AI Research Radar - 2026-08-17

• 研究画像：George Research Profile v2
• 总结模式：单模型
• 供应商：deepseek
• 模型：deepseek-v4-flash

• LLM 总结调用次数：7
• 估算成本：RMB 0.0 / 1.0
• 最近一次 LLM 错误：provider=deepseek; model=deepseek-v4-flash; base_url=https://api.deepseek.com; HTTP status=n/a; error=Could not parse JSON response:
• 已禁用供应商：kimi
• 原因：unauthorized

0. 每日概览

• 最重要方向：上下文压缩 / 长上下文 / 记忆
• 必读数量：0
• 略读数量：8（Teaching LLMs to Update Beliefs for Efficient Long-Horizon Interaction；Adaptive Parallel Reasoning: The Next Paradigm in Efficient Inference Scaling；LycheeMemory V2: Efficient Long-Term Memory for LLM Agents via Semantic Segment-Level Consolidation；Mind the Context: Continual Learning of Socially Appropriate Robot Actions via Environmental-Social Disentanglement；Context-Matched Distillation: Teacher Causality for Autoregressive Video Distillation）
• 关注数量：12（2026 BAIR Graduate Showcase；Identifying Interactions at Scale for LLMs；Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence；Vero: Can AI Agents Build Formally Verified Software Repositories?；CoverPrune: Coverage-Driven Token Pruning for 3D VLMs via Optimal Transport）
• 关键词：agent、framework、reasoning、agent memory、nlp、robotics、attention、berkeley.edu
• 判断：今日主线：没有强制深读项，建议归档观察。

1. 核心研究方向

1.1 AI 系统 / HPC / 分布式训练与推理

必读

• 无。

略读

• 无。

关注

• Identifying Interactions at Scale for LLMs （关注；AI 系统 / HPC / 分布式训练与推理；个人相关度=0.87；全局热度=0.41；炒作风险=0.00）
• When Local Variance Optimality Is Not Enough: RoPE-Aligned Q/K Rotations for Dynamic 4-Bit Quantisation （关注；AI 系统 / HPC / 分布式训练与推理；个人相关度=0.83；全局热度=0.43；炒作风险=0.00）
• Intern-S2-Preview: Scientific Agentic Foundation Model （关注；AI 系统 / HPC / 分布式训练与推理；个人相关度=0.82；全局热度=0.37；炒作风险=0.00）

1.2 GPU 中心 I/O / 网络 / 存储

必读

• 无。

略读

• 无。

关注

• The Ingestion Tax: Adopting File-Backed Weights in Tensor Frameworks （关注；GPU 中心 I/O / 网络 / 存储；个人相关度=0.81；全局热度=0.35；炒作风险=0.00）
• TopoIntent: Compiling Security Intent into Executable, Compliance-Checked Network Topologies （关注；GPU 中心 I/O / 网络 / 存储；个人相关度=0.79；全局热度=0.36；炒作风险=0.00）

1.3 AI 基础设施压缩 / 可靠性

必读

• 无。

略读

• 无。

关注

• FaCTz: Fast Critical-Point and Topology-Aware GPU Compression for Scientific Vector Fields （关注；AI 基础设施压缩 / 可靠性；个人相关度=0.81；全局热度=0.34；炒作风险=0.00）
• Exponential quantum advantage for learning signals with a single qubit （关注；AI 基础设施压缩 / 可靠性；个人相关度=0.80；全局热度=0.36；炒作风险=0.00）
• The data geometry of masking diffusion: Certified-optimal schedules via unmasking growth complexity （关注；AI 基础设施压缩 / 可靠性；个人相关度=0.77；全局热度=0.35；炒作风险=0.00）

1.4 Agent 运行时 / RL 基础设施 / 调度

必读

• 无。

略读

• 无。

关注

• Vero: Can AI Agents Build Formally Verified Software Repositories? （关注；Agent 运行时 / RL 基础设施 / 调度；个人相关度=0.85；全局热度=0.38；炒作风险=0.00）
• MARC v1: An Open-Source Multi-Agent Framework for Clinical AI Reasoning and Coordination （关注；Agent 运行时 / RL 基础设施 / 调度；个人相关度=0.80；全局热度=0.38；炒作风险=0.00）
• Training AI Scientists to Replicate Research （关注；Agent 运行时 / RL 基础设施 / 调度；个人相关度=0.78；全局热度=0.34；炒作风险=0.00）

