through-study\"\u003e\n  话题 4:Engram Lab Shows AI Agents Mastering Law Firm Knowledge Through Study\n  \u003ca class=\"heading-link\" href=\"#%e8%af%9d%e9%a2%98-4engram-lab-shows-ai-agents-mastering-law-firm-knowledge-through-study\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e分类:AI · News\u003c/li\u003e\n\u003cli\u003e概况:热度时间:,相关帖子数:174\u003c/li\u003e\n\u003cli\u003e是什么事:Engram Lab 展示了一项让 AI Agent 通过“学习”掌握律所内部知识与业务流程的能力。\u003c/li\u003e\n\u003cli\u003e为什么重要:这表明 AI Agent 正从通用问答工具向可吸收专业机构知识、执行领域任务的工作系统演进，可能影响法律等高知识密集行业的自动化路径。\u003c/li\u003e\n\u003cli\u003e讨论概况:X 上的讨论主要集中在这种方法能否可靠理解复杂法律知识、如何处理保密与合规风险，以及它是提升律师效率的工具还是会冲击初级法律岗位。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"话题-5ai-video-production-evolves-toward-full-scene-control\"\u003e\n  话题 5:AI Video Production Evolves Toward Full Scene Control\n  \u003ca class=\"heading-link\" href=\"#%e8%af%9d%e9%a2%98-5ai-video-production-evolves-toward-full-scene-control\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e分类:AI · News\u003c/li\u003e\n\u003cli\u003e概况:热度时间:6 hours ago,相关帖子数:114\u003c/li\u003e\n\u003cli\u003e是什么事:AI 视频生成正从单纯生成短片段，转向支持对场景、镜头、角色和动作进行更精细控制的制作流程。\u003c/li\u003e\n\u003cli\u003e为什么重要:这意味着 AI 视频工具可能从创意演示走向可用于广告、影视预演、游戏资产和内容生产的专业工作流，降低制作门槛并提升可控性。\u003c/li\u003e\n\u003cli\u003e讨论概况:X 上的讨论集中在全场景控制能否真正解决一致性、物理真实感和可编辑性问题；支持者认为这是 AI 视频商业化的关键一步，质疑者则担心当前效果仍依赖精选样例，距离稳定生产级应用还有差距。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"话题-6debate-over-ai-videos-emotional-impact-continues\"\u003e\n  话题 6:Debate Over AI Videos\u0026rsquo; Emotional Impact Continues\n  \u003ca class=\"heading-link\" href=\"#%e8%af%9d%e9%a2%98-6debate-over-ai-videos-emotional-impact-continues\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e分类:AI · News\u003c/li\u003e\n\u003cli\u003e概况:热度时间:2 hours ago,相关帖子数:178\u003c/li\u003e\n\u003cli\u003e是什么事:X 上围绕 AI 生成视频是否会强化情绪操纵、低质内容扩散和公共讨论噪音的争论仍在持续。\u003c/li\u003e\n\u003cli\u003e为什么重要:这关系到生成式 AI 在媒体传播中的可信度、平台治理责任以及用户对合成内容的情绪反应和判断能力。\u003c/li\u003e\n\u003cli\u003e讨论概况:讨论焦点集中在 AI 视频是否只是技术演进中的“低质内容”阶段，还是会加剧误导、仇恨、政治动员和阴谋叙事；也有人认为其影响被夸大，关键在于标注、审核和用户媒介素养。\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch4 id=\"今日-x-上的-ai-舆情小结\"\u003e\n  今日 X 上的 AI 舆情小结\n  \u003ca class=\"heading-link\" href=\"#%e4%bb%8a%e6%97%a5-x-%e4%b8%8a%e7%9a%84-ai-%e8%88%86%e6%83%85%e5%b0%8f%e7%bb%93\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h4\u003e\n\u003cp\u003e今天的舆论主线是，AI 正从单点生成能力继续向完整工作流渗透：编程工具开始覆盖设计、部署与交付，Agent 试图吸收机构知识并执行专业任务，视频生成也从演示型内容走向更可控的生产流程。较大的共识是，AI 会显著降低原型、内容制作和专业服务自动化的门槛，并推动开发、法律、医疗、影视等行业重新组织工作方式。主要分歧在于乐观预期是否过快：支持者强调效率跃迁和商业化加速，质疑者则担心设计同质化、模型对复杂领域理解不足、生产级稳定性不够，以及医疗等高风险领域仍受数据、监管和临床验证制约。潜在风险集中在质量控制、平台绑定、保密合规、岗位结构冲击，以及 AI 视频带来的误导传播、情绪操纵和公共讨论噪音；换言之，今天的讨论并不只是“AI 能做什么”，而是转向“AI 进入真实工作流后，谁来负责可靠性与后果”。\u003c/p\u003e\n\u003ch2 id=\"-大佬观点influencer-insights\"\u003e\n  💡 大佬观点(Influencer Insights)\n  \u003ca class=\"heading-link\" href=\"#-%e5%a4%a7%e4%bd%ac%e8%a7%82%e7%82%b9influencer-insights\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h2\u003e\n\u003cp\u003e好的，基于过去24小时的推文数据，以下是今日AI行业动态分析报告。\u003c/p\u003e\n\u003ch3 id=\"1-今日大佬们共同关注的技术趋势或产品热点\"\u003e\n  1. 今日大佬们共同关注的技术趋势或产品热点\n  \u003ca class=\"heading-link\" href=\"#1-%e4%bb%8a%e6%97%a5%e5%a4%a7%e4%bd%ac%e4%bb%ac%e5%85%b1%e5%90%8c%e5%85%b3%e6%b3%a8%e7%9a%84%e6%8a%80%e6%9c%af%e8%b6%8b%e5%8a%bf%e6%88%96%e4%ba%a7%e5%93%81%e7%83%ad%e7%82%b9\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cp\u003e今日的核心议题呈现出鲜明的“基础设施化”与“生态构建”特征，焦点不再是单一模型，而是围绕AI工作流的全链条。\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAI原生代码托管与协作平台成为新战场\u003c/strong\u003e：由 @dotey 深度解读，@cursor_ai 推出的代码托管平台 \u003cstrong\u003eOrigin\u003c/strong\u003e 正式上线，这是今日最受瞩目的技术事件。与传统GitHub为人设计不同，Origin 的核心设计哲学是 \u003cstrong\u003e“AI Agent优先”\u003c/strong\u003e。它原生支持每秒22.6次提交、内置AI驱动的自动合并冲突解决，旨在解决多个AI Agent并行开发时的瓶颈。这标志着Cursor完成了从编辑器到云端Agent，再到代码托管的纵向整合闭环，也引发了关于AI时代软件工程流程重塑的讨论。\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAI操作系统与Agent优先体验\u003c/strong\u003e：@vista8 分享了他对 \u003cstrong\u003eOmarchy\u003c/strong\u003e 的体验，这是一款由DHH（Ruby on Rails创始人）打造、以Agent为优先的Linux操作系统。这种思潮与代码托管平台的进化一脉相承，预示着操作系统正在从图形界面为中心，转向以大语言模型与AI Agent的交互为中心。\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e开发者工具（Harness/CLI）生态爆发式增长\u003c/strong\u003e：\u003cstrong\u003eDeepSeek Harness (DSH)\u003c/strong\u003e 成为现象级话题。@dotey, @vista8, @Pluvio9yte 等多位博主均深度参与了讨论和使用。社区的创造力被极大激发，B站UP主贡献了大量插件（如colleague-skill, OpenBiliClaw），出现了聚合站和GUI客户端。同时，@vista8 也注意到了 \u003cstrong\u003e豆包客户端\u003c/strong\u003e的改版，它正以工作任务优先的形态，成为Codex和Claude Code的有力竞争者，并深度整合飞书能力。\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e本地化、消费级模型实力的再确认\u003c/strong\u003e：@zhixianio 通过严谨测试，论证了 \u003cstrong\u003eGemma 4 12B Coder\u003c/strong\u003e 尽管在特定任务优化后效率提升，但12B体量的“天花板”依然明显，无法支撑“长篇、有状态、一次成型”的复杂程序。他的日常甜点模型依旧是 \u003cstrong\u003eQwen 35B MoE\u003c/strong\u003e，这为开发者们提供了关于本地模型选型的宝贵实证参考。同时，他也对 \u003cstrong\u003eMiniCPM-o 4.5\u003c/strong\u003e 端侧全双工音视频能力表示满意，显示出消费级硬件运行复杂AI模型的可行性正在日益增强。\u003c/p\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"2-值得注意的独特观点或行业前瞻\"\u003e\n  2. 值得注意的独特观点或行业前瞻\n  \u003ca class=\"heading-link\" href=\"#2-%e5%80%bc%e5%be%97%e6%b3%a8%e6%84%8f%e7%9a%84%e7%8b%ac%e7%89%b9%e8%a7%82%e7%82%b9%e6%88%96%e8%a1%8c%e4%b8%9a%e5%89%8d%e7%9e%bb\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e关于AI产品设计的“跳出框架”思考（@dotey）\u003c/strong\u003e：@dotey 分享他在优化BaoCut产品时发现，即便聪明如Fable 5，AI Agent也倾向于在既定的技术框架内优化，而难以提出颠覆性的方案，比如“让程序复杂，让模型输出简单”以节省Token的反直觉思路。这揭示了当前AI在战略层面创新的局限性，人类的顶层架构设计能力依然关键。\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e“代码即真相”与工具简洁主义（via @dotey 引用 @pidotdev）\u003c/strong\u003e：Pi平台的作者提出了一个前瞻观点：代码本身就是AI最好的记忆系统，无需复杂的RAG；Bash脚本的组合能力在很多场景下优于MCP。这个观点挑战了当前盛行的复杂Agent架构，提倡回归简单、可组合的工程哲学。\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAI视频制作的“反抽卡”工作流（@Pluvio9yte）\u003c/strong\u003e：@Pluvio9yte 揭示了AI视频稳定出片的秘籍，核心在于\u003cstrong\u003e放弃纯提示词“抽卡”\u003c/strong\u003e，转而采用“已有片段作为底稿 -\u0026gt; 片段级迭代重绘 -\u0026gt; 剪辑重组 -\u0026gt; 视频生视频”的循环工作流。这是一种从“生成”到“迭代修改”的思维转变，更符合专业创作流程。他还发现了一个反直觉现象：\u003cstrong\u003e并非采样步数（Steps）越高效果越好\u003c/strong\u003e，测试中4步生成的哭戏比8步更真实克制，这为参数调优提供了新的视角。\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003eAI Token的“免费小狗”理论（@ruanyf 引用 SQLite作者观点）\u003c/strong\u003e：@ruanyf 分享了SQLite作者Richard Hipp拒绝外部PR的著名比喻：提交一个PR就像有人送你一只“免费的小狗”，你需要为它负责25年。这个观点在AI时代被赋予了新含义，当AI能轻易生成大量代码时，如何维护和负责这些“AI生成的小狗”成为新挑战。\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e“舔狗模块”：向主动式AI记忆系统的探索（@zhixianio）\u003c/strong\u003e：@zhixianio 分享了他正在做的“主动式memory系统”，戏称为“舔狗模块”。这触及了未来个人AI助手的核心痛点——AI不应只是被动地等待指令，而应具备主动回忆、关联上下文并适时提供信息或发起交互的能力。\u003c/p\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"3-推荐的工具或资源\"\u003e\n  3. 