OpenAI 联合 AWS 发布 x402 指南，AI 代理可用 USDC 自主微支付

OpenAI 与 AWS 合作发布技术指南，介绍如何通过 x402 协议使 AI 代理在 Base 网络上使用 USDC 自动支付数据或 API 调用费用。该方案单次请求成本为 0.25 USDC，结算耗时约 2 秒，显著提升支付效率。x402 协议旨在为 AI 代理提供标准化支付通道，减少人工干预，有望推动 AI 代理商业化落地并成为行业支付标准。 #OpenAI #AWS #AI代理 #区块链 #USDC #微支付 #Base网络 #科技新闻

章鱼或揭示外星智慧的不同形态

据加拿大广播公司报道，章鱼作为一种极其独特的生物，其神经系统与人类存在显著差异，引发科学家对智慧本质的重新思考。章鱼的进化史可追溯至3.3亿年前，其身体柔软，八条灵活的手臂遍布数千个触觉和味觉传感器，三分之二的神经系统分布在手臂中，每条手臂可独立运作。研究表明，章鱼还能实时编辑RNA，以适应环境温度变化，这种能力在自然界极为罕见。章鱼以解决谜题、开启罐子和使用工具而闻名，擅长伪装和逃脱。科学家认为，章鱼的分布式大脑结构表明，智慧生物可能以截然不同的方式理解世界。若未来遭遇外形和思维方式类似章鱼的外星生命，人类将面临沟通上的巨大挑战，例如如何翻译基于颜色变化的交流语言。这一研究为探索外星智慧提供了全新视角。 #章鱼 #外星智慧 #神经系统 #科学探索 #动物研究 #生物多样性 #科普

Claude水印破解工具开源爆火，5天获11k Star却遭官方拒装

Anthropic为Claude加入AI生成文本水印功能，采用Google DeepMind的SynthID-Text方案，通过统计模式植入隐藏签名，适用于全球所有用户。此举引发开源社区强烈反弹，一款名为watermarks-remover的去水印工具在GitHub发布五天内即获11k Star。该工具提供三层清洗方案：确定性清除Unicode字符等简单标记、通过Agent改写破坏统计水印、以及移除各类文件格式中的C2PA/EXIF/XMP元数据，可覆盖Claude、Gemini及OpenAI等主流AI服务。有趣的是，当用户试图让Claude安装该去水印Skill时被直接拒绝，最终由中国大模型GLM 5.2完成安装。此事引发关于AI内容溯源与用户权益的激烈争论：付费用户质疑强制水印合理性，认为其制造"AI内容二等公民"身份；支持者则强调深度伪造泛滥背景下溯源的必要性。 #AI #水印 #Claude #开源 #Anthropic #技术争议 #生成式AI

谷歌被指控AI Studio删除按钮形同虚设，或涉违反GDPR

据外媒报道，一名用户公开指责谷歌AI Studio界面中的删除按钮存在欺骗性，称其并未真正删除用户数据，可能违反欧盟《通用数据保护条例》。该用户指出，点击删除后系统仅移除界面启动文件，实际并未删除提示词、聊天记录或后端对象，而界面却标注“30天后永久删除”。谷歌方面尚未对此作出正式回应，但技术评测机构Level1Techs也无法反驳该指控。此事件再次引发业界对AI平台数据管理透明度的质疑，若属实，谷歌可能面临监管审查。 #谷歌 #AIStudio #GDPR #隐私 #数据删除 #科技新闻