1.5 具身智能 / VLA / 世界模型

必读

• 无。

略读

1. Mind the Context: Continual Learning of Socially Appropriate Robot Actions via Environmental-Social Disentanglement

• 阅读优先级：略读
• 来源：arXiv AI/ML/NLP/Vision/Robotics（一手来源；角色=论文来源）
• 发布时间：2026-08-13T16:33:10+00:00
• 主方向：具身智能 / VLA / 世界模型
• 次级标签：其他亮点、Novel Class Discovery / Open-World Learning / OOD / Continual Learning、AI 系统 / HPC / 分布式训练与推理、Agent 运行时 / RL 基础设施 / 调度
• 依据层级：仅摘要
• 评分：个人相关度=0.81，全局热度=0.47，可信度=1.00，证据强度=1.00，炒作风险=0.00，反馈=0.00
• 项目相关性：skyfs=0.00、schedagent=0.00、verl_infrastructure=0.00、embodied_intelligence=0.22
• 是什么：Mind the Context: Continual Learning of Socially Appropriate Robot Actions via Environmental-Social Disentanglement：研究论文，方向为“具身智能 / VLA / 世界模型”；主要线索：agent、continual learning、cs.RO、framework。
• 问题：它关注“具身智能 / VLA / 世界模型”里的 agent、continual learning、cs.RO、framework 等问题。
• 方法 / 贡献：摘要可确认它偏向评测或数据构建；具体任务定义、指标和样本规模需读原文确认。
• 为什么对 George 重要：阅读优先级：略读 编辑优先级：0.74 今天快速扫读。 个人相关度：0.81，研究相关度：1.00。
• 建议动作：快速扫读
• 命中关键词：agent、continual learning、cs.RO、framework、github、nlp、robot、robotics

关注

• 2026 BAIR Graduate Showcase （关注；具身智能 / VLA / 世界模型；个人相关度=0.97；全局热度=0.41；炒作风险=0.00）
• CoverPrune: Coverage-Driven Token Pruning for 3D VLMs via Optimal Transport （关注；具身智能 / VLA / 世界模型；个人相关度=0.83；全局热度=0.36；炒作风险=0.00）
• AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design （关注；具身智能 / VLA / 世界模型；个人相关度=0.83；全局热度=0.38；炒作风险=0.00）

2. 支撑性 AI 基础方向

上下文 / 记忆

• Full-bandwidth transformer （关注；上下文压缩 / 长上下文 / 记忆；个人相关度=0.67；全局热度=0.43；炒作风险=0.00）

通用 Agent / 推理

• Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence （关注；Agent / 推理 / 推理时扩展 / 规划；个人相关度=0.86；全局热度=0.49；炒作风险=0.00）
• AVA-Encoder: Towards Agent-Native Video Representation Learning （关注；Agent / 推理 / 推理时扩展 / 规划；个人相关度=0.82；全局热度=0.50；炒作风险=0.00）
• AaLLM: An End-to-End Analog Circuit Design Framework from Topology Generation to Sizing Using Large Language Models （关注；Agent / 推理 / 推理时扩展 / 规划；个人相关度=0.81；全局热度=0.37；炒作风险=0.00）

强化学习

• Parameter Exploration for RLVR via Variational Learning （归档；RL；个人相关度=0.59；全局热度=0.45；炒作风险=0.00）
• Import AI 460: Reward hacking society, RSI data from Anthropic; and RL-based quadcopter racing （归档；RL；个人相关度=0.38；全局热度=0.30；炒作风险=0.28）

模型架构

• Maglev: Sliding Recurrent Memory （归档；模型架构；个人相关度=0.60；全局热度=0.42；炒作风险=0.00）
• Massive Activations in Hybrid Linear Attention Large Language Models: Pre-Attention Spikes and Inter-Spike Plateaus （归档；模型架构；个人相关度=0.57；全局热度=0.48；炒作风险=0.00）

多模态 / VLM / 计算机视觉

• AmalthAI: An Open-Source Computer Vision Platform for Cultural Heritage （关注；CV；个人相关度=0.73；全局热度=0.37；炒作风险=0.00）
• LiveAnimate: Stable Long-Form Streaming Human Animation in Real-Time （关注；CV；个人相关度=0.69；全局热度=0.49；炒作风险=0.00）

