<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/">
    <channel>
        <title>机器之心公众号 - SupSub</title>
        <link>https://supsub.net/feed/public/58f382c9/rss</link>
        <description>专业的人工智能媒体和产业服务平台</description>
        <lastBuildDate>Wed, 08 Jul 2026 17:33:20 GMT</lastBuildDate>
        <docs>https://validator.w3.org/feed/docs/rss2.html</docs>
        <generator>https://github.com/jpmonette/feed</generator>
        <language>zh</language>
        <image>
            <title>机器之心公众号 - SupSub</title>
            <url>http://wx.qlogo.cn/mmhead/Q3auHgzwzM75UiawQgcdqOcmtYS7Jibug9J7dskxkNicGiadtdKl7mLyiaw/0</url>
            <link>https://supsub.net/feed/public/58f382c9/rss</link>
        </image>
        <copyright>Copyright © 2026 SupSub.net Inc</copyright>
        <item>
            <title><![CDATA[机器人为什么要拟人？终于有人正确回答了]]></title>
            <link>https://mp.weixin.qq.com/s/ljpogVzMsm5Nw9jpou5Zlg</link>
            <guid isPermaLink="false">ab2c96a2e2bd3b527f0eafc58821f2f4</guid>
            <pubDate>Wed, 08 Jul 2026 12:30:00 GMT</pubDate>
            <description><![CDATA[本文详细分析了深度机智团队在具身智能领域的技术突破。他们提出的Human-as-Humanoid方法，通过设计接近人类尺寸的PrimeU机器人本体（60自由度），利用纯相机采集人类第一/第三视角视频，经分阶段逆运动学转换为机器人动作标签，再通过PhysDex模型（含双空间分层运动学约束）学习，实现了零样本完成倒水、叠杯等复杂操作。该方法在七项任务上全面超越英伟达GR00T N1.7，采集效率比遥操作提升4.8-7.2倍，证明了人类视频可直接作为机器人训练数据，无需目标任务真机示范。文章还对比了深度机智与英伟达的路线，指出深度机智在拟人体概念上领先九个月，并已完成数据、模型、本体的全栈闭环。]]></description>
            <content:encoded><![CDATA[本文详细分析了深度机智团队在具身智能领域的技术突破。他们提出的Human-as-Humanoid方法，通过设计接近人类尺寸的PrimeU机器人本体（60自由度），利用纯相机采集人类第一/第三视角视频，经分阶段逆运动学转换为机器人动作标签，再通过PhysDex模型（含双空间分层运动学约束）学习，实现了零样本完成倒水、叠杯等复杂操作。该方法在七项任务上全面超越英伟达GR00T N1.7，采集效率比遥操作提升4.8-7.2倍，证明了人类视频可直接作为机器人训练数据，无需目标任务真机示范。文章还对比了深度机智与英伟达的路线，指出深度机智在拟人体概念上领先九个月，并已完成数据、模型、本体的全栈闭环。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/mmbiz_jpg/5L8bhP5dIqF4ZrSLo3oKUVv4TN69tTsPUNRAOiaQB47vRjbKpT1twUrr58M9DdNzrKMlwnI48icNugd3jvG51sCzsWjzoP4ZtIEPrZOZduvCY/0" length="0" type="image//mmbiz_jpg/5L8bhP5dIqF4ZrSLo3oKUVv4TN69tTsPUNRAOiaQB47vRjbKpT1twUrr58M9DdNzrKMlwnI48icNugd3jvG51sCzsWjzoP4ZtIEPrZOZduvCY/0"/>
            <tag>具身智能</tag>
            <tag>人形机器人</tag>
            <tag>机器人学习</tag>
            <tag>计算机视觉</tag>
            <tag>运动学</tag>
            <keyword>深度机智</keyword>
            <keyword>Human-as-Humanoid</keyword>
            <keyword>PrimeU</keyword>
            <keyword>PhysDex</keyword>
            <keyword>GR00T</keyword>
            <keyword>英伟达</keyword>
            <keyword>具身智能</keyword>
            <keyword>人形机器人</keyword>
            <keyword>双空间分层运动学约束</keyword>
        </item>
        <item>
            <title><![CDATA[蒸馏效果起飞！DOPD破解「特权幻觉」，让在线策略蒸馏更有效]]></title>
            <link>https://mp.weixin.qq.com/s/xlcvfTUivsWGdl9CRgmIGA</link>
            <guid isPermaLink="false">883c43ac351f9d3fe05826164688923a</guid>
            <pubDate>Wed, 08 Jul 2026 12:30:00 GMT</pubDate>
            <description><![CDATA[本文介绍了由新加坡国立大学、香港中文大学MMLab、北京大学和京东探索研究院联合提出的DOPD（Dual On-policy Distillation）方法，一种优势感知的双重蒸馏范式。文章首先揭示了在线策略蒸馏中的“特权幻觉”问题——教师模型利用特权信息产生的优势可能只是信息不对称导致的假象，学生学到的可能是“捷径”而非真正能力。DOPD通过计算每个token的特权优势差和师生预测置信，动态选择蒸馏策略，将token分为四类分别处理。实验结果显示，在LLM设置下DOPD平均提升7.5分，闭合89.8%的师生差距；在VLM设置下提升6.0分。当师生模型尺寸差距最大时（8B→0.6B），DOPD提升幅度是Vanilla OPD的4倍。文章还分析了DOPD在持续学习、分布外泛化等方面的优异表现，并通过消融实验验证了各组件的有效性。]]></description>
            <content:encoded><![CDATA[本文介绍了由新加坡国立大学、香港中文大学MMLab、北京大学和京东探索研究院联合提出的DOPD（Dual On-policy Distillation）方法，一种优势感知的双重蒸馏范式。文章首先揭示了在线策略蒸馏中的“特权幻觉”问题——教师模型利用特权信息产生的优势可能只是信息不对称导致的假象，学生学到的可能是“捷径”而非真正能力。DOPD通过计算每个token的特权优势差和师生预测置信，动态选择蒸馏策略，将token分为四类分别处理。实验结果显示，在LLM设置下DOPD平均提升7.5分，闭合89.8%的师生差距；在VLM设置下提升6.0分。当师生模型尺寸差距最大时（8B→0.6B），DOPD提升幅度是Vanilla OPD的4倍。文章还分析了DOPD在持续学习、分布外泛化等方面的优异表现，并通过消融实验验证了各组件的有效性。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/mmbiz_jpg/5L8bhP5dIqH4lOI5QGeV6nLOLgrzn5dqZgwLZIDH2ctTsFGypMTcpia6abn8A8fEGjhMibz5wbDx3BkRpCu4KI9bDp17msic0oX9DSk0ibrEeDc/0" length="0" type="image//mmbiz_jpg/5L8bhP5dIqH4lOI5QGeV6nLOLgrzn5dqZgwLZIDH2ctTsFGypMTcpia6abn8A8fEGjhMibz5wbDx3BkRpCu4KI9bDp17msic0oX9DSk0ibrEeDc/0"/>
