AI 资讯
来自 Twitter · Hacker News · GitHub 的 AI 行业动态
On-Policy扩散蒸馏中无分类器引导的再思考
On-policy蒸馏通过沿student生成的轨迹查询teacher来适配扩散模型，但对无分类器引导（CFG）的处理仍不清楚。现有方法将速度匹配扩展到CFG组合预测，但这种目标在分支层面是欠定的——正负分支误差会相互补偿。
从专有到开源：基于多智能体协议蒸馏弥合智能体搜索的分布差距
智能体搜索仅靠结果强化学习监督信号稀疏，从专有模型蒸馏知识时，传统 logit 匹配因隐藏 logits 和 tokenizer 不匹配而不可行，自然语言轨迹模仿效果有限。
OmniVAE：跨模态对齐的音视频 VAE 实现联合生成
现有音视频联合生成方法分别训练 VAE，导致潜在空间缺乏跨模态对齐，使下游生成模型需从头学习跨模态同步。OmniVAE 提出一种联合训练的音视频 VAE，实现跨模态对齐。
机器人学习中的过程奖励建模综述
综述机器人学习中过程奖励的研究进展，涵盖不同观察、目标规范、输出信号和监督来源的方法差异与统一框架需求。
JarvisHub：面向画布原生多模态创意智能体的开放测试框架
创意AI正从单步资产生成向长时程多模态创作演进。尽管近期生成模型能合成高质量图像、视频、音频、UI元素等创意资产，但实际创意工作远不止孤立的提示词-输出交互。它涉及参考资料、草稿、备选方案、编辑、失败尝试、版本关系、工具操作、评估信号和人类反馈，这些共同形成不断演进的项目状态。现有基于提示词、聊天和节点的生成系统仅能部分...
具身操控的数据金字塔
将具身智能数据组织为金字塔结构，整合真实机器人数据、UMI风格数据、模拟数据和通用视觉语言数据，平衡可扩展性与机器人对齐。
petergyang/human-review：HTML/Markdown编辑工具，像Doc留评反馈AI agent
可视化HTML/Markdown编辑器，支持Google Doc式留评和AI agent反馈。兼容主流AI harness。
Claude 分享对话被搜索引擎索引，Anthropic 遇隐私事故
因公开分享页面缺少 noindex 标签，Anthropic Claude 的数百个分享对话与 Artifacts 被 Google/Bing 索引，含简历、财务、医疗记录乃至加密钱包助记词等敏感信息，7 月 25 日经 Reddit 用户发现，Fortune/Axios 等报道。Google 于 7 月 26 日移除相关结果，Anthropic 修补后称一贯不向搜索引擎提供对话目录。
中国据报开始量产国产浸没式 DUV 光刻机
据路透独家，中国已开始小批量量产国产浸没式 DUV 光刻机，由国资背景的上海爱晟纳整合多家光刻初创团队牵头，计划 2026 年交付约 5 台、2027 年约 20 台，首批交 SMIC/华虹/长鑫做产线验证。机型面向 28nm 单次曝光（多重曝光理论可达 7/5nm，但良率低成本高），部分关键部件仍依赖日本供应商，整体性能落后 ASML。
英伟达向 Ilya Sutskever 的 SSI 投资 50 亿美元、达成长期战略合作
英伟达 7 月 27 日宣布向 Ilya Sutskever 的 Safe Superintelligence（SSI）投资约 50 亿美元并结成长期战略合作，SSI 将获下一代 Vera Rubin 平台、算力提升约一个数量级，双方共同推进算力平台技术演进。SSI 成立于 2024 年，目标只做「安全超级智能」一个产品。
@nvidia
阅读 →
英伟达据报拟为 OpenAI 俄亥俄数据中心担保 2500 亿美元融资
据《华尔街日报》等报道，英伟达正洽谈为 OpenAI 提供约 2500 亿美元融资担保，使其可租用软银 SB Energy 在俄亥俄建设的 10 吉瓦数据中心；连同芯片采购另一笔或达 3500 亿美元，全项目含芯片或超 5000 亿美元，为迄今最大数据中心项目。条款未定、或告吹。
Anthropic CEO 阐明开放权重模型立场
Dario Amodei 发文正式阐明 Anthropic 对开放权重模型的立场：明确否认曾主张禁开源，称不具危险能力的开源模型是公共产品；但认为保护主义禁令解决不了国安担忧，主张三项措施——对华管制强芯片并打击走私、打击工业级蒸馏、对所有足够强大的模型（无论开源闭源）强制发布前安全测试。此前 Anthropic 与 OpenAI 均未签署 50 家公司联署的开放权重公开信。
@AnthropicAI
阅读 →
O-VAD：基于目标跟踪与推理的工业视频异常检测
工业视频异常检测用于识别工业流程中的异常事件，现有视觉语言模型方法在面对复杂物体变换、严格物理约束和工艺流程限制时性能下降。研究团队提出一种免训练的智能框架，以应对工业场景中的交互密集型检测任务。
月之暗面开源发布 Kimi K3（2.8T MoE，迄今最大开源权重模型）
月之暗面发布旗舰 Kimi K3 并开放权重：2.8 万亿参数 MoE（896 专家、每 token 激活 16 个、约 50B 激活参数）、原生多模态、100 万 token 上下文，为迄今参数最大的开源权重模型（MXFP4 四比特约 1.4TB）。同步开源配套栈：MoonEP（分布式 MoE 高性能通信库）、AgentENV（大规模智能体环境，服务 agentic RL）、FlashKDA（基于 CUTLASS 的 Kimi Delta Attention 内核，H20 prefill 最高约 2.22x）。
@Kimi_Moonshot
阅读 →
NVIDIA联合Linux基金会成立开放安全AI联盟
