本文借助 AI 大模型及工具辅助整理一句话总结OpenAI 首款自研推理芯片 Jalapeño 问世Anthropic 推出 Claude Tag Slack 深度集成多篇论文揭示多模态大模型的排序敏感性和实时语音 AI 情感盲区。 AI 动态与趋势本周 AI 行业呈现两大显著趋势基础设施自主化和Agent 应用规模化落地。OpenAI 联合博通推出首款自研推理芯片 Jalapeño标志着头部 AI 公司加速芯片层面自主可控不再完全依赖通用 GPU。与此同时Anthropic 直接将 Claude 嵌入 Slack 作为团队成员Claude Tag可写代码、查数据、提 PRAgent 正从工具变为真正的协作者。另一方面学术界对现有 AI 系统的可靠性缺陷展开密集审视。多项研究指出当前主流多模态大模型在输入排序变化时存在显著的不一致性实时语音 AI 系统虽能识别情感信号却在决策中忽略。这些发现为下一阶段 AI 部署安全性和评估标准提出了新的要求。 AI 今日看点如果你不是技术从业者今天关注的核心是AI 正在从回答问题的聊天机器人转向能在真实工作流中干活。Anthropic 在 Slack 里发布了 Agent 版的 Claude它能直接进频道、接任务、改代码——这意味着 AI 不再只存在于对话框里。与此同时OpenAI 开始造自己的芯片了这就像蛋糕店决定自己种小麦说明头部玩家在做长期战略布局。另一方面机器人领域也在突破新的研究成果让机械臂能跨不同型号通用操作不再是每个机器人单独训练。简单说AI 正在更快地走向实用、走向底层、走向物理世界。 AI 大事件OpenAI 发布首款自研 AI 推理芯片 Jalapeño与 Broadcom 联合开发专为 AI 推理场景设计。值得注意的是Jalapeño 的开发过程本身也使用了 OpenAI 自身的大模型来加速芯片设计流程。来源VentureBeatAnthropic 推出 Claude TagAI Agent 直接加入企业 SlackClaude 可作为 Slack 团队成员参与对话、拉取代码、合入 PR、查询销售数据等。这是 Agent 深嵌协作平台的重要里程碑。来源The VergeMistral 发布 OCR 4 企业级文档提取方案支持 170 种语言、10 种语言族可处理 PDF/DOC/PPT/OpenDocument 格式专为监管严格行业提供本地化部署能力。来源VentureBeat近 400 家地方报纸联合起诉 OpenAI 和微软指控两家公司在未授权、未付费的情况下抓取其内容训练 AI 模型。这是继《纽约时报》、Ziff Davis 等之后的又一轮版权诉讼潮。来源The Verge小米发布 HarnessXAI 框架可在运行中自我重写一种新型 AI 框架能诊断失败并自动重写自身的 agent 脚手架代码小模型收益尤为显著。来源VentureBeatSuperhuman 收购 AI 内容检测工具 GPTZero将整合进 Superhuman Go AI 助手帮助用户理解所读内容的来源可信度。来源The Verge️ AI 应用前线开源自媒体视频制作系统 OpenMontage 爆火GitHub 日增 3700 stars号称首个开源 Agent 驱动的视频制作系统包含 12 条管线、52 种工具、500 种 Agent 技能。来源GitHub Trending阿里未训练 Agent 却意外提升 7 个基准的 Agent 性能通过构建能按需注入边缘场景的仿真器阿里在未专门训练 Agent 的情况下优化了多模型协调效果。来源VentureBeatGitHub 日趋势活跃AI 网站克隆器、网络安全技能包等ai-website-cloner-template 日增 692 星、Anthropic-Cybersecurity-Skills 日增 1031 星、阿里 Page Agent 日增 280 星。来源GitHub Trending 数据速递3700— OpenMontage 单日新增星数创本周 AI 开源项目增速最高来源GitHub Trending1031— Anthropic Cybersecurity Skills 项目单日星数AI 安全领域需求旺盛来源GitHub Trending170— Mistral OCR 4 支持的语言数量覆盖 10 个语族来源VentureBeat13.4%— 最稳定的多模态大模型在输入重排后仍出现答案翻转的比例来源ArXiv 2606.26079 今日概览维度数据 日期2026-06-25 ArXiv 精选论文6 篇 GitHub 趋势项目15 个 新闻事件8 条 ArXiv 今日精选论文️ 大模型与训练Same Evidence, Different Answer: Auditing Order Sensitivity in Multimodal Large Language Models对 18 个前沿多模态大模型的五项排序敏感性审计发现没有一个模型对输入顺序不敏感。