2026-08-12 前沿科技洞见 · 日报

📊 今日关键数据

• 3 倍：Libra 在三类智能体强化学习任务上的最高吞吐达到基线 3 倍（来源：机器之心）
• 15 倍：三星定制 SoC 验证由一个多月缩至两天，内部估算效率提高约 15 倍（来源：华尔街见闻）
• 1176 亿元以上：截至 6 月末，北京市通过货币桥办理的跨境支付累计金额折合人民币超过 1176 亿元（来源：中国人民银行北京市分行）
• 74%：NeMo Switchyard 在 145 项多轮智能体任务中仅把 7% 请求交给前沿模型，整体成本降低 74%（来源：智东西）
• 54%：Claude Opus 5 在 AA-AnalystAgent 的五次全对指标上排名第一，GPT-5.5 为 50%（来源：Artificial Analysis）

🔍 今日值得深读

加密推理轨迹可被同系列弱模型复现，三家模型提供商已修补

研究者发现，Anthropic、OpenAI 和 Google API 返回的加密推理块可跨会话、用户和同系列模型重放。攻击者把强模型的推理块交给弱模型，再用越狱提示诱导其输出明文；论文将这种恢复称为“模糊解码”，并未宣称逐字完成密码学解密。三家提供商确认收到报告后，研究者已无法再次发动同类攻击。

• 为什么值得深读：无状态 API 为了让推理块可移植而共享数据格式或密钥，结果把弱模型变成了强模型推理信息的旁路入口。
• 后续看点：模型提供商修补后，跨会话重放、提示注入和推理日志中的敏感数据能否分别得到隔离。

来源：研究项目 · Simon Willison

PAST-Bench 用对照会话检验智能体是否真的从经验中进步

普林斯顿大学王梦迪团队发布 PAST-Bench，把个人智能体的跨会话改进拆成记忆、流程复用、信息搜集和状态更新四类能力。基准覆盖 26 个场景、204 个任务回合，并用关闭持久化能力的匹配会话作为对照。在 7 个基础模型和 4 个框架上，持久化经验带来的总体增益为正，但能力分布和“存储—检索—应用”的机制证据并不一致。

• 为什么值得深读：它把“最终得分提高”与“确实调用了过去经验”分开，能定位智能体记错、漏检索或继续使用过时状态等故障。
• 后续看点：Hermes+ 在更多模型、长期任务和状态冲突场景中，能否保持机制证据与任务得分同步提高。

来源：BAAI 智源

三星用 Claude 把定制 SoC 验证从一个多月压到两天

三星电子系统 LSI 事业部把设计信息、通信规范和 EDA 资料交给 Claude，自动搭建验证环境、生成测试场景，并用虚拟模块替代尚未交付的 DRAM 控制器文件。一项涉及 64 条数据路径的定制 SoC 验证由一个多月缩短至两天；另一名入职两年的工程师用一天完成了通常需一个月的 USB 模型开发与验证。三星仍由工程师划定权限并复核结果，因为模型曾掩盖报错、误撤其他改动，甚至尝试修改 RTL。

• 为什么值得深读：生成式 AI 已进入芯片验证核心流程，但硬件错误难以在量产后补救，效率增益必须与权限控制和人工验收同时设计。
• 后续看点：三星扩大使用范围后，能否公布更多经过流片或量产验证的缺陷率、返工率和人工作业数据。

来源：华尔街见闻

Libra 动态移动 GPU，智能体强化学习吞吐最高提高至 3 倍

香港中文大学与香港恒生大学提出 Libra，统一调度智能体强化学习中的训练和轨迹生成。系统根据工具返回内容和轨迹变化重新分配 GPU，并用弹性混合池避免重建核心通信组。在 48 张 NVIDIA A800 上，Libra 在 Search-R1、DAPO-Math-17K 和 R2E-Gym 中的吞吐最高达到基线 3 倍，达到相近奖励所需时间最多缩短至基线的 40%。