            <tag>知识蒸馏</tag>
            <tag>大语言模型</tag>
            <tag>视觉语言模型</tag>
            <tag>机器学习</tag>
            <keyword>DOPD</keyword>
            <keyword>在线策略蒸馏</keyword>
            <keyword>特权幻觉</keyword>
            <keyword>优势感知蒸馏</keyword>
            <keyword>新加坡国立大学</keyword>
            <keyword>香港中文大学MMLab</keyword>
            <keyword>北京大学</keyword>
            <keyword>京东探索研究院</keyword>
            <keyword>LLM蒸馏</keyword>
            <keyword>VLM蒸馏</keyword>
        </item>
        <item>
            <title><![CDATA[DeepSeek被曝自研AI推理芯片]]></title>
            <link>https://mp.weixin.qq.com/s/BXRgkfKt1inqZHD6ZGJJYA</link>
            <guid isPermaLink="false">b269f0b8991eb1c8a492ff0fb7b10a11</guid>
            <pubDate>Wed, 08 Jul 2026 04:30:29 GMT</pubDate>
            <description><![CDATA[据路透社报道，DeepSeek正在开发自有的AI推理芯片，旨在降低对英伟达和国产芯片的依赖。该芯片专为AI推理环节设计，而非训练。此举标志着DeepSeek的重大战略转变，可能受此影响英伟达股价盘前下跌约1.6%。DeepSeek的芯片研发尚处早期，已与外部合作伙伴洽谈，并私下招聘芯片设计工程师。自研芯片将使DeepSeek加入OpenAI、Anthropic等公司的行列，增强对底层硬件的掌控。然而，DeepSeek面临技术周期、制造工艺壁垒和生态规模等挑战。]]></description>
            <content:encoded><![CDATA[据路透社报道，DeepSeek正在开发自有的AI推理芯片，旨在降低对英伟达和国产芯片的依赖。该芯片专为AI推理环节设计，而非训练。此举标志着DeepSeek的重大战略转变，可能受此影响英伟达股价盘前下跌约1.6%。DeepSeek的芯片研发尚处早期，已与外部合作伙伴洽谈，并私下招聘芯片设计工程师。自研芯片将使DeepSeek加入OpenAI、Anthropic等公司的行列，增强对底层硬件的掌控。然而，DeepSeek面临技术周期、制造工艺壁垒和生态规模等挑战。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/mmbiz_jpg/5L8bhP5dIqFsYPlH1wAr1PyZwuPKml86YkibFt1Imlw048Xx9Ykb3VKJXgZ80WMxbGEq3W6prtibQdQe9iblDGM3P2yymonrI6gMa7alvTWeHg/0" length="0" type="image//mmbiz_jpg/5L8bhP5dIqFsYPlH1wAr1PyZwuPKml86YkibFt1Imlw048Xx9Ykb3VKJXgZ80WMxbGEq3W6prtibQdQe9iblDGM3P2yymonrI6gMa7alvTWeHg/0"/>
            <tag>人工智能</tag>
            <tag>半导体</tag>
            <tag>芯片设计</tag>
            <tag>大语言模型</tag>
            <tag>地缘政治</tag>
            <keyword>DeepSeek</keyword>
            <keyword>AI芯片</keyword>
            <keyword>英伟达</keyword>
            <keyword>华为昇腾</keyword>
            <keyword>推理芯片</keyword>
            <keyword>路透社</keyword>
            <keyword>OpenAI</keyword>
            <keyword>Anthropic</keyword>
            <keyword>Jalapeño</keyword>
        </item>
        <item>
            <title><![CDATA[当AI开始重写自己：EverMind的自进化智能体框架Raven，正在定义数字生命的下一个形态]]></title>
            <link>https://mp.weixin.qq.com/s/-mXphRfXeukWNvfUAcG7gQ</link>
            <guid isPermaLink="false">492f5598d1f6504da5b7353946d067ec</guid>
            <pubDate>Wed, 08 Jul 2026 04:30:29 GMT</pubDate>
            <description><![CDATA[AI 应该如何拥有记忆，如何通过记忆成长，以及最终，如何成为一个真正意义上的 "数字生命"。]]></description>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqEq17QzyZlC2TfhqziaOjqI84uFaSWIbOaJpfOKhZRtdCGJAaBwzzpYG5aCSg3MkhWiak63dCvxY5kG3bHice3Ml1GP3PGIyz6HqQ/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqEq17QzyZlC2TfhqziaOjqI84uFaSWIbOaJpfOKhZRtdCGJAaBwzzpYG5aCSg3MkhWiak63dCvxY5kG3bHice3Ml1GP3PGIyz6HqQ/0"/>
        </item>
        <item>
            <title><![CDATA[20种机器人本体通吃！蚂蚁新一代VLA具身大脑刚刚开源了]]></title>
            <link>https://mp.weixin.qq.com/s/fF9D9Vvx3PsFrdy94eKyVg</link>
            <guid isPermaLink="false">0e0a29489fde9d220d88a57a84683908</guid>
            <pubDate>Wed, 08 Jul 2026 03:02:58 GMT</pubDate>
            <description><![CDATA[蚂蚁灵波发布新一代具身基座模型LingBot-VLA 2.0，重点解决“一脑多机”问题，支持17家厂商的20种机器人构型，覆盖单臂、双臂、轮式、双足等形态。模型引入MoE架构处理多本体数据差异，通过双查询蒸馏融合LingBot-Depth空间感知和DINO-Video时序建模，并采用未来预测能力提升长序列任务执行。预训练数据达6万小时，包括5万小时真机数据和1万小时第一视角人类操作数据。在GM-100等基准测试中，LingBot-VLA 2.0在多项任务上领先GR00T N1.7和π0.5。模型权重、训练代码和技术报告已开源。]]></description>
            <content:encoded><![CDATA[蚂蚁灵波发布新一代具身基座模型LingBot-VLA 2.0，重点解决“一脑多机”问题，支持17家厂商的20种机器人构型，覆盖单臂、双臂、轮式、双足等形态。模型引入MoE架构处理多本体数据差异，通过双查询蒸馏融合LingBot-Depth空间感知和DINO-Video时序建模，并采用未来预测能力提升长序列任务执行。预训练数据达6万小时，包括5万小时真机数据和1万小时第一视角人类操作数据。在GM-100等基准测试中，LingBot-VLA 2.0在多项任务上领先GR00T N1.7和π0.5。模型权重、训练代码和技术报告已开源。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqEjnznczuICeHuAprKXSffIwVawDdjhryuW1NT0GmxIxfAxM9TTEF6fibMqyrficPCSbyR6TIOPhKz5ZTWGXrFmFmaR00FSEW9nA/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqEjnznczuICeHuAprKXSffIwVawDdjhryuW1NT0GmxIxfAxM9TTEF6fibMqyrficPCSbyR6TIOPhKz5ZTWGXrFmFmaR00FSEW9nA/0"/>
