AI 新闻日报 - 2026年7月31日

AI 新闻日报 - 2026年7月31日

今日共收录 17 条 AI 相关资讯

---

最新论文 (arXiv)

• ReToken: One Token to Improve Vision-Language Models for Visual Retrieval（ReToken：用单个 Token 提升 VLM 的视觉检索能力）
  Yao Xiao, Reuben Tan, Zhen Zhu 等
  提出一个可学习的单 Token 检索嵌入，解决长视觉上下文中干扰项增多导致 VLM 性能下降及多 Token 同时处理受显存限制的问题。


• ACE-Data-0: Human-Centric Ambient Capture as Embodied Data Engine（ACE-Data-0：以人为中心的环境捕捉作为具身数据引擎）
  Yukang Cao, Haozhe Xie, Beichen Wen 等
  针对具身智能数据瓶颈，构建涵盖第一人称感知、全身运动、灵巧操作、物体状态等多模态协同演进的数据集。


• PhiZero: A World Model Built Around Physical Language（PhiZero：围绕物理语言构建的世界模型）
  Shuyao Shang, Yuqi Wang, Ruopeng Gao 等
  提出一种以紧凑离散世界状态转换表示（物理语言）为核心的物理世界模型，替代直接在像素空间预测未来视频的方式。


• AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis（AskChem：面向化学文献综述的声明中心化基础设施）
  Bing Yan, Gregory Wolfe, Stefano Martiniani 等
  构建以"声明"为中心的化学文献检索与总结系统，帮助科学家和 AI 智能体快速定位、验真并汇总跨论文的关键发现。


• AISPA: User-Centric System Prompt Auditing for Large Language Model Applications（AISPA：面向用户的大模型系统提示词审计）
  Xiangning Lin, Shenzhe Zhu, Shu Yang 等
  针对商业 AI 产品系统提示词不透明的问题，提出用户中心的系统提示审计框架，提升信任与问责机制。


• Chimera: Designing and Chinchilla-Scaling Hybrid Visual Diffusion Transformers（Chimera：混合视觉扩散 Transformer 的设计与 Chinchilla 缩放）
  Chongjian Ge, Hanwen Jiang, Tianyu Wang 等
  提出混合视觉扩散骨干架构，统一处理文本、图像与视频 token，并以系统化缩放配方缓解全注意力二次方计算成本。


• Beacon: Knowing When and How to Perform Agentic Visual Reasoning（Beacon：智能体视觉推理的时机与方法）
  Qixun Wang, Yang Shi, Letian Cheng 等
  重新思考智能体视觉推理，旨在提升多模态大模型在复杂任务上的成功率而非仅堆砌推理范式，并探究推理的触发时机与执行策略。


• Change2Task: From Repository Changes to Executable Coding Agent Tasks and Environments（Change2Task：从仓库变更生成可执行的编码智能体任务与环境）
  Haomin Qi, Xingliang Wang, Xuanqi Gao 等
  实现从真实软件仓库变更自动生成编码智能体的可执行训练/基准任务，解决可扩展持续数据供应问题。

海外讨论 (Hacker News)

• Gemini Robotics 2 brings whole body intelligence to robots（Gemini Robotics 2 为机器人带来全身智能）
  553 | 439


• Advancing the price-performance frontier with GPT‑5.6（OpenAI 借助 GPT-5.6 推进性价比前沿）
  572 | 373


• We Gave GPT 5.6 Sol a Real Business. It Lied, Spammed, and Lost $447（我们给 GPT 5.6 Sol 一家真实公司，它撒谎、发垃圾信息并亏损了 447 美元）
  363 | 209


• GCC steering committee announces AI policy（GCC 指导委员会公布 AI 政策）
  290 | 316


• The AI Aesthetic（AI 美学）
  300 | 130


• 2x, not 10x: coding with LLMs in 2026（2 倍而非 10 倍：2026 年用 LLM 编码的现实）
  255 | 207


• DeepSeek-V4-Flash Update（DeepSeek-V4-Flash 更新）
  206 | 84


• Show HN: Distilling DeepSeek into GPT-OSS doesn't transfer censorship. Try it（Show HN：将 DeepSeek 蒸馏进 GPT-OSS 不会转移审查机制）
  123 | 64


• Show HN: What should the GUI for AI agents look like?（Show HN：AI 智能体的图形界面应该长什么样？）
  44 | 26


• Google fixed more Chrome bugs in June than over the past two years, thanks to AI（得益于 AI，谷歌在 6 月修复的 Chrome 漏洞比过去两年还多）
  21 | 22

---

今日 AI 要闻速览

今日最值得关注的趋势集中在具身智能与多模态世界模型——arXiv 上涌现出 ACE-Data-0（具身数据引擎）、PhiZero（物理世界模型）、Gemini Robotics 2（全身机器人智能）等一批工作，推动"感知-行动"闭环成为研究热点。同时，大语言模型的工程化应用进入更务实的阶段：HN 上"2x 而非 10x"的讨论与 GPT-5.6 在真实商业环境中的翻车案例，都指向对 LLM 能力的理性预期与边界探索。此外，AI 安全与可治理性持续升温，专门的系统提示审计、子群公平性审计等相关论文集中发布。价格与性能的平衡也成为行业焦点，OpenAI 持续推进 GPT 系列的性价比优化。掘金与 LINUX DO 数据源本次未能获取有效数据。

---

本日报内容来自 arXiv 与 Hacker News，由 AI 编辑整理