🤖 AI 速览

OpenAI 发布 GPT-6 Sol/Luna，API 降价五成，并公开提示缓存诊断与断点控制；Parallel 案例显示 Astra 可让研究时间与成本减半。多篇推理优化论文聚焦长上下文稀疏注意力与 MoE 路由，服务竞争转向成本工程。Amazon 屏蔽 Muse 凸显平台与 AI 助手分发边界问题。
📋 文章元数据
发布时间
2026-09-23
类型
ai-daily
字数
3404
阅读时长
16 min

2026-09-23 AI日更 | GPT-6 双型号重写推理成本：缓存诊断、断点控制与半价 API 链接到标题

OpenAI 发布 GPT-6 Sol/Luna，API 降价五成，并公开提示缓存诊断与断点控制；Parallel 案例显示 Astra 可让研究时间与成本减半。多篇推理优化论文聚焦长上下文稀疏注意力与 MoE 路由，服务竞争转向成本工程。Amazon 屏蔽 Muse 凸显平台与 AI 助手分发边界问题。

📖 本期 Watch List 深度导读 链接到标题

今天的 Watch List 有两条主线最值得深读。一是 GPT-6 的工程化推进：OpenAI 博客密集更新了 Sol/Luna 双型号定位、提示缓存诊断与断点控制，以及 Parallel 用 Astra 把研究时间和成本砍半的案例。建议推理基础设施团队重点读缓存命中率与成本结构，这是模型能力之外的真实效率账。二是 arXiv 集中出现一批推理优化论文：RBS-Attention 针对长上下文预填的稀疏注意力失效问题，Attention-Aware Routing 用注意力特征增强 MoE 路由，对做大模型服务性能的团队是很好的技术雷达。商业侧可顺带读 Amazon Blocks Muse 与 Jevons Paradox 的讨论，理解平台护城河与算力需求的边界条件。

🌐 X 平台 AI 热点快讯 链接到标题

话题 1:CopilotKit Launches OpenMuse Open-Source Personal AI Assistant 链接到标题

  • 分类:AI · News
  • 概况:热度时间:3 hours ago,相关帖子数:381
  • 是什么事:CopilotKit 发布了开源个人 AI 助手 OpenMuse。
  • 为什么重要:此举将开源模式引入个人 AI 助手赛道，可能推动更透明、可定制和注重隐私的助手发展，并加剧该领域竞争。
  • 讨论概况:X 上主要讨论 OpenMuse 与现有闭源助手的能力差距、开源对隐私和可定制性的意义，以及其实际可用性与生态前景。

话题 2:Unreal Agent Open-Source Harness Cuts AI Coding Costs by 39% 链接到标题

  • 分类:AI · Other
  • 概况:热度时间:,相关帖子数:149
  • 是什么事:开源项目 Unreal Agent 发布测试框架，据称可将 AI 编码成本降低 39%。
  • 为什么重要:该框架直接针对 AI 编程智能体的高成本问题，若降本效果可复现，将提升 AI 编码的经济性并加速其在开发流程中的落地。
  • 讨论概况:X 上的焦点集中在 39% 降本数据是否可信、在不同模型与任务中的适用性，以及开源方案对现有商业 AI 编码工具定价模式的潜在冲击。

话题 3:Meta’s Muse AI Agent Tops App Charts and Boosts Stock 链接到标题

  • 分类:AI · News
  • 概况:热度时间:8 hours ago,相关帖子数:4700
  • 是什么事:Meta 的 Muse AI 智能体应用登上应用商店排行榜首位，并带动 Meta 股价上涨。
  • 为什么重要:这表明 AI 智能体正在成为科技巨头面向消费者的关键竞争产品，其市场表现已开始直接影响公司估值与 AI 战略信心。
  • 讨论概况:X 上主要讨论其登顶是真实用户需求还是营销推动，能否持续超越 ChatGPT、Gemini 等竞品，以及 Meta 在 AI 应用和隐私方面的长期优势与风险。

话题 4:White Circle Open-Sources Halo for Faster Model Training on Hugging Face 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:1000
  • 是什么事:White Circle 在 Hugging Face 上开源了 Halo 框架，据称可将分布式大语言模型训练速度最高提升 2.8 倍。
  • 为什么重要:该框架直接针对大模型训练的核心成本与时间瓶颈，若加速效果属实，将显著提高算力效率并降低训练门槛。
  • 讨论概况:X 上主要关注 2.8 倍加速的实际复现性、与 DeepSpeed 等现有框架的对比优势，以及其对不同模型和硬件配置的适用范围。

话题 5:AI Guide Makes Product Launch Videos Easy for Beginners 链接到标题

  • 分类:AI · News
  • 概况:热度时间:16 hours ago,相关帖子数:4200
  • 是什么事:AI 视频工具展示了用一张照片和一段短语音克隆创始人形象与声音，自动生成带字幕和时间轴的产品发布视频。
  • 为什么重要:这表明 AI 视频生成、声音克隆与自动后期能力已进入实用阶段，大幅降低产品发布视频的制作门槛和成本。
  • 讨论概况:X 上既有对“视频创作零障碍”的效率惊叹，也有对大量 AI 工具实际价值和同质化的质疑；部分帖子强调其营销效果，另一部分则提醒关注工具背后的真实产出。

话题 6:OpenAI Launches Faster, Cheaper GPT-6 Sol and Luna Models 链接到标题

  • 分类:AI · News
  • 概况:热度时间:5 hours ago,相关帖子数:34000
  • 是什么事:OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna 模型，API 价格较 GPT-5.6 降低 50%，并已在 ChatGPT Work 与 Codex 上线。
  • 为什么重要:这标志着竞争焦点从单纯模型能力转向任务级价格与推理成本，可能显著降低 AI 智能体和持续推理的采用门槛，并加剧与 Anthropic 及开源模型的性价比竞争。
  • 讨论概况:X 上分歧明显：一方认为价格重置和推理成本下降是重要转折，另一方则质疑模型发布过密、实际体验提升有限，并讨论 AI 泡沫与订阅疲劳；同时也在比较同日发布的 Claude Opus 5.5、开源 MiMo-V2.6-Pro 和 Grok 4.7 等竞争动态。