NLP

• Motor, Cognitive, or Corpus? What Survives Cross-Lingual Transfer in Speech-Based Parkinsons Disease Detection （归档；NLP；个人相关度=0.64；全局热度=0.36；炒作风险=0.00）
• CROP: Task Relevance via Counterfactuals for Selective On-Policy Distillation （归档；NLP；个人相关度=0.58；全局热度=0.34；炒作风险=0.00）

开放世界 / 持续学习

• 无。

模型蒸馏

• PixSDS: Why Latent SDS Makes Noisy Pixels （关注；模型蒸馏 / 模型压缩；个人相关度=0.69；全局热度=0.47；炒作风险=0.00）
• Locking Pretrained Weights via Deep Low-Rank Residual Distillation （关注；模型蒸馏 / 模型压缩；个人相关度=0.66；全局热度=0.29；炒作风险=0.00）

3. 跨方向连接

• VLA inference latency ↔ GPU serving
• robot rollout ↔ RL infrastructure
• world model simulation ↔ HPC
• KV cache ↔ storage hierarchy
• gradient compression ↔ collective communication
• agent workflow ↔ cluster scheduling
• checkpoint ↔ GDS / distributed storage

4. Benchmark / 数据集 / 评测

Core Benchmarks for My Research

1. How Do VLMs Behave When Blind or Misled? Behavioral Evaluation of VLMs on Scientific Figures

• 阅读层级：关注
• 来源：arXiv AI/ML/NLP/Vision/Robotics
• 证据来源：仅摘要
• benchmark 评估什么能力：评估摘要中描述的任务能力；具体指标需打开原文确认。
• 适合用于什么研究：适合用于评测协议、指标设计或负样本构造参考；是否纳入实验需看任务贴合度。
• 可否作为实验基准：可以优先评估是否作为实验基准。
• 建议行动：use_as_eval

2. MLLM-Routed Heterogeneous Ensembles for Robust Cross-Dataset Image Classification

• 阅读层级：关注
• 来源：arXiv AI/ML/NLP/Vision/Robotics
• 证据来源：仅摘要
• benchmark 评估什么能力：评估 agent 规划、执行或环境交互能力。
• 适合用于什么研究：适合用于 agent evaluation / memory / long-horizon planning 相关实验。
• 可否作为实验基准：可以优先评估是否作为实验基准。
• 建议行动：use_as_eval

3. HumanTracker: Towards Comprehensive and Human-Aligned Motion Tracking Benchmark

• 阅读层级：关注
• 来源：arXiv AI/ML/NLP/Vision/Robotics
• 证据来源：仅摘要
• benchmark 评估什么能力：评估摘要中描述的任务能力；具体指标需打开原文确认。
• 适合用于什么研究：适合用于评测协议、指标设计或负样本构造参考；是否纳入实验需看任务贴合度。
• 可否作为实验基准：可以优先评估是否作为实验基准。
• 建议行动：use_as_eval

4. TraVEL: Trajectory-Guided Video Embedding Learning for Driving-Video Retrieval

• 阅读层级：关注
• 来源：arXiv AI/ML/NLP/Vision/Robotics
• 证据来源：仅摘要
• benchmark 评估什么能力：评估摘要中描述的任务能力；具体指标需打开原文确认。
• 适合用于什么研究：适合用于 agent evaluation / memory / long-horizon planning 相关实验。
• 可否作为实验基准：可以优先评估是否作为实验基准。
• 建议行动：use_as_eval

5. PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives

• 阅读层级：关注
• 来源：arXiv AI/ML/NLP/Vision/Robotics
• 证据来源：仅摘要
• benchmark 评估什么能力：评估 agent 规划、执行或环境交互能力。
• 适合用于什么研究：适合用于 agent evaluation / memory / long-horizon planning 相关实验。
• 可否作为实验基准：可以优先评估是否作为实验基准。
• 建议行动：use_as_eval

Interesting Benchmarks

1. H2R-Bench: Benchmarking Human-to-Robot Manipulation Video Generation in World Models

• 阅读层级：关注
• 来源：Hugging Face Daily Papers
• 证据来源：仅摘要
• benchmark 评估什么能力：评估摘要中描述的任务能力；具体指标需打开原文确认。
• 适合用于什么研究：适合用于评测协议、指标设计或负样本构造参考；是否纳入实验需看任务贴合度。
• 可否作为实验基准：暂不作为核心基准，先保存评测协议和指标设计。
• 建议行动：save

