模型

SpaceXAI 於 2026 年 7 月 15 日開源了 Grok Build，這是其 grok CLI 背後的終端 AI 編碼代理。源代碼以 Apache 2.0 許可證發佈，包含代理循環、工具調度、TUI 和擴展系統，但 Grok 4.5 模型保持閉源，且不接受外部貢獻。

VaultCharts是一款免費的桌面交易應用，結合了圖表工具與AI助手。它支持多種AI模型，以本地優先為特點，用户可以在有或沒有AI輔助的情況下分析市場。

知識追蹤（KT）旨在通過建模學生歷史交互中的動態知識狀態來預測其未來表現。現有方法通常將原始交互序列視為統一行為過程，忽略了學習行為的階段性。本文提出相位感知知識追蹤（PAKT），將學生交互分解為能力和熟練度階段，並設計多分支Transformer聯合捕獲階段特定和整體知識狀態。在六個基準數據集上，PAKT最大AUC提升1.33%，平均提升0.82%。

該研究將何時調用大語言模型（LLM）的問題形式化為基於風險的序列停止問題，並證明了六個理論結果，包括最小事件間隔時間、閾值策略的最優性以及遺憾界。在渦扇退化數據上的實驗表明，異常得分驅動的風險函數在Pareto AUC上比基線方法高出一個數量級。

針對參數分解（PD）在大模型上計算成本高的問題，研究者提出定向參數分解（tPD），通過引入高秩“全能”組件僅處理目標輸入，從而高效識別特定計算電路。實驗表明，tPD在4塊Transformer上僅用7%的浮點運算量即可提取CSS子模型，並在12塊Transformer上精準消融和重寫記憶序列，副作用極小。論文被ICML 2026可解釋性研討會接收。

提出了一種輕量級訓練策略，通過解耦特徵提取與分類器優化，大幅減少訓練時間和能耗，在多種架構和醫學數據集上僅犧牲微小的準確率。

小型語言模型在零樣本分子屬性預測中表現不佳，因為它們忽略了圖拓撲信息。本文提出了一種上下文增強提示框架，通過圖神經網絡工具提供預測提示和解釋性子圖，在MUTAG和Tox21數據集上實現了高達74%的相對改進，但仍與專用GNN模型存在差距。

本文綜述了自我改進型自主代理的研究進展，提出了一個系統級框架，將現代代理視為基礎模型與操作支架（包括提示、記憶、工具和控制邏輯）的耦合。在此框架下，自我改進被形式化為一種自我驅動的更新算子，可更新模型參數或支架組件。文章按更新目標和驅動信號對現有工作進行分類，並討論了應用、評估以及未來方向。

大型語言模型生成的思維鏈推理看似邏輯嚴謹，但實際上可能並未真正依賴其所述的前提。本文提出一種干預式基礎審計方法，通過替換單個前提中的目標謂詞，重新運行模型，並檢查推理步驟的標準化結論是否改變，從而在步驟級別測試前提依賴。在ProntoQA基準測試中，該方法在檢測證明樹依賴方面的F1分數達到0.806，顯著優於自一致性基線。此外，66%的正確解決問題中存在至少一個對齊步驟對直接證明樹依賴不敏感，揭示了“答案正確但推理錯誤”的信號。

研究人員提出SPINE，一種智能體框架，可自動調試和部署雙臂機器人，減少專家校準依賴。測試中，SPINE提高了成功率並縮短了遙操作時間。

MIT與多家機構的研究人員開發了一種名為GIFT的自動化框架，能夠幫助視覺語言模型更準確、更高效地生成CAD程序，從而將二維設計轉化為三維模型。該方法通過分析模型自身的錯誤來生成改進數據，大幅降低了計算成本，為快速原型製作和工程設計提供了有力工具。

xAI 的 CLI 工具 grok 因會上傳整個目錄至 Google Cloud 而引發隱私爭議，隨後 xAI 開源了整個 Grok Build 代碼庫，並承諾刪除所有已上傳數據。該代碼庫包含 844,530 行 Rust 代碼，其中包含系統提示詞、Mermaid 圖表渲染器以及從其他編碼代理移植的工具實現。