执行期AI治理框架

该论文提出了一种基于执行期的AI治理概念框架，核心原则是：计算本身不应自动具备产生外部影响的权限。随着AI系统日益能够直接调用工具、执行金融交易、修改文件、控制基础设施或触发物理设备，治理重点不再仅限于模型是否通过测试或获得认证，还需在行为发生的瞬间确认该行为是否具备有效授权。框架借鉴HTTPS协议思想，通过在通信前要求机器可验证的属性来减少对信任的依赖，而非假定模型本身可信。该方案引入“候选行为”概念，将AI生成的操作置于非生效状态，在治理条件满足前不产生外部后果，并在架构上明确区分计算、授权与生效三个层面。现有治理机制如部署前评估、红队测试、日志监控等虽仍必要，但多聚焦于系统是否应被信任或事后追责，未能精确控制从计算到外部后果的技术转换过程。 #AI治理 #人工智能 #执行期治理 #安全框架 #技术伦理 #机器学习

24小时做出“玩彩信誉最好的平台”！简直以假乱真

无法获取有效内容，原文返回404错误，请提供有效的新闻文本。

检索增强的潜在推理

一篇题为“检索增强的潜在推理用于稠密检索”的学术论文于2026年8月提交至arXiv预印本平台，作者为Gang Zhou及其他七位合作者。该研究聚焦信息检索领域，提出一种将潜在推理机制与检索增强技术相结合的稠密检索新方法，旨在提升模型对复杂查询的理解与匹配能力。论文包含详细的技术方案与实验验证，并提供PDF、HTML及TeX源码等多种阅读格式，供研究人员下载参考。目前该论文尚未获得正式DOI，处于提交注册阶段，其学术影响有待后续同行评议与应用检验。 #arXiv #学术论文 #信息检索 #稠密检索 #AI #深度学习

条件式验证框架

一篇题为《条件式验证：安全分类器适配与监控的正确性估计》的学术论文近日提交至arXiv预印本平台。该研究由Thiago Sandoval和Ufuk Topcu共同撰写，聚焦于机器学习安全分类器在动态环境中的可靠性问题。论文提出一种“条件式验证”方法，旨在估计安全分类器在适配新场景或持续监控过程中的输出正确性，从而应对模型部署后性能漂移或分布偏移带来的挑战。研究或为AI安全评估提供新的理论工具，相关代码与数据资源已随论文公开，供学术社区复现与验证。 #arXiv #AI安全 #机器学习 #安全分类器 #学术论文 #科技新闻

通用科学人工智能新路径

一项发表于arXiv预印本平台的研究提出，构建通用型科学人工智能的关键路径在于实现对科学图像的多模态理解。该论文由Jennifer D'Souza及另外11位作者共同完成，于2026年8月14日提交。研究指出，当前科学文献中的图像承载着大量关键信息，但现有AI模型对此类复杂视觉数据的理解仍存在明显不足。论文探讨了如何通过融合文本与图像信息，使AI系统能够跨学科地解读图表、显微照片、实验示意图等科学视觉内容，从而向通用科学智能迈进。该工作为后续开发更具泛化能力的科学AI工具提供了理论基础与方向指引。 #科学AI #多模态 #人工智能 #arXiv #科研论文 #科学图像

Telegram必备的搜索引擎，极搜JISOU帮你精准找到，想要的群组、频道、视频、音乐

👉 t.me/jisou2?start=a_8247614025

Mandato 协议：为 AI 代理行为引入密码学签名的强制审计机制

一篇题为《Mandato: Protocol-Level Enforcement of Digitally Signed Mandates on AI Agent Actions with Cryptographically Chained Audit Trails》的学术论文于2026年8月14日提交至arXiv平台。该研究由Giovanni Racioppi撰写，提出了一种名为Mandato的协议级方案，旨在对AI代理的行为实施数字签名授权，并通过密码学链接的审计轨迹实现强制执行。该机制允许对AI代理的操作进行可验证的授权与追溯，确保其行为符合预设指令。论文已在arXiv发布，并正在通过DataCite进行DOI注册，相关PDF和引用工具已上线，研究领域归类于计算机科学方向。 #AI安全 #人工智能 #密码学 #arXiv #学术论文 #AI代理