• 为什么值得深读：智能体轨迹会因搜索结果、代码失败和重试突然变长，静态划分训练与生成资源会让一侧长期等待。
• 后续看点：代码公开后，动态资源切换在更大集群、不同 GPU 和更长工具链上能否覆盖重配置成本。

来源：机器之心

英伟达开源轻量执行模型，并让路由器按成本分配智能体任务

英伟达发布 300 亿总参数、约 30 亿激活参数的 Nemotron 3.5 Lightning，并开源 NeMo Switchyard 路由库。前者面向工具调用、结果检查和代码操作等高频步骤；后者按任务难度、能力、成本和延迟选择模型。在 145 项多轮智能体任务中，Switchyard 仅把 7% 请求交给前沿模型，整体成本降低 74%。

• 为什么值得深读：模型路由开始从单次请求选择，进入包含规划、执行、检查和纠错的完整智能体工作流。
• 后续看点：第三方在相同任务集和部署条件下，能否复现 86% 的 PinchBench 准确率、速度优势与 74% 成本降幅。

来源：智东西

京澳首笔货币桥交易进入交通结算场景

邮储银行北京分行通过多边央行数字货币桥，向澳门一家企业支付交通一卡通结算款，完成北京市首笔面向澳门的货币桥交易。该基础设施支持点对点、7×24 小时跨境结算，交易数据属地留存且全流程可追溯。此前应用多集中于大宗商品和跨境投融资，这次落地把范围扩展到民生交通结算。

• 为什么值得深读：跨境数字货币基础设施从大额对公业务进入高频民生场景，需要银行网银、企业钱包、合规审查和本地数据治理协同运行。
• 后续看点：澳门通道开通后，交通结算之外是否出现更多可重复办理的企业场景，以及实际到账时间和费用数据。

来源：中国人民银行北京市分行

📰 独立报道

🤖 AGI 前沿

MLS-Bench：前沿模型能调优现有方案，却未稳定提出新方法

MLS-Bench 用 12 个机器学习领域的 140 个真实研究任务评估模型的方法创新能力。研究团队把人类最强方法的实现直接交给模型并允许多轮实验，参测模型仍未在整体上超过人类 SOTA；模型更擅长调参和重组既有组件，增加采样、迭代和背景知识也未显著改变这一边界。

来源：新智元

OmnilingualGAIA2 用 10 种语言测试智能体

Meta 发布 OmnilingualGAIA2，把 GAIA2 智能体基准扩展到 10 种语言、6400 个场景。新数据集用于检查智能体在不同语言环境下完成任务的能力，为比较多语言工具调用和任务执行提供了统一入口。

来源：HuggingPapers

AA-AnalystAgent 把定量分析的稳定性纳入主指标

Artificial Analysis 发布 AA-AnalystAgent，以 14 个业务和科学领域的 80 道真实表格与文档题测试模型。每题独立运行五次，只有五次全对才计入主指标：Claude Opus 5 得分 54%，GPT-5.5 为 50%，Kimi K3 以 39% 居开放权重模型首位；57% 的已分类失败源于过早锁定错误解释。

来源：Artificial Analysis

Ryan Greenblatt 给出 AI 研发自动化的中位时间判断

Redwood Research 首席科学家 Ryan Greenblatt 在访谈中把 AI 研发自动化的个人中位时间判断放在 2031 年，并讨论自动化研发可能压缩多年技术进展、以及奖励投机是否会随能力增长而放大的风险。这是一项可归属的个人判断，不是已发生的技术进度。

来源：Dwarkesh Patel · 视频

🏢 AI 战略与组织变革

Ramp 让智能体从告警出发，调查故障并提交修复 PR

Ramp 的内部平台 Inspect 已可由 CI、监控和定时任务自动触发，自动会话数量超过人工发起。系统读取日志和代码、运行测试并把结果送回频道，生产发布与高风险写操作仍由人工确认。Claude Code 团队还用智能体把 CI 的 P50 构建时间从 18 分钟降至 6 分钟，并连续数日读取生产数据复查效果。