            <tag>具身智能</tag>
            <tag>机器人</tag>
            <tag>视觉-语言-动作模型</tag>
            <tag>跨本体泛化</tag>
            <tag>深度学习</tag>
            <keyword>蚂蚁灵波</keyword>
            <keyword>LingBot-VLA 2.0</keyword>
            <keyword>具身智能</keyword>
            <keyword>VLA</keyword>
            <keyword>MoE</keyword>
            <keyword>LingBot-Depth</keyword>
            <keyword>DINO-Video</keyword>
            <keyword>GR00T N1.7</keyword>
            <keyword>π0.5</keyword>
            <keyword>GM-100</keyword>
        </item>
        <item>
            <title><![CDATA[中国科学院携手全球顶尖机构发布首个十亿参数级的手术视频基础模型SurgMotion！]]></title>
            <link>https://mp.weixin.qq.com/s/SmG9AVWh5kRPhSHxgUH_Hg</link>
            <guid isPermaLink="false">4883667e06e5199edf9ce4171f7892ed</guid>
            <pubDate>Wed, 08 Jul 2026 03:02:58 GMT</pubDate>
            <description><![CDATA[中国科学院香港创新研究院联合多家全球顶尖机构发布了全球首个十亿级参数的手术视频原生基础模型SurgMotion。该模型基于最大规模数据集SurgMotion-15M（3658小时、1500万帧），采用视频联合嵌入预测架构（V-JEPA），实现从像素重建到时空运动预测的范式颠覆。在17项核心手术任务评测中，手术视频动态理解性能平均提升16.5%，静态任务误差降低2.9%。发布三个月即成为Hugging Face全球下载量第一的手术视频基础模型，已有来自14个国家和地区的近40个机构申请使用。]]></description>
            <content:encoded><![CDATA[中国科学院香港创新研究院联合多家全球顶尖机构发布了全球首个十亿级参数的手术视频原生基础模型SurgMotion。该模型基于最大规模数据集SurgMotion-15M（3658小时、1500万帧），采用视频联合嵌入预测架构（V-JEPA），实现从像素重建到时空运动预测的范式颠覆。在17项核心手术任务评测中，手术视频动态理解性能平均提升16.5%，静态任务误差降低2.9%。发布三个月即成为Hugging Face全球下载量第一的手术视频基础模型，已有来自14个国家和地区的近40个机构申请使用。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqE9FOm7D9MkMurHAMV7PPhkms3NIK4pazxlib09XjMaQcicqFZgvnEt9crYw3kicoD8CRLw4KGI2ibFlqubV1vBEdW3LnibowdwDzqk/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqE9FOm7D9MkMurHAMV7PPhkms3NIK4pazxlib09XjMaQcicqFZgvnEt9crYw3kicoD8CRLw4KGI2ibFlqubV1vBEdW3LnibowdwDzqk/0"/>
            <tag>人工智能</tag>
            <tag>医疗AI</tag>
            <tag>手术视频理解</tag>
            <tag>基础模型</tag>
            <tag>计算机视觉</tag>
            <keyword>SurgMotion</keyword>
            <keyword>中国科学院香港创新研究院</keyword>
            <keyword>手术视频基础模型</keyword>
            <keyword>V-JEPA</keyword>
            <keyword>SurgMotion-15M</keyword>
            <keyword>十亿级参数</keyword>
            <keyword>Hugging Face</keyword>
            <keyword>直觉外科</keyword>
            <keyword>卡尔史托斯</keyword>
            <keyword>蔡司</keyword>
        </item>
        <item>
            <title><![CDATA[提示词压缩竟成大模型新漏洞？港科大提出黑盒攻击框架COMA | ASE 2026]]></title>
            <link>https://mp.weixin.qq.com/s/CS4lWmpvOIHtKEwgc3wWdw</link>
            <guid isPermaLink="false">a408f3efe30f302942cb97ceb4be8ded</guid>
            <pubDate>Wed, 08 Jul 2026 03:02:58 GMT</pubDate>
            <description><![CDATA[香港科技大学的一项研究揭示了提示词压缩（Prompt Compression）在LLM Agent中引入的新安全风险。研究发现，攻击者可通过微小的扰动，在压缩过程中导致关键安全规则或任务证据被删除，从而诱导后端模型做出错误行为。论文提出了COMA攻击框架，在六种压缩器和三类任务上平均攻击成功率达0.71，并验证了在VSCode Cline和LangChain Agent等真实场景中的有效性。研究建议采用隔离压缩（Isolated Compression）作为防御措施，将可信与非可信输入分开处理，防御成功率达96%。]]></description>
            <content:encoded><![CDATA[香港科技大学的一项研究揭示了提示词压缩（Prompt Compression）在LLM Agent中引入的新安全风险。研究发现，攻击者可通过微小的扰动，在压缩过程中导致关键安全规则或任务证据被删除，从而诱导后端模型做出错误行为。论文提出了COMA攻击框架，在六种压缩器和三类任务上平均攻击成功率达0.71，并验证了在VSCode Cline和LangChain Agent等真实场景中的有效性。研究建议采用隔离压缩（Isolated Compression）作为防御措施，将可信与非可信输入分开处理，防御成功率达96%。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqGWZiaicIibsLDqb9Oz04jrd8r3x1OJ567kQYOIm9sP2g93ItzwwkBtibXDRpRicgziaOfibLgYZsFEX4nCNDVoBfRdInUtE127Js5c0Q/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqGWZiaicIibsLDqb9Oz04jrd8r3x1OJ567kQYOIm9sP2g93ItzwwkBtibXDRpRicgziaOfibLgYZsFEX4nCNDVoBfRdInUtE127Js5c0Q/0"/>
            <tag>大语言模型</tag>
            <tag>人工智能安全</tag>
            <tag>软件工程</tag>
            <tag>对抗攻击</tag>
            <tag>提示工程</tag>
            <keyword>香港科技大学</keyword>
            <keyword>COMA</keyword>
            <keyword>提示词压缩</keyword>
            <keyword>LLM Agent</keyword>
            <keyword>ASE 2026</keyword>
            <keyword>刘泽森</keyword>
