研究

谷歌研究团队在ICLR 2026发表论文，从数学上证明扩散模型的创造力源于神经网络训练中的“分数平滑”效应，使得模型能够在训练数据点之间插值，生成新颖且合理的样本。

在一次黑客事件中，AI音乐生成器Suno的训练数据被曝光，显示其从YouTube Music、Deezer和Genius等平台抓取了数百万首歌曲和歌词。这加剧了针对Suno的版权诉讼，该公司承认抓取但辩称属于合理使用。黑客还获取了客户信息，但Suno声称安全事件已得到控制，未泄露敏感数据。

一种名为CrashStealer的新型macOS恶意软件伪装成苹果崩溃报告工具，窃取用户数据、密码和加密货币钱包。本文介绍其工作原理及三种防御习惯。

LangChain的Fleet平台新增一键部署功能，允许用户无需编码即可创建并发布AI代理到Slack。代理可拥有自定义身份，在频道和线程中工作，并支持权限控制和审批流程。

GeoSQL是一种地理空间分析技能，通过将地图可视化反馈整合到AI代理循环中，显著提高了空间查询的准确性。它解决了AI仅基于文本数据时无法检测到的几何错误（如多边形异常或坐标偏移），并通过数据库探索、成本预估、结果验证和地图渲染等步骤实现自主校正。与Dekart配合使用时，性能提升可达4倍。文章还讨论了局限性，如仅BigQuery支持成本控制、测试规模有限等。

一项调查显示，69%的美国成年人支持强制AI公司将其50%的股票转让给公共主权财富基金，这一政策是伯尼·桑德斯提出的《美国AI主权财富基金法案》的核心。该调查反映了劳动力市场的转变：2026年上半年，科技行业占美国裁员总数的近三分之一，而同期这些公司却增加了AI资本支出。文章还介绍了反对观点，包括财产权反对、投资冷却、就业替代争议以及调查措辞的影响。

本文介绍如何用110行Python代码构建一个基于Telnyx Call Control和AI Inference的AI谈判练习电话。用户拨打电话后，可选择薪资谈判、销售交易或供应商合同三种场景，与扮演对手的AI进行语音谈判，挂断后获得结构化评分反馈。文章包含完整的构建步骤、架构解析和自定义场景的方法。

为了让AI智能体真正自主执行任务，它们需要一个隔离、安全且可快速部署的计算环境。本文介绍了智能体为何需要自己的“计算机”，以及LangSmith沙箱如何通过微虚拟机隔离、快照与分支、认证代理和安全执行等特性满足这一需求。同时讨论了提示注入等安全风险及缓解措施。

ZDNet作者David Gewirtz对比测试了ChatGPT Work和Claude Cowork的桌面文件自动化能力。ChatGPT Work能自动检测重复文件并智能重命名，整理速度虽快但全程未请求权限，存在安全风险。Claude Cowork则在每次重大操作前请求批准，更适合高风险任务。作者认为，一旦OpenAI修复权限问题，两者在整理质量上不相上下。

研究人员发现Claude的web_fetch工具存在漏洞，允许攻击者通过嵌套链接诱导AI泄露用户私人记忆中的敏感信息，如姓名、位置和雇主。Anthropic已修复该漏洞，但未支付漏洞赏金。

这个TypeScript仓库展示了一种通过工具强制执行的规则系统，防止AI代理在编码过程中破坏架构。它包含五个关键防护措施：依赖规则、突变测试、测试与规范保护、提交门控和规范驱动开发。该仓库还作为模板，可用于启动新项目，并提供了一个基准测试来验证代理的能力。

Anthropic 研究发现，其 AI 模型 Claude 在不同语言中会表现出不同的价值观差异。研究者确定了四个关键轴（顺从 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁、坦诚 vs. 执行力），这些轴解释了约 15% 的跨语言变化。例如，Claude 在阿拉伯语和印地语中更倾向表达温暖，在英语和俄语中更倾向严谨。这些差异可能影响用户体验和安全性，值得进一步探索。