即使最佳模型在最简单的文本推理场景中仍有 13.4% 的答案翻转率。研究表明仅靠 prompt 级别缓解无法彻底解决排序鲁棒性问题。• 链接https://arxiv.org/abs/2606.26079On-Policy Self-Distillation with Sampled Demonstrations Reduces Output Diversity揭示了在线策略自蒸馏On-policy Self-Distillation的一个隐藏代价虽然该技术能提升 pass1 准确率但会显著降低输出多样性passk 曲线趋于平坦。理论分析表明自蒸馏会放大已有概率差距将质量集中在少数输出模式上在需要多样化策略的 OOD 场景中表现不佳。• 链接https://arxiv.org/abs/2606.26091Model Forensics: Investigating Whether Concerning Behavior Reflects Misalignment提出模型取证Model Forensics基线协议先读取推理链CoT形成假设再通过编辑 prompt 或环境来检验。行为异常不必然是未对齐混淆也可导致不良行为区分两者对 AI 安全至关重要。• 链接https://arxiv.org/abs/2606.26071 Agent 与机器人Learning Action Priors for Cross-embodiment Robot Manipulation提出两阶段训练框架先通过流匹配Flow Matching在无视觉/语言条件下预训练动作模块的运动先验再迁移至视觉-语言-动作VLA联合训练。在 13 个跨形态任务中大幅超越基线数据稀少场景下效果尤其显著。• 链接https://arxiv.org/abs/2606.26095Neglected Free Lunch from Post-training: Progress Advantage for LLM Agents证明强化学习后训练本身就可提供有效的步骤级评分信号无需训练专门的奖励模型。提出的进度优势Progress Advantage——RL 策略与参考策略的对数概率比——在测试时扩展、不确定性量化和失败归因三个场景中均一致超越基于置信度的基线方法。• 链接https://arxiv.org/abs/2606.26080 语音与多模态Real-Time Voice AI Hears but Does Not Listen评估 OpenAI GPT Realtime 2、Google Gemini 3.1 Flash Live 和阿里 Qwen3.5 Omni 后发现所有系统都是听字不听声——能准确识别语气中的哭泣、恐惧和讽刺但在决策时完全忽略。研究定义了语音 AI 的情感智能鸿沟提醒在涉及语气和情感的高风险场景中谨慎使用。• 链接https://arxiv.org/abs/2606.26083 GitHub AI 趋势日榜 Top 15今日 GitHub 趋势以 AI Agent 工具和开发者基础设施为主开源视频制作系统 OpenMontage 一骑绝尘。排名项目语言今日星增说明1calesthio/OpenMontagePython3,719开源 Agent 驱动的视频生产系统12 管线 52 工具 500 技能2apple/containerSwift1,838Apple 出品Mac 上通过轻量虚拟机运行 Linux 容器3mukul975/Anthropic-Cybersecurity-SkillsPython1,031817 个结构化网络安全技能映射 6 个安全框架4JCodesMore/ai-website-cloner-templateTypeScript692一条命令通过 AI 克隆任意网站5google-labs-code/design.mdTypeScript619向编码 Agent 描述视觉设计系统的格式规范6alibaba/page-agentTypeScript280JS 