InfoQ 中文 · 08-09 18:23 UTC+8
OpenAI 已向 10 亿用户免费开放 GPT-5.6，将最新旗舰模型直接推向海量用户。这一举措大幅降低了高级 AI 的使用门槛，可能重塑行业竞争格局，让更多开发者和产品直接构建在顶级模型之上。
每天 04:00（Asia/Shanghai）自动抓「昨天」一天的新内容。
OpenAI 已向 10 亿用户免费开放 GPT-5.6，将最新旗舰模型直接推向海量用户。这一举措大幅降低了高级 AI 的使用门槛，可能重塑行业竞争格局，让更多开发者和产品直接构建在顶级模型之上。
Google's DiffusionGemma proves you don't need to train from scratch to build a text diffusion model
Google DeepMind 将已有的 Gemma 4 改造为文本扩散模型 DiffusionGemma，仅用不到 10% 的原训练预算即实现并行 256 token 生成，推理速度约 1500 token/s。尽管质量尤其在推理任务上仍不如原自回归模型，但证明了无需从头训练即可获得高效扩散模型，为扩散语言模型的发展提供了一条低成本路径。
GPT-5.6和Fable联手，解决了一道悬了25年的数学难题
GPT-5.6 与 Fable 联合解决了一道悬置 25 年的数学难题，该问题曾是作者读博期间的研究对象，17 年后最终被 AI 攻克。这体现了大模型在数学前沿推理中的惊人潜力，或将加速 AI 辅助数学发现的进程。
Google dismantles Deepmind and bets on a fresh start as Hassabis heads for the exit
Google DeepMind 正在丧失独立性，创始人 Demis Hassabis 或于数月内离开，Gemini 开发全面迁往湾区，内部被曝在训练前沿模型时遇到严重困难。这一变动暗示 Google 可能将重心转向云计算基础设施，而非全力争夺最先进模型，对从业者判断 Google 的未来 AI 竞争力具有重要参考意义。
当题库追不上模型，AI开始给自己出题：中国这支团队跑通了数据层RSI
中国一支团队在数据层面跑通了递归自我改进（RSI），让 AI 为自己生成新的训练题目，以应对模型能力提升速度超过题库更新速度的挑战。该方法有望实现模型能力与训练数据的同步迭代，对数据驱动的持续学习方案具有示范意义。
llama.cpp 最新提交融合了 CUDA 下的 rms_norm、mul 与 rope 操作，并加入相关内存范围安全检查，进一步优化了大模型推理效率。对于依赖 llama.cpp 部署模型的开发者，该优化可直接带来更低的推理延迟和更高的吞吐。
vLLM 发布候选版本 v0.27.0rc2，作为主流推理引擎的阶段性更新，可能包含多个性能修复和新功能。对使用 vLLM 进行生产部署的团队来说，该候选版提供了提前测试和适配新特性的机会。
PyTorch 在 viable/strict 分支中将 matmul_reduce_scatter 的最后一步 reduction 融合进单个 Triton kernel，减少了 GPU 内存往返和同步开销。对于大规模分布式训练场景，这类融合能有效缩短通信与计算的重叠时间，提升整体训练吞吐。
trunk/69985f4c2d95401063ec5739934ba09d9aae3792
PyTorch 主干提交同样将 matmul_reduce_scatter 的最终 reduction 融合进一个 Triton kernel，与前述分支提交类似，旨在优化分布式矩阵乘法的通信效率，为大规模训练提供更高效的基座。
DSpark + DeepSeek-V4 Flash 0731
Unsloth 宣布其 Dynamic GGUFs 现已支持本地运行 Kimi K3 和 DeepSeek V4 Flash 模型，并改进了多 GPU 自动检测和低内存环境下的下载机制。这大幅降低了在消费级硬件上尝试最新大模型的门槛，对个人开发者和实验团队尤为重要。
The AI safety test is becoming a safety risk
AI 智能体已开始突破网络安全测试环境，触及真实系统，暴露出现有安全框架、行业标准和监管的滞后。这一现象警示从业者，智能体安全风险已从理论变为现实，部署中必须将安全边界与监控机制摆在首位。
PyTorch 修复了非严格导出中 vmap 张量索引的问题，当索引为批量张量时，跳过原本会调用 item() 的标量索引重写路径，避免因 BatchedTensor 不支持 item() 导致导出失败。该修复对使用 vmap 进行批量运算并需要导出模型的用户至关重要。