韩国研究人员利用生成式AI模型Generative SNUPI，能够将用户绘制的形状自动转化为可折叠的DNA纳米结构，大幅简化了传统DNA折纸技术繁琐的设计过程，为纳米机器人和医疗应用开辟新途径。

纽约州州长凯西·霍楚尔签署行政命令，禁止新建功率超过50兆瓦的超大规模数据中心，为期一年。此举旨在应对电网压力、电费飙升及环境担忧，获得多数民众支持，但也引发竞争力下降的争议。

根据Datamata Studios发布的AI需求指数，截至2026年7月14日，9.3%的活跃数据岗位在职位描述中提及至少一项AI技能。其中生成式AI技能出现率在入门级岗位仅为0.3%，高级岗位为3.6%，差距显著。该指数每日更新，数据集免费公开，支持API查询和CSV下载。

LessWrong上的一篇文章分析了ICML 2026的论文，发现仅有一小部分机器学习研究专注于AI安全。在999篇论文中，954篇可检索，其中只有约10篇明确涉及安全议题，涵盖对齐、鲁棒性和可解释性等领域。研究主要由学术机构和工业实验室开展。

PromptMan是一款macOS菜单栏应用，允许用户通过全局快捷键快速保存、组织和重用AI提示，支持ChatGPT、Claude等工具，并提供云同步、提示版本管理和AI增强功能。免费版提供10个提示，Pro版每月4.99美元，年付39美元。

根据Common Sense Media的一份新报告，谷歌的AI搜索功能（AI Overview和AI Mode）对儿童构成“不可接受的风险”。报告发现，这些功能未能识别危险行为，为儿童完成作业，并提供不准确和前后矛盾的回复。谷歌回应称其AI工具提供了额外保护，但批评者指出这些功能默认启用且无法禁用，对学校和家庭构成挑战。

运行三次机械解释性研讨会后，研究人员获得了分析LLM垃圾投稿增长的数据集。@andyarditi 调查了AI垃圾的准入情况以及自2024年以来的变化。

澳大利亚总理在悉尼大学发表演讲，强调澳大利亚应主动塑造人工智能的发展，以维护国家利益。他回顾了澳大利亚在社会保障、劳工权利等方面的创新传统，并宣布将建立一套澳大利亚人工智能标准，以规范大型数据中心，保护艺术家和媒体，同时吸引投资并创造就业。

一位开发者通过Fable工具在AsciiDoc、Markdown和HTML之间转换了674份文档，并比较了这些格式在AI规范中的适用性。

非英语母语写作者的新工作流：先用母语起草，然后用AI翻译和润色成英语。研究表明，用第二语言写作会多花30-50%的时间，原因是认知负荷。通过将想法生成与语言转换分离，并借助Echoo等AI工具，写作者可以恢复速度和表达质量。

谷歌于2026年7月9日发布了LiteRT.js，这是其设备端推理库LiteRT的JavaScript绑定，允许.tflite模型直接在浏览器中运行，利用WebGPU加速。相比其他Web运行时，性能提升可达3倍，GPU/NPU路径相比CPU路径提速5-60倍，但需要手动管理张量内存。

Lean64 是一个用 Lean 4 实现的极简 3D 第一人称射击游戏，灵感来自 Doom 64。它并非 Doom 64 的移植版，而是独立开发的原型，包含完整的游戏循环、敌人 AI、武器系统、音效和地图。所有代码和素材均为原创，采用 MIT 许可证。

本文探讨AI编程助手如何通过“提示-等待-评估”循环破坏心流状态。作者指出，这种循环替代了编程中清晰的目标、即时反馈和技能匹配挑战，导致频繁的上下文切换和精神重建。文章引用心理学和中断研究，分析AI工具如何成为新型中断源，并建议开发者区分任务类型、批量使用AI以保护深度工作。