NVIDIA与Linux基金会牵头成立Open Secure AI Alliance，27+创始成员含微软、IBM、红帽、Hugging Face、CrowdStrike、Cloudflare、SpaceX、戴尔、Salesforce等40余家机构，开放共享用于保护AI智能体、软件及基础设施的安全技术；此举正值Hugging Face遭黑客攻击之后（Meta未在名单中）。
@nvidia
阅读 →
频谱先验降低扩散模型的曝光偏差
扩散模型在迭代采样中通常受误差累积影响，即曝光偏差。研究揭示了训练与推理间存在系统性的频率相关差异，可理解为频率相关信噪比误差。该失配方向随模型和时间步不同而变化，表明固定校正规则无法泛化。团队提出频谱对齐（SPA），一种轻量级、基于引导的方法，将中间预测的功率谱校准至预计算的先验分布。该方法包含两个阶段。
多头潜在控制：统一LLM智能体决策接口
大语言模型作为智能体时，仅靠next-token预测难以实现可靠决策。该研究提出多头潜在控制机制，使模型能在推理时自主决定继续推理、调用更强模型、请求信息或调用工具。现有方法依赖输入侧路由，成本高且难维护。
Molt：代理强化学习的可扩展PyTorch原生训练框架
代理强化学习涉及持续的算法修改、新估算器、新管道阶段和rollout方案，在主流框架中每次改动都需贯穿trainer、分布式后端和rollout胶水层，成本由研究者承担。Molt是PyTorch原生训练框架，代码库紧凑清晰，研究者可全局掌握，AI助手可完整读取推理，实现端到端算法流程追踪和修改。
deerwork-ai/deer-workflow：保持TypeScript编排的开源图工程运行时
一个开源图工程运行时，将编排逻辑保留在TypeScript中，并将语义工作委托给可替换的Agent运行时。
miuuyy/codex-chatgpt-web：让ChatGPT Web在Codex中作为原生模型使用
该项目可将ChatGPT Web（包括Pro版）集成到Codex应用中，支持上下文对话、工具调用、流式输出和图片功能，且不受Codex使用限制。
苹果智能眼镜因隐私顾虑推迟至 2027 年
据彭博 Mark Gurman 报道，苹果将智能眼镜（代号 N50）发布推迟，亮相预计移至 2027 年 WWDC，部分因重大隐私顾虑。团队将隐私列为首要，倾向端侧处理、不做人脸识别、录制不进 AI 训练，甚至考虑无摄像头版本，以避免 Meta 智能眼镜遭遇的隐私反弹。
0xwilliamortiz/openclaude-improved：任意运行，随处可用
任意运行，随处可用
Sakana AI 发布 Fugu-Ultra v1.1 + Claude Code 接口
Sakana AI 推出多智能体编排模型 Fugu 的 Claude Code 接口，可在 Claude Code 工作流中调度 Claude/Gemini/GPT 等前沿模型协同写码调试执行；同期 Fugu-Ultra v1.1 在 ProgramBench、Terminal Bench 2.1 上进一步提升，终端任务超过 Claude Fable 5 与 GPT-5.5。
@SakanaAILabs
阅读 →
vLLM 发布 v0.26.0
vLLM v0.26.0 发布，含 411 次提交（212 位贡献者）：新增 Inkling 模型族全栈支持、DeepSeek-V4 专用路由内核与 fused topK（1.5–2x 提速）、分层 KV 卸载与对象存储分级、Rust 前端扩展（多模态音视频/工具解析）及 Transformers 5.13.0 集成。
@vllm_project
阅读 →
NAVER联手Brookfield与NVIDIA扩建韩国AI工厂
NAVER、Brookfield与NVIDIA宣布100亿美元合作(Brookfield出资至多90亿、NVIDIA投资10亿、NAVER补足余额)，将位于世宗GAK数据中心的NVIDIA DSX AI工厂从55兆瓦扩至200兆瓦，2028年完工，为韩美AI开发者提供产能级算力。
@nvidia
阅读 →
SK集团与NVIDIA达成超5000亿美元AI合作
SK集团与NVIDIA签署意向书，宣布超5000亿美元AI基础设施合作：SK电讯将在韩国建设2吉瓦Vera Rubin DSX AI工厂(首座2027年上线)，SK海力士与NVIDIA长期共研下一代AI存储(含HBM)。
@nvidia
阅读 →
Pinvou/pinvou-agent：开源桌面 AI 代理，支持工具、文件、知识、工作流与实际交付物
开源桌面 AI 代理，支持工具、文件、知识、工作流及实际交付物。
agentacct：本地优先的编程Agent任务追踪仪表盘
追踪编程Agent执行详情与成本消耗，分解任务为工作步骤（工具使用、文件变更、测试运行、时间与token消耗）。支持Claude Code、Codex、OpenCode等平台，无需登录、无遥测。
Black Forest Labs 发布 FLUX 3 统一多模态模型
Black Forest Labs 发布 FLUX 3，单一流匹配架构联合处理图像/视频/音频并可扩展预测机器人动作，一次推理生成最长 20 秒带原生同步音轨的视频。首次进入具身智能（robotics variant 已在奥迪产线试用）。Video/Action 目前限量早期访问，尚无公开 API 与定价，Image 版本计划随后放出。
ReferTrack：用于具身视觉追踪的指代-追踪框架
具身视觉追踪（EVT）要求移动智能体仅通过机载视觉持续跟随自然语言描述的目标。ReferTrack 提出一种指代-追踪范式，使用单个前向摄像头实现具身追踪，先从图像中选取目标。