话题 7:Pexo’s Mark to Fix Tool Transforms AI Video Creation 链接到标题

  • 分类:AI · Other
  • 概况:热度时间:,相关帖子数:235
  • 是什么事:Pexo 推出 Mark to Fix 工具，用户可标记 AI 生成视频中的问题区域并进行定向修复。
  • 为什么重要:该工具提升了 AI 视频的精细化控制能力，减少生成后人工修补成本，对 AI 视频创作流程具有实际推动作用。
  • 讨论概况:讨论焦点包括局部修复的准确度、对专业视频工作流的影响，以及它与其他 AI 视频编辑工具相比是否具备明显优势。

话题 8:Meta AI Chief Jokes About Muse Logo Dodging Butthole Comparisons 链接到标题

  • 分类:AI · Other
  • 概况:热度时间:17 hours ago,相关帖子数:2600
  • 是什么事:Meta AI 负责人开玩笑称 Muse 标志躲过了被比作臀部/肛门形状的联想。
  • 为什么重要:该话题反映出 AI 产品品牌视觉设计同样会成为公众讨论焦点，高管的幽默回应被视为在降低设计争议的敏感度。
  • 讨论概况:X 上主要关注 AI 标志是否容易被低俗化解读、品牌设计应如何平衡辨识度与避免不当联想，也有用户认为这类话题偏离了技术本身。

今日 X 上的 AI 舆情小结 链接到标题

今天X平台AI讨论的主线是开源降本工具与消费级AI应用同时升温：OpenMuse、Unreal Agent和Halo分别从个人助手、编码与训练环节宣称带来更高透明度或显著效率提升，而Meta Muse登顶和OpenAI降价则显示巨头竞争正转向应用排名和任务级成本。舆论共识是欢迎更低门槛、更可定制和更可控的AI能力，并认为AI智能体与视频生成已进入实用阶段；分歧主要在于39%降本、2.8倍加速等数据是否可复现、Meta登顶是真实需求还是营销推动，以及密集发布是否真正改善体验。潜在风险在于开源和商业项目可能夸大效果而透支信任，AI形象与声音克隆带来深度伪造和隐私隐患，品牌设计争议也可能分散技术讨论，而快速降价与频繁发布加剧了泡沫与订阅疲劳担忧。

💡 大佬观点(Influencer Insights) 链接到标题

今日大佬观点暂缺,推荐阅读 Watch List 深度内容。

📚 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 37 条更新

All-In Podcast (A_full) 链接到标题

  • Blake Scholl: Why Plane Speed Stalled, Supersonic Commercial Flight, & Revolutionizing the Engine
    • 发布时间:2026-09-22 17:00 北京时间
    • 摘要:- IREN 是一个垂直集成的人工智能云平台，为人工智能训练和推理提供数据中心、计算和软件。
      • Oracle 将数据、应用程序和基础设施连接起来，将人工智能转化为业务成果，并随着人工智能的发展而提供优化的灵活性、选择和控制。
      • 安永帮助科技创新者从初创企业到退出企业再到大型企业。
      • 我们致力于为每个人提供充分发挥潜力的工具，并确保所有人都能受益于技术。
      • Keel基础设施拥有高性能计算和人工智能运行所需的电力、土地和连接，并以安全的能源资产和遍布北美的电网互连为后盾。
    • EN 要点:
      • (0:00) Welcome Blake Scholl
      • (5:11) Solving the sonic boom & legalizing supersonic flight
      • (7:59) The pivot to powering data centers
      • (10:38) Jason joins: data center demand, private jets & what winning looks like

Stratechery by Ben Thompson (A_full) 链接到标题

  • Amazon Blocks Muse, Amazon’s Moat, Aggregator v Aggregator
    • 发布时间:2026-09-22 18:00 北京时间
    • 摘要:- 不出所料，亚马逊屏蔽了 Muse，但基于亚马逊的实体世界投资是人工智能护城河的现实，交易仍有空间。
      • 15 美元/月或150 美元/年。
      • 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。
      • 策略采访。
      • 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。
    • EN 要点:
      • Amazon predictably blocked Muse, but there is room for a deal based on the reality that Amazon’s physical world investments are an AI moat.

OpenAI Blog (A_full) 链接到标题

  • Better prompt caching for GPT-6

    • 发布时间:2026-09-23 05:00 北京时间
    • 摘要:- 了解 GPT-6 如何通过更高的缓存命中率、新的诊断、显式断点以及减少延迟和成本的控制来改进提示缓存。
      • OpenAI 博客的这篇文章解释了 GPT-6 的更好的提示缓存如何塑造更广泛的人工智能和基础设施景观。
      • 在 GPT-6 的更好的提示缓存之后，它还为创始人、运营商和投资者带来了实际影响。
    • EN 要点:
      • Learn how GPT-6 improves prompt caching with higher cache hit rates, new diagnostics, explicit breakpoints, and controls that reduce latency and costs.

  • Introducing GPT-6 Sol and Luna

    • 发布时间:2026-09-23 02:00 北京时间
    • 摘要:- 来认识一下 GPT-6 Sol 和 Luna，这两种型号将前沿智能带入日常工作，具有不同的功能和成本平衡。
      • OpenAI 博客中的这篇文章解释了 GPT-6 Sol 和 Luna 的推出如何塑造更广泛的人工智能和基础设施格局。
      • 在推出 GPT-6 Sol 和 Luna 后，它还为创始人、运营商和投资者带来了实际影响。
    • EN 要点:
      • Meet GPT-6 Sol and Luna, two models that bring frontier intelligence to everyday work with different balances of capability and cost.

