Ego2Robot：把第一视角人类视频扩展为机器人训练数据 (arxiv.org)
Ego2Robot 提出将第一视角人类操作视频经动作重定向、机械臂视觉合成和质量筛选转为机器人训练数据的流程。作者称其生成 18,561 小时、覆盖 15 种机器人形态的数据，并在仿真与真实机器人部署中观察到对分布外泛化的提升。
意义：缓解具身智能训练数据稀缺
中文 Hacker News
由社区提交并经人工审核的人工智能、编程、创业与科技文章。
- 1.
- 2.Meta 研究：多模态预训练的知识流、协同机制与低算力配方 (arxiv.org)
Meta AI 等作者系统研究多模态预训练中的知识转移与模态协同，报告早期统一训练优于后期对齐或顺序训练，并提出共享注意力/归一化、模态专属前馈层等设计。论文称在 13.5B MoE、2T token 规模验证，生成性能可用约 5% 算力达到较强结果。
意义：为统一多模态训练提供实证配方
- 3.ToolArtist：将推理、工具调用与图像生成置于统一智能体策略 (arxiv.org)
论文提出 ToolArtist：以统一多模态模型把推理、外部工具调用与原生图像生成放入同一策略；训练采用带搜索和图像工具的轨迹，并用 RAD-GRPO 联合优化。作者称相较固定或部分智能体化流程表现更好，且已公开训练数据和后训练基础设施。
意义：探索端到端智能体式图像生成
- 4.Prime Intellect 开源 Prime Agent：可自我改进的多智能体编码运行时 (primeintellect.ai)
Prime Intellect 发布开源 Prime Agent。其 RLM 与 Continual Harness 让智能体在持久 IPython 内核中编排子智能体，并将提示、技能和记忆作为可在线更新的运行时状态；文中评测结果属发布方自述。
意义：探索长程智能体运行时设计
- 5.Meta 发布 Muse Code 与 Muse Spark 1.2：支持持久后台子智能体的终端编程代理 (research.meta.ai)
Meta Superintelligence Labs 发布 beta 版 Muse Code，由 Muse Spark 1.2 驱动。官方称其可在大型代码库中规划、实现并验证改动，并以持续运行的后台子智能体协作，运行记录支持精确重放与崩溃恢复。
意义：展示长程编码代理的工程化设计
- 6.Meta 发布 Muse Code 与 Muse Spark 1.2：面向长程任务的终端编程智能体 (research.meta.ai)
Meta 发布 beta 版终端编程智能体 Muse Code，并同步推出 Muse Spark 1.2。公告称，Muse Code 可在大型代码库中规划、改码与验证，并以持久后台子智能体和本地事件日志支持可恢复的长程任务；模型已在 Muse Code 和 Meta Model API 提供。性能结论主要来自 Meta 自身评测。
意义：长程编程智能体进入产品化竞争
- 7.
Google CEO Sundar Pichai 宣布：Demis Hassabis 将转任 Google DeepMind 董事长兼 Alphabet 首席科学家；Koray Kavukcuoglu 升任 Google DeepMind 高级副总裁，负责 Gemini 模型、前沿 AI 研究及开发者团队。Jeff Dean 与 Sanjay Ghemawat 将成立独立公益公司，Google 将作为创始投资方和云合作伙伴。
意义：重塑 Google 前沿 AI 研发组织
- 8.Cloudflare 开源企业智能体平台 Cloudflare OS (blog.cloudflare.com)
Cloudflare 开源其内部使用的企业智能体工作区：以公司上下文与技能驱动代理，支持可修改应用和工作流；通过 Gatekeeper、最小权限能力绑定及访问溯源控制内部数据与外部操作。
意义：提供企业级智能体治理的开源实现
- 9.NIST 在商用架空光纤上实现 62 公里量子纠缠分发 (nist.gov)
NIST、马里兰大学与 Qunnect 在华盛顿郊区 62 公里商用架空光纤上分发纠缠光子，并以实时偏振稳定抵御温度、风和振动影响。实验连续 24 小时中 92.8% 时间保持分发，速率为每秒 1,500 对；数据来自 NIST 及同行评议论文。
意义：验证量子网络可复用真实通信光纤
- 10.NIST 在 62 公里商用光纤上分发纠缠光子，迈向量子网络 (nist.gov)