推荐的工具或资源\n  \u003ca class=\"heading-link\" href=\"#3-%e6%8e%a8%e8%8d%90%e7%9a%84%e5%b7%a5%e5%85%b7%e6%88%96%e8%b5%84%e6%ba%90\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003ctable\u003e\n  \u003cthead\u003e\n      \u003ctr\u003e\n          \u003cth style=\"text-align: left\"\u003e类别\u003c/th\u003e\n          \u003cth style=\"text-align: left\"\u003e工具/资源\u003c/th\u003e\n          \u003cth style=\"text-align: left\"\u003e核心亮点\u003c/th\u003e\n          \u003cth style=\"text-align: left\"\u003e推荐人\u003c/th\u003e\n      \u003c/tr\u003e\n  \u003c/thead\u003e\n  \u003ctbody\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eAgent/协作\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eCumora\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e将AI Agent变成聊天群成员，支持Cloud和本地运行，具备多Agent协调机制。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@dotey\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eCursor Origin\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003eAI Agent优先的代码托管平台，从GitHub同步即可使用，解决AI并行开发冲突。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@dotey\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003e开发工具\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eCodex 开启1M上下文\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e通过修改 \u003ccode\u003econfig.toml\u003c/code\u003e 配置文件，即可为Codex开启百万Token上下文窗口。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@dotey, @thsottiaux\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eDeepSeek Harness插件\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003eDSH生态涌现的优秀插件，如 \u003ccode\u003emodlens\u003c/code\u003e (识图), \u003ccode\u003edsh-at-file\u003c/code\u003e (快速引用文件), \u003ccode\u003edsh-cc-tui\u003c/code\u003e (Claude风格界面)等。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@vista8\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eOpenConnector\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e开源密码网关，防止AI Agent泄露密码到上下文，统一管理API连接授权。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@ruanyf\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003e视频/内容\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eAI视频“反抽卡”工作流\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e基于“视频生视频”能力，通过片段迭代、剪辑重组的AI视频制作方法论。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@Pluvio9yte\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003e“牛来.skill”\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e开源Skill，可用于在小红书或抖音上快速起号、进行抽象内容创作。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@Pluvio9yte\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003e效率/其他\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eChatGPT连接GitHub\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e在ChatGPT设置中连接GitHub Plugin后，可直接让ChatGPT分析代码库并提交PR。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@dotey\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eMole (Mac版)\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e强力磁盘清理和占用分析工具，特别适合需要频繁编译、产生大量中间文件的开发者。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@dotey\u003c/td\u003e\n      \u003c/tr\u003e\n      \u003ctr\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e\u003cstrong\u003eBaoCut\u003c/strong\u003e\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e支持Agent模式，利用独特的纯文本优化策略，大幅提升视频字幕转录、翻译和润色速度与成本效益。\u003c/td\u003e\n          \u003ctd style=\"text-align: left\"\u003e@dotey\u003c/td\u003e\n      \u003c/tr\u003e\n  \u003c/tbody\u003e\n\u003c/table\u003e\n\u003ch2 id=\"-附录今日-watch-list-更新源列表\"\u003e\n  📚 附录:今日 Watch List 更新源列表\n  \u003ca class=\"heading-link\" href=\"#-%e9%99%84%e5%bd%95%e4%bb%8a%e6%97%a5-watch-list-%e6%9b%b4%e6%96%b0%e6%ba%90%e5%88%97%e8%a1%a8\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h2\u003e\n\u003cblockquote\u003e\n\u003cp\u003e时间窗口:最近 3 天;覆盖 22 个源;共 34 条更新\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003ch3 id=\"stratechery-by-ben-thompson-a_full\"\u003e\n  Stratechery by Ben Thompson (A_full)\n  \u003ca class=\"heading-link\" href=\"#stratechery-by-ben-thompson-a_full\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e\u003ca href=\"https://stratechery.com/2026/stripe-acquiring-openrouter-aggregating-ai-flipping-the-business-model/\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eStripe Acquiring OpenRouter, Aggregating AI?, Flipping the Business Model\u003c/a\u003e\u003c/strong\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 18:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- 据报道，Stripe 正在收购 OpenRouter，这是对未来模型市场和 Aggregation 机会的隐性赌注。\n\u003cul\u003e\n\u003cli\u003e\u003cstrong\u003e15 美元\u003c/strong\u003e/月\u003cem\u003e或\u003c/em\u003e\u003cstrong\u003e150 美元\u003c/strong\u003e/年。\u003c/li\u003e\n\u003cli\u003e通过每周三封电子邮件或播客对当天新闻进行实质性分析。\u003c/li\u003e\n\u003cli\u003e\u003cstrong\u003e策略采访\u003c/strong\u003e。\u003c/li\u003e\n\u003cli\u003e采访领先的上市首席执行官、私营公司创始人，并与分析师同行进行讨论。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003eStripe is reportedly acquiring OpenRouter, an implicit bet on a future market of models and the chance at Aggregation.\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"openai-blog-a_full\"\u003e\n  OpenAI Blog (A_full)\n  \u003ca class=\"heading-link\" href=\"#openai-blog-a_full\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://openai.com/index/the-defenders-window\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eThe Defender’s Window\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 13:30 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- 过去几周我与许多组织进行了交谈，有一个主题很明确：他们知道需要以前所未有的速度从根本上提升其网络安全实践。\n\u003cul\u003e\n\u003cli\u003e在这篇文章中，我将分享我们为捍卫 OpenAI 所做的工作、其他组织今天可以采取的具体步骤，以及为什么现在是采取行动的时候了。\u003c/li\u003e\n\u003cli\u003e\n\u003ch2 id=\"此刻的概述\"\u003e\n  此刻的概述。\n  \u003ca class=\"heading-link\" href=\"#%e6%ad%a4%e5%88%bb%e7%9a%84%e6%a6%82%e8%bf%b0\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h2\u003e\n\u003c/li\u003e\n\u003cli\u003e世界各地开发的人工智能模型越来越能够自动化部分现实世界的网络攻击，使得长期存在的安全漏洞（从深埋在人类编写的软件中的错误到被遗忘的权限）更容易被发现和利用。\u003c/li\u003e\n\u003cli\u003e相同的人工智能功能为防御者提供了发现和修复这些弱点的新方法，但他们现在需要采取行动。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003eAI is reshaping cybersecurity for attackers and defenders alike\u003c/li\u003e\n\u003cli\u003eLearn how OpenAI is strengthening its defenses and what security teams can do now.\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://openai.com/index/openai-joins-ports-pike-project\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eOpenAI joins PORTS-Pike project\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 13:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- OpenAI 已与 SB Energy、NVIDIA 和美国合作，签订协议，在俄亥俄州派克县的 PORTS-Pike 技术园区获得约 8 吉瓦的 IT 资源。