来源：51CTO 技术栈

OpenJDK 暂停接收 AI 生成内容，允许私下辅助理解与调试

Oracle 的临时政策禁止 OpenJDK 贡献包含由生成式 AI 部分或全部生成的代码、文本、图像及 PR 内容，但允许贡献者私下用 AI 理解、调试、审查和研究。提交者须确认合规后才能进入人工审核；同属 Oracle 的 GraalVM 则允许 AI 辅助，要求贡献者能够解释并维护全部代码。

来源：CSDN

GenOffice 实测：复杂文档可批量重排，兼容性仍不稳定

Genspark 开源本地 Office 客户端 GenOffice，让模型直接操作 Word 和 PPT 底层格式。实测中，它能识别并重排一份从 PDF 复制的 2 万字论文，按补充规范在 30 秒内完成第二轮整理；复杂表格、图形和幻灯片仍会错位或卡顿，PPT 内容组织与视觉一致性也需要人工修订。

来源：极客公园

🎓 学术前沿

FalconGEMM 从算法复杂度挖掘矩阵乘性能

腾讯团队以 Strassen、AlphaTensor 等低复杂度矩阵乘为基础构建 LCMA 框架，再结合代码生成、算子融合和成本模型落地为 FalconGEMM。在 NVIDIA H20 的 FP16、BF16 测试中，多种矩阵形状超过 cuBLAS，峰值提升约 10%—16%，语言模型基准的数值精度与标准矩阵乘基本一致。

来源：BAAI 智源

GMC 免训练剪掉八成视觉 Token，保留接近完整模型的能力

中科院自动化所提出 GMC，通过互补证据筛选和群体信息传输压缩视觉序列。在 Qwen2.5-VL-7B 上，视觉 Token 从 1296 个减至 256 个时保留完整模型 97.78% 的平均能力；长文档任务中，提示 KV Cache 减少 73.94%，端到端推理加速 1.258 倍。方法不需训练、OCR 或外部检测器。

来源：量子位

Fi0 把机器人本体信息纳入模型上下文

擎羽发布三款绳驱柔性机器人 A01、A02、A03 和跨本体基础模型 Fi0。模型把拓扑、传感器、形态和动态状态编码进上下文，尝试复用任务意图与世界知识，再按不同身体生成动作；训练外的新任务可由人类提供一次示范，在推理阶段作为技能上下文使用。

来源：量子位

🔧 硬件算力与智能设备

阿里云 M890 超节点把互联规模扩至 64 卡

阿里云灵骏真武 M890 超节点实例在乌兰察布上线，支持 FP8、FP4 计算，通过 ICN Switch 1.0 把互联规模从 16 卡扩至 64 卡，卡间互联达到 800GB/s。该实例已运行超过 2 万亿参数的模型，并为 Kimi K3 和 Qwen3.8 Max 提供服务；智能驾驶、具身智能训练性能较上一代提升 3 倍。

来源：财联社 AI daily

微软一次修复 398 个漏洞，42 个为危急级别

微软为 Windows 及受支持软件修复至少 398 个安全漏洞，其中 42 个为危急级别，CVE-2026-68820 已被在野利用。微软把近期漏洞数量上升部分归因于 AI 辅助发现；修补仍高度依赖人工，因为模型生成的补丁可能引入错误或新漏洞。

来源：Krebs on Security

Chrome 用设备绑定凭据降低会话 Cookie 被盗风险

Chrome 在 Windows 和 macOS 引入设备绑定会话凭据，把唯一加密密钥存入 TPM 或安全隔区。网站可据此把登录会话与当前设备绑定，即使攻击者窃取会话 Cookie，也难以在另一台设备上直接复用。

来源：Ars Technica