实现的网页 GUI Agent用自然语言控制 Web 界面7xbtlin/ai-berkshirePython201AI 时代价值投资框架多 Agent 对抗分析8mauriceboe/TREKTypeScript112自托管旅行规划器支持实时协作和 PWA9garrytan/gstack--Garry Tan 的 Claude Code 完整配置23 个工具10aws/agent-toolkit-for-awsPython15AWS 官方 MCP 服务/技能/插件套件11IceWhaleTech/CasaOS--开源个人云系统12opendatalab/MinerU--PDF/文档→LLM 就绪 Markdown/JSON13Free-TV/IPTV--免费电视直播 M3U 播放列表14shanraisshan/claude-code-best-practice--从 Vibe Coding 到 Agentic Engineering 最佳实践15NanmiCoder/MediaCrawler--小红书/抖音/快手/B站/微博爬虫工具 今日洞察语音 AI 正在听见但没有听懂。实时语音 AI 系统的情感智能鸿沟是目前被严重低估的问题。如果金融、客服、医疗领域要部署语音 Agent必须增加对语气和情感信号的独立校验机制不能仅依赖文字转录。Agent 不再只是对话而是协作。Claude Tag 嵌入 Slack 和 OpenMontage 的开源视频制作 Agent 系统说明AI Agent 已经从一个人问 AI进化到AI 在团队里干活这将对企业协作模式和软件开发流程产生深远影响。排序敏感性暴露大模型评估体系缺陷。现有基准测试只测一份固定排序的输入而相同的证据、不同的排列即可导致答案翻转。这提醒 AI 评估需要引入跨排列翻转率作为标准指标同时提示开发者在生产环境中应自动进行输入排列校验。✍️编辑策划 / 整理Fan Jun AI Tech Notes 组发布日期2026-06-25数据来源ArXiv API、GitHub API、TechCrunch、The Verge、Wired、VentureBeat、机器之心、量子位等
每日 AI 研究简报 · 2026-06-25
本文借助 AI 大模型及工具辅助整理一句话总结OpenAI 首款自研推理芯片 Jalapeño 问世Anthropic 推出 Claude Tag Slack 深度集成多篇论文揭示多模态大模型的排序敏感性和实时语音 AI 情感盲区。 AI 动态与趋势本周 AI 行业呈现两大显著趋势基础设施自主化和Agent 应用规模化落地。OpenAI 联合博通推出首款自研推理芯片 Jalapeño标志着头部 AI 公司加速芯片层面自主可控不再完全依赖通用 GPU。与此同时Anthropic 直接将 Claude 嵌入 Slack 作为团队成员Claude Tag可写代码、查数据、提 PRAgent 正从工具变为真正的协作者。另一方面学术界对现有 AI 系统的可靠性缺陷展开密集审视。多项研究指出当前主流多模态大模型在输入排序变化时存在显著的不一致性实时语音 AI 系统虽能识别情感信号却在决策中忽略。这些发现为下一阶段 AI 部署安全性和评估标准提出了新的要求。 AI 今日看点如果你不是技术从业者今天关注的核心是AI 正在从回答问题的聊天机器人转向能在真实工作流中干活。Anthropic 在 Slack 里发布了 Agent 版的 Claude它能直接进频道、接任务、改代码——这意味着 AI 不再只存在于对话框里。与此同时OpenAI 开始造自己的芯片了这就像蛋糕店决定自己种小麦说明头部玩家在做长期战略布局。另一方面机器人领域也在突破新的研究成果让机械臂能跨不同型号通用操作不再是每个机器人单独训练。简单说AI 正在更快地走向实用、走向底层、走向物理世界。 AI 大事件OpenAI 发布首款自研 AI 推理芯片 Jalapeño与 Broadcom 联合开发专为 AI 推理场景设计。值得注意的是Jalapeño 的开发过程本身也使用了 OpenAI 自身的大模型来加速芯片设计流程。来源VentureBeatAnthropic 推出 Claude TagAI Agent 直接加入企业 SlackClaude 可作为 Slack 团队成员参与对话、拉取代码、合入 PR、查询销售数据等。这是 Agent 深嵌协作平台的重要里程碑。