\n\u003cul\u003e\n\u003cli\u003e我们希望作为派克县的合作伙伴来开发该项目，支付其特定项目的能源和基础设施成本，负责任地用水，为当地工人和企业创造机会，并进行由社区决定的长期投资。\u003c/li\u003e\n\u003cli\u003e该项目预计将在 2032 年之前的六年建设期间创造 35,000 个建筑工作岗位，并创造 2,500 个长期运营工作岗位。\u003c/li\u003e\n\u003cli\u003e在 SB Energy 先前宣布的 4000 万美元承诺的基础上，我们还将向社区补助基金投资 4000 万美元，支持当地居民确定的优先事项。\u003c/li\u003e\n\u003cli\u003e另外，我们还通过 ChatGPT 提供 8400 万美元的 Codex 积分，让每个俄亥俄州大学生都能使用该技术。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003eOpenAI joins PORTS-Pike project, expanding community investment and supporting thousands of Southern Ohio jobs\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://openai.com/index/new-policy-ideas-for-the-intelligence-age\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eNew policy ideas for the Intelligence Age\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 11:15 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- OpenAI 资助了 14 个独立项目，探索新的人工智能政策理念，以扩大智能时代的经济机会并增强社会复原力。\n\u003cul\u003e\n\u003cli\u003eOpenAI 博客的这篇文章解释了智能时代的新政策理念如何塑造更广泛的人工智能和基础设施格局。\u003c/li\u003e\n\u003cli\u003e它还为遵循智能时代新政策理念的创始人、运营商和投资者提供了实际影响。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003eOpenAI funds 14 independent projects exploring new AI policy ideas to expand economic opportunity and strengthen societal resilience in the Intelligence Age.\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"arxiv-csai-b_introsearch\"\u003e\n  ArXiv cs.AI (B_intro+search)\n  \u003ca class=\"heading-link\" href=\"#arxiv-csai-b_introsearch\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13564\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eInducing Reward-Free Judging Rubrics that Reduce Over-Crediting in Agent Evaluation\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13564v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：大规模评估语言模型代理越来越依赖第二语言模型作为自动判断，因为黄金信号（可执行的环境奖励）在部署时昂贵、缓慢或不可用。\u003c/li\u003e\n\u003cli\u003e这样的法官是一个无奖励的代理，其价值取决于是否可信，但现有的法官要么像 G-Eval 那样手写评分标准，要么微调法官的权重，两者都倾向于将流畅但不成功的轨迹视为成功。\u003c/li\u003e\n\u003cli\u003e相反，我们从一小部分带有真实标签的轨迹中归纳出代理判断标题的文本，并将其扎根于真实的结果。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13564v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Evaluating language-model agents at scale increasingly relies on a second language model as an automatic judge, because the gold signal, an executable…\u003c/li\u003e\n\u003cli\u003eSuch a judge is a reward-free proxy whose value depends on whether it can be trusted, yet existing judges either hand-write the scoring rubric, as in G-Eval, or…\u003c/li\u003e\n\u003cli\u003eWe instead induce the text of an agent-judging rubric from a small set of ground-truth-labeled trajectories, grounding it in true outcomes\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13565\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eDepth-Aware Sensitivity Analysis of Mixture-of-Experts Models via Magnitude-Based Expert Masking\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13565v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：专家混合 (MoE) 架构可扩展大型语言模型 (LLM)，同时通过稀疏激活保持计算效率。\u003c/li\u003e\n\u003cli\u003e尽管它们被广泛采用，但各个 MoE 层的相对重要性仍然没有得到充分表征，特别是对于模型压缩而言。\u003c/li\u003e\n\u003cli\u003e本文提出了在 XLCoST 跨语言代码翻译基准上使用基于量级的专家屏蔽对 Qwen3.6-35B-A3B 模型（40 MoE 层、每层 256 名专家、top-8 路由）进行系统性逐层敏感性分析。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13565v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Mixture-of-Experts (MoE) architectures scale large language models (LLMs) while preserving computational efficiency through sparse activation\u003c/li\u003e\n\u003cli\u003eDespite their widespread adoption, the relative importance of individual MoE layers remains insufficiently characterized, particularly for model compression\u003c/li\u003e\n\u003cli\u003eThis paper presents a systematic layer-wise sensitivity analysis of the Qwen3.6-35B-A3B model (40 MoE layers, 256 experts per layer, top-8 routing) using magnit…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13567\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eModular Cognitive Architecture Emerges in Large Language Models\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13567v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：人类大脑表现出惊人的功能专业化程度，具有支持语言、形式推理、对他人思想的推理以及对物理世界的推理的独特网络。\u003c/li\u003e\n\u003cli\u003e这种模块化组织是智能系统构建的基本原则，还是生物大脑特有的进化事故？\u003c/li\u003e\n\u003cli\u003e在这里，我们测试大型语言模型中是否出现类似的组织——通过非常不同的优化过程创建的另一类智能系统。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13567v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: The human brain exhibits a striking degree of functional specialization, with distinct networks supporting language, formal reasoning, reasoning about…\u003c/li\u003e\n\u003cli\u003eIs this modular organization a fundamental principle of how intelligent systems must be built, or an evolutionary accident specific to biological brains\u003c/li\u003e\n\u003cli\u003eHere, we test whether a similar organization emerges in Large Language Models\u0026ndash;another class of intelligent systems created through a very different optimizatio…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13573\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eA Year in LLM Serving: Workload Evolution, Caching and Load-Balancing\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13573v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：大型语言模型 (LLM) 服务已成为关键的云工作负载，真实的跟踪对于激励和基准测试服务系统至关重要。\u003c/li\u003e\n\u003cli\u003e然而，现有的法学硕士服务工作量研究在规模和范围上仍然有限。\u003c/li\u003e\n\u003cli\u003e他们经常观察较短的时间段，并且对用户如何与生产中的模型交互提供有限的可见性。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13573v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Large Language Model (LLM) serving has become a critical cloud workload, and realistic traces are essential for motivating and benchmarking serving sy…\u003c/li\u003e\n\u003cli\u003eHowever, existing LLM serving workload studies remain limited in scale and scope\u003c/li\u003e\n\u003cli\u003eThey often observe short time periods and provide limited visibility into how users interact with models in production\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13574\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eAgentao: A Governed Local-First Runtime for Tool-Using LLM Agents\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13574v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：LLM 代理越来越多地作为执行系统运行，调用工具、修改本地状态、使用持久内存以及与外部协议交互。\u003c/li\u003e\n\u003cli\u003e这些功能使代理变得有用，但它们也带来了与过度特权操作、弱可审计性、即时注入、工具中毒和不受控制的副作用相关的风险。