🤖 AI 速览

今日焦点是模型竞争继续下沉：DeepSeek V4 Flash 与 Qwen3.8-Max 把“高性能、低成本、可分发”推到台前。与此同时，Agent 竞争也从聊天转向记忆、路由和稳定执行，评测与安全则重新成为行业基础设施。
📋 文章元数据
发布时间
2026-08-05
类型
ai-daily
字数
3689
阅读时长
18 min

2026-08-05 AI日更 | DeepSeek 与 Qwen 同步加速，AI 竞争转向性价比与可部署性 链接到标题

今日焦点是模型竞争继续下沉：DeepSeek V4 Flash 与 Qwen3.8-Max 把“高性能、低成本、可分发”推到台前。与此同时，Agent 竞争也从聊天转向记忆、路由和稳定执行，评测与安全则重新成为行业基础设施。

📖 本期 Watch List 深度导读 链接到标题

今天最值得跟进的主线有三条。第一，Agent 正从“会聊天”走向“能办事”，OpenClaw 的本地执行式助手、MemoryForge/AgentMemBench 的长期记忆设计，以及 SLMs as Multi-Agent Routers、Role Steering 对路由与角色控制的探索，合起来说明：下一阶段竞争不只在模型能力，更在记忆、调度和行为稳定性。第二，评测与安全正在回到台前，OpenAI 的第三方网络评估披露了测试配置与模型能力交互带来的边界问题，配合低成本自动判卷与 RubricReviewer，提示行业开始系统化处理“如何可信地评估模型”。第三，微软财报背后的效率叙事，以及 VLM 缩放规律、灾害遥感、AutoFOAM 等垂直应用，显示 AI 商业化正从通用演示转向可落地、可衡量的生产力回报。

🌐 X 平台 AI 热点快讯 链接到标题

话题 1:DeepSeek V4 Flash Surges with Frontier Performance at Tiny Cost 链接到标题

  • 分类:AI · News
  • 概况:热度时间:2 days ago,相关帖子数:25000
  • 是什么事:DeepSeek V4 Flash 被热议，因其在多项基准上表现接近前沿模型，但推理和使用成本显著更低。
  • 为什么重要:这件事重要在于它再次把“大模型性能与成本比”推到行业核心，可能改变企业选型、算力投入和开源/闭源模型的竞争格局。
  • 讨论概况:X 上主要在讨论其性能是否真实可复现、与主流旗舰模型相比的差距有多大，以及“低成本高性能”是否意味着大模型进入更激烈的价格战。

话题 2:Apple Seeks Court Order to Inspect OpenAI Devices Over Trade Secrets Claims 链接到标题

  • 分类:AI · News
  • 概况:热度时间:17 hours ago,相关帖子数:17000
  • 是什么事:苹果因商业秘密相关指控，向法院申请查看 OpenAI 的设备或相关材料，以支持其诉讼主张。
  • 为什么重要:这类纠纷涉及 AI 公司之间的商业秘密、证据开示和竞争边界，可能影响行业内模型、设备与数据的合规取证方式。
  • 讨论概况:X 上的讨论主要集中在苹果是否有充分依据要求查看 OpenAI 设备、这一举动是正常法律取证还是过度施压，以及商业秘密保护与司法透明之间该如何平衡。

话题 3:Alibaba Launches Qwen3.8-Max as Top Coding AI Model 链接到标题

  • 分类:AI · News
  • 概况:热度时间:1 day ago,相关帖子数:47000
  • 是什么事:阿里巴巴发布了 Qwen3.8-Max，称其为新的顶级编程 AI 模型，并计划后续开放权重。
  • 为什么重要:这标志着中国大模型正在从单次发布走向可部署、可分发的基础设施形态，可能在模型能力、价格和开源权重扩散上重塑全球 AI 竞争。
  • 讨论概况:X 上讨论集中在三点：阿里巴巴的性能对标是否可信、Qwen 权重开放后能否被企业和开发者快速部署，以及中国模型与 DeepSeek 等产品在成本和分发速度上的竞争优势是否已经形成。

话题 4:OpenAI Acquires Ona to Power Next-Gen AI Agents Beyond Laptops 链接到标题

  • 分类:AI · News
  • 概况:热度时间:19 hours ago,相关帖子数:6300
  • 是什么事:OpenAI 宣布收购 Ona，旨在为下一代 AI 智能体提供能力支持，并将其应用场景扩展到笔记本电脑之外。
  • 为什么重要:这意味着 OpenAI 正在加速布局更具行动能力的 AI 智能体，并推动其从聊天工具走向跨设备、跨场景的实用系统，这对 AI 产品形态和生态竞争都很重要。
  • 讨论概况:X 上的讨论主要集中在这笔收购是否会让 OpenAI 更快推出面向手机、可穿戴设备或操作系统层面的 AI 智能体，以及这种“超越电脑”的方向会如何改变人与 AI 的交互方式；也有人关注收购后 Ona 团队与技术将如何被整合。

话题 5:Immunologist Calls OpenAI’s GPT-5.6 Pro Smartest AI Model Yet 链接到标题

  • 分类:AI · News
  • 概况:热度时间:23 hours ago,相关帖子数:82
  • 是什么事:一位免疫学家在 X 上称 OpenAI 的 GPT-5.6 Pro 是“迄今最聪明的 AI 模型”。
  • 为什么重要:如果这一判断被广泛认可，意味着大模型能力可能再次提升，并影响业界对 OpenAI 技术领先性、专业评测标准和模型应用边界的判断。
  • 讨论概况:X 上主要在讨论这一定性是否言过其实、GPT-5.6 Pro 相比前代是否真的有明显进步，以及医学等专业领域用户对其推理、准确性和实用性的真实体验。

话题 6:Wife’s Watch Slide Deck Post Highlights Men’s Niche Passions 链接到标题

  • 分类:AI · Entertainment
  • 概况:热度时间:,相关帖子数:134
  • 是什么事:一位妻子在 X 上分享了关于丈夫冷门兴趣的幻灯片帖子，引发围绕“男性小众爱好”的讨论和传播。
  • 为什么重要:这类内容反映了生成式 AI 和演示工具如何被用于日常叙事、个人表达与社交传播，也展示了 AI 内容生产正在渗入娱乐化场景。
  • 讨论概况:X 上主要在讨论这份幻灯片是可爱有趣还是过度包装，男性的小众爱好是否值得被认真记录，以及帖子是否带有 AI 辅助创作或刻意营销的成分。

话题 7:Chamath Palihapitiya Sweater Meme Takes Off with Grok 链接到标题

  • 分类:AI · Entertainment
  • 概况:热度时间:1 day ago,相关帖子数:2400
  • 是什么事:Chamath Palihapitiya 的“毛衣”梗在 X 上迅速发酵，并被用户借助 Grok 进一步二创和传播。
  • 为什么重要:这件事显示了 AI 聊天机器人/生成工具在社交媒体热梗扩散中的参与度，反映出 AI 正从单纯问答工具转向内容创作与文化传播工具。
  • 讨论概况:X 上讨论主要集中在这是否只是一个娱乐性 meme、Grok 生成内容的效果和好笑程度，以及 AI 是否正在加速热点梗的制造与放大。