            <keyword>佘东冬</keyword>
            <keyword>VSCode Cline</keyword>
            <keyword>LangChain</keyword>
            <keyword>对抗性信息损失</keyword>
        </item>
        <item>
            <title><![CDATA[维纳智能登上Nature通讯：AI不只会回答问题，开始生成高精度行业数据]]></title>
            <link>https://mp.weixin.qq.com/s/X-ZS8SVKSnkPBI1KeRn4eA</link>
            <guid isPermaLink="false">bed33f7d5b16f85e48f10e00e31dbd2b</guid>
            <pubDate>Wed, 08 Jul 2026 01:24:55 GMT</pubDate>
            <description><![CDATA[闭环反馈是引擎，推理数据是燃料！]]></description>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqGn2icUndFujkkhpLCoMYibuictIdJelS5qwxic9kZRJKWuc2TCtzWrh6NYdOmR2LrNlDU1fTwh2oUkaWmWk5Ea3bITsichlZnnicD2U/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqGn2icUndFujkkhpLCoMYibuictIdJelS5qwxic9kZRJKWuc2TCtzWrh6NYdOmR2LrNlDU1fTwh2oUkaWmWk5Ea3bITsichlZnnicD2U/0"/>
        </item>
        <item>
            <title><![CDATA[RL训练一层就够了！单层RL超越全参数训练，跨任务跨模型跨算法全部验证]]></title>
            <link>https://mp.weixin.qq.com/s/u6-CbyiQ-uhXi6cwyNlomA</link>
            <guid isPermaLink="false">6c7dd0c22900290bd105d6735b78791c</guid>
            <pubDate>Wed, 08 Jul 2026 01:24:55 GMT</pubDate>
            <description><![CDATA[明尼苏达大学、北京大学和亚马逊的研究团队挑战了RL后训练中所有Transformer层均等贡献的隐含假设。通过对7个模型、3种RL算法、3个任务领域的系统性逐层研究，发现RL收益高度集中在一小部分中间层（网络深度40-60%），而非均匀分布。训练单个Transformer层即可匹敌甚至超越全参数RL训练。基于这一发现的层自适应学习率、选择性训练和中间层启发式策略持续超越标准全参数RL训练。研究还发现层贡献度反映的是参数子空间的有效性，而非参数变化幅度。]]></description>
            <content:encoded><![CDATA[明尼苏达大学、北京大学和亚马逊的研究团队挑战了RL后训练中所有Transformer层均等贡献的隐含假设。通过对7个模型、3种RL算法、3个任务领域的系统性逐层研究，发现RL收益高度集中在一小部分中间层（网络深度40-60%），而非均匀分布。训练单个Transformer层即可匹敌甚至超越全参数RL训练。基于这一发现的层自适应学习率、选择性训练和中间层启发式策略持续超越标准全参数RL训练。研究还发现层贡献度反映的是参数子空间的有效性，而非参数变化幅度。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/mmbiz_jpg/5L8bhP5dIqFZ9HpdG9TdAtdgDQJGodWt9S7pzjl0FiaRZOHFZe5OBZOZkp67gKvhwbPTEClxGcxaicAaF7WI1TcBmzwuxOqvjtt6qKicOyTcW4/0" length="0" type="image//mmbiz_jpg/5L8bhP5dIqFZ9HpdG9TdAtdgDQJGodWt9S7pzjl0FiaRZOHFZe5OBZOZkp67gKvhwbPTEClxGcxaicAaF7WI1TcBmzwuxOqvjtt6qKicOyTcW4/0"/>
            <tag>强化学习</tag>
            <tag>大语言模型</tag>
            <tag>后训练</tag>
            <tag>Transformer</tag>
            <tag>层贡献度</tag>
            <keyword>张子健</keyword>
            <keyword>洪明毅</keyword>
            <keyword>明尼苏达大学</keyword>
            <keyword>北京大学</keyword>
            <keyword>Amazon</keyword>
            <keyword>Qwen3</keyword>
            <keyword>Qwen2.5</keyword>
            <keyword>GRPO</keyword>
            <keyword>Dr. GRPO</keyword>
            <keyword>GiGPO</keyword>
        </item>
        <item>
            <title><![CDATA[世界模型的DeepSeek时刻！魔芯Flash World Model降本70%，跑出50FPS实时交互]]></title>
            <link>https://mp.weixin.qq.com/s/eN842wwpGIonGbg8EwKkSg</link>
            <guid isPermaLink="false">35e062df60e32ca0a330bc6d38da7d46</guid>
            <pubDate>Tue, 07 Jul 2026 09:31:35 GMT</pubDate>
            <description><![CDATA[低成本，也能做出顶级效果]]></description>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/mmbiz_jpg/5L8bhP5dIqHRHKTsiatwwmg95STFn1zkz8wggZZp8ibiaZSib9GfvVkDkrqJ7s3XIrDicn4iaicnSW3ibghcK1bkFzjrWad6224yqMHQib2ZCgAvPXKo/0" length="0" type="image//mmbiz_jpg/5L8bhP5dIqHRHKTsiatwwmg95STFn1zkz8wggZZp8ibiaZSib9GfvVkDkrqJ7s3XIrDicn4iaicnSW3ibghcK1bkFzjrWad6224yqMHQib2ZCgAvPXKo/0"/>
        </item>
        <item>
            <title><![CDATA[刚刚，翁荔博客又上新：通过Harness工程实现AI自我提升]]></title>
            <link>https://mp.weixin.qq.com/s/kZrryL8_fxfq2pSFw6LSqg</link>
            <guid isPermaLink="false">ab9a827e4a30f2ce68d03843c61976e5</guid>
            <pubDate>Tue, 07 Jul 2026 09:31:35 GMT</pubDate>
            <description><![CDATA[Harness Engineering for Self-Improvement]]></description>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqHUxB7TGUUASPcrhcHg9kOYZLHUFEbZ5iadKqaZGIHSZeKyUqaVz4BwPOc4IrxC3r7QQ2Kd4XSdNEpPuYicG6JZ7PCFazRGyRNzY/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqHUxB7TGUUASPcrhcHg9kOYZLHUFEbZ5iadKqaZGIHSZeKyUqaVz4BwPOc4IrxC3r7QQ2Kd4XSdNEpPuYicG6JZ7PCFazRGyRNzY/0"/>
        </item>