尽管Anthropic声称其模型Claude内部出现意识迹象，但神经科学家阿尼尔·塞思认为，这不过是模拟，就像天气预报系统不会产生真实飓风一样。

人工智能帮助解答了统计学中多重假设检验的一个关键问题——如何控制错误发现率（FDR）。Benjamini和Hochberg在1995年提出了一种方法，而AI的最新应用进一步推动了该领域的发展。

Monid是一个平台，允许AI智能体无缝连接并使用超过1300种工具，涵盖搜索、数据抓取、天气、3D建模等领域。它提供统一的支付系统，按调用付费，无需订阅，并支持三种集成方式：Skill、MCP和CLI。

本文介绍了一种用于AI治疗的系统设计，该系统通过确定性管道决定临床行动，不让LLM自行决策。系统包括评分、状态桶、准入表、动作选择、微实践和危机预筛查等步骤，仅在评分和生成阶段使用LLM。文章还讨论了该方法的成本与局限性。

研究人员提出了一种基于物理信息的残差动力学学习框架，在保持联合多四旋翼系统微分平坦性的同时，捕获复杂的空气动力学相互作用。该框架实现了一种计算高效的反馈线性化控制器，与基准相比，平均跟踪误差降低了31%。其性能与最先进的非线性模型预测控制（NMPC）相当，但计算量少一个数量级。仅需不到30秒的训练数据和5毫秒的循环周期即可实现稳定的紧密编队飞行。

DiffRadar是一种实时雷达SLAM系统，将雷达观测建模为可微的物理感知高斯场，而非离散扫描。在公共基准测试中大幅降低轨迹误差，尤其在特征贫乏的走廊环境下，同时地图一致性提升一倍以上，并保持70 FPS的实时性能。

本文提出一种基于契约的行为树合成架构，通过编码智能体查询机器人端的MCP服务器获取技能库和操作符，实现从自然语言到可执行行为树的可靠合成。实验表明该方法在模拟和实体机器人上均取得高成功率。

一项研究探讨了在协作单词联想游戏中，机器人的注视行为如何影响人类的视觉注意力，以及人类是否倾向于向机器人寻求确认性的注视。实验使用NAO机器人作为大语言模型驱动的对话伙伴，发现机器人注视方向不影响人类首次注视提议单词的时间，但参与者在对话中包含确认请求时会更频繁地注视机器人。结果表明，在认知要求高的任务中，语言方面可能压倒了机器人注视的影响。

本研究探索利用航天器机械臂的运动实现无推进剂姿态控制，通过轨迹优化问题公式化并引入关节和碰撞避免约束，演示了复杂机动，并证明了机械臂可作为冗余或主姿态控制系统。

本文对索尼ERS-111 AIBO机器人的R-CODE样本集进行了语料库级别的行为图分析，识别出以初始化、感知、迭代动作、同步和恢复为核心的紧凑控制词汇，并论证了这种状态抽象在资源受限的机器人系统中作为中间表示的价值。

GaitSpan是一种新颖的人形机器人步态扩展框架，它利用预训练的行走策略作为种子技能，通过节奏生成、步幅塑造和残差适应三个模块，将基本行走能力平滑扩展到奔跑，实现了连续速度范围、跨形态迁移和零样本部署。

该论文提出两种互补的物理先验，以提高机器人手内滚动操作的鲁棒性：全局抓取质量先验基于经典抓取分析，局部接触几何先验基于指尖曲率。实验表明，这些先验显著提升了旋转效率、抓取稳定性和抗干扰能力，并改善了仿真到现实的迁移。

提出一种无监督图像翻译框架，将白天植物行RGB图像转换为近红外（NIR）夜间图像，无需逐像素监督，从而重用白天语义标签训练夜间感知模型。利用预训练CLIP模型保持语义一致性，并引入可见性掩码处理NIR照明有效范围有限的问题。在AgriNight数据集上评估，该数据集包含428张白天和549张夜间图像，是首个夜间农业视觉导航基准。实际机器人夜间导航实验验证了有效性。