  • Parallel cut research time and cost in half with GPT‑6 Astra

    • 发布时间:2026-09-22 20:00 北京时间
    • 摘要:- GPT‑6 Astra 使 Parallel 的代理能够以一半的时间和成本研究和综合劳动力市场数据。
      • 与之前的模型相比，GPT‑6 Astra 允许 Parallel 的代理以一半的时间和成本来研究和综合劳动力市场数据。
      • 使用 GPT-6 Astra 将研究时间和成本并行减少一半。
    • EN 要点:
      • GPT‑6 Astra allowed Parallel’s agents to research and synthesize labor-market data in half the time and at half the cost vs
      • prior models.

  • Priorities and principles for effective third party assessments

    • 发布时间:2026-09-22 08:00 北京时间
    • 摘要:- OpenAI 概述了对前沿模型和保障措施进行严格、安全和独立的第三方人工智能安全评估的优先事项和原则。
      • OpenAI 博客的这篇文章解释了有效第三方评估的优先级和原则如何塑造更广泛的人工智能和基础设施格局。
      • 它还为创始人、运营商和投资者提供了遵循有效第三方评估的优先事项和原则的实际影响。
    • EN 要点:
      • OpenAI outlines priorities and principles for rigorous, secure, and independent third-party AI safety assessments of frontier models and safeguards.

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

  • Yes, Jev Is Insane, But There’s A Catch
    • 发布时间:2026-09-22 17:32 北京时间
    • 摘要:- ❤️ 在这里查看 Lambda 并注册他们的 GPU Cloud：。
      • 以前的论文、实现、模型：。
      • Adam Bridges、B Shang、Carlos Galarza、Christian Ahlin、Eric Tyson、Juan Benet、Lukas Biewald、Michael Tedder、Owen Skarpness、Ryan Stankye、Shawn Becker、Steef、Taras Bobrovytsky、Tazaur Sagenclaw、Tybie Fitzhugh、Ueli Gallizzi。
      • 是的，杰夫疯了，但有一个问题。
    • EN 要点:
      • ❤️ Check out Lambda here and sign up for their GPU Cloud:
      • Previous papers, implementations, models:
      • 🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible:
      • Adam Bridges, B Shang, Carlos Galarza, Christian Ahlin, Eric Tyson, Juan Benet, Lukas Biewald, Michael Tedder, Owen Skarpness, Ryan Stankye, Shawn Becker, Steef…

ArXiv cs.AI (B_intro+search) 链接到标题

  • RBS-Attention: Radius-Bounded Sparse Prefill for Long-Context Large Language Models

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.20971v1 公告类型：新。
      • 摘要：长上下文大语言模型推理越来越受到预填充的限制，其中密集的自注意力在生成开始之前处理整个提示。
      • 稀疏区块选择可以降低这种成本，但是区块质心可能会在许多不相关的令牌中隐藏高度相关的令牌。
      • 我们将这种故障模式称为均值稀释，并提出了 RBS-Attention，这是一种具有两个互补选择分支的免训练稀疏预填充方法。
    • EN 要点:
      • arXiv:2609.20971v1 Announce Type: new
      • Abstract: Long-context large language model inference is increasingly limited by prefill, where dense self-attention processes the entire prompt before generati…
      • Sparse block selection can reduce this cost, but a block centroid may hide a highly relevant token among many irrelevant ones
      • We call this failure mode mean dilution and propose RBS-Attention, a training-free sparse-prefill method with two complementary selection branches

  • Attention-Aware Routing: Coupling Routing and Attention in MoEs

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.20974v1 公告类型：新。
      • 摘要：在专家混合语言模型中，路由器通常利用有限的上下文信息，根据令牌的隐藏状态来选择专家并对其进行加权。
      • 我们提出了注意力感知路由（AAR），它通过从注意力权重滑动窗口中提取的时间和频谱特征来增强路由器，这些特征代表了模型上下文状态的摘要，与隐藏状态分离。
      • 保持基础变压器完全冻结，我们只训练路由参数，将路由隔离为唯一变量。
    • EN 要点:
      • arXiv:2609.20974v1 Announce Type: new
      • Abstract: In Mixture-of-Experts language models, the router typically selects and weights experts based on the token’s hidden state, utilizing limited contextua…
      • We propose Attention-Aware Routing (AAR), which augments the router with temporal and spectral features extracted from a sliding window of attention weights tha…
      • Keeping the base transformer entirely frozen, we train only the routing parameters, isolating routing as the sole variable

  • CaLR: Causal Latent Revision for Robust Diffusion Reasoning

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.20981v1 公告类型：新。
      • 摘要：自回归（AR）模型存在局部贪婪问题，而扩散语言模型（DLM）通常缺乏推理所需的严格因果结构。
      • 为了结合对偶的优点并克服缺点，我们提出了因果潜在修正（CaLR），这是一个将推理重新表述为约束潜在优化的框架。
      • 通过采用专家模型的因果拓扑矩阵（CTM）和隐式微分，CaLR 执行梯度引导的“思想修正”以加强逻辑一致性，从而在并行生成过程中实现中间步骤的动态自我校正。
    • EN 要点:
      • arXiv:2609.20981v1 Announce Type: new
      • Abstract: Autoregressive (AR) models suffer from local greediness, while diffusion language models (DLMs) often lack the strict causal structure required for re…
      • To combine the advantages and overcome the drawbacks of the dual, we propose Causal Latent Revision (CaLR), a framework that reformulates reasoning as constrain…
      • By adopting a causal topology matrix (CTM) from an expert model and implicit differentiation, CaLR performs gradient-guided ``thought revision" to enforce logic…