\u003c/li\u003e\n\u003cli\u003e本文介绍了 Agentao，这是一个受控的本地优先运行时，用于使用工具的 LLM 代理。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13574v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: LLM agents increasingly operate as execution systems that invoke tools, modify local state, use persistent memory, and interact with external protocol…\u003c/li\u003e\n\u003cli\u003eThese capabilities make agents useful, but they also introduce risks related to over-privileged actions, weak auditability, prompt injection, tool poisoning, an…\u003c/li\u003e\n\u003cli\u003eThis paper presents Agentao, a governed local-first runtime for tool-using LLM agents\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13577\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eAI Evaluation Should Work With Humans\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13577v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：这篇立场文件认为，人工智能评估的主导范式（关注超人的自主性能，因此隐含着取代人类的目标）正在引导人工智能的发展走向错误的方向。\u003c/li\u003e\n\u003cli\u003e相反，人工智能社区应该转向评估人类人工智能团队的表现。\u003c/li\u003e\n\u003cli\u003e我们认为，这种协作转变将促进人工智能系统成为人类能力的真正补充，从而带来比当前流程更好的社会成果。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13577v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: This position paper argues that the dominant paradigm of AI evaluation (which focuses on superhuman autonomous performance and so implicitly targets t…\u003c/li\u003e\n\u003cli\u003eInstead, the AI community should pivot to evaluating the performance of human\u0026ndash;AI teams\u003c/li\u003e\n\u003cli\u003eWe argue that this collaborative shift will foster AI systems that act as true complements to human capabilities and therefore lead to far better societal outco…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13591\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eStable Miscalibration in Large Language Models: A Practical View of High-Confidence Errors\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13591v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：大型语言模型中的高置信度错误通常被视为脆弱内部推理的证据。\u003c/li\u003e\n\u003cli\u003e我们研究了一种不同的可能性：稳定的误校准，其中确信的错误答案在小扰动下保持局部稳定。\u003c/li\u003e\n\u003cli\u003e我们结合了两种诊断：标签感知的输出级审计分数，根据强制答案基线下的置信度变化和过度自信的错误对域进行排名，以及测量隐藏状态运动的内部敏感性探针。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13591v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: High-confidence errors in large language models are often treated as evidence of fragile internal inference\u003c/li\u003e\n\u003cli\u003eWe study a different possibility: stable miscalibration, where a confident wrong answer remains locally stable under small perturbations\u003c/li\u003e\n\u003cli\u003eWe combine two diagnostics: a label-aware output-level audit score that ranks domains by confidence variation and overconfident mistakes under a forced-answer b…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13598\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eMeasuring Cross-Task Behavioral Consistency in Language Model Agents\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13598v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：智能体评估几乎完全依赖于成功率等结果指标，它反映智能体是否成功，但不反映其行为的一致性。\u003c/li\u003e\n\u003cli\u003e我们认为跨任务的行为一致性是一个独特且可测量的属性，并且我们引入了行为一致性指标（BCM）来量化它。\u003c/li\u003e\n\u003cli\u003eBCM 训练一个模型，根据代理执行轨迹的行为特征来预测任务成功，导出每个轨迹的特征属性向量，并测量代理系统内这些向量的平均成对相似度。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13598v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Agent evaluation relies almost entirely on outcome metrics such as success rate, which capture whether an agent succeeds but not how consistently it b…\u003c/li\u003e\n\u003cli\u003eWe argue that behavioral consistency across tasks is a distinct and measurable property, and we introduce the Behavioral Consistency Metric (BCM) to quantify it\u003c/li\u003e\n\u003cli\u003eBCM trains a model to predict task success from behavioral features of agent execution traces, derives a per-trajectory feature-attribution vector, and measures…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13604\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eCross-Disciplinary Taxonomy and Modeling of Misunderstanding Generation, Amplification, and Detection, from Pragmatics to AI Agents\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13604v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：误解检测是一个迫切需要解决的问题，因为沟通已经不再是实时的、面对面的交互，而是越来越多地通过人工智能介导的渠道来处理。\u003c/li\u003e\n\u003cli\u003e这种转变切断了通信者的资源修复依赖于比正在建立的新检测手段更快的速度。\u003c/li\u003e\n\u003cli\u003e在本文中，我们将误解分析为一个分层过程，其中产生分歧，然后可能被放大，并且要么被检测到并修复，要么被忽视。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13604v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Detection of misunderstanding is an urgent problem to solve because communication has moved away from real-time, in-person interaction and is increasi…\u003c/li\u003e\n\u003cli\u003eThis shift cuts communicators off from the resources repair depends on faster than new means of detection are being built\u003c/li\u003e\n\u003cli\u003eIn this paper we analyse misunderstanding as a layered process in which a divergence is generated, may then be amplified, and is either detected and repaired or…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13605\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eActive Perception for Embodied Disambiguation\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13605v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：自然语言为机器人提供了灵活的任务界面，但具体环境中的目标模糊性不仅源于用户意图；它还可能是由于当前观察中缺少与任务相关的物理证据造成的。\u003c/li\u003e\n\u003cli\u003e现有的交互式消歧方法主要通过询问用户来获取附加信息，而遮挡、受限视点、不可读文本和未观察到的目标则需要机器人主动改变其观察。\u003c/li\u003e\n\u003cli\u003e我们提出了一种用于消除具体目标歧义的主动感知框架，该框架使用主动观察作为信息获取的支柱，并使用视觉语言模型根据积累的视觉证据和交互信息来决定是否继续观察、请求澄清或完成目标选择。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13605v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Natural language provides robots with a flexible task interface, but target ambiguity in embodied environments arises not only from user intent; it ca…\u003c/li\u003e\n\u003cli\u003eExisting interactive disambiguation methods primarily obtain additional information by asking the user, whereas occlusion, restricted viewpoints, unreadable tex…\u003c/li\u003e\n\u003cli\u003eWe propose an active-perception framework for embodied target disambiguation that uses active observation as the backbone for information acquisition and uses a…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"arxiv-cscl-b_introsearch\"\u003e\n  ArXiv cs.CL (B_intro+search)\n  \u003ca class=\"heading-link\" href=\"#arxiv-cscl-b_introsearch\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13568\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eDoes a Language Server Save Tokens for Coding Agents? A Measurement Methodology and Preliminary Study\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13568v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：编码代理将大部分上下文预算用于检索。