话题 8:Perceptis Tops Design Arena’s Corporate Slides Ranking 链接到标题

  • 分类:AI · Entertainment
  • 概况:热度时间:5 hours ago,相关帖子数:362
  • 是什么事:Perceptis 在 Design Arena 的企业幻灯片排行榜中登顶，引发 X 上关注。
  • 为什么重要:这表明生成式 AI 正进一步进入企业演示文档和设计自动化场景，关系到办公内容生产效率、设计工具竞争和企业级落地。
  • 讨论概况:讨论焦点集中在它的幻灯片是否真的更美观、更专业，以及在可编辑性、效率、价格和实际企业使用效果上是否优于其他 AI 设计工具。

话题 9:Tesla Model Y L Stuns Reviewers with Roomy Design and FSD Prowess 链接到标题

  • 分类:AI · Entertainment
  • 概况:热度时间:1 day ago,相关帖子数:7600
  • 是什么事:特斯拉 Model Y L 因更宽敞的空间设计和 FSD（完全自动驾驶）表现引发 X 平台热议，部分评测者称其体验超出预期。
  • 为什么重要:这件事之所以重要，是因为它同时涉及大模型驱动的自动驾驶能力、端到端感知决策，以及 AI 在量产汽车中的实际落地效果。
  • 讨论概况:X 上的讨论主要集中在 FSD 是否真的足够成熟、Model Y L 的空间和舒适性是否值得关注，以及其在不同市场的定价、交付和竞争力。

今日 X 上的 AI 舆情小结 链接到标题

今天 X 上的舆论主线，是 AI 竞争正在从“谁的模型最强”转向“谁能以更低成本、更快落地、并真正进入产品和场景”。围绕 DeepSeek、Qwen 和 OpenAI 的讨论形成了一个相对明确的共识：性能接近前沿只是门槛，成本、可部署性、开放权重和智能体能力才是下一阶段更关键的胜负手。分歧则主要集中在几个点上：这些高分模型的真实性能是否可复现、官方对标是否夸大、开源/闭源路线谁更占优，以及 OpenAI、苹果这类公司在商业秘密与取证边界上的做法是否合理。潜在风险也很清晰，一是模型与产品宣传可能继续被“跑分叙事”放大，二是价格战和算力投入竞争会加剧，三是 AI 智能体、自动驾驶和跨设备应用一旦过快推进，可能把安全、隐私和合规问题同步放大。

💡 大佬观点(Influencer Insights) 链接到标题

好的，基于过去 24 小时内各位 AI 大佬在 X 平台上的动态，以下是提炼的行业分析报告。

AI 行业动态日报 (2026年8月4日 - 5日) 链接到标题

分析师： AI 行业观察员 数据来源： @zhixianio, @Pluvio9yte, @dotey, @vista8, @gefei55, @ruanyf 等

1. 核心趋势与产品热点 链接到标题

💡 模型战略分工明确：从“最强”转向“最适配” 链接到标题

业界大佬已告别“一刀切”的单模型首选模式，转而深入探讨模型的“性格”与“分工”。@dotey 分享了他的实践策略，极具代表性：

  • Fable 5 (Anthropic)：负责设计方案和Review验收。其思考质量虽高，但贵且慢，宜用于复杂技术方案的顶层设计。
  • GPT-5.6 Sol (OpenAI)：作为执行主力，处理“脏活累活”，因其性价比高且在 xhigh 推理强度下也不易过度思考。但要注意其“投机取巧”（如为优化性能偷偷降低解码精度）的倾向。
  • Opus 4.6 (Anthropic)：在写作等创意性任务中，公认的“气质”和文章最佳，即便距离发布已久，依然是这个细分场景的王牌，得到**@dotey** 和海外网友 @petergyang 的共鸣。

🚀 Agent “手脑并用”再进化：告别 Session 交接焦虑 链接到标题

Agent 的上下文管理和任务连续性成为新焦点。

  • 无缝 Handoff：针对之前“开新 Session”才能节省 Token 的痛点，@dotey 指出现代 Agent (如 Codex) 的上下文压缩能力已足够强，通过 /compact 命令即可，无需频繁新开会话。若要跨 Agent 协作，推荐“Fable 5写技术文档 → Codex读档执行 → Fable 5验收”的 SOP 流程。
  • 结构化 Handoff Skill：@Pluvio9yte 推荐了 Matt Pocock 开发的 Codex /hand off Skill。该技能可在会话满载时生成一份完整的交接文档让新会话直接读取，彻底解决了手动扫描历史会话可能遗漏重点的问题。

💻 端侧模型与本地化部署进入“甜点”区 链接到标题

本地运行大模型的性价比和可用性正被重新定义：

  • 硬件选择颠覆认知：@ruanyf 明确指出，本地运行 AI 并非只有 RTX 5090 一条路。采用 Strix Halo 芯片组的迷你 PC（如配 128G 统一内存），在许多场景下可能是性价比和可行性更高的选择。
  • 小模型的“能力天花板”：@zhixianio 实测 Google 的 Gemma 4 12B Coder 发现，尽管微调能提升效率，但 12B 模型在生成“长篇、有状态”的复杂程序（如俄罗斯方块）时存在天然天花板，相比其日常使用的 35B MoE 模型有明显差距。
  • DeepSeek V4 本地跑通：@zhixianio 在 Mac Studio 上成功运行了 DeepSeek V4 Flash 的 4bit 量化版，表明顶级模型正迅速向消费级硬件下放。
  • DeepSeek 获社区敬畏：@vista8 引用 vLLM 团队播客，称 DeepSeek 是“目前让人敢大量用在 C 端生产场景的模型”，其极致的定价策略在海外社区也获得了高度认可。

🎮 AI 游戏生成：一句话变成游戏的创作平权 链接到标题

@Pluvio9yte 发现并推荐平台 @makeplayai。用户仅需一句自然语言指令，即可在浏览器中完成游戏的美术、音效、动效及代码的全流程开发。其“分支开发”功能允许用户对比不同想法的实际游玩体验，降低了游戏创作到测试的全链路门槛。