2. Edit2TikZ: A Comprehensive and Challenging Benchmark for Scientific Figure Editing with TikZ

• 阅读层级：关注
• 来源：arXiv AI/ML/NLP/Vision/Robotics
• 证据来源：仅摘要
• benchmark 评估什么能力：评估摘要中描述的任务能力；具体指标需打开原文确认。
• 适合用于什么研究：适合用于多模态泛化或跨域评测设计参考。
• 可否作为实验基准：暂不作为核心基准，先保存评测协议和指标设计。
• 建议行动：skim

3. Performance Evaluation of an Adaptive Quadrature and a Double Exponential Formula Using Arbitrary-Precision Floating-Point Arithmetic

• 阅读层级：关注
• 来源：arXiv Systems/HPC/GPU Data Path
• 证据来源：仅摘要
• benchmark 评估什么能力：评估摘要中描述的任务能力；具体指标需打开原文确认。
• 适合用于什么研究：适合用于评测协议、指标设计或负样本构造参考；是否纳入实验需看任务贴合度。
• 可否作为实验基准：暂不作为核心基准，先保存评测协议和指标设计。
• 建议行动：skim

4. Evaluation of Clinically Steerable Retinal Image Generation from Foundation Model Latent Spaces

• 阅读层级：关注
• 来源：arXiv AI/ML/NLP/Vision/Robotics
• 证据来源：仅摘要
• benchmark 评估什么能力：评估摘要中描述的任务能力；具体指标需打开原文确认。
• 适合用于什么研究：适合用于评测协议、指标设计或负样本构造参考；是否纳入实验需看任务贴合度。
• 可否作为实验基准：暂不作为核心基准，先保存评测协议和指标设计。
• 建议行动：save

5. Multi-UAV Tracking Evaluation Using 5G Uplink Signals on an O-RAN ISAC Simulation Testbed

• 阅读层级：关注
• 来源：arXiv Systems/HPC/GPU Data Path
• 证据来源：仅摘要
• benchmark 评估什么能力：评估摘要中描述的任务能力；具体指标需打开原文确认。
• 适合用于什么研究：适合用于评测协议、指标设计或负样本构造参考；是否纳入实验需看任务贴合度。
• 可否作为实验基准：暂不作为核心基准，先保存评测协议和指标设计。
• 建议行动：skim

Other Benchmarks

• 其余 4 个只进入附录标题列表：reports/appendix/2026-08-17-benchmarks.md

5. GitHub / 开源项目

New / Recently Active Projects

1. Paritok-official/paritok-4b-v1

• 阅读优先级：研读代码
• 来源：GitHub AI Research Projects（聚合来源；角色=代码可操作性来源）
• 发布时间：2026-08-16T02:39:50+00:00
• 主方向：GitHub / 开源项目推荐
• 次级标签：上下文压缩 / 长上下文 / 记忆、Agent / 推理 / 推理时扩展 / 规划、AI 基础设施压缩 / 可靠性、Benchmark / 数据集 / 评测、工具库
• 依据层级：仓库 README
• 评分：个人相关度=0.69，全局热度=0.62，可信度=0.88，证据强度=0.69，炒作风险=0.00，反馈=0.00
• 项目相关性：skyfs=0.00、schedagent=0.00、verl_infrastructure=0.00、embodied_intelligence=0.00
• 是什么：Paritok-official/paritok-4b-v1：开源项目，方向为“GitHub / 开源项目推荐”；主要线索：agent、agentic、compression、context window。
• 问题：它关注“GitHub / 开源项目推荐”里的 agent、agentic、compression、context window 等问题。
• 方法 / 贡献：这是代码仓库条目；优先检查 README、示例、许可证和是否有可复现实验入口。
• 为什么对 George 重要：阅读优先级：研读代码 编辑优先级：0.29 按 GitHub 项目动作处理。 个人相关度：0.69，研究相关度：0.69。
• 建议动作：研读代码
• 命中关键词：agent、agentic、compression、context window、evaluation、github、github.com、open-source

