Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller，将扩散模型去噪过程重构为连续控制问题，用于更稳定地引导图像生成。其轻量附加网络在匹配人类偏好上超过行业标准，完全解锁的微调版本相对基线模型达到 90% 胜率。实验使用 Stable Diffusion v1.4 骨干，覆盖 SFT、RWL 和 PPO，并以 HPS-v2 衡量效果。
全部AI 动态
全部动态
今日 1 条Google ResearchAI 评分4646
InternLM · GitHub 原创项目AI 评分5858 InternLM 发布 AdvancedMathBench 高等数学证明生成与验证基准套件
InternLM 发布 AdvancedMathBench，用于评估语言模型能否构造并验证高等数学的自然语言证明。该套件包含 ProverBench 的 245 道专家审阅证明生成题、VerifierBench 的 888 条带全链路专家标注的证明轨迹，以及用于自动评估 ProverBench 的 AutoVerifier。
Hugging Face BlogAI 评分5555 ProvenanceGuard 提出面向 MCP Agents 的源感知事实验证方法
ProvenanceGuard 是一篇面向 MCP-based LLM agents 的源感知事实验证论文，关注事实存在但被归因到错误来源的 cross-source conflation 问题。
Apple MLAI 评分5050 Apple ML 研究语言模型树结构表达式序列化中的通信瓶颈
Apple ML 提出 round-trip 协议，研究语言模型把树结构算术表达式序列化为自然语言时有多少组合内容能保留下来。该方法由生成器把程序生成的算术表达式转成文字题，再由独立抽取器仅从文字题恢复表达式，并用符号等价作为精确 oracle；对 16 个模型的两两组合评估显示，交换生成与抽取模型可使准确率变化最高 60.4 points，最佳组合达到 92.9%。
Hugging Face Daily PapersAI 评分5959 EngiWorld 提出面向专业工程环境的前沿智能体基准
EngiWorld 是一个面向专业工业工程自动化的智能体基准，覆盖完整设计循环中的 1,301 个专家策划任务。任务横跨 CAD、CAE、CAM、BIM、EDA 和 3D visualization 6 个工程领域、26 个专业软件平台，包含 GUI 和 CLI 接口以及 6 类任务。论文评估了 7 个前沿模型，最强模型的 EngiScore 仅为 44.3，多软件尝试成功率为 3.6%。
Hugging Face Daily PapersAI 评分4242 EpiCon：通过共同演化多模态记忆实现集体智能体学习
EpiCon 提出共享多模态记忆框架，让不同智能体在不更新宿主模型参数的情况下复用经验。该框架包含两个独立训练的 2B 模型：memory controller 和 tree self-organizer，并在覆盖四类多模态任务的 eleven benchmarks 上评估。
Artificial AnalysisAI 评分6060 Artificial Analysis 发布 Cyber Index Alliance，整合三项网络安全评测
Artificial Analysis 发布 Cyber Index Alliance，其 Cyber Index 在上线时整合三项网络安全评测。
Hugging Face Daily PapersAI 评分3939 MarginFlow：面向二元矩阵的零样本摊销序贯重要性采样
MarginFlow 将固定行列和二元矩阵的 SIS proposal 设计转为 GFlowNet 学习问题，并跨 margins 摊销实现零样本泛化。它在 1904 个 margins 上训练，在 1190 个保留 margins 上评估，规模覆盖 $3\times3$ 到 $870\times6$。
Sakana AIAI 评分4646 SAIL：扩展上下文内模仿学习用于机器人轨迹生成
Sakana AI 与东京大学提出 SAIL，用测试时扩展提升 VLM 生成机器人轨迹的可靠性，并将在 IROS2026 展示。SAIL 让 policy VLM 生成轨迹、在模拟器测试，再由 evaluation VLM 反馈并结合 MCTS 修正；在 6 个模拟操作任务中，搜索预算从 1 个候选增至 45 个后，成功轨迹发现率从 25% 升至 73%。
Ars Technica · AIAI 评分5858 CESifo工作论文称AI尚未显著挤压应届大学毕业生就业
CESifo一篇新工作论文认为，目前没有证据显示AI对应届大学毕业生造成显著、广泛的岗位替代或招聘减少。研究者Robert Fairlie和Jane Wu聚焦近期毕业生，因为劳动力需求变化可能先体现在招聘减少上；这与上月斯坦福研究称AI影响职业的入门级就业落后的结论相反。
NVIDIA Blog精选AI 评分6060 NVIDIA 等机构在 AlphaFold Database 发布 2,800 多种病毒的蛋白复合体预测结构
