Uber 携手 OpenAI 为超过 3 万名员工全面部署 ChatGPT 办公套件
Uber 宣布正在向其全球超过 30,000 名员工推广部署 ChatGPT 办公套件。该工具将帮助各团队高效进行信息调研、数据分析、演示文稿制作以及处理复杂工作流程。这一举措标志着头部跨国科技企业进一步将生成式 AI 深度融入日常生产力，反映出企业级 AI 工具正从局部试点加速走向全员规模化普及。
独立 AI 资讯库
AI 前沿动态、原文归档与媒体镜像
从自动抓取数据库实时读取，适合快速浏览、检索和后续扩展成完整资讯站。
12346资讯
12212正文归档
77820媒体
HumanCentric-Scenes-AI：涵盖监控、职业肖像、AI图像编辑与短视频的人工精选多模态AI数据集
研究人员推出了名为 HumanCentric-Scenes-AI 的多模态数据集，包含 296 个经过多轮人工精选、具备高逼真度的以人为中心的 AI 生成样本，系统覆盖监控画面、职业肖像、局部 AI 编辑图像和短视频四大现实场景。数据集中完整提供了生成提示词（Prompt）与样本级元数据，并对比分析了无性别限定下生成图像的性别分布与美国劳工统计局实际职业数据的偏差，以及局部编辑尺寸对零样本 AI 检测难度的关联。该数据集不仅为人类感知与分辨 AI 媒体的研究提供了高质量基准，也为 AI 检测分类器的校准及生成式模型的偏见评估提供了重要支持。
单图食物重量估算模型无法在跨数据集场景下迁移其克重度量尺度
基于单张照片估算食物重量是基于图像的膳食评估技术的核心，但训练好的模型能否迁移到新相机与新食物类型上此前尚不明确。研究团队在包含 2253 道经过称重的 Nutrition5k 菜品数据上微调了 DINOv2-base 模型，以实现从单张 RGB 照片预测重量。研究发现此类模型在跨数据集场景下无法有效迁移其克重尺度，揭示了当前单图食物估算方案在跨域泛化上的显著瓶颈。该结论对数字营养评估与 AI 膳食分析工具的实际落地提出了重要的尺度校准警示。
T-DIG：面向图像生成的文本条件多样性机制
本文提出了针对文本到图像（T2I）模型的创新研究 T-DIG。现有主流 T2I 平台往往重点优化单张图像的生成质量，但这往往以牺牲生成结果的视觉多样性为代价，限制了用户探索多种视觉呈现的可能。T-DIG 旨在通过文本条件控制来提升输出样本的多样性，帮助模型在保持高质量的同时覆盖更丰富的意图解释。这一研究为解决文生图同质化瓶颈、提升生成式创意工具的用户体验提供了重要参考。
基于真实到粗糙图像监督的无配对粗模到逼真视频生成技术
粗糙到逼真（Coarse-to-real，C2R）视频生成旨在将游戏渲染、物理仿真或粗糙动画转化为摄影级真实视频，但以往方法受限于成对（粗糙、真实）视频数据集稀缺且昂贵的问题。该研究提出一种利用数据获取不对称性的新范式：借助现有图像编辑与3D重建工具低成本构建成对图像，训练 DINO-R2C 模型将普通真实视频逐帧转化为伪粗糙视频，进而驱动 C2R# 模型完成生成训练。该方法在推理阶段直接舍弃图像转换模块并使用实际粗模视频驱动，彻底摆脱了对成对视频数据的依赖，使大模型能够直接基于海量真实视频语料库进行扩展训练，大幅降低了游戏影视化与仿真渲染落地的门槛。
JUICE：基于预训练表征空间的统一多模态建模
该研究提出了 JUICE 模型，旨在解决当前统一多模态模型在图文生成机制上的不对称问题。目前主流架构多依赖预训练语言模型生成文本、外接扩散头生成图像，且多模态输出往往遵循固定先后顺序，导致先生成的模态无法自适应后续内容。JUICE 探索在预训练表征空间内统一多模态建模，为多模态内容的双向灵活生成与协同交互提供了新路径，对下一代多模态生成式 Agent 及应用开发具有重要参考价值。
基于数字孪生与上下文记忆的复杂度感知手术视频推理分割
传统手术视频分割高度依赖闭集类别或显式文本查询，难以处理涉及手术工作流、器械功能及长程时序关系的复杂隐式推理任务。该研究提出了结合数字孪生与上下文记忆的复杂度感知手术视频推理分割框架，旨在攻克高动态场景下的手术视觉语义理解难题。这一成果提升了多模态模型在复杂临床环境中的情境感知与推理能力，对新一代智能计算机辅助手术系统及医疗具身智能的开发具有重要指导价值。
数据差异化评估框架 DDF：利用信息论与博弈论指标在 Agent 评测流水线（SDSAE）中量化数据边际价值
