寻行业之脉
接真实之需

OmniVerifier-C1 分解式分级视觉验证器

提出 OmniVerifier-C1，将传统二值视觉验证器改为自动分解复杂提示或规则并逐项打分的分级验证器，配合解耦强化学习训练，在文生图与 Maze、Sudoku 等规则化世界建模任务上优于二值验证器，为世界建模智能体提供更可靠的连续评判信号。

DK-VLM用几何位置增强视觉语言模型空间推理

DK-VLM提出双核注意力机制，将3D几何位置而非重建特征直接注入注意力计算，并引入参考系组合监督训练模型跨视角更新空间判断。在六个空间基准上取得最高平均分，VSI-Bench达74.33，同时保持通用视频理解能力。

PathFM：快速生成式多变量轨迹预测

PathFM 用流匹配生成完整未来轨迹，而非仅预测边际分位数，从而刻画未来路径的依赖结构。通过蒸馏到一两步并共享历史注意力缓存，生成多条路径仅需一次分位数查询的时间，在 fev-bench、TIME 及新提出的 fps-bench 上表现有竞争力，并在混沌系统中保持长期变异性。

将生成式验证落地到三维内容

论文提出3DVerifierBench基准，覆盖10项任务，评估多模态模型对3D内容的验证与拒绝解释能力，发现最强模型GPT-6 Astra与人类仍有21.6个百分点差距；并构建含14,126条矛盾解释的训练数据管线，验证反馈可将候选选择成功率从26.7%提升至90.0%。

CoDA：数据引擎与动作策略协同进化

CoDA让生成式仿真数据引擎与机器人动作策略通过共享异构记忆协同进化，用视觉语言评论器诊断策略失败并生成针对性训练程序，配合Text2potential提供稠密监督。在四类操作任务上分布外成功率从5.3%提升至27.6%，LIBERO-Pro上位置扰动成功率由25%升至84%。

Gen4P 用视频生成器实现单目4D感知

Gen4P 提出统一框架，将预训练视频生成器改造为前馈式4D感知器，无需迭代去噪，单次编码即可从单目视频恢复4D几何与运动，并支持灵活时空采样。在3D点跟踪、视频深度和相机位姿估计上达到领先水平，展示了视频生成预训练用于统一4D感知的潜力。

QuasiLeak-Bench：策略条件下的准证据组隐私检测基准

现有隐私基准多关注显式标识符或属性推断，忽略了孤立弱但联合可揭示隐私的准证据组。该工作提出 QuasiLeak-Bench，用逆向构建流水线生成可靠标注，评估检测器能否恢复完整准证据组并按披露策略标记违规。实验显示现有检测器迁移差、本地模型远落后于闭源模型，但微调 4B 模型可超越最强提示模型，表明任务可学习。

多奖励强化学习的奖励相关token级信用分配

针对多奖励RL中GDPO将各奖励优势均匀铺满整条回复的问题，提出MRTPO：利用各验证器实际检查的信息，通过对比有无该验证器信息时策略的下一token分布，用逐token的Jensen-Shannon距离衡量相关性并重新分配优势，无需辅助模型或token级标注。在text-to-SQL、多约束指令跟随和工具调用上收敛更快、效果更好。

My old job feels distant now

AI breakthroughs in robotics won’t change your life any time soon

MIT Technology Review 与 Aventine 合作撰文指出，尽管人形机器人视频频繁刷屏，但机器人领域的 AI 突破短期内难以真正改变日常生活，提醒业界与公众理性看待落地节奏。

Roundtables: A Conversation With the Creator of AI-Designed Viruses

斯坦福博士生 Samuel King 于 2025 年用生成式 AI 模型设计出微观病毒的基因蓝图，虽非真正 AI 生成生命，但被视为迈向该目标的第一步。该圆桌讨论聚焦 AI 设计生命形式的可能性及其生物安全与伦理影响，值得关注 AI 在合成生物学中的前沿应用与风险。

AI labs are buying data from dead startups to train their models

报道称AI实验室正从倒闭的初创公司收购数据用于模型训练，一位加密创业者通过出售已关停公司的代码库和用户数据获利约2.5万美元。这反映出高质量训练数据日益稀缺，催生了'死公司数据'这一新兴交易市场，值得关注数据来源合规与定价问题。

Open models have real benefits. Do they outweigh the risks?

MIT Technology Review 探讨开源模型利弊：Anthropic 报告称 GLM-5.3 存在重大网络攻击风险，引发开源模型收益与安全风险孰轻孰重的争论。文章梳理开源模型的实际价值与潜在滥用风险，对关注模型开放策略与安全治理的工程师和决策者有参考意义。

Graph neural networks in TensorFlow

Google 发布 TensorFlow GNN 1.0（TF-GNN），一个面向大规模图神经网络的生产级库，支持异构图的建模、训练与从大型数据存储中抽取输入图，并提供动态子图采样 API，便于将图结构信息融入深度学习系统。

DP-Auditorium: A flexible library for auditing differential privacy

Google Research 开源 DP-Auditorium，一个仅需黑盒访问即可审计差分隐私保证的 Python 库，包含属性测试器和数据集查找器，可检测纯 DP、近似 DP、Rényi DP 等机制实现中的隐私违规与代码缺陷。

Learning the importance of training data under concept drift

谷歌研究提出实例条件衰减时间尺度方法，为每个训练样本学习重要性分数，解决概念漂移下新旧数据相关性差异问题。在3900万张照片的十年基准上，相对准确率提升达15%，优于在线与持续学习。

Advances in private training for production on-device language models

Google 分享 Gboard 端侧语言模型私有训练的进展：所有下一词预测模型均采用联邦学习并具备形式化差分隐私保证，覆盖 7+ 语言、15+ 国家，ε 低至 0.994，是已知最大规模用户级 DP 生产部署，对端侧 AI 隐私落地有标杆意义。

VideoPrism: A foundational visual encoder for video understanding

Google Research 发布 VideoPrism，一个通用视频理解基础视觉编码器。它在 3600 万高质量视频-文本对和 5.82 亿带噪文本视频片段上预训练，采用两阶段训练策略，单一冻结模型即可在分类、定位、检索、描述、问答等任务上达到 SOTA，解决了视频基础模型难以覆盖多样视频数据的难题。