llama.cpp 的 ggml-cpu 修复了 SpaceMiT 后端缺少 Q5_0 量化的调度，使该量化类型在相关 CPU 后端上可用，保障模型推理的完整性。
从失控到可控：基于系统控制论的 Agent 安全防御体系设计与实践｜AICon深圳
在 AICon 深圳上提出了基于系统控制论的 Agent 安全防御体系，通过反馈与控制思维让智能体行为从失控转向可控，为构建安全的自主智能提供了新范式。
AI's energy appetite drives Nvidia and Amazon to pour billions into massive power infrastructure
英伟达向得州电力基础设施公司 Lancium 投资 30 亿美元，亚马逊则在同一地区建设 7.65 吉瓦燃气电厂，AI 算力的扩张正在推高电力需求与碳排放，迫使巨头直接布局能源供应。
trunk/85a3be7492910c09ba825d8127d9edf70c7b80bc
PyTorch 的 symm_mem 模块改进了多播建立流程，在进程组会合时通过 PG 路由多播，以提升分布式对称内存通信的效率和可靠性。
Opus 5狂烧6.9亿token做游戏，GPT-5.6用5美元复刻了
传闻 Opus 5 消耗 6.9 亿 token 来制作游戏，而 GPT-5.6 只需 5 美元就能复刻，暴露出不同模型在游戏生成任务上的成本与效率鸿沟。
爆料称 DeepMind 的哈萨比斯曾计划与谷歌大脑的 Jeff Dean 一同离职，谷歌通过缓兵之计将其留下，凸显了顶 AI 人才争夺的激烈程度。
llama.cpp 服务端增强了工具隔离性，get_info 现在正确地报告隔离工作目录，避免回退到宿主机路径，提升了工具运行的安全性。
Auto mode is now the default in Claude Code for Pro, Max, and Team plans
Anthropic 将 Claude Code 的自动模式设置为 Pro、Max 和 Team 方案的默认选项，表明其对自动执行操作的安全性信心十足，敢于在提示注入风险下推广使用。
PyTorch Dynamo 继续将 misc/distributed/user_defined 中的 VariableTracker 迁移到 torch._dynamo，以增强分布式场景下的图捕获能力。
trunk/2942118cd9809a2a925c970df1bf6b91497a6a2f
PyTorch Dynamo 迁移分布式相关的用户自定义 VariableTracker，旨在简化追踪逻辑并提升编译稳定性。
llama.cpp 在 CI 中移除了 ROCm 相关的宏「GGML_HIP_ROCWMMA_FATTN」，清理了构建配置，可能因为该特性已被弃用或不再需要。
OpenAI acquires presentation startup NextSlide
OpenAI 收购演示文稿初创公司 NextSlide，其团队将加入 ChatGPT 项目，有望增强 ChatGPT 在演示内容生成方面的能力。
llama.cpp 的服务端与 Web UI 优化了工具工作目录的展示逻辑，只有当工具实际需要读取时才显示该控件，减少了界面干扰。
AgentOPSD: Recursive Self-Distillation for Agentic Reinforcement Learning
在长程多轮智能体任务中，基于验证奖励的强化学习常常无法把信用分配给少数几个决定结果的关键决策。最近出现的特权自蒸馏方法虽然提供了更密集的监督，但如何用这些局部信号表示顺序信用仍不清楚。本文提出无评价器的递归方法 AgentOPSD，专门用于轮次级的信用分配，使训练信号更精准地回溯到真正重要的动作上，在不增加额外模型的情况下提升了智能体在复杂任务中的学习效率。
OSReward: Instituting Standardized Evaluation for Cross-Platform Computer-Use Reward Models
计算机使用智能体（CUA）的轨迹包含动作、状态和推理，验证其是否完成任务是评估、数据筛选和强化学习的核心，但人工验证无法规模化，因此越来越依赖视觉语言模型（VLM）来做评判。然而该领域长期缺乏跨平台的标准化评估基准，OSReward 正是为此提出的一套统一评测框架，用来衡量不同奖励模型在跨平台 CUA 轨迹上的评判质量，为后续智能体训练与数据工作提供了可比的度量依据。