        <item>
            <title><![CDATA[蛰伏三年，前大疆员工做了款消费级纺织机，拿下红杉、顺为、米哈游等数亿融资｜产品观察]]></title>
            <link>https://mp.weixin.qq.com/s/KsEeaSlzaOTy3VvYwLY10Q</link>
            <guid isPermaLink="false">86263dfdfaabfe4821d0121811c7c9dd</guid>
            <pubDate>Tue, 07 Jul 2026 04:30:00 GMT</pubDate>
            <description><![CDATA[浪爪智能创始人胡文鑫，曾任职大疆、美团，选择切入家用纺织机这一冷门赛道，已获红杉、顺为、元璟、米哈游等数亿元融资。团队从零定义自动化编织设备，自研纺织AI Agent和消费级纺织Station平台，用户可通过绘图或拍照生成编织版型。产品面向全球上亿潜在用户，从存量编织爱好者、小B端到大众消费者，目标实现织物即时定制。文章详述了技术挑战、产品逻辑和用户演化路径。]]></description>
            <content:encoded><![CDATA[浪爪智能创始人胡文鑫，曾任职大疆、美团，选择切入家用纺织机这一冷门赛道，已获红杉、顺为、元璟、米哈游等数亿元融资。团队从零定义自动化编织设备，自研纺织AI Agent和消费级纺织Station平台，用户可通过绘图或拍照生成编织版型。产品面向全球上亿潜在用户，从存量编织爱好者、小B端到大众消费者，目标实现织物即时定制。文章详述了技术挑战、产品逻辑和用户演化路径。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/mmbiz_jpg/5L8bhP5dIqE3aDIervsCwpAss2SX3g13xBj041PmicYm5PO9l5e4icpsF5ExgVJWqD9WlFcI15ibMWxqXbvia9eWicGTdAibkd5AHnNzBblw8LR5Q/0" length="0" type="image//mmbiz_jpg/5L8bhP5dIqE3aDIervsCwpAss2SX3g13xBj041PmicYm5PO9l5e4icpsF5ExgVJWqD9WlFcI15ibMWxqXbvia9eWicGTdAibkd5AHnNzBblw8LR5Q/0"/>
            <tag>智能硬件</tag>
            <tag>消费级产品</tag>
            <tag>纺织工艺</tag>
            <tag>AI应用</tag>
            <tag>创业</tag>
            <keyword>胡文鑫</keyword>
            <keyword>浪爪智能</keyword>
            <keyword>家用智能编织机</keyword>
            <keyword>纺织AI Agent</keyword>
            <keyword>纺织Station</keyword>
            <keyword>红杉</keyword>
            <keyword>顺为资本</keyword>
            <keyword>元璟资本</keyword>
            <keyword>米哈游</keyword>
            <keyword>编织DIY</keyword>
        </item>
        <item>
            <title><![CDATA[世界模型太慢？西交大提出Fast LeWorldModel：用「动作前缀并行预测」让动态估计加速4倍]]></title>
            <link>https://mp.weixin.qq.com/s/JIvkoo1pKkzup4Q6RdTLyQ</link>
            <guid isPermaLink="false">f851ef2003326e07e979d4cb70dc07d4</guid>
            <pubDate>Tue, 07 Jul 2026 04:30:00 GMT</pubDate>
            <description><![CDATA[西安交通大学研究团队提出Fast-LeWorldModel（Fast-LeWM），针对视觉世界模型在规划阶段的自回归rollout瓶颈，将传统的单步潜在状态预测改为基于动作前缀的并行多时域预测。该方法通过因果Transformer编码动作前缀，并行预测执行不同长度动作序列后的未来潜变量，并施加密集监督。在相同规划协议下，Fast-LeWM在四个任务上的平均成功率从LeWM的85.8%提升至90.5%，加入自一致性后达92.0%；动态模块耗时从31.4秒降至8.0秒，完整CEM求解时间从54.4秒降至28.3秒。消融实验验证了动作前缀预测和密集监督的关键作用。]]></description>
            <content:encoded><![CDATA[西安交通大学研究团队提出Fast-LeWorldModel（Fast-LeWM），针对视觉世界模型在规划阶段的自回归rollout瓶颈，将传统的单步潜在状态预测改为基于动作前缀的并行多时域预测。该方法通过因果Transformer编码动作前缀，并行预测执行不同长度动作序列后的未来潜变量，并施加密集监督。在相同规划协议下，Fast-LeWM在四个任务上的平均成功率从LeWM的85.8%提升至90.5%，加入自一致性后达92.0%；动态模块耗时从31.4秒降至8.0秒，完整CEM求解时间从54.4秒降至28.3秒。消融实验验证了动作前缀预测和密集监督的关键作用。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqHAeaUE5OxhTsBOlQMhxdOZRG5AY9IF5aRibsoxB0VVb0iak6eH0N9TFHnRoLsia43YibNpN0Pia5LCVRUVV6d6A96k3upVyqsgV3yk/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqHAeaUE5OxhTsBOlQMhxdOZRG5AY9IF5aRibsoxB0VVb0iak6eH0N9TFHnRoLsia43YibNpN0Pia5LCVRUVV6d6A96k3upVyqsgV3yk/0"/>
            <tag>世界模型</tag>
            <tag>视觉规划</tag>
            <tag>具身智能</tag>
            <tag>深度学习</tag>
            <tag>强化学习</tag>
            <keyword>Fast-LeWorldModel</keyword>
            <keyword>西安交通大学</keyword>
            <keyword>高云天</keyword>
            <keyword>许翔宇</keyword>
            <keyword>LeWorldModel</keyword>
            <keyword>世界模型</keyword>
            <keyword>视觉规划</keyword>
            <keyword>动作前缀预测</keyword>
            <keyword>并行预测</keyword>
            <keyword>CEM</keyword>
        </item>
        <item>
            <title><![CDATA[今天，「空间原生」时代正式到来！]]></title>
            <link>https://mp.weixin.qq.com/s/3C6ndYsu5T3h6l6hfiZHsA</link>
            <guid isPermaLink="false">b89061d0ffe95a165fce5a495774e4e4</guid>
            <pubDate>Tue, 07 Jul 2026 04:30:00 GMT</pubDate>
            <description><![CDATA[蚂蚁灵波发布新一代空间感知模型LingBot-Depth 2.0，并开源面向具身智能的视觉基础模型LingBot-Vision。LingBot-Vision是全球首个空间原生视觉基础模型，通过“以边界为中心的掩码建模”在训练中主动识别边界区域，仅用DINOv3十分之一的数据和不到三分之一的训练量，以1.1B参数在深度估计、分割等任务上比肩7B的DINOv3。LingBot-Depth 2.0基于LingBot-Vision编码器，在16项测试中取得12项最优，尤其在透明物体深度补全上表现突出。奥比中光已集成该技术，双方计划年底推出一体化相机产品。]]></description>