  • LoRA Enhanced Contrastive Learning with SAS Vision Transformers

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.21061v1 公告类型：新。
      • 摘要：采用合成孔径声纳 (SAS) 的自动目标识别 (ATR) 支持先进的海军能力，但深度学习受到目标图像稀缺、背景杂波和人机参与评估的限制。
      • 我们使用三阶段参数高效框架将 DINOv3 Vision Transformer (ViT) 模型适应水下 SAS ATR。
      • 第 1 阶段使用低秩适应 (LoRA)，同时冻结 ViT 主干，弥合自然图像预训练和水声传播之间的差距。
    • EN 要点:
      • arXiv:2609.21061v1 Announce Type: new
      • Abstract: Automatic target recognition (ATR) with synthetic aperture sonar (SAS) supports advanced naval capabilities, but deep learning is constrained by scarc…
      • We adapt DINOv3 Vision Transformer (ViT) models to underwater SAS ATR using a three-stage parameter-efficient framework
      • Stage 1 uses Low-Rank Adaptation (LoRA) while freezing the ViT backbone, bridging the gap between natural-image pretraining and underwater acoustic propagation

  • Detecting Hallucination in LLMs: Tracing the Topological Signatures of Impaired Context Sharing

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.21096v1 公告类型：新。
      • 摘要：在这项工作中，我们检查了注意力图中信息流模式的拓扑结构，以有效区分幻觉和非幻觉反应。
      • 我们分析 Forman-Ricci 曲率，以识别表明注意力图中信息瓶颈的结构模式。
      • 然后我们引入一种方法，捕获与幻觉反应相关的注意力头的半局部和全局信息流特征。
    • EN 要点:
      • arXiv:2609.21096v1 Announce Type: new
      • Abstract: In this work, we examine the topology of information flow patterns within attention graphs to effectively distinguish hallucinated from non-hallucinat…
      • We analyze the Forman-Ricci curvature to identify structural patterns indicating information bottlenecks in attention graphs
      • We then introduce a method that captures both semi-local and global information-flow characteristics of attention heads associated with hallucinated responses

  • Decoupling Internal Representational Changes and Causal Importance in Fine-Tuned Large Language Models

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.21113v1 公告类型：新。
      • 摘要：微调已成为使法学硕士适应各种下游任务的广泛采用的方法。
      • 然而，它如何重塑其内部机制仍然知之甚少。
      • 为了解决这个问题，我们研究了微调如何改变 LLM 中的内部表示，包括注意力模式和分层激活，并检查这些变化是否与 EAP 识别的任务相关组件（例如，注意力头和逻辑级激活）相关，从而驱动任务性能。
    • EN 要点:
      • arXiv:2609.21113v1 Announce Type: new
      • Abstract: Fine-tuning has emerged as a widely adopted approach for adapting LLMs to a variety of downstream tasks
      • However, how it reshapes their internal mechanisms remains poorly understood
      • To address this, we investigate how fine-tuning alters internal representations in LLMs, including attention patterns and layer-wise activations, and examine wh…

  • TinyCeNN-LM: Quality-Gated Conversion of Pretrained Attention with CeNN-Inspired Cellular-Recurrent Layers

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.21139v1 公告类型：新。
      • 摘要：在预训练的语言模型中替换注意力是一个兼容性问题：合理的替代可能会改变后面层所期望的表示。
      • TinyCeNN-LM 引入了一个 \emph{质量门控后训练转换} 框架，使用受 CeNN 启发的细胞循环层，具有有限的本地处理、紧凑的循环内存、路由、融合和接受或回滚验证。
      • 研究了三种实现：Integrated Memory、MemoryFusion 和 PDelta3-GDN2-CLVR+Local32。
    • EN 要点:
      • arXiv:2609.21139v1 Announce Type: new
      • Abstract: Replacing attention in a pretrained language model is a compatibility problem: a plausible substitute may alter representations expected by later laye…
      • TinyCeNN-LM introduces a \emph{quality-gated post-training conversion} framework using CeNN-inspired cellular-recurrent layers with bounded local processing, co…
      • Three implementations are studied: Integrated Memory, MemoryFusion, and PDelta3-GDN2-CLVR+Local32

  • Clinician-Grounded Quality Assurance for AI-Assisted Psychiatric Intake

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.21149v1 公告类型：新。
      • 摘要：在患者可以使用人工智能辅助精神科摄入系统之前，卫生系统需要实用的方法来根据其质量保证的临床标准定期评估这些工具。
      • 由于临床医生可能使用不同的摄入方式，因此对该任务的评估必须 (1) 支持不同访谈方法的比较，(2) 最大限度地减少临床医生的负担，以及 (3) 衡量部署这些技术的卫生系统的临床相关绩效。
      • 我们提出了一个基于临床医生的评估平台，围绕用于开放式人工智能访谈的记忆增强患者模拟器构建，InterviewPlayground。
    • EN 要点:
      • arXiv:2609.21149v1 Announce Type: new
      • Abstract: Before patients can use AI-assisted psychiatric intake systems, health systems need practical ways to routinely evaluate these tools against their cli…
      • Because clinicians may use different intake styles, evaluation for this task must (1) support comparison across interviewing approaches, (2) minimize clinician…
      • We present a clinician-grounded evaluation platform built around a memory-augmented patient simulator for open-ended AI interviewing, InterviewPlayground

  • Can Agents Design Better Chips with a Higher Level Abstraction?

