关于CVPR 2026@AdvML研讨会挑战的技术报告

针对自动驾驶VLA的对抗多模态攻击挑战，发现图像攻击、多视图优化等五大关键模式。

通过交替约束优化的结构-特征对齐图学习

提出约束双视图框架，交替优化对齐GNN嵌入与特征先验，CSAG-GNN动态路由，提升结构鲁棒性。

从世界行动模型到具身大脑：开放世界物理智能的路线图

提出从世界行动模型到具身大脑的路线图，解决模型碎片化，通过共享契约和闭环后训练实现自适应具身智能。

DiffEEG：一种用于学习脑电图通用表征的自监督去噪扩散模型

DiffEEG通过扩散预训练和强化学习微调，在极不平衡的EEG癫痫检测中实现高准确率和F1分数。

智能体攻防：面向生产环境智能体的自动化红队研究

提出AHA框架，通过漏洞假设与反证循环发现可复用漏洞知识，红队性能提升14.2%，可跨场景迁移。

VoxENES 2026：针对大语言模型时代语音合成与转换的语音欺骗检测器泛化能力基准测试

VoxENES 2026基准测试显示，LLM时代语音合成使现有检测器性能大幅下降，最佳EER仅28.98%，多数接近随机，凸显对脆弱伪影的依赖。

主动式离线到在线强化学习

提出主动策略选择方法，平衡评估与微调，基于上置信界分配交互预算，显著提升有限交互下的性能。

StoryTeller：无需训练的长篇音频描述叙事锚定

提出StoryTeller框架，通过叙事记忆实现跨场景连贯描述，无需额外数据，显著提升叙事质量。

考虑时滞的深度强化学习在PPVC模块工厂柔性作业调度中的应用

提出时滞感知深度强化学习方法，在模块工厂调度中逼近约束规划最优解，优于所有调度规则和遗传算法。

一个极简的重定向引导的强化学习方案用于灵巧操作

REGRIND方法从单个人类演示学习灵巧操作策略，通过重定向和残差RL实现零样本迁移到真实硬件。

MM-ToolSandBox：评估视觉工具调用代理的统一框架

提出视觉工具调用评估框架，覆盖500+工具和16领域，测试12个模型最好成功率不足50%，主要瓶颈在视觉精度。

评估面向可解释性的需求工程实践：整合戴姆勒卡车洞察的可解释RE框架提案

戴姆勒卡车案例揭示现有需求工程实践难以系统应对可解释性需求，存在概念模糊、可测试性差等挑战。

基于LoRA的级联多模态融合在医疗培训环境中的动作识别

级联LoRA多模态融合框架分阶段整合模态，参数高效，在医疗培训数据上优于单模态，性能接近基线。

大型音频-语言模型中用于声学感知的编码器侧神经元识别与放大

IAAN无需训练，通过识别并放大编码器声学神经元，在非语义语音属性上平均提升25.7%准确率，证明编码器内神经元级干预有效。

Transformer引导的群体智能实现节俭神经架构搜索

提出融合Transformer和蜂群算法的节俭NAS，消费级GPU上3小时搜索CIFAR-10达84.85%精度（17.4万参数），并有效应用于欺诈检测。

基于证据的视频问答

提出E-VQA任务，要求输出答案与时空证据，构建基准与数据集，微调模型显著提升。

@gdb：GPT-5.6 现已在 Bedrock 上全面推出

GPT-5.6 已在 Bedrock 平台正式可用。

@emollick：你研究过The Weights吗？https://t.co/RG6Wu6ZShD

@emollick 提问是否研究过The Weights，并附链接。

已然富有成功，为何科技赢家再度拼命

再次撸起袖子，怕错过AI关键时刻，更抵不住赚更多钱的诱惑。

@emollick: 这太不可思议了：我让Fable制作了一个《伊利亚特》船舶名录网站，之前我用GPT-4做过同样的事。它做得非常漂亮。

Fable制作《伊利亚特》船舶名录网站，还指出Butler英译本中的两处希腊语翻译错误。

@Suhail：知识工作者正稳步变为指令工作者

知识工作者逐渐转变为指令工作者。

Codex使用量六个月增长超10倍达700万用户，过去一天新增100万；Codex已超越Claude Code？

利用Claude Code沉默期核实数据：Codex用户6个月增10倍至700万，日增百万，似已超越对手。

NVIDIA AI：自豪支持开源社区，感谢@jmorgan对Nemotron的提及🙌