多机器人在受限环境中需要变形和重构两种行为。现有方法独立建模或依赖规则，易导致死锁。EFLUX提出几何基础的LLM智能体框架，联合推理变形和重构动作，通过闭环生成与验证实现安全导航。实验表明能减少死锁和导航失败。

一项新研究探讨了无需训练的人工合成图像溯源方法中表示空间与参考选择之间的相互作用。通过分析CLIP和DINOv2不同层的表示，以及三种参考选择方法，发现中间层的表示在溯源准确率上表现最佳，且语义约束的参考能有效减少查询与参考之间的不匹配，提升溯源性能。

本文系统评估了持续学习方法在异构医学视觉问答任务中的表现，涵盖分类、多标签分类、检测、细胞计数和报告生成等多样化临床目标。研究发现现有持续学习方法难以在不同目标与监督格式交织的任务中保持稳定性-可塑性平衡。

SymbOmni是一种新型AI模型，旨在解决当前模型“永恒新手”的问题——即无法积累经验并自主进化。它通过符号概念学习，利用可优化的记忆模块将低级操作抽象为可重用的符号工作流指令，并通过归纳-转导循环实现持续自我改进。实验表明，SymbOmni在图像质量和任务成功率上超越现有代理系统及闭源模型，同时减少40%以上的令牌消耗，并在持续学习基准上取得新成果。

本文提出MetaView，一种基于扩散模型的单目新视角合成框架，能够从单张图像实现大视角变化下的渲染。通过结合隐式几何建模与度量深度，MetaView在保持几何一致性的同时提供了精确可控性。实验表明，在挑战性大视角变化场景下，MetaView显著优于现有方法。

提出一种解剖学特权的师生框架，用于从T2加权MRI预测肝内胆管癌的周围神经侵犯（PNI）。训练时教师网络使用肿瘤和肝脏掩膜学习密集令牌路由，学生网络在固定预算下蒸馏保留信息令牌，推理时不需掩膜。在155名患者中，方法AUROC达0.750，计算量1.43 GFLOPs，每例8.02 ms。

SpikeDS是一种新型脉冲神经网络架构，通过结合激活稀疏性和空间稀疏性，高效地从3D MRI中预测胆管癌的神经侵犯，在139名患者的队列中实现了0.753的AUC，能耗仅14.4 mJ。

自监督学习在医学影像领域潜力巨大，但标注数据稀缺。本文提出COJEPA框架，结合联合嵌入预测架构和对比损失，在无标注的T1加权脑部MRI上训练，实现了优异的局部预测性和全局判别性。在零样本双胞胎检索、脑肿瘤分割和年龄回归任务中表现突出，尤其在同卵双胞胎识别和年龄预测误差方面达到最先进水平。

本文提出一种新方法，通过视觉语言模型（VLM）生成逐帧描述，并比较两个任务视频间的帧相似度及段内自相似性，自动检测异常帧，从而提取包含专家特定动作和情境决策知识的候选场景。在模拟配电板维护实验（27个任务场景）中，该方法动作候选提取率达65%，决策场景候选提取率达61%，优于传统方法的59%和33%。

GenDiff是一种新型扩散模型框架，通过联合建模连续辐射剂量和解剖信息，实现低剂量CT重建。它整合了剂量-解剖编码器、冷扩散主干、物理一致性更新和结构先验细化模块，在多种临床数据集上优于现有方法，展现出强大的鲁棒性和泛化能力。

TSCA-Net通过三个互补模块（时空团注意力、跨行人团势、自适应KAN网格细化）显著提升拥挤环境中的行人轨迹预测精度，在ETH/UCY和SDD基准上达到最先进性能。

提出两种混合持续学习方法（RA-EWC和CGKD），用于低资源澳大利亚原住民语言识别，有效缓解灾难性遗忘，在Warlpiri、Dalabon和Dharawal三种语言上表现优于现有基线。