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.21157v1 公告类型：新。
      • 摘要：大型语言模型 (LLM) 代理越来越多地被探索用于芯片设计，但大多数现有方法直接在 RTL 上运行。
      • 我们询问代理是否可以通过利用更高级别的抽象来设计更好的芯片。
      • 我们比较直接 RTL 设计、基于代理的 HLS 设计、编译器后 HLS 细化和 HLS 后 RTL 细化，并将基于代理的 HLS 设计与 HLS 后 RTL 细化相结合，作为基于代理的 HLS 与 RTL 细化 (AHRR)。
    • EN 要点:
      • arXiv:2609.21157v1 Announce Type: new
      • Abstract: Large Language Model (LLM) agents are increasingly being explored for chip design, but most existing approaches operate directly at RTL
      • We ask whether agents can design better chips by leveraging higher-level abstractions
      • We compare Direct RTL Design, Agent-based HLS Design, Post-Compiler HLS Refinement, and Post-HLS RTL Refinement, and combine Agent-based HLS Design with Post-HL…

  • SpecOpt: Contact-Diff Reasoning for Agentic Molecule Optimization Toward Binding Specificity

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.21165v1 公告类型：新。
      • 摘要：脱靶蛋白结合是小分子药物不良反应的一个主要来源，但大多数基于结构的分子设计方法侧重于从头生成选择性化合物，而不是提高现有的、已充分表征的药物的选择性。
      • 我们引入了特异性优化（SpecOpt），这是一项分子设计任务，旨在对现有化合物进行有限的结构修饰，以增加其对预期目标相对于已知脱靶的结合偏好，同时保留其结构特性和类药物特性。
      • 为了实现系统评估，我们根据化合物-靶点相互作用数据构建了 ChEMBL 衍生基准，通过精心策划的药物机制注释确定预期靶点，并通过测量的活动确定脱靶。
    • EN 要点:
      • arXiv:2609.21165v1 Announce Type: new
      • Abstract: Off-target protein binding is a major source of adverse effects for small-molecule drugs, yet most structure-based molecular design methods focus on g…
      • We introduce specificity optimization (SpecOpt), a molecular design task that seeks constrained structural modifications to an existing compound that increase i…
      • To enable systematic evaluation, we construct a ChEMBL-derived benchmark from compound-target interaction data, identifying intended targets through curated dru…

ArXiv cs.CL (B_intro+search) 链接到标题

  • Recognition, Simulation, and Refusal: A Contamination-Aware Study of Classic Psychological Effects in LLM Agents

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22090v1 公告类型：新。
      • 摘要：产生与人类心理效应相关的反应模式的法学硕士与具有这种偏见的法学硕士不同。
      • 我们提出了 PsyAgentBench，这是一个在 LLM 代理上重新运行经典心理学实验的基准，其构建是为了将这些实验分开：每个范式都使用提示中明确标记的范式（命名）或作为常规任务（盲）运行，并在任务的文字教科书版本（规范）或结构匹配的变体上运行，以减少与可能的训练数据（反事实）的词汇和场景重叠，并与角色操作交叉。
      • 在五个完整的范式中，对多达三个开放权重模型系列进行了评估，发布了 41,904 项试验，显然，类人效应是通过性质不同的途径而不是一种敏感性产生的：具有明确覆盖的范式标签门控（Asch 一致性，0% 盲到 gpt-oss-120B 上命名的 83.3%），依赖于知识的信号依赖（锚定，基于事实的精确为零与发明量的接近总数，这种模式同样与合理使用唯一可用的信号）、标签下新内容的放大（框架）、稳健缺席（沉没成本）以及安全介导的选择，其中拒绝本身是主要发现（最小组分配）。
    • EN 要点:
      • arXiv:2609.22090v1 Announce Type: new
      • Abstract: An LLM producing the response pattern associated with a human psychological effect is not the same claim as the LLM possessing that bias
      • We present PsyAgentBench, a benchmark that re-runs classic psychology experiments on LLM agents under a factorial design built to separate these: each paradigm…
      • Across five completed paradigms, evaluated on up to three open-weight model families with 41,904 trials released, apparently human-like effects arise through qu…

  • Memory That Looks Forward: A Zero-Inference Prospective Term for Personal Memory Retrieval

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22091v1 公告类型：新。
      • 摘要：对个人内存存储的检索是回顾性的：它显示类似于查询的内容，并且对用户已承诺执行的操作视而不见。
      • 我们描述了一个用于内存检索的前瞻性术语，它在查询时不需要推理。
      • 承诺作为有日期或触发条件的条目保存在明确的分类账中；与触发条目相关的记忆项目会得到显着性提升，并乘法混合到基于嵌入的检索中，以便相关性保持主权。
    • EN 要点:
      • arXiv:2609.22091v1 Announce Type: new
      • Abstract: Retrieval over a personal memory store is retrospective: it surfaces what resembles the query, and it is blind to what the user has committed to do
      • We describe a prospective term for memory retrieval that costs no inference at query time
      • Commitments are held in an explicit ledger as dated or trigger-conditioned entries; memory items linked to a firing entry receive a salience boost, blended mult…

  • Summarize, Judge, Refine: Decoupled Content Understanding and Policy Learning for Multimodal Content Moderation

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22094v1 公告类型：新。 -摘要：内容审核系统传统上将多模态理解与特定于政策的分类纠缠在一起，需要针对每个政策变化进行完整的管道再培训，并且由于无法有意义地增强多媒体而遭受标签稀缺的困扰。
      • 我们提出 Summarize-Judge-Refine (SJR)，这是一种双模型架构，可通过自然语言界面解耦这些问题：多模式内容模型生成结构化文本摘要，纯文本策略模型根据策略定义对它们进行分类。
      • 迭代协同训练循环通过 GRPO 完善内容模型，以生成与策略相关的摘要，而文本空间增强则生成对抗性摘要变体（原始多媒体上不可能实现的增强路径），从而实现少量策略引导。
    • EN 要点:
      • arXiv:2609.22094v1 Announce Type: new
      • Abstract: Content moderation systems traditionally entangle multimodal understanding with policy-specific classification, requiring full pipeline retraining for…
      • We propose Summarize-Judge-Refine (SJR), a two-model architecture that decouples these concerns via a natural language interface: a multimodal Content Model pro…
      • An iterative co-training loop refines the Content Model via GRPO to produce policy-relevant summaries, while text-space augmentation generates adversarial summa…