来源The VergeMistral 发布 OCR 4 企业级文档提取方案支持 170 种语言、10 种语言族可处理 PDF/DOC/PPT/OpenDocument 格式专为监管严格行业提供本地化部署能力。来源VentureBeat近 400 家地方报纸联合起诉 OpenAI 和微软指控两家公司在未授权、未付费的情况下抓取其内容训练 AI 模型。这是继《纽约时报》、Ziff Davis 等之后的又一轮版权诉讼潮。来源The Verge小米发布 HarnessXAI 框架可在运行中自我重写一种新型 AI 框架能诊断失败并自动重写自身的 agent 脚手架代码小模型收益尤为显著。来源VentureBeatSuperhuman 收购 AI 内容检测工具 GPTZero将整合进 Superhuman Go AI 助手帮助用户理解所读内容的来源可信度。来源The Verge️ AI 应用前线开源自媒体视频制作系统 OpenMontage 爆火GitHub 日增 3700 stars号称首个开源 Agent 驱动的视频制作系统包含 12 条管线、52 种工具、500 种 Agent 技能。来源GitHub Trending阿里未训练 Agent 却意外提升 7 个基准的 Agent 性能通过构建能按需注入边缘场景的仿真器阿里在未专门训练 Agent 的情况下优化了多模型协调效果。来源VentureBeatGitHub 日趋势活跃AI 网站克隆器、网络安全技能包等ai-website-cloner-template 日增 692 星、Anthropic-Cybersecurity-Skills 日增 1031 星、阿里 Page Agent 日增 280 星。来源GitHub Trending 数据速递3700— OpenMontage 单日新增星数创本周 AI 开源项目增速最高来源GitHub Trending1031— Anthropic Cybersecurity Skills 项目单日星数AI 安全领域需求旺盛来源GitHub Trending170— Mistral OCR 4 支持的语言数量覆盖 10 个语族来源VentureBeat13.4%— 最稳定的多模态大模型在输入重排后仍出现答案翻转的比例来源ArXiv 2606.26079 今日概览维度数据 日期2026-06-25 ArXiv 精选论文6 篇 GitHub 趋势项目15 个 新闻事件8 条 ArXiv 今日精选论文️ 大模型与训练Same Evidence, Different Answer: Auditing Order Sensitivity in Multimodal Large Language Models对 18 个前沿多模态大模型的五项排序敏感性审计发现没有一个模型对输入顺序不敏感。即使最佳模型在最简单的文本推理场景中仍有 13.4% 的答案翻转率。研究表明仅靠 prompt 级别缓解无法彻底解决排序鲁棒性问题。• 链接https://arxiv.org/abs/2606.26079On-Policy Self-Distillation with Sampled Demonstrations Reduces Output Diversity揭示了在线策略自蒸馏On-policy Self-Distillation的一个隐藏代价虽然该技术能提升 pass1 准确率但会显著降低输出多样性passk 曲线趋于平坦。理论分析表明自蒸馏会放大已有概率差距将质量集中在少数输出模式上在需要多样化策略的 OOD 场景中表现不佳。• 链接https://arxiv.org/abs/2606.26091Model Forensics: Investigating Whether Concerning Behavior Reflects Misalignment提出模型取证Model Forensics基线协议先读取推理链CoT形成假设再通过编辑 prompt 或环境来检验。行为异常不必然是未对齐混淆也可导致不良行为区分两者对 AI 安全至关重要。• 链接https://arxiv.org/abs/2606.26071 Agent 与机器人Learning Action Priors for Cross-embodiment Robot Manipulation提出两阶段训练框架先通过流匹配Flow Matching在无视觉/语言条件下预训练动作模块的运动先验再迁移至视觉-语言-动作VLA联合训练。在 13 个跨形态任务中大幅超越基线数据稀少场景下效果尤其显著。