为什么越来越多人用OpenWiki？
前言 很多团队在用上AI编程工具之后，都会遇到这个瓶颈：AI的“短期记忆”够了，但“长期记忆”没有。 每次任务都是一次全新的开始，之前积累的理解完全浪费。 2026年7月，LangChain开源了Op
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。
12161资讯
12029正文归档
76562媒体
Grok Bot 还是 OpenClaw？聊聊真正能替人打杂的 AI 智能体
从去年开始，不少人的电脑里多了一个常驻帮手。它不是网页里单次问答的聊天框，而是拥有自己的运行环境、能替人盯着收件箱和日程的智能体
coost v4.0.0 发布
coost v4.0.0 是一次较大的版本更新：编译器要求提升至 C++17，移除了若干维护成本较高的模块，新增 Windows ARM64 与 FreeBSD 平台支持，并对核心组件进行了性能优化与 API 整理。升级前请先阅读下方的破坏性变更。 1. 破坏性变更 编译器要求 C++17 旧版本中的流式日志写法： LOG << "hello " << 23; 在本版本中被替...
Hologres：一站式 Agentic 多模态检索分析平台
从多模态数据加工与检索，到 AI 助手，再到 Agent 长记忆，Hologres 面向 AI 的能力已经从数据处理一路延伸到数据使用和 Agent 运行。
OmniDocBench 深度解析：从评测原理到评测开源/闭源 OCR 模型实战
本文从工程实践出发，系统拆解 OmniDocBench 的评测架构、核心指标、运行方式与模型接入流程，并重点介绍如何统一评测开源与闭源 OCR 模型，构建可复现、可扩展的文档 AI 质量评测体系。
《Agent 的记忆怎么做：实时记忆、被动压缩与主动整理的三层设计》
会话靠锁保证串行，历史内存 + JSONL 双写，上下文超限时按阈值压缩摘要，空闲时再让 LLM 主动整理长期记忆——但用户画像是全局共享的。本文讲清三层记忆的边界，以及“什么留内存、什么落磁盘”
每天一个开源项目#100 OpenCodeReview：2.6万星的低噪声AI审查器
OpenCodeReview把代码审查拆成确定性流水线和LLM判断两层，适合PR CI与全仓扫描。本文核对CLI、源码架构和基准边界，重点看低噪声审查如何落地。
OpenArm：面向高接触环境物理 AI 研究与部署的全开源人形机械臂
OpenArm 是一款开源 7 自由度（7DOF）人形机械臂，面向高接触环境中的物理 AI 研究和实际部署。其高反驱性与柔顺性旨在支持安全的人机交互，同时提供适用于现实任务的有效负载能力。完整双臂系统售价为 6,500 美元，可用于遥操作、模仿学习、仿真及真实世界数据采集。配套的 OpenArm Cell 通过统一背景、照明和相机位置，为全球研究者提供可复现的一致评测环境。
与 Agent 一起规划：分割的世界、边界对象与更厚的界面
这场演讲探讨人类与 Agent 如何共同规划软件工程工作，并批评当前以 CLI、问答和大段 Markdown 为主的规划体验。演讲借用 Lucy Suchman 关于“情境行动”的研究指出，预先制定的计划在面对真实环境时往往很快失效，而人类意图与 Agent 的现场决策之间存在天然断层。作者认为，人类每分钟约能阅读 240 个词，而 Agent 每分钟可生成约 4,500 个词，文本密度和交互界面的失衡会加剧疲劳并降低决策质量。其核心主张是构建更有效的“边界对象”和更厚的界面层，在不要求人类与 Agent 完全理解彼此世界的前提下，支持更高质量的协作。
RxScribe Bench：用于评估视觉语言模型在印度门诊处方识别表现的多维度基准