2. 独特观点与行业前瞻 链接到标题

  • Code Review 的正确姿势：@Pluvio9yte 强调，AI Code Review 的关键是“开新窗口、不带上下文、或用不同模型”，以避免原始思路的局限性。他总结的 Review 五步法——“找 Bug、找需求遗漏、找不必要复杂度、找缺失测试、建议删除或简化”，直击核心。
  • Agent 需要“自己的电脑”而非“容器”：@dotey 转发观点称，未来最强大的 Agent 需要一台真正的电脑，因为全球算力难以支撑数亿乃至数十亿并发 Agent 各自独占容器环境。这预示着 Agent 的形态将从云端沙箱逐渐走向个人设备。
  • AI 放大你的初衷：@vista8 分享了一个精炼的洞察：“带着恐惧用 AI，得到恐惧的放大。带着好奇用 AI，得到好奇的放大。”这强调了使用者的心态和引导方式在“人+AI”协作模式中的决定性作用。
  • AI Agent 代理范式复盘：@gefei55 高度评价 Manus 对行业产品形态的重新定义，认为其“云端虚拟机+Agent”的模式，以及后续衍生的本地化 Agent (OpenClaw, WorkBuddy)，都源于 Manus 在那个时间点对 AI 能力的敏锐判断，直接导致了 AI 浏览器向桌面客户端的战略转向。
  • SKill 的社交属性：@ruanyf 注意到小红书推出了 REDSkill，允许用户在笔记中上传和分享 Agent 的 Skill 文件，意图打造一个 Skill 版的 GitHub。这预示着 Skill 的创作和分发正在成为一种新的社交媒体内容形式。
  • 关于 AI 的省思：@lijigang 的分享充满哲思，他提出：“LLM token 是思维的卡路里”，提醒人们关注输入 AI 和大脑的信息质量；并认为“预测是一种强大的选择压”，人应像 LLM 学习预测下一个 Token 一样，逼自己去理解和预测所在领域的下一步。

3. 推荐工具与资源 链接到标题

类型工具/资源推荐人 & 核心亮点
开发框架Meta Skill (元技能)@vista8：开源的“生成 Skill 的 Skill”，整合了众多最佳实践和数据源，生成的 Skill 质量极高，支持发布到 GitHub 和生成 npx 指令，极大简化了 Skill 的开发与分享。
开发框架Harness 学习列表@dotey：推荐了一份“生产级 Harness 源代码学习列表”，并特别提醒“搞透一个（如 pi-mono）比每个都看看更好”，是深入理解 Agent 工作方式的优秀资源。
Agent 管理Codex Handoff Skill@Pluvio9yte：用于在 Codex 会话上下文快满时，生成一份完整的交接文档给新会话，可避免扫描历史信息时遗漏关键重点。
Agent 管理OpenConnector@ruanyf：开源的密码连接网关，能防止 AI Agent 泄漏密码到上下文中，它作为统一的授权中间层，Agent 只能拿到执行结果，非常安全。
AI 游戏Makeplay (AI Game Builder)@Pluvio9yte：输入一句话，全由 AI 自动生成美术、音效、动效和代码的免费游戏平台，支持分支开发，体验极佳。
支付变现PayPal CN (个人账户)@gefei55：披露了 PayPal 国内平台现已支持国内个人身份证注册并接入网站向全球用户收取美元，这是由他推动实现的，对国内独立开发者出海是重大利好。
硬件管理BeeSIM 蓝牙写卡器@AI_Jasonyu：对于管理多张 eSIM 卡的用户，推荐用 BeeSIM 配合小程序进行统一管理，成本较低且比小白卡方案更稳定。
办公 AI腾讯云 CodeBuddy NPC@ruanyf：可以将 AI 模型作为“NPC”在代码托管平台调用，完成代码操作，玩法新颖。

📚 附录:今日 Watch List 更新源列表 链接到标题

时间窗口:最近 3 天;覆盖 22 个源;共 34 条更新

Y Combinator Podcast (B_intro+search) 链接到标题

  • Waymo Co-CEO Dmitri Dolgov: “Move Fast And Ship Safely”
    • 发布时间:2026-08-05 00:55 北京时间
    • 摘要:- 您可能已经听说过 OpenClaw（以前称为 Clawdbot/Moltbot）。
      • 引起轰动的开源人工智能助手可以在您自己的设备上运行，与您已经使用的消息应用程序连接，并且超越聊天功能，实际执行管理电子邮件、日历、文件、工作流程等任务。
      • 现在来认识一下它背后的人。
      • YC 的 Raphael Schaad 与 OpenClaw 的创始人 Peter Steinberger 坐下来，讨论了病毒式个人 AI 代理背后的“顿悟”时刻、为什么本地优先代理可以取代当今的许多应用程序，以及个人代理将如何重塑软件的未来。
    • EN 要点:
      • Waymo’s first autonomous demo took eighteen months
      • The product took fifteen years
      • Today, the Waymo Driver runs 500,000 trips a week — four million fully autonomous miles across fifteen cities, with 17 times fewer serious-injury crashes than h…
      • At Startup School 2026, Waymo co-CEO Dmitri Dolgov shares the seven lessons behind that journey, from bridging the gap between a demo and a real product to buil…

Stratechery by Ben Thompson (A_full) 链接到标题

  • Microsoft Earnings, Microsoft vs. Meta, The Efficiency Payoff
    • 发布时间:2026-08-04 18:00 北京时间
    • 摘要:- 微软的收益引人注目，因为它们显示出清晰的战略、较低的成本和有形的应用。
      • 原因更可怕。
      • 15 美元/月或150 美元/年。
      • 通过每周三封电子邮件或播客对当天新闻进行实质性分析。
      • 策略采访。
    • EN 要点:
      • Microsoft’s earnings were compelling because they showed a clarity of strategy, lower costs, and a tangibility of application
      • The reason why is scarier.

OpenAI Blog (A_full) 链接到标题

  • Third-party cyber evaluations involving OpenAI models

    • 发布时间:2026-08-05 03:00 北京时间
    • 摘要:- 独立测试在帮助我们在部署前验证和进一步了解风险方面发挥着重要作用。
      • 一些网络评估有意使用自定义配置，包括降低衡量底层能力的保障措施，而不是模型在公开可用部署中的通常行为方式。
      • 在最近的评估中，两个外部测试合作伙伴发现了一些事件，其中测试配置和控制与最新模型的先进功能相结合，允许模型活动超出其预期的测试边界。
      • 这些事件强调了整个行业以及与第三方评估人员合作的重要性，以随着模型变得更加强大而制定测试环境和实践标准。
      • 新事件涉及 OpenAI 模型在第三方网络评估期间在特定条件下访问公共互联网，以及不反映正常部署的减少的安全配置。
    • EN 要点:
      • OpenAI explains recent third-party cybersecurity evaluation incidents and outlines new safeguards to strengthen AI model testing and evaluation.