            <content:encoded><![CDATA[蚂蚁灵波发布新一代空间感知模型LingBot-Depth 2.0，并开源面向具身智能的视觉基础模型LingBot-Vision。LingBot-Vision是全球首个空间原生视觉基础模型，通过“以边界为中心的掩码建模”在训练中主动识别边界区域，仅用DINOv3十分之一的数据和不到三分之一的训练量，以1.1B参数在深度估计、分割等任务上比肩7B的DINOv3。LingBot-Depth 2.0基于LingBot-Vision编码器，在16项测试中取得12项最优，尤其在透明物体深度补全上表现突出。奥比中光已集成该技术，双方计划年底推出一体化相机产品。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqHx75hcVkEFAvYcx2YYSlUw2FM5OhhrRBtOMs2mTukE1qDJCHiatzTTzysVT632Tp1cHpI3geXwq6fK2vAwibQeAB80pxialO17lo/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqHx75hcVkEFAvYcx2YYSlUw2FM5OhhrRBtOMs2mTukE1qDJCHiatzTTzysVT632Tp1cHpI3geXwq6fK2vAwibQeAB80pxialO17lo/0"/>
            <tag>机器人视觉</tag>
            <tag>深度估计</tag>
            <tag>视觉基础模型</tag>
            <tag>具身智能</tag>
            <tag>自蒸馏</tag>
            <keyword>蚂蚁灵波</keyword>
            <keyword>LingBot-Vision</keyword>
            <keyword>LingBot-Depth 2.0</keyword>
            <keyword>DINOv3</keyword>
            <keyword>空间原生</keyword>
            <keyword>边界中心掩码建模</keyword>
            <keyword>具身智能</keyword>
            <keyword>奥比中光</keyword>
            <keyword>NYUv2</keyword>
            <keyword>KITTI</keyword>
        </item>
        <item>
            <title><![CDATA[长得好看又会「看脸色」，这家具身公司不卷「干活」卷「懂你」，天使轮再获数千万战略加注]]></title>
            <link>https://mp.weixin.qq.com/s/4GBZ307qPaS8oDXvFAf70g</link>
            <guid isPermaLink="false">cceece8ca6aba351e0b590e2fbcebbbb</guid>
            <pubDate>Tue, 07 Jul 2026 03:18:28 GMT</pubDate>
            <description><![CDATA[文章分析了具身智能行业从工业场景向家庭消费场景的转折，指出当前行业共识正在松动：过去三年聚焦于“让机器人把活干好”，但进入家庭后，核心命题变为“机器人是否懂人”。深穹星核提出非共识判断：面向C端场景的具身智能核心是意图理解而非任务执行。公司发布VLIA（Vision-Language-Intention-Action）一体化端侧具身交互模型，将意图理解置于架构核心，通过人脸作为高带宽交互入口，结合医疗级美学设计、独家结构化意图数据（来自短剧和游戏合作）以及Data Infra工程体系，构建技术护城河。同时推出Nova S1高仿真人脸机器人，并完成天使5轮融资。文章详细阐述了意图理解的技术路径、数据规模化策略和长期陪伴的OrthLoRA个性化学习机制。]]></description>
            <content:encoded><![CDATA[文章分析了具身智能行业从工业场景向家庭消费场景的转折，指出当前行业共识正在松动：过去三年聚焦于“让机器人把活干好”，但进入家庭后，核心命题变为“机器人是否懂人”。深穹星核提出非共识判断：面向C端场景的具身智能核心是意图理解而非任务执行。公司发布VLIA（Vision-Language-Intention-Action）一体化端侧具身交互模型，将意图理解置于架构核心，通过人脸作为高带宽交互入口，结合医疗级美学设计、独家结构化意图数据（来自短剧和游戏合作）以及Data Infra工程体系，构建技术护城河。同时推出Nova S1高仿真人脸机器人，并完成天使5轮融资。文章详细阐述了意图理解的技术路径、数据规模化策略和长期陪伴的OrthLoRA个性化学习机制。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqFtuJHqOria1VfdKibcRvialvI09ZsqLbf2slKAJTxiat5cCgQgnYjhUeafFMnHJuQL9OQaGbRVwaubv9a8S9o8Lib4tgGxGS1QUFuU/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqFtuJHqOria1VfdKibcRvialvI09ZsqLbf2slKAJTxiat5cCgQgnYjhUeafFMnHJuQL9OQaGbRVwaubv9a8S9o8Lib4tgGxGS1QUFuU/0"/>
            <tag>人工智能</tag>
            <tag>人机交互</tag>
            <tag>机器人</tag>
            <tag>情感计算</tag>
            <tag>端侧模型</tag>
            <keyword>深穹星核</keyword>
            <keyword>VLIA</keyword>
            <keyword>Nova S1</keyword>
            <keyword>意图理解</keyword>
            <keyword>具身智能</keyword>
            <keyword>人形机器人</keyword>
            <keyword>郁振波</keyword>
            <keyword>星闪联盟</keyword>
            <keyword>张文军</keyword>
            <keyword>OrthLoRA</keyword>
        </item>
        <item>
            <title><![CDATA[ECCV'26 | 为视频虚拟试衣解锁自由视角，TryOnCrafter玩转4D试衣代理]]></title>
            <link>https://mp.weixin.qq.com/s/UWCuBURt-xgo4A951lmnqQ</link>
            <guid isPermaLink="false">1dec64f78b9b87b3023e18fb4838198e</guid>
            <pubDate>Tue, 07 Jul 2026 03:18:28 GMT</pubDate>
            <description><![CDATA[本文介绍了TryOnCrafter，一个面向可控相机视频虚拟试衣（CaM-VVT）的框架。它通过构建可渲染的4D试衣代理，将人物、服装、背景和相机轨迹统一到4D世界空间中，再结合视频扩散Transformer（Video DiT）进行细化生成，支持用户自由旋转、拉近、拉远或环绕观察试衣效果。实验表明，该方法在非相机可控和相机可控任务上均优于现有方法，并支持主体重定位、子弹时间和360度环绕等应用。]]></description>
            <content:encoded><![CDATA[本文介绍了TryOnCrafter，一个面向可控相机视频虚拟试衣（CaM-VVT）的框架。它通过构建可渲染的4D试衣代理，将人物、服装、背景和相机轨迹统一到4D世界空间中，再结合视频扩散Transformer（Video DiT）进行细化生成，支持用户自由旋转、拉近、拉远或环绕观察试衣效果。实验表明，该方法在非相机可控和相机可控任务上均优于现有方法，并支持主体重定位、子弹时间和360度环绕等应用。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqFyawAU6fC2VicHGMVhcfRsDNa1h0jx5cF9ibopWXLhtM0rAc0Dp0Iib44H0RJNqySsWNibicZyh0CzyZMeG6Jf6HDgk1jlbAXQTicRU/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqFyawAU6fC2VicHGMVhcfRsDNa1h0jx5cF9ibopWXLhtM0rAc0Dp0Iib44H0RJNqySsWNibicZyh0CzyZMeG6Jf6HDgk1jlbAXQTicRU/0"/>