米拉·穆拉蒂創立的Thinking Machines Lab今日發佈了其首個基礎模型Inkling，這是一款完全開放權重的巨型模型，擁有9750億參數（混合專家架構，活躍參數410億）。該模型經過45萬億token的文本、圖像、音頻和視頻訓練，原生支持多模態輸入但僅輸出文本。Inkling旨在填補西方開源AI生態的空白，提供中國模型的替代方案。它具備'思考努力'控制和不確定性標記功能，可減少幻覺。開發者可通過Tinker API進行微調。Thinking Machines計劃通過Tinker平台收費，而非按API調用計費，這可能顛覆當前主流AI商業模式。該模型在九個月內完成開發，使用英偉達GB300 NVL72系統訓練。

思考機器實驗室於2026年7月15日發佈了其首個從頭訓練的模型Inkling，採用Apache 2.0開源協議。該模型總參數量9750億，活躍參數410億，支持100萬token上下文窗口，可處理文本、圖像和音頻輸入。其核心差異化優勢在於可控制的思考力度，用户可根據需求調整推理時的token預算，平衡成本與性能。

NVIDIA發佈了基於Thor架構的T3000和T2000模塊，專為大規模機器人與邊緣AI應用設計。T3000提供865 FP4 teraflops算力，尺寸和功耗僅為T5000的一半；T2000提供400 FP4 teraflops。新模塊支持可擴展邊緣AI平台，並引入智能體技能實現內存優化。同時推出Cosmos 3 Edge模型，適用於實時視覺分析。開發者可通過模擬模式立即開始開發，模塊將於2027年Q1上市。

根據VentureBeat Pulse Research對101家企業的調查，企業代理編排正在向模型提供商平台集中，Anthropic的Claude以40%的使用率領先。然而，大多數部署的“代理”仍是簡單的聊天機器人包裝，真正的多步驟編排工作流僅佔少數。企業預計到2026年底採用混合控制平面以避免供應商鎖定，但實時成本控制仍不成熟。

德國研究聯合體發佈了Soofi S 30B-A3B的預訓練報告，這是一個面向德語和英語的開放基礎模型。模型採用混合Mamba-Transformer MoE架構，總計約316億參數，每次token激活約32億。在完全開放的基礎模型中，Soofi S在英語和德語綜合得分上最高。

谷歌研究團隊在ICLR 2026發表論文，從數學上證明擴散模型的創造力源於神經網絡訓練中的“分數平滑”效應，使得模型能夠在訓練數據點之間插值，生成新穎且合理的樣本。

在一次黑客事件中，AI音樂生成器Suno的訓練數據被曝光，顯示其從YouTube Music、Deezer和Genius等平台抓取了數百萬首歌曲和歌詞。這加劇了針對Suno的版權訴訟，該公司承認抓取但辯稱屬於合理使用。黑客還獲取了客户信息，但Suno聲稱安全事件已得到控制，未泄露敏感數據。

一個研究團隊成功利用分佈在四個國家的14台Mac電腦（包括一台個人MacBook）進行強化學習後訓練，在PaperSearchQA任務上將pass@1從29%提升至63%。該系統通過PULSE權重同步技術實現90MB的增量更新，並採用異步星型拓撲結構，所有通信基於對象存儲，無需專用網絡。這是首次完全使用消費級Mac進行rollout生成的RL後訓練。

Tura是一個本地開源編碼代理，通過在DeepSWE v1.1基準測試中使用宏CLI命令和反向推理，相比Codex CLI High，將LLM調用次數減少80%，同時成功率從60%提升至80%。

研究人員發現Claude的web_fetch工具存在漏洞，允許攻擊者通過嵌套鏈接誘導AI泄露用户私人記憶中的敏感信息，如姓名、位置和僱主。Anthropic已修復該漏洞，但未支付漏洞賞金。

韓國研究人員利用生成式AI模型Generative SNUPI，能夠將用户繪製的形狀自動轉化為可摺疊的DNA納米結構，大幅簡化了傳統DNA摺紙技術繁瑣的設計過程，為納米機器人和醫療應用開闢新途徑。

AI-CLI是一個用單一C文件實現的命令行助手，可將用户請求直接轉換為shell命令並執行。它支持多種本地LLM引擎，如llama.cpp、Ollama等，並允許用户在執行前編輯或拒絕生成的命令。該項目提供了豐富的示例和廣泛的平台兼容性。