2. NousResearch/hermes-agent

• 阅读优先级：克隆运行
• 来源：GitHub AI Research Projects（聚合来源；角色=代码可操作性来源）
• 发布时间：2026-08-16T22:43:12+00:00
• 主方向：GitHub / 开源项目推荐
• 次级标签：AI 系统 / HPC / 分布式训练与推理、Agent 运行时 / RL 基础设施 / 调度、工具库
• 依据层级：仓库 README
• 评分：个人相关度=0.81，全局热度=0.62，可信度=0.89，证据强度=0.69，炒作风险=0.00，反馈=0.00
• 项目相关性：skyfs=0.00、schedagent=0.00、verl_infrastructure=0.00、embodied_intelligence=0.00
• 是什么：NousResearch/hermes-agent：开源项目，方向为“GitHub / 开源项目推荐”；主要线索：GPU cluster、agent、cluster、github。
• 问题：它关注“GitHub / 开源项目推荐”里的 GPU cluster、agent、cluster、github 等问题。
• 方法 / 贡献：这是代码仓库条目；优先检查 README、示例、许可证和是否有可复现实验入口。
• 为什么对 George 重要：阅读优先级：克隆运行 编辑优先级：0.35 按 GitHub 项目动作处理。 个人相关度：0.81，研究相关度：0.95。
• 建议动作：克隆运行
• 命中关键词：GPU cluster、agent、cluster、github、github.com、gpu、open-source

3. bytedance/deer-flow

• 阅读优先级：克隆运行
• 来源：GitHub AI Research Projects（聚合来源；角色=代码可操作性来源）
• 发布时间：2026-08-16T15:54:06+00:00
• 主方向：GitHub / 开源项目推荐
• 次级标签：Agent / 推理 / 推理时扩展 / 规划、Agent 运行时 / RL 基础设施 / 调度、工具库
• 依据层级：仓库 README
• 评分：个人相关度=0.81，全局热度=0.62，可信度=0.89，证据强度=0.69，炒作风险=0.00，反馈=0.00
• 项目相关性：skyfs=0.00、schedagent=0.00、verl_infrastructure=0.00、embodied_intelligence=0.00
• 是什么：bytedance/deer-flow：开源项目，方向为“GitHub / 开源项目推荐”；主要线索：agent、agentic、framework、github。
• 问题：它关注“GitHub / 开源项目推荐”里的 agent、agentic、framework、github 等问题。
• 方法 / 贡献：这是代码仓库条目；优先检查 README、示例、许可证和是否有可复现实验入口。
• 为什么对 George 重要：阅读优先级：克隆运行 编辑优先级：0.35 按 GitHub 项目动作处理。 个人相关度：0.81，研究相关度：0.94。
• 建议动作：克隆运行
• 命中关键词：agent、agentic、framework、github、github.com、long-horizon、multi-agent、open-source

Paper-linked Repos

1. deepseek-ai/DeepSeek-OCR

• 阅读优先级：研读代码
• 来源：GitHub AI Research Projects（聚合来源；角色=代码可操作性来源）
• 发布时间：2026-01-27T03:45:14+00:00
• 主方向：GitHub / 开源项目推荐
• 次级标签：Agent / 推理 / 推理时扩展 / 规划、AI 系统 / HPC / 分布式训练与推理、Benchmark / 数据集 / 评测、AI 基础设施压缩 / 可靠性、工具库
• 依据层级：仓库 README
• 评分：个人相关度=0.65，全局热度=0.45，可信度=0.89，证据强度=0.69，炒作风险=0.00，反馈=0.00
• 项目相关性：skyfs=0.00、schedagent=0.00、verl_infrastructure=0.00、embodied_intelligence=0.00
• 是什么：deepseek-ai/DeepSeek-OCR：开源项目，方向为“GitHub / 开源项目推荐”；主要线索：compression、environment、eval、github。
• 问题：它关注“GitHub / 开源项目推荐”里的 compression、environment、eval、github 等问题。
• 方法 / 贡献：这是代码仓库条目；优先检查 README、示例、许可证和是否有可复现实验入口。
• 为什么对 George 重要：阅读优先级：研读代码 编辑优先级：0.11 按 GitHub 项目动作处理。 个人相关度：0.65，研究相关度：0.69。
• 建议动作：研读代码
• 命中关键词：compression、environment、eval、github、github.com、image、inference、open-source