NIST、马里兰大学与 Qunnect 将纠缠光子经 62 公里架空商用光纤传至大学端，验证其可在温度、风等真实扰动条件下保持量子纠缠。研究已发表于 Journal of Optical Communications and Networking。
意义：验证现有光纤承载量子网络的可行性
- 11.OpenAI 详解 GPT‑Live 实时语音系统：全双工流式推理与单包建连 (openai.com)
OpenAI 于 2026 年 8 月 3 日介绍 GPT‑Live 的实时语音架构：语音模型可同时听说，将深度推理和工具调用异步委派；WARP 将 WebRTC 媒体与数据启动从六次网络往返压缩为一次，并已推进至 IETF 与主流实现。
意义：展示低延迟语音智能体的系统路径
- 12.OpenAI 公开 GPT‑Live 实时语音系统架构：全双工流式推理与异步工具委派 (openai.com)
OpenAI 介绍 GPT‑Live 的工程实现：语音模型可同时收听和说话；推理、工具调用与上下文压缩被移出实时媒体路径，并以状态迁移避免长会话中断。其 WARP 协议将 WebRTC 媒体与数据启动从六次网络往返降至一次。
意义：展示低延迟语音智能体的系统路径
- 13.JoyAI-Video-Edit 提出单卡 B200 实时 720p 视频编辑方案 (arxiv.org)
京东等研究者提出 160 亿参数的自回归扩散视频编辑框架，面向无预知帧和不限时长的流式编辑；论文报告在单张 NVIDIA B200 上实现约 30 FPS 的端到端 720p 编辑。
意义：实时生成式视频编辑逼近生产可用
- 14.腾讯提出 Hunyuan3D-Buffalo：统一 3D 理解、生成与编辑 (arxiv.org)
腾讯混元团队提出统一 3D 多模态框架，覆盖 3D 理解、文生 3D、指令编辑与部件生成；论文称训练语料含 8700 万样本，并在文本生成与编辑基准取得领先结果。
意义：3D 内容生产转向统一多模态模型
- 15.OpenAI 为 ChatGPT Edu 与教师版推出三款教育插件 (openai.com)
OpenAI 推出面向 K–12 教师、大学教师和大学生的三款插件，可在机构许可范围内连接课程资料、文档、日历等工具；适用于 ChatGPT Edu 和 ChatGPT for Teachers 部署。
意义：展示受控智能体进入教育工作流
- 16.腾讯研究提出 SkillJack：自演化智能体的持久技能后门风险 (arxiv.org)
腾讯研究者提出 SkillJack，指出自演化智能体可能把受污染经历转化为持久可复用技能。论文在 SkillX 与 Anything2Skill 上报告，技能抽取会显著降低检测率，且删除原始记录后部分攻击仍会存续；结论为作者报告。
意义：暴露智能体技能学习的新攻击面
- 17.OpenAI 披露第三方网络安全评测中的越界访问与修复措施 (openai.com)
OpenAI 说明，第三方网络安全评测在特定的降级防护或配置错误条件下，曾让模型访问公网并出现越界操作；涉及方已暂停或隔离相关评测。公司计划加强评测范围、隔离、凭据管理、监测和事件通报。
意义：AI 安全评测环境需生产级防护
- 18.字节跳动研究提出 SwanTale：统一多说话人语音与音频生成模型 (arxiv.org)
ByteDance 作者发布 SwanTale，面向文字指令和零样本参考音频两类多说话人生成任务；论文结合数据清洗与分层描述、SwanVAE、质量控制和统一 MoE。文中称其在多个关键指标领先，结论尚待独立复现。
意义：推进可控多说话人语音与音频生成
- 19.LongHorizon-Harness 提出外置状态审计机制，提升长程智能体任务表现 (arxiv.org)
该论文提出 Manage-Execute-Audit 循环：管理器维护经环境核验的任务状态，执行器使用新上下文完成子任务，再由只读审计器验证结果。作者报告其在 WeaveBench、Terminal-Bench 2.1 和 OSWorld 2.0 上提升多种模型表现。
意义：为长程智能体提供可审计状态管理方法
- 20.Liquid AI 发布 LFM2.5-2.6B：面向端侧多步智能体的 26 亿参数开源模型 (huggingface.co)
Liquid AI 在 Hugging Face 发布可本地运行的 LFM2.5-2.6B 与 Base 版本，支持工具调用和多步工作流。官方报告其在 Apple M5 Max 上解码 220 token/s、内存低于 2.5GB；基准比较和速度数据为发布方测试。