NVIDIA AI自豪支持开源社区，感谢@jmorgan提及Nemotron。

@simonw: 今日所学：在GitHub Actions中缓存友好地使用uvx

分享一种在GitHub Actions中缓存友好地运行uvx工具的方法，避免每次重复下载包。

@OfficialLoganK: AI时代每3个月需提升野心，否则模型能力优势将被竞争对手夺走

AI时代每3个月需提升野心，否则模型优势将被对手抢占。

在GitHub Actions中以缓存友好的方式使用uvx

通过设置UV_EXCLUDE_NEWER环境变量并作为缓存键，避免每次运行都从PyPI下载工具。

Uber产品主管谈酒店、自动驾驶出租车及为何不追求“包罗万象”

Uber产品官详解金融服务、与Waymo关系、自动驾驶数据运营及AI实际应用。

@_jasonwei：HealthBench Pro上，Muse Spark 1.1以极低成本媲美GPT-5.6 Sol（略优），负担得起的健康超级智能是北极星

Muse Spark 1.1以极低成本达与GPT-5.6 Sol相当性能，致力可负担健康超级智能。

@sama: 我以为是讽刺，一直找有没有拼成c1audeai之类的用户名

以为是讽刺，寻找拼成c1audeai的用户名

@sama：看到我们的模型终于擅长设计，仍让我感到震惊

模型终于精通设计，令人震惊。

视频生成初创公司PixVerse融资4.39亿美元，估值突破20亿美元

融资将用于扩展世界模型产品，触达全球客户。

将AI技术重新对齐至可持续发展目标

AI技术需重新定向以助力可持续发展目标。

从神经叠加到稀疏可解释编码的统一框架

提出统一框架，连接神经叠加与稀疏可解释编码。

封装层成为新战场

模型封装层成为战略资产，决定数据流入、记录与训练下一代模型。

销售团队如何使用ChatGPT Work

销售团队用ChatGPT Work从真实工作输入生成管道简报、会议准备、预测审查、客户计划及停滞交易诊断。

数据科学团队如何使用ChatGPT Work

展示数据科学团队如何用ChatGPT Work从实际工作输入生成根因简报、影响报告、KPI备忘录、范围分析和仪表盘规范。

模型外围软件成为新战场

模型外围软件成为战略资产，决定数据流入、日志及下代模型训练数据。

X平台调整算法，营造更友好氛围，减少对抗性

X将放大互关好友的帖子，增强社区感。

@swyx：我目前在大型项目上的进展

正在使用多个AI工具进行规划、批评、代码生成和审查，并通过提示模板促进决策。

Hermes agent maker Nous Research in talks for new funding at $1.5B valuation

本月（2026年7月）最佳流媒体电影

本月必看影片：《万福玛利亚计划》《他们会杀了你》《漫漫长路》等。

@alexandr_wang：价格操纵

通过不正当手段控制或影响商品价格的行为。

@gdb: ChatGPT Work 受到的关注较少，但它真的很酷。喜欢在手机上使用它：

ChatGPT Work 虽关注少但超酷，手机端体验令人喜爱。

@NVIDIAAI：AI模型日益庞大，模型塑造与规模同样重要

NVIDIA推出AI模型协同设计系列，首篇聚焦模型维度对GPU影响

@gdb: 用于解决埃尔德什问题的Sol Ultra

Sol Ultra用于解决埃尔德什问题。

@bilawalsidhu：让我的AI代理重现美国打击伊朗潜艇维修设施

AI代理模拟美军打击伊朗潜艇维修设施，对比Seedance与Omni无人船。

@simonw: 这太酷了！它使用SQLite递归CTE实现的射线追踪器渲染帧

该射线追踪器基于SQLite递归CTE实现，状态存储在磁盘数据库中，可在运行时被其他工具查询，并自定义HTML+JS视图添加小地图。

DOOMQL

用SQLite做游戏引擎，Python终端实现Doom风格游戏，所有渲染和逻辑用SQL查询完成，支持Datasette实时查看。

@gdb：尝试ChatGPT Sites，让公司内部沟通更有趣

试用ChatGPT Sites，大幅提升公司内部沟通趣味性。

@elonmusk：真实

埃隆·马斯克称某事为真实。