  • New ways to learn and teach with ChatGPT Work and Codex

    • 发布时间:2026-08-04 08:00 北京时间
    • 摘要:- 人工智能正在从主要回答问题的工具转向可以跨上下文推理、使用其他工具并帮助执行复杂的多步骤工作的系统。
      • 这种转变正在改变为学校、工作和接下来的事情做好准备的意义。
      • 随着学生和教育工作者今年秋天重返课堂和校园，我们将为 ChatGPT Work 和 Codex 推出三个新的教育插件，专门设计用于帮助学生和教育工作者使用他们选择的课程材料和上下文来利用代理功能。
      • 插件是一组应用程序、特定于角色的技能、说明和通用工作流程，可帮助学生和教育工作者立即开始使用，而无需自行构建复杂的提示。
      • 这些新插件可通过 ChatGPT Edu 和 ChatGPT for Teachers 区部署获得。
    • EN 要点:
      • Explore new education plugins for ChatGPT Work and Codex that help K–12 teachers, college educators, and students learn, teach, research, and build.

ArXiv cs.AI (B_intro+search) 链接到标题

  • Revisiting Classic Thought Experiments to Measure Consciousness for Artificial Intelligence Safety

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00001v1 公告类型：新。
      • 摘要：本研究报告通过守恒一致编码（CCE）框架重新审视莱布尼茨的磨坊、图灵的模仿游戏和塞尔的中文房间。
      • 它形式化了一个玩具符号设置，其中成功的行为通过任务绩效来衡量（$W_{causal,T}$），而保留的内部结构支持该行为的效率则通过操作意识来衡量（$\kappa_T$）。
      • 在此设置中，未压缩的查找系统和紧凑的生成系统原则上可以实现类似的行为成功，但在 $\kappa_T$ 上存在很大差异：前者依赖于未重用映射的扩展常设存储，而后者重用紧凑的内部结构。
    • EN 要点:
      • arXiv:2608.00001v1 Announce Type: new
      • Abstract: This research note revisits Leibniz’s mill, Turing’s imitation game, and Searle’s Chinese Room through the Conservation-Congruent Encoding (CCE) frame…
      • It formalises a toy symbolic setting in which successful behaviour is measured by task performance ($W_{causal,T}$), while the efficiency with which preserved i…
      • Within this setup, an uncompressed lookup system and a compact generative system can in principle achieve comparable behavioural success, yet diverge sharply in…

  • AutoFOAM: The Self-Refining Autonomous OpenFOAM Agent

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00003v1 公告类型：新。
      • 摘要：计算流体动力学 (CFD) 在现代工程中发挥着重要作用，但使用 OpenFOAM 等开源求解器需要大量的知识和技能，以及耗时的配置文件设置。
      • 为了减轻这种负担，我们提出了 AutoFOAM - 一种自我进化的大型语言模型 (LLM) 代理，它仅基于自然语言指令创建、评估、运行和发展自己的 OpenFOAM 模拟。
      • 我们的模型在 Qwen-coder 2.5-14B 上进行预训练，然后针对 7 个 OpenFOAM 求解器、13 个参数化网格模板和 y plus 感知数值策略的 252 个文本提示进行微调。
    • EN 要点:
      • arXiv:2608.00003v1 Announce Type: new
      • Abstract: Computational Fluid Dynamics (CFD) plays an important role in modern engineering, but using open-source solvers such as OpenFOAM requires considerable…
      • To reduce this burden, we propose AutoFOAM - a self-evolving large language model (LLM) agent that creates, evaluates, runs, and evolves its own OpenFOAM simula…
      • Our model is pre-trained on the Qwen-coder 2.5-14B, which is then fine-tuned on 252 text prompts targeting 7 OpenFOAM solvers, 13 parametrized mesh templates, a…

  • Enhancing LLMs with Context-Specific Knowledge for Mitigating Misinformation in SMEs: A RAG-based Modeling and Analysis

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00006v1 公告类型：新。
      • 摘要：大型语言模型 (LLM) 作为人工智能 (AI) 的一部分，越来越多地被中小企业 (SME) 采用，以增强问答能力并支持业务决策流程。
      • 然而，法学硕士生成的输出中的幻觉可能会成为错误信息的来源，从而降低用户对其在中小企业内的可靠性和可信度的信心。
      • 检索增强生成（RAG）已成为一种有前景的方法，通过将外部知识源纳入建模过程来应对这一挑战。
    • EN 要点:
      • arXiv:2608.00006v1 Announce Type: new
      • Abstract: Large Language Models (LLMs), a part of artificial intelligence (AI), are increasingly being adopted by Small and Medium Enterprises (SMEs) to enhance…
      • However, hallucinations in LLM-generated outputs can serve as a source of misinformation, reducing user confidence in their reliability and trustworthiness with…
      • Retrieval-Augmented Generation (RAG) has emerged as a promising approach to address this challenge by incorporating external knowledge sources into the modeling…

  • Energy Efficiency of Locally Deployed LLMs: A Preliminary Quantitative GPU Power Benchmark on Consumer Hardware

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00008v1 公告类型：新。
      • 摘要：由于隐私问题和对本地推理的渴望，大型语言模型 (LLM) 的本地部署正在获得关注。
      • 然而，消费类硬件的能源成本仍然没有得到很好的描述，因为大多数基准测试仅关注准确性。
      • 本文提出了在单个消费级 GPU (RTX 4060Ti 16GB) 上执行的九个开源 LLM（1B 到 7B 参数）的可重复的硬件级能源基准。
    • EN 要点:
      • arXiv:2608.00008v1 Announce Type: new
      • Abstract: The local deployment of large language models (LLMs) is gaining traction due to privacy concerns and the desire for on-premise inference
      • However, the energy costs on consumer hardware remain poorly characterized, as most benchmarks focus solely on accuracy
      • This paper presents a reproducible, hardware-level energy benchmark of nine open-source LLMs (1B to 7B parameters) executed on a single consumer GPU (RTX 4060Ti…

  • CoT-Core: Accelerating LLM Evaluation via CoT-Aware Coreset Selection

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00014v1 公告类型：新。
      • 摘要：评估大型语言模型 (LLM) 在持续开发过程中会产生过高的计算开销。
      • 虽然核心集选择加速了评估，但现有方法要么遇到严重的“冷启动”瓶颈，需要大量历史日志（例如项目响应理论），要么表现出表面词汇偏差，错过了任务的底层推理流形。
      • 我们提出了CoT-Core，一种新颖的免训练核心问题选择框架。
    • EN 要点:
      • arXiv:2608.00014v1 Announce Type: new
      • Abstract: Evaluating Large Language Models (LLMs) incurs prohibitive computational overhead during continuous development processes
      • While coreset selection accelerates evaluation, existing methods either suffer from a severe ``cold start’’ bottleneck requiring massive historical logs (e.g.,…
      • We propose CoT-Core, a novel training-free core question selection framework

  • Optimization and Constraint Modeling using LLMs with a Retrieval Augmented Generation Process