处方转录错误在临床影响上无法等同视之，模型虚构药品与误读清晰剂量的临床风险截然不同，但现有研究通常仅采用单一混合指标评估准确率。RxScribe Bench 针对印度门诊处方场景构建，是一个用于全面评估视觉语言模型（VLM）表现的多维度基准测试。该成果为开发者和医疗 AI 领域提供了细粒度的临床安全与识别能力评估工具，有助于推动医疗文档智能处理的实际落地。
MODA 通用属性套件：面向时尚属性提取的四轨评估基准
针对时尚属性提取领域评估标准不一致的痛点，该研究提出了四轨评估基准 MODA 通用属性套件（MODA General Attribute Suite）。当前业界评测常将不同难度的图像类型简单聚合成单一分数，并将图像中不可见的字段直接按常规负样本计算，忽视了词表设计带来的偏差。MODA 通过细分四个评估赛道，为时尚领域的多模态属性提取与电商大模型提供了标准化、高精度的评测基准，有助于开发者更准确地诊断模型缺陷与真实泛化能力。
SomBench：推进月球科学机器学习研究的基准数据集
研究团队针对月球科学领域发布了基准数据集 SomBench，旨在加速机器学习在该领域的应用与发展。该数据集整合了月球勘测轨道飞行器（LRO）、月亮女神号（Kaguya/SELENE）、重力恢复与内部结构实验室（GRAIL）及月球探勘者号等探测任务的多载荷观测数据。针对多源任务在空间采样和投影格式上的异质性瓶颈，该基准为研究人员提供了标准化的评估环境，对利用 AI 推进月球地质与空间科学研究具有重要意义。
面向长上下文文档问答的能力路由视觉检索与证据串联
该论文聚焦年度报告、尽调材料和信息图仪表盘等长文档中的视觉化数字信息检索与问答。作者指出，坐标轴、表格网格和脚注等关键信息常嵌入页面图像中，传统 OCR 流水线会将其扁平化处理，而页面级视觉检索器也往往无法区分不同的上下文示例。论文提出“能力路由视觉检索”和“证据串联”方法，用于改进长上下文文档问答中的证据定位与推理。该研究对需要从复杂企业文档中准确提取数字、图表和注释信息的开发者与行业应用具有参考意义。
STEER：面向科学图表理解的结构标记证据锚定推理
针对大型视觉语言模型常将科学图表当作自然照片处理、易产生未对齐数值幻觉的问题，研究团队提出了 STEER 框架。该架构冻结了 Llama-3.2-Vision 编码器，并引入图表结构图编码器（CSGE）、证据锚定单步推理（EASR）以及弱解析器-强推理器对齐（WPSR）三个模块，强制推理链的每一步算术操作都必须引用图表结构节点。评测显示，STEER 在 ChartQA 上取得了 82.70 的平均松弛准确率，显著超越 ChartGemma，并在杜绝 OCR 捷径的 CharXiv 和 ChartQAPro 等复杂基准中展现出更明显的领先优势。该工作为开发者和学术界在多模态 Agent 进行高精度科学文档解析与数据推理方面提供了可信度更高的解决方案。
BEACON：面向特定人物视频生成的行为与外观控制
BEACON 是一种轻量级的特定人物视频生成框架，旨在同时保留人物的视觉身份和个体化面部表情行为。该方法使用参考图像编码身份，并使用参考视频捕捉人物特有的面部动态，从而将外观与表达行为解耦。实验显示，在 MEAD 和 RAVDESS 数据集上，BEACON 仅需微调约 2,000 个样本对、更新预训练 Wan 视频扩散模型约 1% 的参数，即可较现有先进方法提升面部表情表现力，同时维持具有竞争力的身份保持能力。该方法还支持身份与表情的迁移，为更可控、更具个性化的视频生成提供了新的实现路径。
基于 EventGraph 与 EventField 的可解释时序视频推理
本文提出了一种基于离散 EventGraph、连续 EventField 以及人类可读 EventGlyph 视图构建的结构化时序视频推理管线。在 EPIC-KITCHENS 校准子集的 10 个视频及 50 个时序推理问题评测中，EventField+Glyph 方案取得了 0.98 的总体准确率，相比字幕基线提升 0.40，相较直接使用 VLM 问答提升 0.20。该研究展示了结构化时序表征在保留符号结构与捕捉时间连续性方面的显著优势，不仅提升了视频推理性能，还为多模态长视频理解与诊断提供了兼具性能与可解释性的新范式。