针对数据密集型企业在采购或引入新数据时难以评估边际收益与采购成本平衡的问题，研究团队提出了数据差异化评估框架（DDF）及配套的战略数据采购 Agent 流水线（SDSAE）。该框架将 mRMR 特征选择理论扩展至资产级别，结合互信息冗余惩罚、显著性门控边际效用以及企业治理指标，能够在早期过滤冗余数据以规避昂贵的模型重训开销。在信用卡欺诈基准测试中，真正具备差异化的资产获得了 +0.663 的推荐采购评分，而完全冗余资产仅得分 -0.135，且结论在多项战略权重配置下保持稳健。该研究为企业级 AI 数据采购决策提供了可量化、低成本且统计严谨的自动化落地方案。
高斯先验何时失效？强化学习微调下的潜空间几何特性探究
本研究深入探讨了潜扩散模型（Latent Diffusion Models）在强化学习（RL）微调过程中，变分自编码器（VAE）潜空间高斯先验的结构性局限。研究指出，尽管高斯先验在基础生成任务中表现良好，但在 RL 微调下，标准 VAE 的 KL 散度约束会引发潜在空间几何层面的结构缺陷。该结论揭示了扩散模型对齐与优化过程中表征空间的深层瓶颈，为改进文生图及多模态模型的强化学习微调算法提供了重要参考。
基于大语言模型（LLM）的 Agent 系统自动化故障归因机理研究
本研究针对基于大语言模型（LLM）的多 Agent 协同系统在执行复杂任务时的可靠性难题展开机理探讨。虽然多 Agent 交互与并行执行子任务显著拓展了复杂任务的处理能力，但其协作架构也为错误追踪与溯源带来了新的挑战。论文聚焦于自动化故障归因（Automated Failure Attribution），深入剖析故障在多 Agent 交互中的传导与定位机理。该成果对于开发者排查 Agent 架构系统性脆弱性、建立高容错多 Agent 生产工作流具有重要参考价值。
针对迭代式 ML-Agent 测试框架的显式反馈契约
该研究聚焦于迭代式 ML 智能体（Iterative ML Agent）在模型开发过程中的反馈评估机制。现有的评测框架通常在 Agent 每次修改代码并运行实验后立即返回精确的验证分数，这种反馈循环容易导致验证集被过度拟合与评估失真。研究提出了面向测试框架的“显式反馈契约”，旨在规范与重构模型开发中的验证信号。这一机制对未来标准化自动化机器学习（AutoML）与 AI 编程智能体的测试基准具有重要的指导意义。
先评估后分配：强化学习中面向 MCP Agent 的校准 Rollout 预算方案
针对工具使用型语言模型（MCP Agent）在强化学习训练中环境交互成本高昂的问题，该论文指出了 Rollout 组内奖励一致时无法产生相对学习信号的核心痛点。研究提出利用奖励分歧度（Reward Disagreement）指导评测框架，并以此动态校准和分配策略训练的 Rollout 采样预算。这一方法能显著减少无意义的采样开销，对优化 Agent 强化学习训练效率和降低算力成本具有重要参考价值。
Second Thoughts：通过世界模型中的对比想象进行探索与规划
论文提出了一种名为 SDI（Sibling Disagreement in Imagination，想象中的兄弟分歧）的新机制，用于解决智能体在世界模型规划中的核心难题。该机制重点探讨了智能体如何在行动前决定该探索哪些备选路径，以及何时应使用新生成的规划方案取代既有的学习策略。这一研究通过对比想象空间中不同动作分支的分歧来引导探索与决策，为基于世界模型的强化学习与自主智能体（Agent）的高效规划提供了全新的实现思路与理论参考。
ReAPO：面向大语言模型推理高效探索的重试感知策略优化
研究人员提出了 ReAPO（Retry-Aware Policy Optimization，重试感知策略优化），旨在解决带可验证奖励的强化学习（RLVR）在大模型推理任务中探索效率低下的问题。传统 RLVR 普遍依赖独立的随机采样轨迹进行探索，容易导致模型反复尝试相似的失败解题策略并浪费算力。ReAPO 引入重试感知机制，促使策略模型在探索时避开无效路径并提升解空间覆盖率，从而有效提高采样效率与推理表现。该方法为复杂推理与代码生成场景下的 RL 探索提供了更高效的训练范式。
RAG 中的 C$^2$U：检索增强生成中的组合式概念遗忘技术
针对检索增强生成（RAG）系统容易通过检索证据泄露敏感或不良概念的问题，研究团队提出了组合式概念遗忘技术 C$^2$U（Compositional Concept Unlearning）。该研究重点探讨了在编码器与文档索引完全固定的前提下，如何在查询端实现精确的概念抑制。即使生成模型本身已完成安全合规对齐，检索环节仍可能引入风险，而 C$^2$U 为开发者提供了一种轻量且高效的安全防线，避免了重新构建海量向量索引的巨大成本。
