AI 科技日报 | 2026年07月30日

今日 AI 动态聚焦于前沿模型性能对比、智能体安全机制、开源工具与蒸馏技术，以及图形基础模型的新进展。

GPT-5.6 与 Claude Fable 5 在物理 AI 领域的性能对比评测

摘要：JuliaHub 发布了一项针对 GPT-5.6 和 Claude Fable 5 在物理 AI（Physical AI）任务上的系统评测。测试覆盖了机器人控制、物理模拟推理等场景，旨在评估前沿模型在具身智能环境下的表现差异。该评测为开发者选择适用于物理 AI 应用的模型提供了技术参考。

来源：JuliaHub 链接：https://juliahub.com/blog/frontier-models-physical-ai-evaluation

Anthropic 最新密码分析成果的技术解读

摘要：密码学专家对 Anthropic 近期发布的密码分析结果进行了深入技术分析。文章探讨了这些成果在理解大型语言模型内部机制方面的意义，特别是如何通过逆向工程方法揭示模型内部的表示与计算模式，为 AI 可解释性研究提供了新的视角。

来源：Cryptography Engineering 链接：https://blog.cryptographyengineering.com/2026/07/29/some-notes-about-anthropics-new-results/

论文研究：长篇政策文档无法可靠地约束智能体行为

摘要：一项发表在 arXiv 上的新研究（论文编号：2607.25398）通过 Handbook.md 实验证明，仅依靠冗长的政策文档无法有效约束 AI 智能体的行为。研究发现，智能体在处理长篇幅、复杂的规则时，容易出现规则冲突与遗忘问题，这为 AI 安全治理的技术实现提出了新挑战。

来源：arXiv 链接：https://arxiv.org/abs/2607.25398

开源项目：Tokenless（YC S26）—— 自动模型切换以降低推理成本

摘要：YC S26 孵化的开源项目 Tokenless 发布，提供了一种自动模型切换机制。该工具能够根据任务复杂度，在多个大语言模型（如 GPT、Claude 等）之间动态路由请求，在保证输出质量的同时优化 API 调用成本。这对于需要大规模部署 AI 应用的团队具有实用价值。

来源：Tokenless 链接：https://usetokenless.com/

学术论文：Pass the Baton —— 轨迹中继的在线策略蒸馏

摘要：arXiv 上发表的新研究提出了一种名为“轨迹中继在线策略蒸馏”（Trajectory-Relayed On-Policy Distillation）的方法。该方法旨在解决在线策略蒸馏中常见的“前缀失败”问题——即当学生模型在推理早期偏离正确方向后，后续监督信号失效。通过引入轨迹中继机制，该方法显著提升了蒸馏效率与模型推理的鲁棒性。

来源：arXiv cs.AI 链接：http://arxiv.org/abs/2607.26057v1

学术论文：Desktop-Delta Bench —— 评估计算机使用模型对桌面 GUI 转换的理解能力

摘要：研究人员提出了 Desktop-Delta Bench 基准测试，专门用于评估计算机使用智能体（CUA）对桌面 GUI 界面变化（如窗口切换、菜单展开、状态更新）的理解能力。现有基准多关注最终任务成功或单帧图像定位，忽略了界面动态转换过程中的关键推理环节。该基准为提升 CUA 在长周期任务中的可靠性提供了评测标准。

来源：arXiv cs.AI 链接：http://arxiv.org/abs/2607.26041v1

学术论文：CHARM —— 基于层次上下文建模的多模态图形基础模型

摘要：arXiv 上发表的一项工作提出了 CHARM，一种多模态图形基础模型。该模型通过层次化上下文建模，实现了对图数据中文本、图像等多模态信息的有效融合与零样本迁移。实验表明，CHARM 在跨领域、跨任务的图学习任务中表现出色，为构建通用图智能体提供了新范式。

来源：arXiv cs.AI 链接：http://arxiv.org/abs/2607.26023v1

本文由 AI 辅助生成，内容仅供参考