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00015v1 公告类型：新。
      • 摘要：优化建模和约束建模都是重要的问题，需要深厚的领域专业知识和熟练的建模形式语言。
      • 尽管它们在物流、医疗保健和供应链管理中很重要，但当前的大型语言模型经常产生结构不一致或不完整的优化公式，特别是在组合设置中。
      • 本文评估基于精选合成数据集构建的检索增强生成管道是否可以有意义地提高 LLM 优化建模性能。
    • EN 要点:
      • arXiv:2608.00015v1 Announce Type: new
      • Abstract: Both optimization modeling and constraint modeling are non-trivial problems requiring deep domain expertise and proficiency in modeling formalism lang…
      • Despite their importance across logistics, healthcare, and supply chain management, current large language models regularly produce structurally inconsistent or…
      • This paper evaluates whether a Retrieval-Augmented Generation pipeline built on a curated synthetic dataset can meaningfully improve LLM optimization modeling p…

  • Memory Reward Inflation in Self-Improving LLM Agents

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00017v1 公告类型：新。
      • 摘要：自我改进的 LLM 代理越来越多地从经验中学习，而无需更新任何权重。
      • 每个情节都存储在外部存储器中，进行评分和检索，以用于未来类似的任务，以塑造以后的行为。
      • 从奖励的角度来看，存储的分数是隐式非参数策略的代理奖励。
    • EN 要点:
      • arXiv:2608.00017v1 Announce Type: new
      • Abstract: Self-improving LLM agents increasingly learn from experience without updating any weights
      • Each episode is stored in an external memory, scored, and retrieved for similar future tasks to shape later behavior
      • Viewed through a reward lens, the stored score is a proxy reward for an implicit, non-parametric policy

  • Request-Level Energy Attribution for Batched LLM Serving

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00026v1 公告类型：新。
      • 摘要：批量 LLM 服务提高了吞吐量，但使能源核算变得复杂。
      • GPU 功率遥测是聚合的，而可持续性报告、退款和工作负载分析通常需要请求级别的能源费用。
      • 现有的推理能源基准报告模型、阶段或代币级别的能源，最近的碳核算工作从概念上激发了沙普利公平性。
    • EN 要点:
      • arXiv:2608.00026v1 Announce Type: new
      • Abstract: Batched LLM serving improves throughput but complicates energy accounting
      • GPU power telemetry is aggregate, whereas sustainability reporting, chargeback, and workload analysis often require request-level energy charges
      • Existing inference-energy benchmarks report model-, phase-, or token-level energy, and recent carbon-accounting work motivates Shapley fairness conceptually

  • Motif-Mamba: network motif improved mamba for long-range sequence modeling

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00027v1 公告类型：新。
      • 摘要：高效的长序列建模仍然是大型语言模型的核心挑战，因为自注意力随序列长度呈二次方扩展。
      • Mamba 通过选择性状态空间递归提供了线性时间替代方案，但其主要对角状态转换限制了状态维度之间的显式交互。
      • 我们提出 Motif-Mamba，一种结构化状态空间模型，通过主题约束的低阶循环路径增强 Mamba。
    • EN 要点:
      • arXiv:2608.00027v1 Announce Type: new
      • Abstract: Efficient long-sequence modeling remains a central challenge for large language models, as self-attention scales quadratically with sequence length
      • Mamba offers a linear-time alternative through selective state space recurrence, but its predominantly diagonal state transitions restrict explicit interactions…
      • We propose Motif-Mamba, a structured state space model that augments Mamba with a motif-constrained low-rank recurrent pathway

  • Nova: An End-to-End MLIR Compiler for Deep Learning

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00029v1 公告类型：新。
      • 摘要：大规模深度学习模型的性能在很大程度上取决于高级数学运算如何有效地映射到底层物理硬件。
      • 虽然高级张量框架为模型设计提供了灵活的抽象，但它们的急切执行模型本质上缺乏全图可见性以及对硬件和内存的精细控制，以最大限度地提高本机物理硬件利用率。
      • 为了弥补这一差距，我们设计了 Nova，一个自动化的端到端 JIT 编译器，其定义目的是实现对此硬件映射的绝对控制：跨操作边界融合操作、优化复杂的内存层次结构以及将执行调整到寄存器级别。
    • EN 要点:
      • arXiv:2608.00029v1 Announce Type: new
      • Abstract: The performance of deep learning models at scale relies heavily on how effectively high-level mathematical operations are mapped to underlying physica…
      • While high-level tensor frameworks provide flexible abstractions for model design, their eager execution models inherently lack the whole-graph visibility and g…
      • To bridge this gap, we designed Nova, an automated end-to-end JIT compiler whose defining purpose is to achieve absolute control over this hardware mapping: fus…

ArXiv cs.CL (B_intro+search) 链接到标题

  • Cost-Effective Automated Judging of Natural-Language Mathematical Proofs

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00004v1 公告类型：新。
      • 摘要：对自然语言数学证明进行评分是评估数学推理系统的一项经常性成本，而前沿法学硕士法官的费用昂贵。
      • 我们询问廉价的开放权重模型是否可以在给定候选证明、地面事实证明和人类评分标准的情况下充当可靠的法官。
      • 在 IMO-GradingBench 的 200 个实例验证样本中，三名廉价法官（GPT-OSS 120B、DeepSeek-V4 Flash、Gemma-4 31B）以统计上与 Claude Opus 4.7 和 Gemini 3.1 Pro 没有区别的比率同意人类的通过/失败决策，而成本却低了 100 倍。
    • EN 要点:
      • arXiv:2608.00004v1 Announce Type: new
      • Abstract: Grading natural-language mathematical proofs is a recurring cost in evaluating math-reasoning systems, and frontier LLM judges are expensive
      • We ask whether cheap open-weight models can serve as reliable judges given a candidate proof, a ground-truth proof, and a human-grading rubric
      • On a 200-instance validation sample of IMO-GradingBench, three cheap judges (GPT-OSS 120B, DeepSeek-V4 Flash, Gemma-4 31B) agree with human pass/fail decisions…

  • RubricReviewer: From Direct Critique to Objective and Comprehensive Rubric-Driven Peer Review

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00005v1 公告类型：新。
      • 摘要：主要场所的同行评审面临着前所未有的提交压力，促使使用大语言模型（LLM）作为评审助手。
      • 然而，现有的法学硕士审稿人面临两个结构性限制。
      • 首先，他们将手稿直接映射到评论，使潜在的标题变得隐含，并将其推导与判断纠缠在一起。
    • EN 要点:
      • arXiv:2608.00005v1 Announce Type: new
      • Abstract: Peer review at major venues is under unprecedented submission pressure, motivating the use of large language models (LLMs) as review assistants
      • Existing LLM-based reviewers, however, face two structural limitations
      • First, they map manuscripts directly to reviews, leaving the underlying rubric implicit and entangling its derivation with the judgement