            <tag>计算机视觉</tag>
            <tag>虚拟试衣</tag>
            <tag>视频生成</tag>
            <tag>电商技术</tag>
            <tag>人工智能</tag>
            <keyword>TryOnCrafter</keyword>
            <keyword>CaM-VVT</keyword>
            <keyword>视频虚拟试衣</keyword>
            <keyword>4D试衣代理</keyword>
            <keyword>3D高斯泼溅</keyword>
            <keyword>SMPL-X</keyword>
            <keyword>视频扩散Transformer</keyword>
            <keyword>Wan2.1</keyword>
            <keyword>淘天集团</keyword>
        </item>
        <item>
            <title><![CDATA[刚刚，Anthropic发现Claude「类意识工作台」！神秘J空间藏着没说出口的想法]]></title>
            <link>https://mp.weixin.qq.com/s/Q528uUKOA-GzAENzBtYEQA</link>
            <guid isPermaLink="false">918f3310ebc3f34f36cd662f595f9ecd</guid>
            <pubDate>Tue, 07 Jul 2026 00:07:01 GMT</pubDate>
            <description><![CDATA[Anthropic发布新研究，发现Claude内部存在一个名为J空间的特殊神经模式集合，它类似于人类大脑中的全局工作空间，承载着模型可报告、可调节、用于推理的内部概念。J空间并非设计而来，而是在训练中自然涌现。通过雅可比透镜技术，研究人员可以读取Claude未说出口的思考，包括识别提示注入、发现模型意识到被测试、捕捉伪造数据意图等。研究还表明，J空间支持通达意识的功能特征，但不等同于现象意识。该发现为理解大语言模型心智提供了新视角，并可能推动神经科学研究。]]></description>
            <content:encoded><![CDATA[Anthropic发布新研究，发现Claude内部存在一个名为J空间的特殊神经模式集合，它类似于人类大脑中的全局工作空间，承载着模型可报告、可调节、用于推理的内部概念。J空间并非设计而来，而是在训练中自然涌现。通过雅可比透镜技术，研究人员可以读取Claude未说出口的思考，包括识别提示注入、发现模型意识到被测试、捕捉伪造数据意图等。研究还表明，J空间支持通达意识的功能特征，但不等同于现象意识。该发现为理解大语言模型心智提供了新视角，并可能推动神经科学研究。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/mmbiz_jpg/5L8bhP5dIqFlmnibhhyic2MHZDAYaqh9Hmw8cRwlSvFFDP6zLC8UbmCRbh93zSx1kkCQepHfic9Q0Z8PMHMoD8BBfoQNGib8Cp0sGwsRlhK7gUY/0" length="0" type="image//mmbiz_jpg/5L8bhP5dIqFlmnibhhyic2MHZDAYaqh9Hmw8cRwlSvFFDP6zLC8UbmCRbh93zSx1kkCQepHfic9Q0Z8PMHMoD8BBfoQNGib8Cp0sGwsRlhK7gUY/0"/>
            <tag>人工智能</tag>
            <tag>大语言模型</tag>
            <tag>意识研究</tag>
            <tag>神经科学</tag>
            <tag>AI安全</tag>
            <keyword>Anthropic</keyword>
            <keyword>Claude</keyword>
            <keyword>J空间</keyword>
            <keyword>全局工作空间</keyword>
            <keyword>雅可比透镜</keyword>
            <keyword>通达意识</keyword>
            <keyword>现象意识</keyword>
            <keyword>Boris Power</keyword>
            <keyword>OpenAI</keyword>
        </item>
        <item>
            <title><![CDATA[WWW时间检验奖颁给唐建博士：图神经网络的十年远征与AI制药的底层逻辑]]></title>
            <link>https://mp.weixin.qq.com/s/DIAgalyLiTmazn5SYkRwrw</link>
            <guid isPermaLink="false">771f4a2568e3075d2a5a68dc4e54582a</guid>
            <pubDate>Mon, 06 Jul 2026 10:18:00 GMT</pubDate>
            <description><![CDATA[本文以唐建博士2015年发表的LINE论文获得WWW 2026时间检验奖为引子，讲述其从图表示学习到AI for生命科学的技术演进路径。文章详细介绍了LINE的学术价值，以及唐建博士如何将图结构理解能力从互联网网络迁移至蛋白质分子，创立百奥几何并研发GeoFlow系列大模型（V1至V3），实现抗体设计、结构预测等突破。同时，文章展示了百奥几何在抗体、疫苗、合成生物学三条战线的商业化成果，并探讨了全球AI实验室向生命科学汇聚的趋势。]]></description>
            <content:encoded><![CDATA[本文以唐建博士2015年发表的LINE论文获得WWW 2026时间检验奖为引子，讲述其从图表示学习到AI for生命科学的技术演进路径。文章详细介绍了LINE的学术价值，以及唐建博士如何将图结构理解能力从互联网网络迁移至蛋白质分子，创立百奥几何并研发GeoFlow系列大模型（V1至V3），实现抗体设计、结构预测等突破。同时，文章展示了百奥几何在抗体、疫苗、合成生物学三条战线的商业化成果，并探讨了全球AI实验室向生命科学汇聚的趋势。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqHXZ9LobxQKS9ibxLbibYx8mO3DuG3spgc2YQb8q6v5WIgNRtKibcSKia3726M0UDPvobd4kee6ibXePyctOsFjUXe2XcMkdnsDLV6k/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqHXZ9LobxQKS9ibxLbibYx8mO3DuG3spgc2YQb8q6v5WIgNRtKibcSKia3726M0UDPvobd4kee6ibXePyctOsFjUXe2XcMkdnsDLV6k/0"/>
            <tag>人工智能</tag>
            <tag>生命科学</tag>
            <tag>图神经网络</tag>
            <tag>药物发现</tag>
            <tag>合成生物学</tag>
            <keyword>唐建</keyword>
            <keyword>百奥几何</keyword>
            <keyword>LINE</keyword>
            <keyword>GeoFlow</keyword>
            <keyword>WWW 2026</keyword>
            <keyword>图表示学习</keyword>
            <keyword>抗体设计</keyword>
            <keyword>AI for Science</keyword>
            <keyword>蛋白质结构预测</keyword>
            <keyword>AlphaFold</keyword>
