来源：公众号“ 阿嬷也读AI 论文” 原文链接：https://mp.weixin.qq.com/s/wI21ifNRMdwL-pww0n5ddA?scene=1&click_id=44 编者按：CVPR...

从产业、市场、资本等角度看，无人机近两年一直处于「降温」阶段，商业化的无人机已经进入了一个「寡头时代」，消费类市场的热度也在下降，无人机厂商也在努力向行业、专业级业务靠拢，创业厂商淘汰了一批又一批，资本对于无人机创业公司的关注也慢慢转移到了其他「风口」。和产业界不同的是，学术界对于无人机的研究如同之前一样充满热情，这种能够飞行的机械给机器人制空领域带来了无限可能。在正举行的ICRA 2018上，其中一个「Half Day Workshops & Tutorials」专场中，举行了一场关于「无人机人机交互：挑战与前沿」（Human-Robot Interaction with UAVs:Challenges and...

距 ICML 2026 首尔开幕仅剩 7 天，会前最后一周冲刺进入高潮。清华自动化系 UDS 框架以「智能筛选训练样本」颠覆大模型 SFT 范式，算力消耗大幅降低，成为今日最热技术亮点；美团「通用 Agent 前沿技术专场」锁定 7 月 1 日，吹响国内大厂 ICML 布局第一枪；发光植物群全量论文解读覆盖 51 个研究方向，78 篇 LLM Reasoning 论文一举公开，为社区赶会提供最完整的预习地图。 热门议题一：清华 UDS「智能样本筛选」——大模型 SFT 算力减半黑科技「全量数据投喂」时代要终结了？清华自动化系用一个在线批次筛选框架，让 SFT 算力大幅缩水——而且效果不降反升。清华大学自动化系团队的 ICML 2026 录用论文提出 UDS（Utility-Diversity Aware Online Batch Selection）框架。核心创新：训练过程中实时评估每条样本的「效用」与「多样性」，只留最有价值的批次送入模型，其余直接跳过。不改变模型架构，不需要额外数据，纯粹在批次选择策略上动刀，却实现了大幅算力削减。对算力紧张的中小团队而言，这是极具工程价值的...

雷锋网 AI 科技评论按：IJCAI（国际人工智能联合会议，International Joint Conferences on Artificial Intelligence）是人工智能领域历史最为悠久，也是影响力最大的学术会议之一，随着近年来人工智能的热度日益攀升，原本仅在奇数年召开的 IJCAI 自 2015 年开始变成每年召开。今年，万众瞩目的 IJCAI 也将如约而至，将于 8 月 10...

旷视科技研究院 +75 AI影响因子 ...

一套数学上优雅、逻辑上自洽的框架方法，为什么就是跑不成功？    作者丨幸丽娟     编辑丨马晓宁                                                                                                        AI 训练有个很棘手的问题：数据越来越多，但质量参差不齐，直接往里倒反而可能把模型练坏。...

来源：公众号“PaperAgent” 原文链接：https://mp.weixin.qq.com/s/ECLRTHebLtIfjmZhbaJ4hA?scene=1&click_id=24 想象一下：全球有超过7000种语言，而当你用波兰语、越南语、波斯语或印地语向 AI 系统提问时，它理解你的能力可能远不及英语用户的十分之一。 这不是模型能力的问题，而是结构性的资源分配失衡。...

来源：价值目录 文章链接：https://mp\.weixin\.qq\.com/s/raJZijvHpgbUorEGtRavxg 机器人正在复制大模型当年的进化路径，ChatGPT时刻可能比市场想得更近。 但报告也没有把话说满。 现在机器人“大脑”还没真正达到大模型GPT-2阶段，世界模型甚至还不如2012年的AI成熟。行业里有能力飞跃，也有硬伤： 数据不够、精细操作不稳、机器人之间不一致、真实产线成功率不达标。 所以这份报告的核心不是“机器人马上无所不能”，而是：模型迭代、数据积累、算力投入和硬件量产，正在开始形成同一个飞轮。 谁先让这个飞轮转起来，谁就更接近机器人的ChatGPT时刻。 野村全球机器人行业报告封面 要点如下 1）野村的基本判断：机器人会沿LLM路径演进 英伟达一位科学家把机器人训练分成三步：先用大量数据广泛预训练，再针对具体任务微调，最后通过强化学习在试错中改进。 这个路径和LLM很像。差别在于，语言模型可以直接吃互联网文本，机器人却没有同等级别、可直接使用的数据源。 也正因为如此，谁能低成本拿到高质量动作数据，谁就有机会复刻大模型的Scaling Law。...

大模型不会"反过来想"？ICML 2026 这9篇论文正在改写规则 Breaking the Reversal Curse in Autoregressive Language Models via Identity Bridge 自回归大语言模型能在复杂任务中表现出色，却在简单逻辑推理上屡屡翻车：学了"Alice的丈夫是Bob"，却答不出"Bob的妻子是Alice"。这就是"反转诅咒"，此前长期被认为是自回归因果模型的固有缺陷。 加州大学伯克利分校的研究团队提出了名为"Identity Bridge"（身份桥）的数据配方。他们在正向关系数据外加入"Alice的名字是Alice"这类身份映射，并重写为OCR形式，让模型在优化中自动编码反向关系。理论证明，即使是单层Transformer也能打破反转诅咒；在1B规模的Llama模型上，反转任务成功率从近0%提升至约50%。 该研究证明反转诅咒并非自回归模型的本质限制，低成本的数据层面干预就能让模型从"记事实"走向"懂关系"，为大模型的逻辑推理能力研究开辟了新路径。 ...

来源：公众号“清华大学智能法治研究院” 原文链接：https://mp.weixin.qq.com/s/QyCaNdHyJC2OBH9ubx7hAg?scene=12026年8月15日至21日，第35届国际人工智能联合会议（IJCAI-ECAI 2026）将于德国不来梅举行。清华大学计算法学课题组完成的1篇论文被录用。IJCAI-ECAI（International Joint...