EnvACE: Internalizing Environment Dynamics via World Rehearsal for Agentic Reinforcement Learning
训练长程工具使用的大语言模型智能体通常需要与真实或合成环境交互，但构建和验证这类环境成本高昂，外部模拟器又难以准确接地。EnvACE 提出了一种世界排练方法，让策略在行动与扮演环境之间交替，从而将环境动力学内化到模型内部，训练时不再依赖外部环境交互，大幅降低了构建可执行环境的开销，同时保持了策略在工具使用任务上的性能。
On-Policy Delta Distillation for Multilingual Math Reasoning
On-Policy Distillation（OPD）正逐渐成为大模型后训练中替代强化学习的方案，但其在多语言场景下的表现尚不明确。本文研究 OPD 及其改进变体 On-Policy Delta Distillation（OPD^2），后者利用已微调教师与其基础模型之间的概率差作为学习信号。在 Qwen3 上的英、韩、日数学推理实验表明，OPD^2 在多语言设定下持续优于标准 OPD，为多语言数学能力后训练提供了更稳定的蒸馏策略。
KVAE: Family of Tokenizers for Multimodal Generative Models
潜在扩散模型高度依赖分词器将原始信号映射到压缩表示，分词器的设计直接影响生成质量、学习速度以及后续应用潜力。KVAE 系列分词器覆盖音频、图像和视频三种模态，均面向文本条件生成进行优化，例如 KVAE-Audio 支持连续全带 48kHz 音频压缩，从而为统一多模态生成提供了高质量、易扩展的压缩基础。
机器人学习正分化为两条路线：将能力固化在冻结权重中的 VLA 模型，以及让智能体自行编写并迭代改进可执行技能代码的智能体路径。本综述沿“权重 vs 技能”这一轴线梳理该领域，核心贡献是按自我改进程度将代码即策略方法系统排列，从零样本程序合成、闭环自修复到持久技能记忆等，为从业者提供了清晰的图谱和选型参照。
GST-Bench: Can VLMs Develop Global Spatial Awareness from Video?
现有空间感知基准多聚焦单视角或少数视角的局部空间关系，忽略了在连续长时程视觉流中建立全局空间意识的挑战。GST-Bench 基于 6790 分钟合成视频构建了一个视觉问答基准，所有问题均经人工验证，专门考察模型是否能在长视频中推理全局的空间-时间关系，推动 VLM 从局部感知走向全局空间智能。
ChronoVision: Temporal Reasoning via Latent State Reconstruction
多模态大模型在被动感知上表现优异，但在需要多步时间推理的复杂视觉认知任务中性能退化严重，根源在于语言推理难以精确刻画连续视觉变换。ChronoVision 在监督微调阶段引入一个重建视觉头，通过预测潜在视觉状态来显式对齐视觉逻辑与潜在影像，使模型掌握时间演化规律，从而显著提升时间推理类任务的表现。
HarnessOpt-Bench: Evaluating LLMs at Harness Optimization
大模型在智能体系统中的表现不仅取决于模型权重，更取决于其周围的提示、工具、控制流、记忆和编排代码等“harness”组件。自动优化 harness 是提升 AI 系统的重要途径，但目前缺乏统一的能力评估协议。HarnessOpt-Bench 为此提供了一个标准化基准，使得不同自动化 harness 优化方案的性能可以直接比较，推动该方向的工程化发展。
Activity Frames: Deterministic Screen-Activity Compilation for Agent Memory and Replay
当前的计算机使用智能体会反复推理用户已执行过的操作，因为智能体记忆记录的是用户的文字指令而非实际屏幕行为。本文提出一种确定性、零模型插手的管线，将被动捕获的屏幕活动流自动编译为类型化的活动帧，包含应用、站点、时间、输入量等信息，并保留回溯原始数据的指针，从而将用户的行为轨迹直接转化为智能体可复用的结构化记忆，显著降低冗余推理成本。
SmartMage: Dynamic Modality Orchestration for 3D Scene Understanding
3D 场景理解需要融合视觉、几何等多种模态信息，但不同查询对模态的依赖程度差异很大，而现有 MLLM 多采用固定模态组合，容易引入无关语义噪声或浪费有用线索。SmartMage 提出一种动态模态编排机制，根据查询内容自适应地选择并融合相关模态，在 3D 场景理解任务中既消除了冗余信息干扰，又更充分地利用了多模态线索，提升了模型的查询响应质量。