norregel：针对挪威法律时效性数值的大模型预注册基准评测
本文介绍了针对挪威法律条文（法规、规章与议会决议）中时效性数值的预注册评测基准 norregel。该基准从 Lovdata 开放数据中自动化提取了 916 个带有修订历史时效的条目，涵盖金额、百分比、保险基数倍数与年龄限制，用以检验大语言模型在特定历史节点的数值准确性。评测结果显示，在主要测试集上 Opus 5.5 和 Sonnet 4.6 的准确率仅分别达到 46.7% 和 40.2%，而 Haiku 4.5 等模型生成的大部分答案甚至无法被解析。研究表明模型在处理带时间切片的高精细度法律数值时依然存在明显短板，对法律科技领域构建可靠检索增强生成（RAG）与知识时效性对齐机制提出了更高要求。
TrainBridge：基于 GPU 编译证据引导的 Agent 化 NPU 训练优化
该研究针对华为昇腾（Ascend）NPU 平台探讨了深度学习训练效率的提升途径。研究团队指出，当前 NPU 训练程序中的框架级编译优化（如算子融合）往往应用不充分，造成了计算碎片化以及可避免的执行开销。为此，论文提出了利用成熟 GPU 编译证据来引导 Agent 智能优化 NPU 训练的方法 TrainBridge。这项工作为降低新兴 AI 芯片的编译适配门槛及跨架构训练性能调优提供了新的探索路径。
角色增强型零样本思维链（RE-ZS-CoT）提示法大规模评测
本文提出角色增强型零样本思维链（Role-Enhanced Zero-Shot Chain-of-Thought, RE-ZS-CoT）提示框架。该框架通过系统化融入领域专家角色设定，在无需任务特定标注示例的前提下，有效增强大语言模型（LLM）的复杂推理能力。论文对该方法进行了系统化的大规模基准评测，验证了专家角色引导对零样本推理表现的提升。这项研究为开发者在少样本标注稀缺的实际业务场景中优化 Prompt 工程、低成本释放模型领域专业潜力提供了重要参考。
全面扫描还是构建索引？长文档 RAG 中的证据覆盖度、回答质量与成本权衡
本文探讨了在长文档 RAG（检索增强生成）场景下，逐段扫描与索引检索之间的效果与开销权衡。研究对比了涵盖词法检索、稠密检索、混合重排及全文扫描在内的 11 种检索配置，评估其在有用证据保留率与最终生成质量上的实际差异。该成果为开发者在设计长文本问答与 Agent 系统时提供了关键的架构选型依据，有助于在答案准确度与 Token 计算成本之间实现最优平衡。
构建用于自主发现线性注意力架构的 AI 研究团队
随着自主 Agent 在提出假设、修改代码和执行实验方面的能力持续提升，由协同工作的 AI 研究员团队驱动的科学发现迎来了新机遇。针对模型架构搜索中容易陷入局部最优的瓶颈，该研究提出了构建多 AI 研究员协作团队的机制以促进更广泛的探索。这一探索不仅展示了多智能体协作在自动化模型架构发现中的潜力，也为未来全自动深度学习科研（AI for Science）范式和高效注意力机制演进提供了参考思路。
SANE：面向 LLM 裁判的自动化定制蜕变测试
本文提出了面向大语言模型（LLM）裁判的自动化定制蜕变测试（Metamorphic Testing）方法 SANE。随着 LLM 裁判在基准评测、模型选型、数据清洗及训练流程中扮演核心角色，其判决结果唯有在面对影响评分准则的变化时保持可靠响应才具备实际效用。针对现有裁判可靠性测试方法的不足，该研究探索了更具针对性的自动化蜕变测试方案。这项工作对提升大模型评估系统的可信度与工程落地质量具有重要参考意义。
法律要素在大语言模型（LLM）中存于何处？
在基于案例的法律推理中，法律专业人员通常识别新案件中具有法律意义的事实模式，并将其与既往判例进行对比。在 AI 与法律（AI & Law）交叉研究中，HYPO 维度和 CATO 要素常被用于符号化表示这些模式并进行结构化组织。该研究聚焦于探讨这些关键法律要素在大语言模型内部的表征机制与分布位置，对推动法律 AI 的可解释性与深度推理能力具有重要参考价值。
有人在维护卡特尔同盟吗？强化学习在市场博弈中教给了 LLM Agent 什么
本研究探讨了大语言模型（LLM）定价 Agent 在市场竞争中的算法合谋与惩罚机制。现有评估通常认为定价 Agent 会自发合谋获取垄断利润，但经济学中卡特尔同盟的维系依赖于对违规者的惩罚执行。研究借助强化学习考察 LLM Agent 是否能在市场环境中真正习得监督与惩罚策略。该成果对多 Agent 系统的反垄断合规监管和自动化市场机制设计具有重要启发意义。