OpenAI的自動化紅隊系統GPT-Red利用自我博弈提升AI安全性、對齊性和提示注入魯棒性。

儘管Anthropic聲稱其模型Claude內部出現意識跡象，但神經科學家阿尼爾·塞思認為，這不過是模擬，就像天氣預報系統不會產生真實颶風一樣。

本文介紹了一種用於AI治療的系統設計，該系統通過確定性管道決定臨牀行動，不讓LLM自行決策。系統包括評分、狀態桶、准入表、動作選擇、微實踐和危機預篩查等步驟，僅在評分和生成階段使用LLM。文章還討論了該方法的成本與侷限性。

DiffRadar是一種實時雷達SLAM系統，將雷達觀測建模為可微的物理感知高斯場，而非離散掃描。在公共基準測試中大幅降低軌跡誤差，尤其在特徵貧乏的走廊環境下，同時地圖一致性提升一倍以上，並保持70 FPS的實時性能。

本文提出一種基於契約的行為樹合成架構，通過編碼智能體查詢機器人端的MCP服務器獲取技能庫和操作符，實現從自然語言到可執行行為樹的可靠合成。實驗表明該方法在模擬和實體機器人上均取得高成功率。

一項研究探討了在協作單詞聯想遊戲中，機器人的注視行為如何影響人類的視覺注意力，以及人類是否傾向於向機器人尋求確認性的注視。實驗使用NAO機器人作為大語言模型驅動的對話夥伴，發現機器人注視方向不影響人類首次注視提議單詞的時間，但參與者在對話中包含確認請求時會更頻繁地注視機器人。結果表明，在認知要求高的任務中，語言方面可能壓倒了機器人注視的影響。

GaitSpan是一種新穎的人形機器人步態擴展框架，它利用預訓練的行走策略作為種子技能，通過節奏生成、步幅塑造和殘差適應三個模塊，將基本行走能力平滑擴展到奔跑，實現了連續速度範圍、跨形態遷移和零樣本部署。

提出一種無監督圖像翻譯框架，將白天植物行RGB圖像轉換為近紅外（NIR）夜間圖像，無需逐像素監督，從而重用白天語義標籤訓練夜間感知模型。利用預訓練CLIP模型保持語義一致性，並引入可見性掩碼處理NIR照明有效範圍有限的問題。在AgriNight數據集上評估，該數據集包含428張白天和549張夜間圖像，是首個夜間農業視覺導航基準。實際機器人夜間導航實驗驗證了有效性。

多機器人在受限環境中需要變形和重構兩種行為。現有方法獨立建模或依賴規則，易導致死鎖。EFLUX提出幾何基礎的LLM智能體框架，聯合推理變形和重構動作，通過閉環生成與驗證實現安全導航。實驗表明能減少死鎖和導航失敗。

一項新研究探討了無需訓練的人工合成圖像溯源方法中表示空間與參考選擇之間的相互作用。通過分析CLIP和DINOv2不同層的表示，以及三種參考選擇方法，發現中間層的表示在溯源準確率上表現最佳，且語義約束的參考能有效減少查詢與參考之間的不匹配，提升溯源性能。

本文系統評估了持續學習方法在異構醫學視覺問答任務中的表現，涵蓋分類、多標籤分類、檢測、細胞計數和報告生成等多樣化臨牀目標。研究發現現有持續學習方法難以在不同目標與監督格式交織的任務中保持穩定性-可塑性平衡。

SymbOmni是一種新型AI模型，旨在解決當前模型“永恆新手”的問題——即無法積累經驗並自主進化。它通過符號概念學習，利用可優化的記憶模塊將低級操作抽象為可重用的符號工作流指令，並通過歸納-轉導循環實現持續自我改進。實驗表明，SymbOmni在圖像質量和任務成功率上超越現有代理系統及閉源模型，同時減少40%以上的令牌消耗，並在持續學習基準上取得新成果。

本文提出MetaView，一種基於擴散模型的單目新視角合成框架，能夠從單張圖像實現大視角變化下的渲染。通過結合隱式幾何建模與度量深度，MetaView在保持幾何一致性的同時提供了精確可控性。實驗表明，在挑戰性大視角變化場景下，MetaView顯著優於現有方法。

SpikeDS是一種新型脈衝神經網絡架構，通過結合激活稀疏性和空間稀疏性，高效地從3D MRI中預測膽管癌的神經侵犯，在139名患者的隊列中實現了0.753的AUC，能耗僅14.4 mJ。