多模态面部状态分析综合综述：任务、方法与资源
该论文对多模态面部状态分析的任务、方法与资源进行综合梳理。面部状态分析对于理解人类表情、心理建模和人机交互具有重要作用。论文指出，传统基于单一视觉模态的方法往往容易受到环境因素影响，且可解释性较弱；这表明融合多种模态的信息可能对提升相关系统的鲁棒性与可解释性具有意义。
多模态大语言模型会像人类一样报告双稳态图像吗？
该论文研究多模态大语言模型（MLLM）如何理解鸭兔图等双稳态图像。此类图像可支持多个彼此不兼容的解释，而人类通常一次只会报告其中一种感知结果。作者据此考察 MLLM 是否表现出与人类相似的图像解释与报告特征。该研究可能有助于评估多模态模型的视觉感知、歧义处理与类人认知能力。
面向长视频理解的 MLLM 无关即插即用关键帧选择方法评估
该论文关注多模态大语言模型（MLLM）在长视频理解中的关键帧选择问题。由于视觉 token 预算和计算资源有限，MLLM 无法处理长视频中的每一帧。论文评估了与具体 MLLM 无关、可即插即用的关键帧选择方法，旨在为长视频任务中的高效视频采样与模型部署提供参考。原文提供的摘要片段未包含具体实验数据、评测结论或方法细节。
SJD-SV：用于自回归图像生成的带语义验证推测性 Jacobi 解码
该论文提出 SJD-SV，一种面向自回归图像生成的带语义验证的推测性 Jacobi 解码方法。原文指出，Speculative Jacobi Decoding（SJD）是加速自回归图像生成的重要方案，且已展现出较优性能。摘要同时提到，近期研究发现 SJD 在 token 验证过程中通常存在 token 歧义问题；但所提供的原文摘要在此处截断，未包含具体方法、实验数据与完整结论。该研究若能有效缓解验证歧义，有望提升图像生成推理加速方案的可靠性与实用性。
ArtSociety：用于艺术情感理解的多智能体多模态协作
论文提出 ArtSociety，探索通过多智能体多模态协作开展艺术情感理解。其面向 AffectiveArt 多维艺术情感理解任务，需要联合预测作品的细粒度情感类别、二元效价/唤醒度，以及五类基于属性的描述。该任务包含 12 个细粒度情感类别，且类别长尾分布显著，头部与尾部类别比例达 1549:1。相关设定可为需要理解艺术作品情绪、属性与语义描述的多模态 AI 开发提供评测与建模参考。
基于闭式咬合几何的正畸报告生成
针对口腔内扫描数据生成正畸诊断报告的任务，传统方法通常将其视作多模态字幕生成（Captioning）问题。研究团队指出，在公开的 Bite2Text 数据集中，三维扫描对实际上已经完成了咬合配准，这意味着多项核心咬合特征量可以直接通过解析几何以闭式形式进行精确测量，而无需仅依赖黑盒神经网络预测。该成果为正畸临床报告的自动化与规范化生成提供了更具可解释性与几何精度的方案，对口腔医疗 AI 系统的可靠性与标准化落地具有积极参考价值。
EMCStereo：结合注意力增强与合成树枝基准数据集的细长结构深度估计立体匹配方法
针对树枝等细长结构仅占数个像素宽、背景杂乱且真实场景下稠密真值极难人工标注的行业痛点，研究团队提出了 EMCStereo 模型。该研究聚焦细长结构的立体匹配与深度估计难题，引入注意力增强机制以提升对微小结构的感知精度，并构建了专门的合成树枝基准数据集。该成果有效缓解了细长物体三维重建中的真值稀缺与匹配失真问题，对林业巡检、机器人避障和复杂环境三维感知应用具有重要参考价值。
别光看，去干预：面向 VQA 图像的基于扰动的区域标注