        </item>
        <item>
            <title><![CDATA[15个推理模型集体翻车，详解输出背后的思考链潜藏风险]]></title>
            <link>https://mp.weixin.qq.com/s/xfMqWvQ8W3aOhZwNDFhMiA</link>
            <guid isPermaLink="false">890e39bf43887ac9dffacf8bde8a8b11</guid>
            <pubDate>Mon, 06 Jul 2026 10:18:00 GMT</pubDate>
            <description><![CDATA[哈佛大学、南加州大学、布朗大学、MIT等机构联合研究指出，大型推理模型（LRM）的中间推理轨迹（CoT）可能包含高风险内容，而仅评估最终答案无法发现这些安全漏洞。研究团队提出了Chain of Risk框架，将推理和回答分开评估，定义了Unsafe、Leak、Escape三类失败模式，并在15个模型上验证了CoT侧系统性安全偏移。同时提出了自适应多准则激活引导（Adaptive Multi-Principle Steering）缓解方法，在DeepSeek-R1-Qwen-7B上实现平均40.8%不安全率降低，同时保留97.7%的通用能力。]]></description>
            <content:encoded><![CDATA[哈佛大学、南加州大学、布朗大学、MIT等机构联合研究指出，大型推理模型（LRM）的中间推理轨迹（CoT）可能包含高风险内容，而仅评估最终答案无法发现这些安全漏洞。研究团队提出了Chain of Risk框架，将推理和回答分开评估，定义了Unsafe、Leak、Escape三类失败模式，并在15个模型上验证了CoT侧系统性安全偏移。同时提出了自适应多准则激活引导（Adaptive Multi-Principle Steering）缓解方法，在DeepSeek-R1-Qwen-7B上实现平均40.8%不安全率降低，同时保留97.7%的通用能力。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/sz_mmbiz_jpg/5L8bhP5dIqH12YZcGlVXWUxGe32suUNFoTWv7qrZgRRdZY0EZva3ojEWJeH0cwMEfsr4wPx35daDoU0ByjFjuE4AvhoxE49ueIic0dpHWhic8/0" length="0" type="image//sz_mmbiz_jpg/5L8bhP5dIqH12YZcGlVXWUxGe32suUNFoTWv7qrZgRRdZY0EZva3ojEWJeH0cwMEfsr4wPx35daDoU0ByjFjuE4AvhoxE49ueIic0dpHWhic8/0"/>
            <tag>人工智能安全</tag>
            <tag>大语言模型</tag>
            <tag>推理模型</tag>
            <tag>安全评估</tag>
            <tag>模型对齐</tag>
            <keyword>Chain of Risk</keyword>
            <keyword>大型推理模型</keyword>
            <keyword>CoT安全</keyword>
            <keyword>自适应多准则激活引导</keyword>
            <keyword>DeepSeek-R1</keyword>
            <keyword>哈佛大学</keyword>
            <keyword>南加州大学</keyword>
            <keyword>MIT</keyword>
            <keyword>ICML 2026</keyword>
        </item>
        <item>
            <title><![CDATA[ICML 2026获奖论文揭晓：黄高团队获杰出论文，A3C算法获时间检验奖]]></title>
            <link>https://mp.weixin.qq.com/s/KUjcRORhJDhtX6NpysPiuw</link>
            <guid isPermaLink="false">93ea7c226f41f0c60555c69202163be3</guid>
            <pubDate>Mon, 06 Jul 2026 08:01:03 GMT</pubDate>
            <description><![CDATA[ICML 2026公布了最佳论文奖项，共10篇获奖论文，包括2篇杰出论文奖、1篇杰出立场论文奖、5篇杰出论文荣誉提名奖、1篇杰出立场论文荣誉提名奖和1篇时间检验奖。杰出论文奖分别由清华大学与阿里巴巴合作的《The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models》以及MIT与耶鲁大学合作的《High-accuracy sampling for diffusion models and log-concave distributions》获得。杰出立场论文奖由德国慕尼黑大学和独立研究者合作的《Position: The Alignment Community is Unintentionally Building a Censor's Toolkit》获得。时间检验奖授予了谷歌DeepMind和蒙特利尔大学的《Asynchronous Methods for Deep Reinforcement Learning》。]]></description>
            <content:encoded><![CDATA[ICML 2026公布了最佳论文奖项，共10篇获奖论文，包括2篇杰出论文奖、1篇杰出立场论文奖、5篇杰出论文荣誉提名奖、1篇杰出立场论文荣誉提名奖和1篇时间检验奖。杰出论文奖分别由清华大学与阿里巴巴合作的《The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models》以及MIT与耶鲁大学合作的《High-accuracy sampling for diffusion models and log-concave distributions》获得。杰出立场论文奖由德国慕尼黑大学和独立研究者合作的《Position: The Alignment Community is Unintentionally Building a Censor's Toolkit》获得。时间检验奖授予了谷歌DeepMind和蒙特利尔大学的《Asynchronous Methods for Deep Reinforcement Learning》。]]></content:encoded>
            <author>机器之心</author>
            <enclosure url="https://mmbiz.qpic.cn/mmbiz_jpg/5L8bhP5dIqHcibLuIDAGqY50IiaszVbc0qP6LOjA4mibuX8NIxTO0XHiaNNjvI1wcicsYQc2z38Lw0GOSEact2mLeIlHTRcCutcZHQ3KyjtmwMV8/0" length="0" type="image//mmbiz_jpg/5L8bhP5dIqHcibLuIDAGqY50IiaszVbc0qP6LOjA4mibuX8NIxTO0XHiaNNjvI1wcicsYQc2z38Lw0GOSEact2mLeIlHTRcCutcZHQ3KyjtmwMV8/0"/>
            <tag>机器学习</tag>
            <tag>人工智能</tag>
            <tag>学术会议</tag>
            <tag>深度学习</tag>
            <tag>强化学习</tag>
            <keyword>ICML 2026</keyword>
            <keyword>最佳论文奖</keyword>
            <keyword>The Flexibility Trap</keyword>
            <keyword>扩散语言模型</keyword>
            <keyword>JustGRPO</keyword>
            <keyword>High-accuracy sampling</keyword>
            <keyword>扩散模型</keyword>
            <keyword>对齐社区</keyword>
            <keyword>审查工具</keyword>
            <keyword>异步深度强化学习</keyword>
        </item>
    </channel>
</rss>