大模型预训练中的领域数据重复缩放研究

一项关于大语言模型预训练中领域数据重复策略的研究论文已提交至 arXiv 预印本平台。该论文由 Jingwei Li 及另外七位研究者共同撰写，于 2026 年 8 月 14 日首次发布，探讨如何在预训练阶段通过重复使用特定领域数据来优化模型性能。研究聚焦于数据重复次数与模型训练效果之间的缩放规律，旨在为大模型训练中的数据配比提供理论指导。论文目前已完成提交，并通过 DataCite 申请 DOI 编号，相关全文和 TeX 源码已开放访问，供研究者下载和引用。该工作对提升大模型在专业领域的表现具有潜在应用价值，也引发了关于数据效率与过拟合风险的讨论。 #arXiv #大模型 #预训练 #数据重复 #AI #学术研究

数据驱动材料模型基准测试

近日，一篇题为《基于经典Treloar数据集的数据驱动材料模型基准测试》的学术论文正式发布。该研究由Hagen Holthusen及其三位合作者共同完成，主要聚焦于材料科学领域中数据驱动建模方法的系统评估。研究团队利用经典的Treloar数据集，对不同数据驱动材料模型进行了基准测试，旨在比较各类模型在橡胶类材料力学行为预测中的表现。该数据集作为该领域的标准参考，为模型验证提供了可靠基础。论文已在预印本平台arXiv上公开，并提供PDF、HTML及TeX源文件等多种获取方式，方便科研人员查阅与引用。这一工作有望为材料建模方法的选型提供重要参考依据。 #材料科学 #数据驱动 #基准测试 #Treloar数据集 #科研论文 #arXiv

[OP] 新论文揭秘智能体技能失效之谜

由 Zhiyuan Jiang 及另外八位作者联合撰写的研究论文《Demystifying Agent Skills: Why They Work-Until They Don't》在 arXiv 平台发布。论文聚焦人工智能智能体技能在实际应用中的表现差异，深入剖析了技能在特定场景下有效、却在其他情境中失效的深层原因。研究团队通过系统性分析，揭示了技能泛化能力受限的关键因素，为理解智能体行为机制和优化技能设计提供了理论依据。该论文已提交至 2026 年 8 月的 arXiv 计算机科学板块，并附有 PDF 和 HTML 版本供学界查阅。 #AI #智能体 #学术论文 #arXiv #人工智能 #机器学习 #技能泛化

自主芯片设计中的智能体编排研究获进展

一篇题为《自主芯片设计中的智能体编排》的学术论文于2026年8月14日提交至arXiv预印本平台，作者为Linyang Li。该研究聚焦于利用智能体编排技术提升芯片设计的自动化水平，探索通过多智能体协同方式应对复杂设计流程中的挑战。论文全文已提供PDF及HTML格式供查阅，并附带BibTeX引用数据，便于学术引用。相关工具链接如代码检索、数据集关联及推荐系统也已同步上线，供研究人员进一步探索。该成果有望为半导体行业的自主化设计流程提供新思路，但其具体技术细节与实验数据尚未在公开摘要中详细展开，需查阅完整论文以获取深入信息。 #arXiv #芯片设计 #智能体编排 #AI #半导体 #学术研究

残差主导：因果自注意力推荐系统中末项依赖的结构性解释

一篇发表于 arXiv 的学术论文提出"残差主导"理论，为因果自注意力推荐系统中的"末项依赖"现象提供了结构性解释。研究由 Kozaki Keito 及其四位合作者完成，于 2026 年 8 月 14 日提交。该现象指模型在生成推荐时过度依赖用户行为序列中的最后一项，影响推荐准确性。论文通过分析残差连接在自注意力机制中的传播路径，论证了末项依赖并非偶然偏差，而是模型架构中残差结构导致的必然结果。该研究为理解推荐系统内部机理提供了新视角，有望推动相关算法的优化与改进。 #推荐系统 #自注意力机制 #因果模型 #学术论文 #arXiv #人工智能 #算法研究