\u003c/li\u003e\n\u003cli\u003e词汇检索 (grep) 是通用的、即时的、零设置的，但噪音很大：它无法区分定义、调用和注释。\u003c/li\u003e\n\u003cli\u003e通过语言服务器协议 (LSP) 进行的语义检索是精确且类型化的，但需要一个正在运行的索引服务器并支付每个符号的往返费用。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13568v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Coding agents spend most of their context budget on retrieval\u003c/li\u003e\n\u003cli\u003eLexical retrieval (grep) is universal, instant, and zero-setup, but noisy: it cannot tell a definition from a call from a comment\u003c/li\u003e\n\u003cli\u003eSemantic retrieval via the Language Server Protocol (LSP) is precise and typed, but needs a running, indexed server and pays a per-symbol round-trip\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13570\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eThink in Latent, Explain in Language: Self-Explainable Latent Reasoning\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13570v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：潜在推理已成为基于文本的思想链 (CoT) 的强大替代方案，通过将冗长的推理压缩为紧凑的嵌入，显着提高了计算效率。\u003c/li\u003e\n\u003cli\u003e然而，将推理压缩到潜在空间会使思维变得不透明，阻碍其可解释性。\u003c/li\u003e\n\u003cli\u003e当前的方法存在明显的权衡：它们要么充当无法解释的“黑匣子”（例如，Coconut），其中潜在推理不是人类可读的，要么依赖单独的事后解码器来实现可解释性（例如，Heima），引入架构开销并将解释与实际推理过程脱钩。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13570v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Latent reasoning has emerged as a powerful alternative to text-based Chain-of-Thought (CoT), offering significant gains in computational efficiency by…\u003c/li\u003e\n\u003cli\u003eHowever, compressing reasoning into the latent space renders the thinking opaque, hindering its interpretability\u003c/li\u003e\n\u003cli\u003eCurrent methods present a stark trade-off: they either function as unexplainable \u0026lsquo;\u0026lsquo;black boxes\u0026rsquo;\u0026rsquo; (e.g., Coconut), where the latent reasoning is not human-readab…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13571\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eNot All Tokens Are Equal: Inflation-Aware Routing for Agentic LLM Systems\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13571v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：当语言模型第一次尝试无法回答查询时，代理系统会重试，每次都会消耗额外的令牌。\u003c/li\u003e\n\u003cli\u003e这种重试开销在模型的每个代币价格暗示的价格与完整工作流程的实际成本之间造成了差距。\u003c/li\u003e\n\u003cli\u003e我们将这个差距称为\\emph{代币膨胀}，并将其定义为真实工作流程成本与单次调用成本的比率。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13571v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: When a language model fails to answer a query on the first attempt, an agentic system retries, consuming additional tokens each time\u003c/li\u003e\n\u003cli\u003eThis retry overhead creates a gap between what a model\u0026rsquo;s per-token price implies and what a full workflow actually costs\u003c/li\u003e\n\u003cli\u003eWe call this gap \\emph{token inflation} and define it as the ratio of true workflow cost to single-call cost\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13578\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eBCMT: Blockwise Causal Memory Transformer\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13578v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：Transformer 架构依赖于密集的自注意力来建模远程依赖关系，但这种机制在序列长度方面表现出二次复杂度。\u003c/li\u003e\n\u003cli\u003e我们引入了 BCMT（Blockwise Causal Memory Transformer），这是一种用于长上下文语言建模的架构，可将本地令牌交互与全局上下文传播解耦。\u003c/li\u003e\n\u003cli\u003e密集因果自注意力在局部块内独立应用，而每个块都会通过指数因果记忆聚合生成自适应摘要。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13578v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Transformer architectures rely on dense self-attention to model long-range dependencies, but this mechanism exhibits quadratic complexity with respect…\u003c/li\u003e\n\u003cli\u003eWe introduce BCMT (Blockwise Causal Memory Transformer), an architecture for long-context language modeling that decouples local token interactions from global…\u003c/li\u003e\n\u003cli\u003eDense causal self-attention is applied independently within local blocks, while each block produces an adaptive summary aggregated through an exponential causal…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13580\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eJais 2: A Family of Arabic-Centric Open Large Language Models\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13580v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：Jais 2 是由 MBZUAI、Cerebras 和 Inception 联合开发的一系列以阿拉伯语为中心的大型语言模型，旨在推进以阿拉伯语为中心的语言建模，在本报告评估的阿拉伯语和文化基准中具有强大的性能。\u003c/li\u003e\n\u003cli\u003e据我们所知，该系列包括最大的以阿拉伯语为中心的开放法学硕士，在 70B 参数上从头开始训练，以及评估的开放模型中具有竞争力的 8B 参数变体。\u003c/li\u003e\n\u003cli\u003e以阿拉伯语为中心的定制词汇可以实现高效的训练和推理。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13580v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Jais 2 is a family of Arabic-centric large language models developed jointly by MBZUAI, Cerebras, and Inception, designed to advance Arabic-centric la…\u003c/li\u003e\n\u003cli\u003eThe family includes, to our knowledge, the largest open Arabic-centric LLM trained from scratch at 70B parameters, and a competitive 8B-parameter variant among…\u003c/li\u003e\n\u003cli\u003eA custom Arabic-centric vocabulary enables efficient training and inference\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13588\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eIterCOMP: Reasoning-aware Adaptive Prompt Compression for Multi-hop Question Answering\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13588v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：多跳问答需要跨多个证据片段进行复杂的推理，这通常会淹没具有冗长且嘈杂的上下文的检索增强生成系统，从而损害效率和准确性。\u003c/li\u003e\n\u003cli\u003e虽然现有的提示压缩方法试图解决这个问题，但它们通常是为单轮查询而设计的，无法捕获相互依赖的推理步骤。\u003c/li\u003e\n\u003cli\u003e我们提出 IterCOMP，一个统一的、免训练的即时压缩框架，它将多跳推理纳入迭代压缩循环中。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13588v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Multi-hop question answering requires complex reasoning across multiple evidence segments, which often overwhelms retrieval-augmented generation syste…\u003c/li\u003e\n\u003cli\u003eWhile existing prompt compression methods attempt to address this issue, they are typically designed for single-turn queries and fail to capture interdependent…\u003c/li\u003e\n\u003cli\u003eWe propose IterCOMP, a unified, training-free prompt compression framework that incorporates multi-hop reasoning within an iterative compression loop\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13624\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eMeasuring Fairness in Large Audio Language Models via Semantic-Aware Bias Estimation\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13624v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：大型音频语言模型 (LALM) 在语音识别和音频问答等音频理解任务中的使用越来越多，引发了对跨人口群体公平性的担忧。