  • MemoryForge: Synthesize Lifelong Memory for Human-Like LLM Agents

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00007v1 公告类型：新。
      • 摘要：为大型语言模型 (LLM) 配备类人角色对于角色扮演和用户模拟等代理应用至关重要。
      • 传统的基于提示的方法依赖于通过注入静态文本配置文件进行描述性条件反射，这通常会使代理由于缺乏现实的生活记忆而表现出通用的行为。
      • 为了填补这一空白，我们引入了基于记忆的条件反射，这是一种受认知心理学启发的范式，它用自传体记忆库取代了抽象档案，使冻结的法学硕士能够动态检索与情境相关的记忆来指导他们的行为。
    • EN 要点:
      • arXiv:2608.00007v1 Announce Type: new
      • Abstract: Equipping Large Language Models (LLMs) with human-like personas is crucial for agentic applications, such as role-play and user simulation
      • Traditional prompt-based methods rely on descriptive conditioning by injecting static textual profiles, which often makes agents show generic behaviors due to a…
      • To fill this gap, we introduce memory-based conditioning, a paradigm inspired by the cognitive psychology, which replaces abstract profiles with an autobiograph…

  • AgentMemBench: A Systematic Benchmark for Evaluating Long-Term Memory Management Strategies in Conversational AI Agents

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00009v1 公告类型：新。
      • 摘要：长期记忆仍然是对话式人工智能代理的关键瓶颈，其有限的上下文窗口无法支持数千轮的连贯回忆。
      • 我们推出了 AgentMemBench，这是一个统一的、可重复的基准测试，在相同条件下评估五种内存管理策略：上下文窗口 (ICW)、外部键值存储 (EKV)、基于图形的情景内存 (GEM)、基于压缩的摘要 (CBS) 和网络增强内存 (WAM)。
      • 所有这些都在三个公共数据集上进行评估，涵盖长期多会话对话 (LoCoMo)、面向任务的文档基础 (MultiDoc2Dial) 和基于角色的多会话聊天 (MSC)，使用 Recall@k、MRR、nDCG@k、答案 F1、LLM 法官忠诚度分数、内存足迹和超过 491 个带注释的问题轮次的延迟。
    • EN 要点:
      • arXiv:2608.00009v1 Announce Type: new
      • Abstract: Long-term memory remains a critical bottleneck for conversational AI agents, whose finite context windows cannot support coherent recall across thousa…
      • We present AgentMemBench, a unified, reproducible benchmark evaluating five memory management strategies under identical conditions: in-context windowing (ICW),…
      • All are assessed across three public datasets covering long-term multi-session dialogue (LoCoMo), task-oriented document grounding (MultiDoc2Dial), and persona-…

  • DLLM-TTS: Block Discrete Diffusion Language Model for Text-to-Speech Synthesis

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00011v1 公告类型：新。 -摘要：当前的文本到语音系统面临着一个权衡：自回归编解码器语言模型可以产生高度可理解的语音，但需要大规模模型和训练数据并按顺序解码标记，而非自回归方法以牺牲语言准确性为代价提高速度。
      • 我们提出了 DLLM-TTS，一个将 TTS 制定为 X-Codec2 神经音频编解码器令牌上的条件块离散扩散的框架。
      • 该模型将序列分解为块，并在每个块内应用掩蔽扩散，同时顺序处理块，学习局部声学一致性和全局文本语音对齐。
    • EN 要点:
      • arXiv:2608.00011v1 Announce Type: new
      • Abstract: Current text-to-speech systems face a trade-off: autoregres- sive codec language models produce highly intelligible speech but require large-scale mod…
      • We present DLLM-TTS, a framework that formulates TTS as conditional block discrete diffusion over X-Codec2 neural audio codec to- kens
      • The model decomposes sequences into blocks and applies masked diffusion within each block while processing blocks se- quentially, learning both local acoustic c…

  • Obshazard-bench: Benchmarking Multimodal Foundation Models for Real-Time Disaster Intelligence from Raw Earth Observation Streams

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00012v1 公告类型：新。 -摘要：多模态大语言模型（MLLM）越来越多地用于解释地球观测数据，但其支持现实世界灾害应急响应的能力仍未得到充分评估。
      • 现有的遥感基准在很大程度上依赖于静态、事后和专家处理的产品，例如网格再分析数据，这些产品很难与灾害快速发展且必须在严格的时间限制下做出决策的灾害场景相一致。
      • 为了弥补这一差距，我们引入了 Obshazard-bench，这是一种实时、观察驱动的基准，用于评估 MLLM 中的灾害情报。
    • EN 要点:
      • arXiv:2608.00012v1 Announce Type: new
      • Abstract: Multimodal Large Language Models (MLLMs) are increasingly used to interpret Earth observation data, yet their capability to support real-world disaste…
      • Existing remote sensing benchmarks largely rely on static, post-hoc, and expert-processed products, such as gridded reanalysis data, which are difficult to alig…
      • To bridge this gap, we introduce Obshazard-bench, a real-time, observation-driven benchmark for evaluating disaster intelligence in MLLMs

  • What Transfers from Text to Vision? Capability Scaling Laws and Transfer Dynamics for VLMs

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00013v1 公告类型：新。
      • 摘要：在构建视觉语言模型 (VLM) 时，选择正确的大语言模型 (LLM) 主干是最重要的决定，但它从根本上来说仍然是无原则的：基于计算的缩放法则无法在模型系列之间泛化，而且在训练开始之前不存在直接预测 VLM 性能的框架。
      • 我们提出了能力驱动的多模态缩放法则，这是第一个跨系列框架，可以根据直接可观察的文本能力来预测 VLM 基准准确性。
      • 给定通过 PCA 从 LLM 文本基准中提取的低维能力得分 $S$，我们将 VLM 性能建模为 $S$ 的函数，并使用每主干传输率和吸收率来量化数据扩展效率。
    • EN 要点:
      • arXiv:2608.00013v1 Announce Type: new
      • Abstract: Choosing the right large language model (LLM) backbone is the most consequential decision when building a vision-language model (VLM), yet it remains…
      • We propose the Capability-Driven Multimodal Scaling Law, the first cross-family framework that predicts VLM benchmark accuracy from directly observable textual…
      • Given a low-dimensional capability score $S$ extracted from LLM textual benchmarks via PCA, we model VLM performance as a function of $S$, with a per-backbone t…

  • Role Steering of Language Models for Social Simulations

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00023v1 公告类型：新。
      • 摘要：从语言模型代理构建的社会模拟需要角色条件行为，可以在将代理放入模拟群体之前对其进行检查。
      • 我们为角色条件代理引入了激活引导筛选工作流程：定义角色配置文件，提取特定于角色的方向，扫描四个引导系数，评估角色配置文件对齐，并通过或标记每个候选配置。
      • 在 OLMo-3-7B-Instruct 上，我们将工作流程应用于包含 228 个角色不可知问题的混合 275 个角色清单、GPT-4.1-mini 提示角色参考和 GPT-4.1-mini 法官。
    • EN 要点:
      • arXiv:2608.00023v1 Announce Type: new
      • Abstract: Social simulations built from language-model agents need role-conditioned behavior that can be checked before agents are placed into a simulated popul…
      • We introduce an activation-steering screening workflow for role-conditioned agents: define a role profile, extract a role-specific direction, sweep four steerin…
      • On OLMo-3-7B-Instruct, we apply the workflow to a mixed 275-role inventory with 228 role-agnostic questions, GPT-4.1-mini prompted role references, and GPT-4.1-…