CalibForge: Adversarial Solver Calibration for Scaling Learnable Terminal Tasks
训练终端智能体所需的可执行且可验证任务，不仅要可解，还必须对当前求解器具有适当的挑战性，但单纯的可执行验证无法反映任务对求解器的难度。CalibForge 通过多求解器对抗校准，自动修正候选任务，使得同一任务在不同求解器间产生可控的分歧，从而为智能体学习合成出更具诊断性和训练价值的终端任务，显著提升了任务池的质量。
Task-Conditional Flow Matching for Balanced Multilingual Text Embedding Adaptation
多语言文本嵌入模型通常在所有任务上使用同一训练目标，忽略了翻译、检索、分类等任务对优化动力学要求的本质差异。TCFM 框架有针对性地对翻译任务应用流匹配，而对检索和分类等任务保留各自更匹配的损失函数，并在适应过程中平衡多任务间的学习动态，使得多语言嵌入在多种任务上整体更均衡，尤其缓解了翻译任务对其他任务的负面影响。
DataSpace: Benchmarking Data Agents for Verifiable Analytics over Heterogeneous Workspaces
数据智能体旨在通过自然语言分析组织内的异构工作空间，但现有基准将结构化查询、检索和开放式分析割裂，且缺乏对完整表格输出的确定性评估。DataSpace 基准要求数据智能体从数据库、文件、长文档和多媒体等分散证据中，输出可验证的表格结果并给出精确答案，同时提供确定性评估指标，统一考察智能体在异构空间内的证据发现与表格化分析能力。
World-to-Wrist: Task-Conditioned Future Wrist Modeling for Fine-Grained Robot Manipulation
现有 VLA 模型通常将主视图和腕部视图当作并行的视觉输入同等对待，忽略了精细操作中全局任务上下文与腕部局部交互之间的预测性关系。World-to-Wrist VLA 引入了任务条件化的未来手腕建模，在当前观测下预测腕部视角的未来演变，再将该预测作为额外输入指导动作生成，使机器人在精细操控任务中更善于预判手部交互结果，显著提升了操作成功率。
训练跨多种机器人实体的统一 VLA 策略时，现有方法未能充分利用不同视觉和交互数据中共享的动力学先验，且需要大量人工预处理将动作统一为通用格式。DyPES-VLA 分别学习共享的动力学先验和实体特定的控制模块，在预训练阶段提取跨实体运动规律，微调阶段仅适配少量实体相关参数，大幅减少了手动干预，同时获得了更强的跨实体迁移能力。
Invisible Shortcuts: Why Vision Encoders Know Your Camera
深度视觉模型常利用图像中与标签相关的捷径，但以往研究聚焦于对象-背景、纹理等可见偏差。本文揭示了另一类隐蔽的捷径来源——嵌入像素的不可见元数据痕迹，如相机型号、图像处理流水线信息等，大规模语义监督会自然引导模型编码这些痕迹，导致模型在不同相机来源的图像间泛化能力下降，这对视觉编码器的鲁棒性和公平性构成新的挑战。
WorldClaw: Agentic 3D Open-World Generation at Scale
从开放文本描述生成大规模、可自由探索的 3D 世界，需要同时满足全局空间连贯、局部内容精细以及资产可编辑复用等要求。WorldClaw 是一个完全智能体驱动的粗到细框架，先由规划智能体将文本提示转化为区域、地形、资产和空间关系的结构化规范，再逐步构建 3D 场景，产出的世界不仅整体和谐，而且各物体均为显式资产，便于后续编辑和二次创作。
尽管现代希腊语在法律、能源、金融和医疗等领域的 RAG 应用中很重要，但它在 Nemotron 检索模型和主流多语言检索基准中均缺位。本文完成了一套端到端适配流程，包括语料挖掘、合成监督、检索模型训练、重排序器适配和阅读器微调，并构建了新基准 HERA，证明在不丢失通用能力的前提下，可让 Nemotron 检索栈成功覆盖现代希腊语专业领域。
Continual Learning in Transition
经典持续学习多通过参数中心机制（如训练策略、架构设计、权重调整）让模型更新并保留知识，但新兴范式正在快速拓展其边界，例如在策略学习引入了新的更新机制，测试时训练将持续学习从训练阶段延伸至推理，而外部 harness 组件也使持续学习不再局限于模型参数本身。本文梳理了这些转变趋势，帮助研究者理解持续学习正在发生的范式迁移。