\u003c/li\u003e\n\u003cli\u003e由于混杂因素，包括口语内容的语义变化和特定于说话者的特征，口语输入设置中的公平性评估具有挑战性。\u003c/li\u003e\n\u003cli\u003e忽略这些因素可能会导致有关模型偏差的误导性结论。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13624v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Large Audio Language Models (LALMs) have seen increasing use for audio understanding tasks such as speech recognition and audio question answering, ra…\u003c/li\u003e\n\u003cli\u003eFairness evaluation in spoken-input settings is challenging due to confounding factors, including semantic variation in spoken content and speaker-specific char…\u003c/li\u003e\n\u003cli\u003eIgnoring these factors can result in misleading conclusions about model bias\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13698\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eGRPO Beyond English: A Large-Scale Study of GRPO in Non-English and Multilingual Settings\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13698v1 公告类型：新。\n-摘要：具有可验证奖励的强化学习（RLVR）通常通过组相对策略优化（GRPO）进行优化，已成为提高预训练语言模型推理能力的核心方法，但目前的研究仍然主要以英语为中心。\n\u003cul\u003e\n\u003cli\u003e我们对多语言和非英语 GRPO 进行了大规模的实证研究，涉及广泛的基础模型、训练语言和不同的推理语言奖励。\u003c/li\u003e\n\u003cli\u003e我们发现母语推理训练通常与英语推理训练差距很小。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13698v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Reinforcement Learning with Verifiable Rewards (RLVR), often optimized with Group Relative Policy Optimization (GRPO), has become a central recipe for…\u003c/li\u003e\n\u003cli\u003eWe conduct a large-scale empirical study of multilingual and non-English GRPO across a wide range of base models, training languages, and different reasoning la…\u003c/li\u003e\n\u003cli\u003eWe find that training to reason in the native language often leaves only a small gap to training for English reasoning\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13706\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eCLAIR-Fin: An Adversarial Multi-Agent Framework for Claim-Level Verification and Adaptive Debate in Cross-Modal Financial QA\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13706v1 公告类型：新。\n-摘要：在检索增强和多代理管道中，现有的针对幻觉的防御措施仍然是片面的：尽管模态存在分歧，证据仍是可信的，辩论验证的是总体报告而不是个人主张，而且这种验证仅在起草后进行，导致代理间错误在最终文本之前未被发现。\n\u003cul\u003e\n\u003cli\u003e为了弥补这一差距，我们提出了 CLAIR-Fin，这是一个九代理框架，它将每个问题分解为在类型化的金融索赔账本中维护的原子索赔。\u003c/li\u003e\n\u003cli\u003e每项索赔均通过不对称证据权威解决，该机构根据索赔类型确定证据信任，而不是将所有模式视为同等可靠；监管链验证，在起草和对抗性审查之间的交接处检查接地情况，而不仅仅是在管道出口处；适应性反驳循环，通过对抗性辩论来引导有争议的主张，辩论的深度与辩论发现的内容成比例；以及与连续幻觉风险指数相结合的最终必然审计，该指数将通过审查的主张与从未提出异议的主张区分开来。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13706v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Existing defenses against hallucination in retrieval-augmented and multi-agent pipelines remain partial: evidence is trusted despite modality disagree…\u003c/li\u003e\n\u003cli\u003eTo close this gap, we present CLAIR-Fin, a nine-agent framework that decomposes each question into atomic claims maintained in a typed Financial Claim Ledger\u003c/li\u003e\n\u003cli\u003eEach claim is resolved through Asymmetric Evidence Authority, which conditions evidence trust on claim type rather than treating all modalities as equally relia…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13708\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eTeachMateGPT: A Multi-Agent Knowledge-Grounded Framework for Pedagogical Assessment Generation from Science Curriculum Materials\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13708v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：自动生成基于教科书的评估项目可以减少科学教师的工作量，但现有的检索增强生成（RAG）系统依赖于平面检索，仅支持单问题生成，缺乏针对弱证据的保障措施，并且不适合资源匮乏、考试结构的课程。\u003c/li\u003e\n\u003cli\u003e我们通过 TeachMateGPT 解决了这些限制，这是一个多智能体系统，为基于课程的科学评估创作做出了四项进步。\u003c/li\u003e\n\u003cli\u003e(i) COPE，一个分层知识库，用多分辨率索引取代令牌窗口分块，该索引沿着教学大纲结构对文档进行分段，并通过可遍历的基于图形的谱系以三个粒度将它们链接起来，将证据与每个主题的教学水平相匹配。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13708v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Automatically generating textbook-grounded assessment items can reduce science teachers\u0026rsquo; workload, but existing retrieval-augmented generation (RAG) s…\u003c/li\u003e\n\u003cli\u003eWe address these limitations with TeachMateGPT, a multi-agent system contributing four advances to curriculum-grounded science-assessment authoring\u003c/li\u003e\n\u003cli\u003e(i) COPE, a hierarchical knowledge base replacing token-window chunking with a multi-resolution index that segments documents along syllabus structure and links…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"arxiv-cslg-b_introsearch\"\u003e\n  ArXiv cs.LG (B_intro+search)\n  \u003ca class=\"heading-link\" href=\"#arxiv-cslg-b_introsearch\"\u003e\n    \u003ci class=\"fa-solid fa-link\" aria-hidden=\"true\" title=\"链接到标题\"\u003e\u003c/i\u003e\n    \u003cspan class=\"sr-only\"\u003e链接到标题\u003c/span\u003e\n  \u003c/a\u003e\n\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13562\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eL-FNO: Lorentzian Fourier Neural Operator for Stochastic Event Dynamics\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13562v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：即使在常规条件下，现代操作系统也面临着不确定性，在常规条件下，外生协变量和内生事件动态都会出现罕见、突发和自激事件。\u003c/li\u003e\n\u003cli\u003e标准神经算子通常被训练为回归式函数到函数模型，而不是条件强度估计器，这限制了它们对稀疏事件机制的适用性。\u003c/li\u003e\n\u003cli\u003e我们引入了洛伦兹傅里叶神经算子（L-FNO），这是一种随机神经算子，它结合了 FNO 式协变量路径、用于历史相关激励的洛伦兹谱核以及基于似然的训练目标。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13562v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Modern operational systems face uncertainty even in routine conditions, where rare, bursty, and self-exciting events emerge from both exogenous covari…\u003c/li\u003e\n\u003cli\u003eStandard neural operators are typically trained as regression-style function-to-function models rather than conditional-intensity estimators, limiting their sui…\u003c/li\u003e\n\u003cli\u003eWe introduce the Lorentzian Fourier Neural Operator (L-FNO), a stochastic neural operator that combines an FNO-style covariate path, Lorentzian spectral kernels…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13566\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eDon\u0026rsquo;t Claim Benchmark-Oriented Optimization Improves General Coding Capability \u0026ndash; Diverse Evaluation Is Required\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13566v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：训练后论文、模型卡和博客文章通常将一小部分编码基准（例如 SWE-bench 和 LiveCodeBench）的分数视为广泛编码能力的证据，无论是研究工件还是面向用户的系统。