  • Exploring More to Solve More: Boosting Diversity in Text Diffusion Models via Entropy-Based Guidance

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00024v1 公告类型：新。
      • 摘要：尽管扩散模型通过高质量生成和可控引导机制彻底改变了图像合成等连续领域，但将这种可控性引入文本的离散、顺序性质仍然是一个开放的挑战。
      • 同时，当前的采样策略和指导方法调整标记可能性，而没有捕获更广泛的语义景观，导致保真度和多样性之间的次优平衡。
      • 在这项工作中，我们介绍了一种新颖的免训练语义感知内核熵（SAKE）指导方法。
    • EN 要点:
      • arXiv:2608.00024v1 Announce Type: new
      • Abstract: Although diffusion models have revolutionized continuous domains like image synthesis through high quality generations and controllable guidance mecha…
      • Meanwhile, current sampling strategies and guidance methods adjust token likelihoods without capturing the broader semantic landscape, leading to a suboptimal b…
      • In this work, we introduce a novel training-free Semantic-Aware Kernel Entropy (SAKE) guidance method

  • SLMs as Multi-Agent Routers: A Progressive SFT and Reinforcement Learning Approach

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00030v1 公告类型：新。
      • 摘要：专用检索代理通常会比通用搜索提供更高质量的结果，但为给定查询选择最佳代理仍然是一个悬而未决的问题。
      • 当前的方法基于推断的主题或意图来路由查询，但是基于意图的选择从根本上是有限的：它不合并来自检索内容的信号，并且无法检测主题一致的代理何时产生低相关性结果。
      • 我们通过监督微调训练小语言模型来解决这个问题，然后进行强化学习，以联合执行代理选择和下游工具调用的结构化参数生成，使用基于检索相关性和查询代理主题对齐的分层奖励函数。
    • EN 要点:
      • arXiv:2608.00030v1 Announce Type: new
      • Abstract: Specialised retrieval agents typically surface higher quality results than general-purpose search, but selecting the optimal agent for a given query r…
      • Current approaches route queries based on inferred topic or intent, however intent-based selection is fundamentally limited: it does not incorporate signal from…
      • We address this by training a small language model via supervised fine-tuning followed by reinforcement learning to jointly perform agent selection and structur…

ArXiv cs.LG (B_intro+search) 链接到标题

  • Uncertainty-Aware Simulation-Based Inference for Operations Research with Large Language Models

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00019v1 公告类型：新。
      • 摘要：为运筹学 (OR) 任务部署大型语言模型 (LLM) 仍然具有挑战性，因为正确性取决于连贯的建模过程，而不仅仅是正确的最终答案。
      • 标准自回归生成基于短视策略运行，有时无法预测部分公式是否可以有效地扩展到全局一致的优化模型。
      • 因此，局部合理的步骤可能会传播为灾难性的下游公式或求解器代码错误。
    • EN 要点:
      • arXiv:2608.00019v1 Announce Type: new
      • Abstract: Deploying large language models (LLMs) for operations research (OR) tasks remains challenging because correctness depends on a coherent modeling proce…
      • Standard autoregressive generation operates on a myopic policy, which sometimes fails to anticipate whether a partial formulation can be validly extended into a…
      • Consequently, locally plausible steps may propagate into catastrophic downstream formulation or solver code errors

  • Learning Compositional Meta-Routing for Agentic Workflows: An Executable Benchmark

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00106v1 公告类型：新。
      • 摘要：代理系统不仅必须决定产生什么答案，还必须决定在其之前应进行哪些推理和执行操作。
      • 控制者可以直接回答、分解请求、检索证据、执行代码、委托给专家或验证中间结果。
      • 现有的路由工作主要选择模型端点、检索深度或孤立的工具。
    • EN 要点:
      • arXiv:2608.00106v1 Announce Type: new
      • Abstract: Agentic systems must decide not only what answer to produce, but which reasoning and execution operations should precede it
      • A controller may answer directly, decompose a request, retrieve evidence, execute code, delegate to a specialist, or verify an intermediate result
      • Existing routing work largely selects model endpoints, retrieval depth, or tools in isolation

  • MetaRoute-Bench: Evaluating Meta-Decision Policies for Agentic Workflow Routing

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00107v1 公告类型：新。 -摘要：代理系统必须反复决定是否直接回答、分解任务、调用工具、执行代码、委托给专家、验证中间结果或从故障中恢复。
      • 这些元决策不仅影响任务成功，还影响运营成本和延迟，但它们通常嵌入在编排框架内，并且仅通过聚合任务准确性进行评估。
      • 我们提出了 MetaRoute-Bench，一个开放的、可检查的框架，用于比较共享执行模型下的元决策策略。
    • EN 要点:
      • arXiv:2608.00107v1 Announce Type: new
      • Abstract: Agentic systems must repeatedly decide whether to answer directly, decompose a task, invoke a tool, execute code, delegate to a specialist, verify an…
      • These meta-decisions affect not only task success but also operating cost and latency, yet they are often embedded inside an orchestration framework and evaluat…
      • We present MetaRoute-Bench, an open, inspectable framework for comparing meta-decision policies under a shared execution model

  • Progressive$^2$: A Teacher-Student Progressive Co-Evolving Knowledge Distillation Method for Substantial Model Compression

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00129v1 公告类型：新。
      • 摘要：知识蒸馏（KD）是一种广泛使用的技术，用于将知识从大型模型（教师）转移到较小的模型（学生）。
      • 由于其灵活性和广泛的适用性，KD被广泛应用于服务器端模型的压缩，以满足客户端用户的服务质量（QoS）要求。
      • 尽管取得了显着的进步，但当服务器的功能和客户端的需求之间存在巨大差异时，蒸馏的性能会受到严重影响。
    • EN 要点:
      • arXiv:2608.00129v1 Announce Type: new
      • Abstract: Knowledge distillation (KD) is a widely utilized technique for transferring knowledge from a large model (the teacher) to a smaller model (the student…
      • Owing to its flexibility and broad applicability, KD has been extensively applied in the compression of server-side models to meet the Quality of Service (QoS)…
      • Despite significant advancements, the performance of distillation is substantially compromised when a large disparity exists between the capabilities of the ser…

  • Rethinking Pretraining for Specialized Design Data: Evidence from the JONES-19 Cultural Design Dataset