• 链接https://arxiv.org/abs/2606.26095Neglected Free Lunch from Post-training: Progress Advantage for LLM Agents证明强化学习后训练本身就可提供有效的步骤级评分信号无需训练专门的奖励模型。提出的进度优势Progress Advantage——RL 策略与参考策略的对数概率比——在测试时扩展、不确定性量化和失败归因三个场景中均一致超越基于置信度的基线方法。• 链接https://arxiv.org/abs/2606.26080 语音与多模态Real-Time Voice AI Hears but Does Not Listen评估 OpenAI GPT Realtime 2、Google Gemini 3.1 Flash Live 和阿里 Qwen3.5 Omni 后发现所有系统都是听字不听声——能准确识别语气中的哭泣、恐惧和讽刺但在决策时完全忽略。研究定义了语音 AI 的情感智能鸿沟提醒在涉及语气和情感的高风险场景中谨慎使用。• 链接https://arxiv.org/abs/2606.26083 GitHub AI 趋势日榜 Top 15今日 GitHub 趋势以 AI Agent 工具和开发者基础设施为主开源视频制作系统 OpenMontage 一骑绝尘。排名项目语言今日星增说明1calesthio/OpenMontagePython3,719开源 Agent 驱动的视频生产系统12 管线 52 工具 500 技能2apple/containerSwift1,838Apple 出品Mac 上通过轻量虚拟机运行 Linux 容器3mukul975/Anthropic-Cybersecurity-SkillsPython1,031817 个结构化网络安全技能映射 6 个安全框架4JCodesMore/ai-website-cloner-templateTypeScript692一条命令通过 AI 克隆任意网站5google-labs-code/design.mdTypeScript619向编码 Agent 描述视觉设计系统的格式规范6alibaba/page-agentTypeScript280JS 实现的网页 GUI Agent用自然语言控制 Web 界面7xbtlin/ai-berkshirePython201AI 时代价值投资框架多 Agent 对抗分析8mauriceboe/TREKTypeScript112自托管旅行规划器支持实时协作和 PWA9garrytan/gstack--Garry Tan 的 Claude Code 完整配置23 个工具10aws/agent-toolkit-for-awsPython15AWS 官方 MCP 服务/技能/插件套件11IceWhaleTech/CasaOS--开源个人云系统12opendatalab/MinerU--PDF/文档→LLM 就绪 Markdown/JSON13Free-TV/IPTV--免费电视直播 M3U 播放列表14shanraisshan/claude-code-best-practice--从 Vibe Coding 到 Agentic Engineering 最佳实践15NanmiCoder/MediaCrawler--小红书/抖音/快手/B站/微博爬虫工具 今日洞察语音 AI 正在听见但没有听懂。实时语音 AI 系统的情感智能鸿沟是目前被严重低估的问题。如果金融、客服、医疗领域要部署语音 Agent必须增加对语气和情感信号的独立校验机制不能仅依赖文字转录。Agent 不再只是对话而是协作。Claude Tag 嵌入 Slack 和 OpenMontage 的开源视频制作 Agent 系统说明AI Agent 已经从一个人问 AI进化到AI 在团队里干活这将对企业协作模式和软件开发流程产生深远影响。排序敏感性暴露大模型评估体系缺陷。现有基准测试只测一份固定排序的输入而相同的证据、不同的排列即可导致答案翻转。这提醒 AI 评估需要引入跨排列翻转率作为标准指标同时提示开发者在生产环境中应自动进行输入排列校验。✍️编辑策划 / 整理Fan Jun AI Tech Notes 组发布日期2026-06-25数据来源ArXiv API、GitHub API、TechCrunch、The Verge、Wired、VentureBeat、机器之心、量子位等