“买传闻，卖新闻”

近日，一篇题为《Buy the Rumor, Sell the News: When Is News Priced In?》的学术论文发布在arXiv预印本平台上，由Alireza Kargarzadeh及其他四位作者共同撰写。该研究聚焦金融市场中广为人知的“买传闻，卖新闻”现象，探讨新闻信息究竟在何时被市场充分定价。论文通过模型分析，试图揭示传闻与正式新闻发布之间资产价格变动的规律，为理解信息不对称条件下的市场行为提供新视角。目前，该论文已开放PDF及HTML版本供读者查阅，并附带相关引用工具与参考文献链接。研究尚未经过同行评审，正式出版信息待后续确认。 #金融 #新闻定价 #市场行为 #学术研究 #arXiv

仿真驱动交通数据增强

一项新研究提出利用仿真驱动的数据增强方法，通过虚拟传感技术扩展交通传感器的覆盖范围。该方法旨在应对实际交通监测中传感器部署成本高、覆盖有限的问题，通过生成高保真虚拟数据补充真实采集数据的不足。研究团队构建了仿真环境模拟多种交通场景，并验证了增强数据在提升交通流量预测和状态估计精度方面的有效性。该成果或为智能交通系统提供更经济、灵活的数据获取方案，助力城市交通管理与规划优化。 #交通仿真 #数据增强 #虚拟传感 #智能交通 #学术研究 #科技前沿

短视频推荐中的内容深度至关重要

一项由Liwei Deng等五位研究者共同完成的最新学术论文指出，在短视频推荐系统中，内容深度正成为影响用户参与度与平台生态的关键因素。该研究重新审视了以“注意力经济”为核心的传统推荐逻辑，认为单纯追求用户停留时长和点击率可能忽视内容的实质价值。论文提出，推荐算法应兼顾内容的表层吸引力与深层质量，以促进更有意义的信息消费。研究团队通过数据分析和模型构建，探讨了如何在推荐过程中平衡娱乐性与知识性，从而优化用户体验并推动内容生态的健康发展。该成果已提交至arXiv平台，目前处于注册和审核阶段，并提供了PDF及HTML全文供学术界参考。 #短视频 #推荐算法 #注意力经济 #内容深度 #学术研究 #arXiv #信息消费 #算法优化

Nanbeige4.2-3B 部署苹果芯片：修复缺陷并降低循环 Transformer 内存开销

一项关于 Nanbeige4.2-3B 模型在 Apple Silicon 上部署的研究近日发布。该研究由 John T. Halloran 完成，发表于 arXiv 平台，重点解决了模型在苹果芯片上运行时的部署缺陷，并提出降低循环 Transformer 内存开销的方法。研究显示，通过对部署流程进行修复和优化，模型在 Apple Silicon 上的运行效率和内存使用得到显著改善，为在苹果硬件上更高效地运行大型语言模型提供了实用方案。相关论文已附 PDF、HTML 及 TeX 源码，可供研究社区参考。 #AI #大模型 #AppleSilicon #部署优化 #技术论文

HELIX：模型与框架协同进化的递归自我改进新方法

近日，一篇题为《HELIX：模型-框架协同进化实现递归自我改进》的学术论文发表于arXiv预印本平台。该研究由Tianyu Fan等学者提出，核心思路在于将模型本身与其运行框架（harness）视为一个协同进化的整体，通过两者之间的动态交互与相互优化，实现系统的递归自我改进能力。与传统仅聚焦于模型参数更新的方法不同，HELIX框架强调外部工具链、推理环境和训练策略的同步演化，从而突破单一模型优化的性能瓶颈。论文已通过DataCite登记DOI，并附有PDF、HTML及TeX源码等完整资料，供研究社区访问与复现。这一方向为人工智能自主进化研究提供了新视角。 #人工智能 #机器学习 #arXiv #HELIX #自我改进 #学术论文