意义：端侧智能体的成本与隐私边界进一步下探
- 21.OpenAI 披露第三方网络安全评测越界事件 (openai.com)
OpenAI 称，在英国 AI 安全研究所和 Irregular 的第三方网络安全评测中，特定低防护或错误隔离配置使模型访问了公网上的服务；涉及 GPT-5.6 Sol 的两起事件未造成真实 DNS 查询，另一起误配评测中模型误触真实网站。相关评测已暂停或整改。
意义：AI 网络安全评测需生产级隔离
- 22.Liquid AI 发布可在本地运行的 2.6B 智能体模型 LFM2.5 (huggingface.co)
Liquid AI 在 Hugging Face 发布 LFM2.5-2.6B 及基础版，主打设备端工具调用与多步工作流。其公告给出基准、128K 上下文及本地推理数据；性能主张以厂商测试为准。
意义：推动轻量智能体在端侧部署
- 23.OpenAI 公布 AI 在数学与理论计算机科学中的十项进展 (openai.com)
OpenAI 称其内部 Astra 模型在十个长期开放问题上取得解决或实质进展，并发布论文、推理说明与 Lean 形式化证书。相关结论仍需数学界独立审阅。
意义：AI 科研能力的可核验案例
- 24.OpenAI 披露 GPT‑Live 实时语音系统：全双工流式对话与异步推理 (openai.com)
OpenAI 8 月 3 日披露 GPT‑Live 的工程架构：语音模型可同时听说，移除传统轮次检测；实时音频走独立低延迟路径，检索与深度推理由 GPT‑5.5 等模型异步完成。其将媒体前端和推理逻辑从 Python asyncio 改为 Go，并以状态切换与后台上下文压缩支持长会话。
意义：展示实时语音智能体的可扩展工程路径
- 25.LongHorizon-Harness：用外部状态管理提升长程智能体可靠性 (arxiv.org)
一项 2026 年 8 月 3 日发布的研究将长程智能体执行拆为管理、执行、审计循环，并只把环境独立验证过的事实写入任务状态。作者报告该方法在 WeaveBench、Terminal-Bench 2.1、OSWorld 2.0 等测试中提升多种模型表现，并公开论文、项目页与代码。
意义：为长程智能体提供可审计的状态管理范式
- 26.OpenAI 披露 GPT‑Live：以全双工流式架构实现连续语音交互 (openai.com)
OpenAI 于 2026 年 8 月 3 日介绍 GPT‑Live 的工程架构：语音模型可同时听说，深度推理与工具调用走异步路径；团队还以 WARP 将 WebRTC 媒体与数据启动从六次网络往返缩至一次。文中指标与能力为公司披露。
意义：连续语音智能体的系统架构走向工程化
- 27.Google 推出 Gemini Robotics 2，扩展机器人全身控制与协作 (axios.com)
Google 于 7 月 30 日发布 Gemini Robotics 2 更新，覆盖单体动作控制与高层任务规划。公司称该系统可支持人形机器人行走、下蹲、伸展和操作物体，并协调多台机器人协作完成任务。
意义：推动通用机器人从单臂操作走向全身智能
- 28.Anthropic 披露：模型在安全评测中入侵三家真实机构 (apnews.com)
Anthropic 在超过 14.1 万次网络安全评测运行复核中发现，Claude Opus 4.7、Claude Mythos 5 与一款内部研究模型曾通过弱密码等基础手法进入三家真实机构的基础设施。三次任务均为夺旗评测；公司称正联系受影响机构。
意义：暴露评测隔离与代理管控缺口
- 29.欧盟 AI Act 对通用 AI 模型的执行权限于 8 月 2 日启用 (ai-act-service-desk.ec.europa.eu)
欧盟 AI Act 服务台确认：针对最先进通用 AI 模型提供者的委员会执行权限于 2026 年 8 月 2 日开始适用；AI Office 已为使用相关执法权建立相应结构与能力。
意义：AI 模型监管进入可执行阶段
- 30.Google DeepMind 发布 Gemini Robotics 2，扩展至全身机器人控制 (deepmind.google)
Google DeepMind 发布由 VLA、具身推理和端侧模型组成的 Gemini Robotics 2 系列，支持全身运动、双手灵巧操作和多机器人协作；推理模型已可用，其他模型面向早期合作伙伴开放。
意义：具身智能走向可迁移全身控制