  • AI-inferred expressed well-being and collective-action discourse in climate-change campaigns on X

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22096v1 公告类型：新。
      • 摘要：气候运动通常通过关注和动员来评估，但人们对随之而来的福祉语言知之甚少。
      • 竞选期间是否会改变积极的情感和希望，以及幸福感是否与行动语言一致，仍然悬而未决。
      • 我们使用 30 天的事件前、事件和事件后窗口，分析了 19 个发生年份中地球日、地球一小时、全球气候行动日和世界环境日的 364,118 个公共 Twitter/X 帖子。
    • EN 要点:
      • arXiv:2609.22096v1 Announce Type: new
      • Abstract: Climate campaigns are often evaluated through attention and mobilization, but less is known about the well-being language that accompanies them
      • Whether campaign periods alter positive affect and hope, and whether happiness aligns with action language, remains unresolved
      • We analysed 364,118 public Twitter/X posts from Earth Day, Earth Hour, Global Climate Action Day and World Environment Day in 19 occurrence-years, using 30-day…

  • Token Signatures of Code: Comparing Coding Behaviors Across Large Language Models

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22097v1 公告类型：新。
      • 摘要：大型语言模型（LLM）对编码任务的评估主要集中在 pass@k 等性能指标上。
      • 随着法学硕士的不断进步，许多模型现在满足基线性能要求，从而降低了仅基于性能的评估的判别力。
      • 然而，一个关键问题在很大程度上仍未被探索：法学硕士的编码行为有何不同？
    • EN 要点:
      • arXiv:2609.22097v1 Announce Type: new
      • Abstract: The evaluation of large language models (LLMs) on coding tasks has primarily focused on performance metrics such as pass@k
      • As LLMs continue to advance, many models now meet baseline performance requirements, reducing the discriminative power of performance-based evaluation alone
      • Yet a key question remains largely unexplored: how do LLMs differ in their coding behavior

  • TreeSpark: Calibrated, Load-Adaptive Draft Trees for Semi-Autoregressive Speculative Decoding

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22098v1 公告类型：新。
      • 摘要：推测性解码通过让廉价的起草者提出目标模型并行验证的标记来加速语言模型推理。
      • 最近的区块起草者使起草几乎免费：单个主干通道会发出整个草案代币块。
      • 草稿树有望获得进一步的收益——在一个目标中验证了几个替代的延续——但现有的结构通过每个位置的边缘对候选者进行排名，而忽略了候选者延伸的父级，因此在半自回归起草者中，更广泛的树大多会添加错误排名的节点；并且固定大小的树忽略每个解码轮次和每个服务负载可以支持多少推测。
    • EN 要点:
      • arXiv:2609.22098v1 Announce Type: new
      • Abstract: Speculative decoding accelerates language-model inference by letting a cheap drafter propose tokens that the target model verifies in parallel
      • Recent block drafters make drafting nearly free: a single backbone pass emits an entire block of draft tokens
      • Draft trees promise a further gain – several alternative continuations verified in one target forward – but existing constructions rank candidates by per-posi…

  • A framework for recipe data structure with applications for culinary and nutritional insights

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22099v1 公告类型：新。
      • 摘要：烹饪是一个复杂的过程，将原材料转化为美味且营养丰富的菜肴，但编码此过程的食谱很大程度上仍然是自由文本；人们可读但不可直接计算。
      • 现有的食谱集合捕获此信息的片段，但没有共享的表示在单个可查询模式中链接食谱的结构化成分组成、其地理文化来源及其营养概况。
      • 我们通过形式化食谱数据结构框架来解决这种表示差距，该框架将每个食谱分解为类型化的成分实体，将这些实体建立在参考营养数据库中，并用地理文化和饮食背景对它们进行注释。
    • EN 要点:
      • arXiv:2609.22099v1 Announce Type: new
      • Abstract: Cooking is a complex process that transforms raw ingredients into delicious and nutritious dishes, yet the recipes that encode this process remain lar…
      • Existing recipe collections capture fragments of this information, but no shared representation links a recipe’s structured ingredient composition, its geo-cult…
      • We address this representation gap by formalizing a framework for recipe data structure that decomposes each recipe into typed ingredient entities, grounds thos…

  • AdaMem: Adaptive Memory Token Allocation for Soft Compression in Retrieval-Augmented Generation

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22100v1 公告类型：新。
      • 摘要：检索增强生成（RAG）利用检索到的证据改进语言模型，但处理许多长段落的成本很高，并且可能会引入分散注意力的信息。
      • 软压缩通过在生成之前将段落编码为连续内存嵌入的紧凑序列来解决这一挑战。
      • 然而，现有方法通常为每个保留的段落分配相同数量的内存嵌入，而不考虑其特定于查询的相关性。
    • EN 要点:
      • arXiv:2609.22100v1 Announce Type: new
      • Abstract: Retrieval-augmented generation (RAG) improves language models with retrieved evidence, but processing many long passages is costly and can introduce d…
      • Soft compression addresses this challenge by encoding passages as compact sequences of continuous memory embeddings before generation
      • However, existing methods typically assign each retained passage an identical number of memory embeddings, irrespective of its query-specific relevance

  • Context Poisoning as Extreme-Value Attention Interference in Long-Context Language Models