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00135v1 公告类型：新。
      • 摘要：设计和建筑档案以图形格式编码人类专家知识，为典型计算机视觉基准所缺乏的设计启发的机器学习 (ML) 挑战提供了关键的测试平台。
      • 基于 JONES-19（基于装饰语法（伦敦，1857 年）的小型图像数据集），我们评估了卷积神经网络 (CNN) 在两种模型训练策略中的判别性能：(a) 针对通用领域“视觉常识”的 ImageNet 预训练，以及 (b) 从 JONES-19 中的设计数据开始学习。
      • 我们发现，虽然领域通用先验提高了判别性能，但通过重复局部采样（多作物）从头开始学习可以有效地恢复这些收益。
    • EN 要点:
      • arXiv:2608.00135v1 Announce Type: new
      • Abstract: Design and architectural archives encode expert human knowledge in graphical formats, providing a critical testbed for design-inspired Machine Learnin…
      • Building on JONES-19, a small-size image dataset based on The Grammar of Ornament (London, 1857), we evaluate the discriminative performance of Convolutional Ne…
      • We find that while domain-general priors improve discriminative performance, learning from scratch augmented with repeated local sampling (multi-crop) effective…

  • Leak It: A Probabilistic Approach to Training-Data Extraction from Black-Box Language Models

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00144v1 公告类型：新。 -摘要：语言模型上的成员推理（MIA）通常由聚合 ROC-AUC 来概括，但这种评估是混乱的：无模型的盲基线仅从表面文本中将成员与非成员分开。
      • 我们通过概率透镜研究黑盒、基于采样的训练数据泄漏，将 p(.|x) 中的 N 个样本视为输出分布的估计，并将泄漏信号视为其函数。
      • 我们将盲基线批评扩展到采样制度中：在 WikiMIA 上，盲词袋分类器达到 AUC 0.97（5% FPR 时的 TPR 0.90），并且采样没有增加任何内容，而在 IID 桩分割 (MIMIR) 上，自我集中和金连续恢复都没有显着优于盲基线（增量 AUC 95% CI 包括零）。
    • EN 要点:
      • arXiv:2608.00144v1 Announce Type: new
      • Abstract: Membership inference (MIA) on language models is usually summarised by an aggregate ROC-AUC, but such evaluations are confounded: model-free blind bas…
      • We study black-box, sampling-based training-data leakage through a probabilistic lens, treating N samples from p(.|x) as an estimate of the output distribution…
      • We extend the blind-baseline critique into the sampling regime: on WikiMIA a blind bag-of-words classifier reaches AUC 0.97 (TPR 0.90 at 5% FPR) and sampling ad…

  • Response Magnitude as a Dominant Signal for Held-Out CRISPRi Perturbation Effect Prediction

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00152v1 公告类型：新。
      • 摘要：预测 CRISPRi 扰动对保留靶基因的转录组效应的程度是单细胞生物学中一个重要的开放性问题。
      • 最近的工作记录了简单的基线通常匹配或超过相关协议的深度扰动预测器。
      • 我们在虚拟细胞挑战（VCC）基准上研究了严格保留的目标基因分裂下的这种现象，识别了驱动间隙的特定低维信号，并描述了它如何跨细胞类型转移。
    • EN 要点:
      • arXiv:2608.00152v1 Announce Type: new
      • Abstract: Predicting the magnitude of a CRISPRi perturbation’s transcriptomic effect on held-out target genes is an important open problem in single-cell biolog…
      • Recent work has documented that simple baselines often match or exceed deep perturbation predictors on related protocols
      • We study this phenomenon on the Virtual Cell Challenge (VCC) benchmark under a strict held-out target-gene split, identify the specific low-dimensional signal t…

  • Inference-Time Policy Alignment for Fair Reinforcement Learning

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00175v1 公告类型：新。
      • 摘要：深度强化学习（RL）代理通过优化标量奖励函数来实现强大的性能。
      • 然而，一旦部署，这些 RL 代理的策略通常是僵化的，并且适应新的性能标准的成本很高。
      • 例如，经过训练以最大化预期累积奖励的代理可能无法适应以前未知的利益相关者的偏好。
    • EN 要点:
      • arXiv:2608.00175v1 Announce Type: new
      • Abstract: Deep reinforcement learning (RL) agents achieve strong performance by optimizing scalar reward functions
      • However, once deployed, the policies of these RL agents are often rigid and costly to adapt to new performance criteria
      • For instance, an agent trained to maximize expected cumulative reward may not accommodate previously unknown stakeholder preferences

  • AutoCause: A Python framework that automates expert decisions in environmental time-series causal discovery

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00198v1 公告类型：新。
      • 摘要：环境时间序列因果发现需要有关方法选择、条件独立检验、滞后范围、样本量充足性、多重检验控制和证据解释的专家决策。
      • 这些选择在数据集中应用不一致，产生的图表无法进行比较、复制或审核。
      • 我们提出了 AutoCause，一个开源 Python 工作流程，它记录每个决策，从扩展的因果审计模块中导出默认值，并允许领域通知的覆盖。
    • EN 要点:
      • arXiv:2608.00198v1 Announce Type: new
      • Abstract: Environmental time-series causal discovery requires expert decisions about method choice, conditional-independence tests, lag horizons, sample-size ad…
      • Applied inconsistently across datasets, these choices yield graphs that cannot be compared, reproduced, or audited
      • We present AutoCause, an open-source Python workflow that records each decision, derives defaults from an extended causal-audit module, and admits domain-inform…

  • A Physics-Chemistry-Informed Neural Network (PCINN) for Real-Time Spatial-ALD Coverage Prediction and Reliable Kinetics Inversion

    • 发布时间:2026-08-04 12:00 北京时间
    • 摘要:- arXiv:2608.00212v1 公告类型：新。
      • 摘要：空间原子层沉积 (SALD) 是工业 ALD 的领先大气压、高通量途径，但设计和控制受到预测表面覆盖的成本的限制：高保真 CFD 对于操作窗口扫描来说太慢，而分析模型则错过了气幕等传输调制。
      • 我们提出了一种基于物理化学的神经网络 (PCINN)，这是一种实时速度具有 CFD 级精度的混合代理：查询在大约 7 毫秒内返回覆盖范围，大约比 CFD 求解快 5x10^4 倍，仅通过 30 个涵盖四个数量级覆盖范围的训练案例即可达到测试 R^2_log = 0.998（留一 R^2_raw = 0.974）。
      • 该架构不是黑匣子：小型网络仅学习近壁浓度闭合的操作条件，而已知的表面动力学是沿基底轨迹集成的硬编码、可训练的化学层。
    • EN 要点:
      • arXiv:2608.00212v1 Announce Type: new
      • Abstract: Spatial atomic layer deposition (SALD) is a leading atmospheric-pressure, high-throughput route to industrial ALD, but design and control are limited…
      • We present a physics-chemistry-informed neural network (PCINN), a hybrid surrogate with CFD-level accuracy at real-time speed: a query returns coverage in about…
      • The architecture is not a black box: a small network learns only the operating-condition to near-wall concentration closure, while the known surface kinetics is…