SkillEval：基于认知诊断模型构建大语言模型的可解释能力画像
当前大语言模型（LLM）在各类基准测试上的评测往往将全部样本的表现汇总为单一标量分数，存在评估颗粒度过粗、忽视基准覆盖的多维能力等缺陷。为此，研究团队提出了 SkillEval，通过引入认知诊断模型（Cognitive Diagnosis Models, CDM）来学习并推断模型的可解释技能画像。该方法将教育测量学机制引入 AI 评测，有助于开发者精准诊断模型的细分能力短板并进行针对性对齐与优化。
新数据显示：OpenAI 正在企业用户市场追赶 Anthropic
Ramp 的最新数据显示，在其覆盖的逾 7 万家美国企业中，OpenAI 正在缩小与 Anthropic 的企业 AI 支出份额差距。Anthropic 于 5 月以 41% 的份额超过 OpenAI 的 39%，截至 7 月仍以近 44% 领先于 OpenAI 的近 40%，但 OpenAI 在第三季度迄今的增速更快。数据同时表明，企业会随着各家实验室发布新模型而切换供应商，企业 AI 支出的“黏性”可能低于投资者预期。整体市场仍在扩张：Ramp 客户中付费使用 AI 的企业比例已从 3 月超过 50% 升至 7 月接近 56%。
开源终端 uniTerm v1.8.0 发布：新增 SOCKS5 隧道、密钥库等 50 余项功能更新，仅 14MB 覆盖 27 种协议
uniTerm 是一款轻量级一站式终端软件，Windows 版本安装包仅 14MB。整合终端、文件传输、远程桌面、数据库客户端、容器等 5 大类协议于一身；内置可自主执行的 AI Agent，能规划并执行多轮 Shell 命令。 本次 v1.8.0 是一次大规模集中更新，累计 50 余项功能、改进与修复。重点新增 SSH 密钥库（Vault）与 SOCKS5 / HTT...
Amazon Bedrock 推出 OpenAI GPT-5.6 模型跨 Region 推理
Amazon Bedrock 现已在超过 25 个 AWS Region 提供支持跨 Region 推理的 OpenAI GPT-5.6 模型，包括 Sol、Terra 和 Luna 三个变体。开发者可使用美国地理推理配置文件，将数据处理限定在美国地理范围内；也可使用全球配置文件，根据实时容量将请求路由至全球支持的商业 AWS Region。三款模型均支持文本和图像输入、100 万 token 上下文窗口、推理模式、服务端工具调用和提示词缓存，并兼容 OpenAI Responses API、Chat Completions API 与 Bedrock Converse API。该能力通过扩大可用计算资源池来提升吞吐量和负载下的性能稳定性，同时要求开发者根据数据驻留和合规要求选择合适的推理配置文件。
利用 Snowflake、Amazon SageMaker Canvas 和 Amazon Quick 构建无代码 ML 工作流（第 2 部分）：使用 Amazon SageMaker Canvas 进行数据准备与模型构建
本系列第 2 部分介绍如何在 Amazon SageMaker Canvas 中直接连接 Snowflake，完成欺诈检测数据集的准备、扩充、关联与转换，无需编写机器学习代码。流程利用 Data Wrangler 的可视化功能，基于信用卡和商户交易金额的均值加 3 倍总体标准差构建异常阈值，并生成相应的异常标记特征。随后，用户可移除卡号、商户名称等敏感字段，并通过数据质量分析识别目标泄漏、类别不平衡等常见问题。该流程为训练 XGBoost 欺诈检测模型以及后续构建交互式仪表板奠定基础，同时减少数据导出和移动需求。
CFP 开放 | KCD 杭州站邀您共议 Agent 时代的云原生、可观测与大模型推理
点击查看原文>
搭载 Visual Studio 2026 的 Windows 11 arm64 镜像正式发布
搭载 Visual Studio 2026 的 Windows 11 arm64 镜像现已在标准及更大规格的 GitHub 托管运行器上正式可用。开发者可在 GitHub Actions 工作流中将 `runs-on` 设置为 `windows-11-vs2026-arm` 以使用或提前测试该镜像。GitHub 将于 2026 年 9 月 21 日至 30 日逐步把默认的 `windows-11-arm` 镜像切换至 Visual Studio 2026，这可能会影响依赖 Visual Studio 2022 的工作流。