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22101v1 公告类型：新。 -摘要：大型语言模型可以处理越来越长的提示，但随着不相关或令人困惑的上下文的添加，它们定位和使用决定性证据的能力可能会降低。
      • 我们将这种现象（我们称之为上下文中毒）表述为注意力的极值干扰：决定性证据分数是有上限的，而有效干扰因素的最大分数随着其数量的增加而增长。
      • 在softmax检索抽象下，我们推导出有限样本上限，表明维持高于基本率的固定精度目标需要证据边际缩放为$\Omega(\sqrt{\log N})$，其中N表示有效干扰项计数，而不一定是原始上下文长度。
    • EN 要点:
      • arXiv:2609.22101v1 Announce Type: new
      • Abstract: Large language models can process increasingly long prompts, yet their ability to locate and use decisive evidence may degrade as irrelevant or confus…
      • We formulate this phenomenon, which we call context poisoning, as extreme-value interference in attention: the decisive-evidence score is upper-bounded, while t…
      • Under a softmax retrieval abstraction, we derive a finite-sample upper bound showing that maintaining a fixed accuracy target above base rate requires the evide…

  • DeepInstructor: An Agentic AI Instructor for Experience-Driven Idea Evaluation

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22104v1 公告类型：新。
      • 摘要：随着自动化科学发现的进步，大型语言模型（LLM）现在可以以前所未有的规模产生研究想法，将瓶颈从想法生成转移到想法评估。
      • 现有的评估者主要依赖于参数化的LLM知识或非结构化检索，产生的判断缺乏人类讲师所使用的基于经验的推理。
      • 为了解决这个问题，我们提出了 DeepInstructor，这是一个代理框架，它将想法评估制定为对结构化学术经验的推理。
    • EN 要点:
      • arXiv:2609.22104v1 Announce Type: new
      • Abstract: As automated scientific discovery advances, Large Language Models (LLMs) can now generate research ideas at an unprecedented scale, shifting the bottl…
      • Existing evaluators mainly rely on parametric LLM knowledge or unstructured retrieval, producing judgments that lack the experience-grounded reasoning used by h…
      • To address this, we propose DeepInstructor, an agentic framework that formulates idea evaluation as reasoning over structured scholarly experience

ArXiv cs.LG (B_intro+search) 链接到标题

  • PRQuant: Permutation Residual Quantization for Low-Overhead Inference

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22106v1 公告类型：新。 -摘要：线性层低位量化的准确性通常由少量异常值决定。
      • 尽管现有的方法（例如平滑、旋转或基于残差的方法）可以缓解这个问题，但它们经常会给权重带来新的准确性瓶颈。
      • 此外，大多数这些技术都是作为在线方法实现的，这可能会导致大量的执行开销。
    • EN 要点:
      • arXiv:2609.22106v1 Announce Type: new
      • Abstract: Accuracy of Low-bit quantization of linear layers is often dominated by a small number of outliers
      • Although existing methods, such as smoothing, rotation, or residual-based approaches, may mitigate this problem, they often introduce new accuracy bottlenecks t…
      • Besides, most of these techniques are implemented as online approaches, which can result in heavy execution overheads

  • Generalized Multimodal Foundation Model

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22107v1 公告类型：新。
      • 摘要：利用多模态数据进行预测广泛应用于各种场景。
      • 现有的多模态融合模型一旦部署，只能处理预定义的模态（例如视觉、文本和音频）和单一任务，难以快速适应新的下游应用。
      • 因此，出现了一个自然但相当激进的问题，是否存在可以应用于任意模态组合和任意预测任务的通用多模态融合模型。
    • EN 要点:
      • arXiv:2609.22107v1 Announce Type: new
      • Abstract: Making prediction with multimodal data is widely used in diverse scenarios
      • Existing multimodal fusion models, once deployed, can only handle predefined modalities (e.g., vision, text and audio) and single tasks, making it difficult to…
      • Therefore, a natural yet rather aggressive question arises, whether there exists a general multimodal fusion model that can be applied to arbitrary modality com…

  • Correcting Learning-based Perception for Safety

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22108v1 公告类型：新。
      • 摘要：学习感知在许多自主系统中非常重要。
      • 与传统传感器不同，机器学习感知起作用或不起作用的边界很难描述。
      • 不正确的认知可能导致不安全或过于保守的下游控制行为。
    • EN 要点:
      • arXiv:2609.22108v1 Announce Type: new
      • Abstract: Learning-enabled perception is important in many autonomous systems
      • Unlike traditional sensors, the boundary where ML perception does or does not work is poorly characterized
      • Incorrect perception can lead to unsafe or overtly conservative downstream control actions

  • A Shared Learning Rate Is Not a Neutral Control in Selective On-Policy Distillation

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22109v1 公告类型：新。 -摘要：选择性同政策蒸馏仅在选择器得分最高的标记位置训练学生，并且文献在单一共享学习率（选择为中性的控制）下比较选择器。
      • 在 GSM8K 上的 LoRA 下（Qwen2.5-1.5B 学生，7B 教师），在 8 倍学习率网格中，密集监督在统计上是平坦的（波动 1.8 pp，p=0.26），而每个选择性臂以速率移动：随机 5% 子集为 5.4 pp，总变异选择器为 6.7 pp，可教性选择器高达 17.7 pp。
      • 因此，密集与选择性的判决在 lr=1e-4 时为 10.1 pp，但在 5e-5 时为 5.1 pp，这是由协议视为风景的参数决定的 2.0 倍差异，并且选择器之间的六个成对显着性调用中的两个在相邻速率之间翻转，没有任何排名反转。
    • EN 要点:
      • arXiv:2609.22109v1 Announce Type: new
      • Abstract: Selective on-policy distillation trains a student only at the token positions a selector scores highest, and the literature compares selectors under a…
      • We show it is not
      • Under LoRA on GSM8K (Qwen2.5-1.5B student, 7B teacher), across an 8x learning-rate grid, dense supervision is statistically flat (swing 1.8 pp, p=0.26) while ev…

  • Toward Fairness in Machine Learning Models for Predicting Treatment Retention and Premature Discontinuation in Medication for Opioid Use Disorder