自監督學習在醫學影像領域潛力巨大，但標註數據稀缺。本文提出COJEPA框架，結合聯合嵌入預測架構和對比損失，在無標註的T1加權腦部MRI上訓練，實現了優異的局部預測性和全局判別性。在零樣本雙胞胎檢索、腦腫瘤分割和年齡迴歸任務中表現突出，尤其在同卵雙胞胎識別和年齡預測誤差方面達到最先進水平。

本文提出一種新方法，通過視覺語言模型（VLM）生成逐幀描述，並比較兩個任務視頻間的幀相似度及段內自相似性，自動檢測異常幀，從而提取包含專家特定動作和情境決策知識的候選場景。在模擬配電板維護實驗（27個任務場景）中，該方法動作候選提取率達65%，決策場景候選提取率達61%，優於傳統方法的59%和33%。

GenDiff是一種新型擴散模型框架，通過聯合建模連續輻射劑量和解剖信息，實現低劑量CT重建。它整合了劑量-解剖編碼器、冷擴散主幹、物理一致性更新和結構先驗細化模塊，在多種臨牀數據集上優於現有方法，展現出強大的魯棒性和泛化能力。

TSCA-Net通過三個互補模塊（時空團注意力、跨行人團勢、自適應KAN網格細化）顯著提升擁擠環境中的行人軌跡預測精度，在ETH/UCY和SDD基準上達到最先進性能。

提出兩種混合持續學習方法（RA-EWC和CGKD），用於低資源澳大利亞原住民語言識別，有效緩解災難性遺忘，在Warlpiri、Dalabon和Dharawal三種語言上表現優於現有基線。

該論文揭示了語言模型如何區分角色的信念與現實。研究發現，這種分離基於兩個可分離的機制：一個通用值槽綁定屬性值，一個路由器根據查詢選擇讀取的框架。值槽可以通過兩種方式填充：直接斷言和基於可見性的推導。分離位於獨立的路由子空間中，而不是值槽本身。這些結果在多種架構中得到驗證，且該行為在3B至7B參數規模的模型中出現。

本文通過MAGE框架研究多組件提示優化中不同組件的相互作用，揭示了提示優化耦合效應（POCE）：多個隨機優化信號在閉環反射回路中相互作用，同時提升性能與放大方差。關鍵發現包括：基於失敗反思不可或缺、MAGE在GSM8K-Hard上優於GEPA、增大候選多樣性使POCE信號最明顯、POCE依賴於基礎模型能力空間、低數據場景下固定提示優於優化器。

本研究通過兩階段流水線（監督微調+4位量化）將LLaMA 3 (8B)微調為高效的替代重排序器，在RAG管道中替代傳統交叉編碼器，在保持高準確率的同時顯著降低推理成本。在領域特定問答基準上，微調模型在答案相關性、上下文精度、答案相似度和答案正確性上分別提升14%、16%、19%和21%。

本文提出了一種基於軌跡感知知識估計（TAKE）的文本數據集蒸餾框架，利用影響函數和訓練軌跡計算每個樣本的知識得分，並通過最優傳輸選擇原型樣本，可將語料庫壓縮至原始大小的0.1%，同時保持下游任務性能。該方法在文本分類和自然語言推理任務上驗證了有效性，為數據高效AI提供了理論支撐。

本文提出一種基於圖的框架，結合弱監督與傳播圖分析，檢測Telegram生態系統中的虛假信息敍事。該方法將語義相關的聲明聚合為敍事級聚類，並建模其在互連頻道間的擴散，從而發現僅通過帖子級分析難以捕捉的協調放大行為。實驗表明，融合文本信號與網絡結構可提供可擴展的檢測方法，並揭示虛假信息在大型消息環境中的傳播機制。

一項新研究評估了最先進的大語言模型在韓語-盲文雙向翻譯上的表現，發現輸出質量差且不穩定，與人類判斷存在顯著分歧。相比之下，對小型T5-small模型進行監督微調後，所有標準指標均大幅提升。研究表明，當前LLM缺乏盲文感知的標記化，且與盲文模式對齊薄弱，揭示了無障礙關鍵模態中的系統性限制。

本研究提出G-SHARE框架，將核電站人因事件診斷的CNNP九步準則轉化為多階段診斷流程，包括證據提取、逐步推理和一致性修復。在真實數據集上，G-SHARE顯著優於一次性提示和傳統機器學習方法，表明結構化推理和一致性約束對穩健診斷至關重要。