\u003c/li\u003e\n\u003cli\u003e我们认为，对这些基准的优化会导致测量特定于任务的性能，从而在测量的分数和一般编码能力的声明之间产生有意义的差距。\u003c/li\u003e\n\u003cli\u003e我们使用我们创建的基于 Django 的案例研究基准套件来检查这一差距。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13566v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Post-training papers, model cards, and blog posts often treat scores on a small set of coding benchmarks (e.g., SWE-bench and LiveCodeBench) as eviden…\u003c/li\u003e\n\u003cli\u003eWe argue that optimization for these benchmarks leads to measuring task-specific performance, creating a meaning gap between measured scores and claims of gener…\u003c/li\u003e\n\u003cli\u003eWe examine this gap with a Django-based case study benchmark suite we create\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13590\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eRobust XGBoosting for Regression\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13590v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：XGBoost 是一种非常流行且强大的预测方法。\u003c/li\u003e\n\u003cli\u003e它迭代地将简单的决策树拟合到上一步的残差。\u003c/li\u003e\n\u003cli\u003e提供高效且可扩展的实施方案。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13590v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: XGBoost is a very popular and powerful method for prediction\u003c/li\u003e\n\u003cli\u003eIt iteratively fits simple decision trees to the residuals of the previous step\u003c/li\u003e\n\u003cli\u003eAn efficient and scalable implementation is available\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13596\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eTraining-Free Knowledge Transfer Across Model Scales through Activation-Guided Pruning\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13596v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：异构模型融合旨在组合任务、初始化、架构或规模不同的模型。\u003c/li\u003e\n\u003cli\u003e我们研究了一个尚未充分探索的跨尺度环境：尽管存在严重的架构不匹配，但仍使用更强大的捐助者改进小型接收者语言模型。\u003c/li\u003e\n\u003cli\u003e我们询问是否可以在没有明确的神经元语义对齐的情况下转移有用的功能。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13596v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Heterogeneous model fusion seeks to combine models that differ in tasks, initializations, architectures, or scales\u003c/li\u003e\n\u003cli\u003eWe study an underexplored cross-scale setting: improving a small recipient language model with a stronger donor despite substantial architectural mismatch\u003c/li\u003e\n\u003cli\u003eWe ask whether useful capabilities can be transferred without explicit neuron-wise semantic alignment\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13601\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eHard Cases, Bad Labels: Testing Error Exposure and Error Location in Uncertainty Sampling Under Bounded Label Noise\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13601v1 公告类型：新。\n-摘要：主动学习可以通过选择信息丰富的示例来降低标记成本，但最不确定的示例也可能是最难正确标记的。\n\u003cul\u003e\n\u003cli\u003e这项研究测试了不确定性抽样失败是否是因为它获得了更多损坏的标签，或者是因为集中在困难区域的错误特别有害。\u003c/li\u003e\n\u003cli\u003e在三个公共二进制表格数据集上，将基于保证金的不确定性采样与干净标签、随机分类噪声 (RCN) 和有界难度相关噪声下的随机采样进行比较。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13601v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Active learning can reduce labeling cost by selecting informative examples, but the most uncertain examples may also be the hardest to label correctly\u003c/li\u003e\n\u003cli\u003eThis study tests whether uncertainty sampling fails because it acquires more corrupted labels or because errors concentrated in difficult regions are especially…\u003c/li\u003e\n\u003cli\u003eMargin-based uncertainty sampling is compared with random sampling under clean labels, random classification noise (RCN), and bounded difficulty-dependent noise…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13628\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eRobust Dual-Model Collaborative Random Vector Functional Link Network\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13628v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：随机向量函数链接（RVFL）网络是轻量级且快速的神经模型，通过随机隐藏层权重和直接输入输出连接提供高效的训练和强大的泛化能力。\u003c/li\u003e\n\u003cli\u003e然而，传统的 RVFL 模型对噪声标签、异常值和不平衡数据很敏感，这限制了它们在实际应用中的性能。\u003c/li\u003e\n\u003cli\u003e为了解决这些挑战，我们提出了基于内核风险敏感均值 p 幂的 RVFL (KRPRVFL) 模型，该模型将 RVFL 的计算效率与内核风险敏感均值 p 幂 (KRP) 标准的鲁棒性相结合。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13628v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Random vector functional link (RVFL) networks are lightweight and fast neural models that offer efficient training and strong generalization through r…\u003c/li\u003e\n\u003cli\u003eHowever, conventional RVFL models are sensitive to noisy labels, outliers, and imbalanced data, which limits their performance in real-world applications\u003c/li\u003e\n\u003cli\u003eTo address these challenges, we propose the kernel risk-sensitive mean p-power based RVFL (KRPRVFL) model, which integrates the computational efficiency of RVFL…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13652\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eContrastive Learning for Interpretable Anomaly Detection at Collider Experiments\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13652v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：对撞机物理的通用事件级异常检测存在两个反复出现的问题：异常分数难以解释，并且它们与能量尺度和对象多重性密切相关。\u003c/li\u003e\n\u003cli\u003e我们提出了通过对比学习进行异常检测的组织表示（ORCA），这是一个两阶段框架，首先通过跨不同物理过程的监督对比学习来学习嵌入空间，然后在该空间中运行标准自动编码器以生成事件级异常分数。\u003c/li\u003e\n\u003cli\u003e在与高光度大型强子对撞机的条件一致的模拟数据集上，相对于基线自动编码器架构，ORCA 在对新物理信号的敏感性广度和深度上都取得了显着的进步。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13652v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Generic event-level anomaly detection for collider physics has two recurring problems: anomaly scores are hard to interpret, and they correlate strong…\u003c/li\u003e\n\u003cli\u003eWe present Organized Representation via Contrastive learning for Anomaly detection (ORCA), a two-stage framework that first learns an embedding space via superv…\u003c/li\u003e\n\u003cli\u003eOn a simulated dataset consistent with conditions at the High-Luminosity Large Hadron Collider, ORCA delivers significant gains in both breadth and depth of sen…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13668\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eThe Query Knows What to Forget: A Second Erase Direction for Linear Attention\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13668v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：线性注意力保持固定大小的状态。