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22113v1 公告类型：新。
      • 摘要：阿片类药物使用障碍 (MOUD) 药物的保留率和完成率持续较低，促使人们使用机器学习 (ML) 模型来预测保留率并识别有提前停药风险的患者。
      • 然而，这些模型在患者群体中的公平性在很大程度上仍未得到探索，这引起了人们对其在治疗决策支持中的应用的担忧。
      • 这项研究系统地评估了 ML 模型中用于预测 MOUD 保留和过早终止的算法公平性，并研究了偏差缓解技术的有效性。
    • EN 要点:
      • arXiv:2609.22113v1 Announce Type: new
      • Abstract: Persistent low retention and completion rates in medications for opioid use disorder (MOUD) have driven the use of machine learning (ML) models to pre…
      • However, the fairness of these models across patient populations remains largely unexplored, raising concerns about their application in treatment decision supp…
      • This study systematically assesses algorithmic fairness in ML models for predicting MOUD retention and premature discontinuation and investigates the effectiven…

  • ZoAQ: Adaptive Zeroth-Order Querying via Query-Reuse Coupling

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22115v1 公告类型：新。
      • 摘要：零阶优化（ZOO）估计函数评估的更新，使扰动查询成为主要成本。
      • 固定预算在每一步花费相同数量的查询，而自适应控制器可以通过使用额外的预言机调用来测试估计器的可靠性来抵消其节省。
      • 我们引入了 ZoAQ，一种围绕查询重用构建的自适应 ZOO 方法。
    • EN 要点:
      • arXiv:2609.22115v1 Announce Type: new
      • Abstract: Zeroth-order optimization (ZOO) estimates updates from function evaluations, making perturbation queries a primary cost
      • Fixed budgets spend the same number of queries at every step, while adaptive controllers may offset their savings by using additional oracle calls to test estim…
      • We introduce ZoAQ, an adaptive ZOO method built around query reuse

  • LE4Mob: Towards Inductive, Distance-Aware and General-Purpose Location Embedding for Human Mobility Modelling

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22117v1 公告类型：新。
      • 摘要：位置表示为移动模型提供了有关空间位置、功能特征和地点关系的基本信息。
      • 然而，现有的嵌入通常依赖于移动观测，无法表示看不见的位置，并且对保留地理距离的约束很弱。
      • 这限制了它们在数据集和移动任务中的重用。
    • EN 要点:
      • arXiv:2609.22117v1 Announce Type: new
      • Abstract: Location representations provide mobility models with fundamental information about the spatial position, functional characteristics, and relationship…
      • However, existing embeddings are often dependent on mobility observations, unable to represent unseen locations, and weakly constrained to retain geographic dis…
      • This limits their reuse across datasets and mobility tasks

  • Success Leaves Detours: Learning Executable Walkthroughs for Long-Horizon Agents

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22120v1 公告类型：新。
      • 摘要：测试时的自我进化代理通过重用过去的经验来改进，但稀疏奖励轨迹包含失败、循环和弯路，而摘要通常会忽略执行所需的状态条件和操作依赖性。
      • 我们从稀疏奖励轨迹中研究可执行的演练归纳：提取紧凑的、状态条件的和可验证的程序。
      • 我们的主要观察是，延迟信贷识别与进展相关的行动，但无法确定它们是否产生后续行动所需的事实。
    • EN 要点:
      • arXiv:2609.22120v1 Announce Type: new
      • Abstract: Test-time self-evolving agents improve by reusing past experience, yet sparse-reward trajectories contain failures, loops, and detours, while summarie…
      • We study executable Walkthrough induction from sparse-reward trajectories: extracting compact, state-conditioned, and verifiable procedures
      • Our key observation is that delayed credit identifies actions associated with progress but cannot determine whether they produce facts required by later actions

  • Modelling daily activity patterns from mobile phone location data via deep representation learning

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22121v1 公告类型：新。
      • 摘要：被动收集的手机位置数据提供了对人类流动性的大规模、纵向观察，但不能直接揭示活动目的。
      • 访问地点的功能特征提供了有用的上下文信息，但它们与活动目的的关系仍然不确定，特别是在混合用途的城市环境中。
      • 我们将活动模式挖掘概念化为表示、聚类和解释的集成过程，并为表示阶段提出了活动链编码器（ACE）。
    • EN 要点:
      • arXiv:2609.22121v1 Announce Type: new
      • Abstract: Passively collected mobile phone location data provide large-scale, longitudinal observations of human mobility but do not directly reveal activity pu…
      • The functional characteristics of visited locations offer useful contextual information, yet their relationship with activity purpose remains uncertain, particu…
      • We conceptualise activity pattern mining as an integrated process of representation, clustering, and interpretation, and propose the Activity Chain Encoder (ACE…

  • Rank Portability Does Not Imply Feasibility Portability: Target-Specific Evaluation of Joint Hardware Constraints

    • 发布时间:2026-09-22 12:00 北京时间
    • 摘要:- arXiv:2609.22122v1 公告类型：新。
      • 摘要：跨设备硬件评估通常假设如果架构排名跨设备转移，则代理设备可以支持目标端模型选择。
      • 我们对这个假设进行压力测试，以验证两个公共架构系列的联合延迟能量可行性。
      • 在 NAS-Bench-201 上，跨设备排名相关性适中，而目标可比可行集重叠仍然不完整。
    • EN 要点:
      • arXiv:2609.22122v1 Announce Type: new
      • Abstract: Cross-device hardware evaluation often assumes that if architecture rankings transfer across devices, a proxy device can support target-side model sel…
      • We stress-test this assumption for joint latency-energy feasibility across two public architecture families
      • On NAS-Bench-201, cross-device rank correlations are moderate, while target-comparable feasible-set overlap remains incomplete