视觉语言模型（VLM）在回答问题时应依赖直接决定正确答案的视觉证据，但现有人工标注视觉推理定位的方法成本高昂，且往往局限于特定数据集的标注基元。本研究提出了一种基于主动干预与扰动的图像区域标注方法，用于视觉问答（VQA）场景。该方法通过对图像区域进行扰动观察模型输出变化，从而自动识别出对推理起决定性作用的关键视觉区域。这一范式为降低高质量多模态对齐数据的获取成本提供了新思路，有助于提升 VLM 视觉推理的可靠性与因果可解释性。
基于掩码条件潜在扩散与大型慢性创面数据集迁移学习的合成麻风病图像生成
针对被忽视热带病（NTDs）领域面临的严重数据匮乏瓶颈，本研究提出利用掩码条件潜在扩散模型与大型慢性创面数据集迁移学习来合成麻风病图像。公开的麻风病（汉森病）标注图像仅有数百张，远低于主流生成模型所需的训练数据规模。该研究探讨了跨病种创面数据迁移在稀缺医学图像生成中的可行性，为罕见及被忽视疾病的数据增强和AI辅助诊断模型训练提供了新的技术路径。
单一能谱与两种资源：自回归预测中的数据-内存 Scaling 法则
本研究探讨了模型若要从更多数据中获益，究竟需要多少学得的内存容量。研究人员证明，在正熵自回归检索源中，数据与内存这两种资源共同受单一“预测能量谱”（predictive-energy spectrum）的支配。每个坐标的贡献均由其查询概率与对应因子的乘积决定。该结论为自回归预测中数据量与参数容量的联合扩展（Scaling）提供了理论解释，对优化大模型架构设计及检索与记忆资源的分配具有重要参考价值。
基于 openEO 的地球观测数据立方体机器学习 API
地球观测（EO）数据正日益采用时空数据立方体（spatio-temporal data cubes）进行组织，而主流机器学习（ML）方法则通常依赖表格特征矩阵或结构化张量输入。该论文提出了一种基于 openEO 标准的机器学习 API，旨在弥合这一数据结构层面的不匹配问题。以往这种格式差异迫使开发者进行大量依赖特定平台的繁琐数据转换，而该标准化方案能够简化工作流，为地理空间与遥感开发者提供更具互操作性的统一建模与特征提取接入能力。
LLM 还是朴素贝叶斯？经典明珠与前沿路径之争
本研究探讨了在大语言模型（LLM）时代，以朴素贝叶斯（Naive Bayes）为代表的经典统计方法是否应当退役。研究团队将补充朴素贝叶斯（Complement Naive Bayes）与横跨 4 个模型家族、参数规模跨度达 37 倍的零样本及少样本 LLM 进行了基准对比测试。分析表明，经典统计算法在计算效率、资源消耗和特定分类任务上依然保持着极高的实用价值。这项工作提醒开发者与行业在追求前沿大模型的同时，应警惕过度设计，在性能与推理成本之间寻求最优工程平衡。
物理信息神经网络（PINN）中的导数保真度失效模式：来自函数值训练的强化基准证据
本研究探讨了物理信息神经网络（PINN）中的关键缺陷：模型在函数值上的高精度拟合并不意味着其导数同样准确。论文将这种现象形式化定义为“导数保真度”（derivative fidelity）失效模式，并通过函数值训练任务提供了强有力的基准测试证据。这一发现揭示了当前科学计算与 AI for Science 领域在仅依赖函数误差评估模型时存在的潜在风险，对构建更可靠的高保真物理仿真模型具有重要参考价值。
BudgetBench：面向本地大语言模型 Agent 内存策略评估的预算分级协议与测试框架
针对本地大语言模型（LLM）Agent 面临的内存容量、预填充延迟与缓存增长等资源瓶颈，研究团队提出了 BudgetBench 协议与参考测试框架，将单次调用的输入 Token 预算作为核心自变量。该框架在 2K 至 32K Token 预算阶梯下，系统测试了质量、预算利用率、延迟及预算违规率，并结合 SWE-bench Verified、LongBench v2 及 LongMemEval 等基准进行了多模型先导性验证。测试揭示了单一预算评估无法捕获的非单调质量曲线与合规失败现象，同时开源了可插拔的 MemoryStrategy 接口与审计工件，为开发者在硬件受限环境下量化权衡上下文与记忆策略提供了标准化规范。