\u003c/li\u003e\n\u003cli\u003e在长上下文中，许多存储的项目共享此状态，并且它们之间的干扰会降低检索性能。\u003c/li\u003e\n\u003cli\u003e门控 DeltaNet-2 (GDN-2) 与之前的每个 delta 规则模型一样，从当前令牌的密钥导出其擦除向量。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13668v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Linear attention keeps a state of fixed size\u003c/li\u003e\n\u003cli\u003eAt long context, many stored items share this state, and interference between them degrades retrieval\u003c/li\u003e\n\u003cli\u003eGated DeltaNet-2 (GDN-2), like every delta-rule model before it, derives its erase vector from the key of the current token\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13675\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eFrom BERT to Frontier Agents: Eight Years of Language-Model Progress, the Collapse of the Capability-Cost Curve, and the Rise of Task-Targeted Models\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13675v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：2018 年 10 月至 2026 年 7 月期间，人工智能模型从 BERT 等简单系统发展到解决复杂数学和编写软件的大型代理。\u003c/li\u003e\n\u003cli\u003e自 2024 年底以来，解决实际编码问题的能力每年提高近六倍。\u003c/li\u003e\n\u003cli\u003e在此期间，OpenAI 的预算模型 GPT 5 点 6 Luna 匹配旗舰功能，成本急剧下降，每百万代币仅需 1 至 6 美元，而旧版本的价格仅为其一小部分。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13675v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Between October 2018 and July 2026 AI models progressed from simple systems like BERT to massive agents that solve complex math and write software\u003c/li\u003e\n\u003cli\u003eThe ability to resolve real coding issues improved by nearly six times per year since late 2024\u003c/li\u003e\n\u003cli\u003eDuring this time costs dropped sharply with OpenAIs budget model GPT 5 point 6 Luna matching flagship capabilities for just one to six dollars per million token…\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003cstrong\u003e\u003ca href=\"https://arxiv.org/abs/2608.13676\"  class=\"external-link\" target=\"_blank\" rel=\"noopener\"\u003eEEG-PRISM: Physiologically-Grounded Interpretability of Predictions by EEG Foundation Models\u003c/a\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e发布时间:2026-08-17 12:00 北京时间\u003c/li\u003e\n\u003cli\u003e摘要:- arXiv:2608.13676v1 公告类型：新。\n\u003cul\u003e\n\u003cli\u003e摘要：目的：基础模型代表了脑电图分析人工智能的下一步进展；然而，当前可解释的人工智能技术提供了时间通道输入空间中的归因分数，这与脑电图的临床直觉不匹配。\u003c/li\u003e\n\u003cli\u003e因此，迫切需要一种通用方法，可以将任何基础模型的可解释性扩展到替代和生理相关领域，而无需修改或重新训练基础模型。\u003c/li\u003e\n\u003cli\u003e方法：EEG-PRISM 利用线性变换和建立的反向传播规则将时间通道归因分数映射到替代域。\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003eEN 要点:\n\u003cul\u003e\n\u003cli\u003earXiv:2608.13676v1 Announce Type: new\u003c/li\u003e\n\u003cli\u003eAbstract: Objective: Foundation models represent the next advancement in AI for EEG analysis; however current explainable AI techniques provide attribution scor…\u003c/li\u003e\n\u003cli\u003eThus, there is a critical need for a universal method that can extend the interpretability of any foundation model to alternative and physiologically relevant d…\u003c/li\u003e\n\u003cli\u003eMethods: EEG-PRISM leverages linear transformations and established backpropagation rules to map time-channel attribution scores into alternative domains\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n",
  "wordCount": 3247,
  "readingTime": 16,
  "tableOfContents": "\u003cnav id=\"TableOfContents\"\u003e\n  \u003cul\u003e\n    \u003cli\u003e\u003ca href=\"#-本期-watch-list-深度导读\"\u003e📖 本期 Watch List 深度导读\u003c/a\u003e\u003c/li\u003e\n    \u003cli\u003e\u003ca href=\"#-x-平台-ai-热点快讯\"\u003e🌐 X 平台 AI 热点快讯\u003c/a\u003e\n      \u003cul\u003e\n        \u003cli\u003e\u003ca href=\"#话题-1anthropic-launches-design-skill-in-claude-code-for-seamless-ui-creation\"\u003e话题 1:Anthropic Launches /design Skill in Claude Code for Seamless UI Creation\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#话题-2anthropic-ceo-predicts-ai-will-cure-most-diseases-in-5-10-years\"\u003e话题 2:Anthropic CEO Predicts AI Will Cure Most Diseases in 5-10 Years\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#话题-3cursor-and-vercel-launch-direct-deployment-integration-for-origin-repos\"\u003e话题 3:Cursor and Vercel Launch Direct Deployment Integration for Origin Repos\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#话题-4engram-lab-shows-ai-agents-mastering-law-firm-knowledge-through-study\"\u003e话题 4:Engram Lab Shows AI Agents Mastering Law Firm Knowledge Through Study\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#话题-5ai-video-production-evolves-toward-full-scene-control\"\u003e话题 5:AI Video Production Evolves Toward Full Scene Control\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#话题-6debate-over-ai-videos-emotional-impact-continues\"\u003e话题 6:Debate Over AI Videos\u0026rsquo; Emotional Impact Continues\u003c/a\u003e\u003c/li\u003e\n      \u003c/ul\u003e\n    \u003c/li\u003e\n    \u003cli\u003e\u003ca href=\"#-大佬观点influencer-insights\"\u003e💡 大佬观点(Influencer Insights)\u003c/a\u003e\n      \u003cul\u003e\n        \u003cli\u003e\u003ca href=\"#1-今日大佬们共同关注的技术趋势或产品热点\"\u003e1. 今日大佬们共同关注的技术趋势或产品热点\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#2-值得注意的独特观点或行业前瞻\"\u003e2. 值得注意的独特观点或行业前瞻\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#3-推荐的工具或资源\"\u003e3. 推荐的工具或资源\u003c/a\u003e\u003c/li\u003e\n      \u003c/ul\u003e\n    \u003c/li\u003e\n    \u003cli\u003e\u003ca href=\"#-附录今日-watch-list-更新源列表\"\u003e📚 附录:今日 Watch List 更新源列表\u003c/a\u003e\n      \u003cul\u003e\n        \u003cli\u003e\u003ca href=\"#stratechery-by-ben-thompson-a_full\"\u003eStratechery by Ben Thompson (A_full)\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#openai-blog-a_full\"\u003eOpenAI Blog (A_full)\u003c/a\u003e\u003c/li\u003e\n      \u003c/ul\u003e\n    \u003c/li\u003e\n    \u003cli\u003e\u003ca href=\"#此刻的概述\"\u003e此刻的概述。\u003c/a\u003e\n      \u003cul\u003e\n        \u003cli\u003e\u003ca href=\"#arxiv-csai-b_introsearch\"\u003eArXiv cs.AI (B_intro+search)\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#arxiv-cscl-b_introsearch\"\u003eArXiv cs.CL (B_intro+search)\u003c/a\u003e\u003c/li\u003e\n        \u003cli\u003e\u003ca href=\"#arxiv-cslg-b_introsearch\"\u003eArXiv cs.LG (B_intro+search)\u003c/a\u003e\u003c/li\u003e\n      \u003c/ul\u003e\n    \u003c/li\u003e\n  \u003c/ul\u003e\n\u003c/nav\u003e",
  "isDraft": false
}