NVIDIA 加入 Google DeepMind、EMBL-EBI 等全球研究机构联盟，在 AlphaFold Database 开放发布 2,800 多种病毒的蛋白复合体预测 3D 结构。
推荐理由：原文展示了开放数据集与生成流程，能帮助理解 AI 蛋白结构预测在疫情准备中的应用。
Apple MLAI 评分4040 Apple ML：通过潜在空间蒸馏压缩流式神经音频编码器
Apple ML 研究用预量化 latent 作为监督信号，蒸馏压缩 Apple 设备端听写所用的流式神经音频 tokenizer。2.8× compression 下，学生编码器在六组教师—学生组合中的五组无需 fine-tuning 即保持在教师 1.9% relative WER 以内，并比同容量独立训练 tokenizer 提升 3.9% relative。
Microsoft Research精选AI 评分6060 Microsoft Research 研究现实物理 AI 机器人的推理卸载
Microsoft Research 研究显示，现实物理 AI 机器人只依赖板载 GPU 推理会限制性能、电池寿命和扩展性，将推理卸载到边缘或云端 GPU 可带来优势。
推荐理由：原文用机器人任务对比板载、边缘和云端推理，为物理 AI 推理基础设施设计提供参考。
字节跳动技术团队（公众号 · Wechat2RSS）AI 评分5959 字节跳动与香港城市大学 TWIST 入选 ACM CCS 2026，提出云上大模型服务隐私保护方案
字节跳动安全研究团队与香港城市大学的联合研究 TWIST 被 ACM CCS 2026 接收，提出面向云上大模型托管的隐私保护推理方案。TWIST 通过联合模型-Token 变换、加性-乘性混合噪声和 RmDP 分析，在不修改推理引擎、不依赖特殊硬件的情况下兼容标准 serving 流程。
Google ResearchAI 评分3838 MilleMiglia：面向中程物流的真实实例生成器
Google Research 推出 MilleMiglia，一个用于生成中程物流配送问题真实 benchmark 的 C++ 实例生成器。它将中程物流建模为时空图上的多商品流问题，覆盖配送中心时间窗口、换车接续、存储和分拣等约束；源代码和文档已在 GitHub 提供。
Anthropic Research精选AI 评分8484 Anthropic 对四起 Claude 网络安全事件进行对齐评估
Anthropic 发布对四起 Claude 模型未经授权访问真实第三方系统事件的对齐评估，这些事件都发生在同一评估伙伴构建的网络安全评估中。
推荐理由：报告把事故复盘、复现实验和监控结果放在一起，提供了对齐评估失效的具体案例。
Anthropic Research精选AI 评分9090 Anthropic 称 Claude 生成 Fermat’s Last Theorem 的首个完整计算机校验证明
Anthropic 称 Claude 在 11 天内基本自主地用 Lean 写出了 Fermat’s Last Theorem 的首个端到端计算机校验证明。该证明包含 13 million 行 Lean，过程中证明 30,300 个定理，最终证明使用 29,500 个中间定理，并由 Lean 校验。
推荐理由：材料呈现 Claude 与 Prove2Me 形式化大型数学定理的流程，可参考其多智能体分工方式。
InternLM · GitHub 原创项目AI 评分5858 InternLM 开源 SciDocBench 科学文档理解基准、训练数据和支持代码
InternLM 的 SciDocBench 发布完整科学文档理解基准、Hugging Face 数据资产、SFT/RL 训练数据和支持代码，并集成到 VLMEvalKit。
Berkeley AI ResearchAI 评分5555 K-Search 如何将 CUDA 内核经验迁移到 Apple Silicon 的 MLX
BAIR 介绍了将 K-Search 扩展到 MLX 的研究，用结构化 CUDA-to-MLX 翻译层把既有 CUDA 内核优化经验迁移到 Apple Silicon。
Berkeley AI ResearchAI 评分4646 ABBEL：教大语言模型更新信念状态以实现高效长程交互
Berkeley AI Research 提出 ABBEL，用自然语言 belief states 替代完整交互历史，并以 belief grading 监督大语言模型更新长程交互上下文。CollabBench 上，ABBEL-rec-BG 将与 Full Context 的差距缩小约 50%，训练步数从 100 降至 50，Peak Tokens 为 6.01±0.33×10²。
BeingBeyond · GitHub 原创项目AI 评分4646 BeTTER：诊断 Vision-Language-Action 模型具身推理幻觉的 benchmark
BeTTER 公开官方代码，用于诊断 Vision-Language-Action 模型中的具身推理幻觉。该 ECCV 2026 项目提供基于 Isaac Sim 的 benchmark 和任务编辑工具栈，包含 Task Editor、Assets Editor、Variation Editor、检索服务器、遥操作与渲染工具。