2. rednote-machine-learning/RedKnot

• 阅读优先级：研读代码
• 来源：GitHub AI Research Projects（聚合来源；角色=代码可操作性来源）
• 发布时间：2026-07-10T06:18:48+00:00
• 主方向：GitHub / 开源项目推荐
• 次级标签：AI 系统 / HPC / 分布式训练与推理、上下文压缩 / 长上下文 / 记忆、其他亮点、GPU 中心 I/O / 网络 / 存储、工具库
• 依据层级：仓库 README
• 评分：个人相关度=0.61，全局热度=0.36，可信度=0.88，证据强度=0.69，炒作风险=0.00，反馈=0.00
• 项目相关性：skyfs=0.00、schedagent=0.00、verl_infrastructure=0.00、embodied_intelligence=0.00
• 是什么：rednote-machine-learning/RedKnot：开源项目，方向为“GitHub / 开源项目推荐”；主要线索：alignment、attention、github、github.com。
• 问题：它关注“GitHub / 开源项目推荐”里的 alignment、attention、github、github.com 等问题。
• 方法 / 贡献：这是代码仓库条目；优先检查 README、示例、许可证和是否有可复现实验入口。
• 为什么对 George 重要：阅读优先级：研读代码 编辑优先级：0.10 按 GitHub 项目动作处理。 个人相关度：0.61，研究相关度：0.68。
• 建议动作：研读代码
• 命中关键词：alignment、attention、github、github.com、inference、long-context、open-source、serving

3. microsoft/MInference

• 阅读优先级：克隆运行
• 来源：GitHub AI Research Projects（聚合来源；角色=代码可操作性来源）
• 发布时间：2026-04-08T08:04:38+00:00
• 主方向：GitHub / 开源项目推荐
• 次级标签：上下文压缩 / 长上下文 / 记忆、模型架构、AI 系统 / HPC / 分布式训练与推理、其他亮点、工具库
• 依据层级：仓库 README
• 评分：个人相关度=0.64，全局热度=0.48，可信度=0.88，证据强度=0.69，炒作风险=0.00，反馈=0.00
• 项目相关性：skyfs=0.00、schedagent=0.00、verl_infrastructure=0.00、embodied_intelligence=0.00
• 是什么：microsoft/MInference：开源项目，方向为“GitHub / 开源项目推荐”；主要线索：attention、github、github.com、inference。
• 问题：它关注“GitHub / 开源项目推荐”里的 attention、github、github.com、inference 等问题。
• 方法 / 贡献：这是代码仓库条目；优先检查 README、示例、许可证和是否有可复现实验入口。
• 为什么对 George 重要：阅读优先级：克隆运行 编辑优先级：0.13 按 GitHub 项目动作处理。 个人相关度：0.64，研究相关度：0.65。
• 建议动作：克隆运行
• 命中关键词：attention、github、github.com、inference、long-context、open-source、release、sparse attention

Evergreen Toolkits

• 今日无需要重复推荐的常青工具库。

6. 学者雷达

• Jeff Dean: focus=ai_systems_hpc, distributed_systems, machine_learning_systems; last_verified=2026-07-18
• Richard Sutton: focus=rl, agent_rl_infrastructure; last_verified=2026-07-18
• Torsten Hoefler: focus=ai_systems_hpc, gpu_data_path_storage, compression_reliability; last_verified=2026-07-18
• Pieter Abbeel: focus=embodied_world_models, rl; last_verified=2026-07-18
• Shunyu Yao: focus=agent_rl_infrastructure, agents; last_verified=2026-07-18
• 孙凝晖: focus=ai_systems_hpc, hpc; last_verified=2026-07-18
• 赵海睿: focus=agent_rl_infrastructure, ai_systems_hpc; last_verified=2026-07-18

7. 高校 / 实验室雷达

• Identifying Interactions at Scale for LLMs
• 学校 / 实验室：UC Berkeley
• 类型：project
• 为什么值得关注：institution_signal 0.96，authority_score 0.96
• 与我的研究方向关系：AI 系统 / HPC / 分布式训练与推理，personal 0.87
• 建议行动：watch
• Spatial Memory Agent: Experience-Grounded Procedure Memory for Spatial Intelligence
• 学校 / 实验室：Hugging Face
• 类型：paper
• 为什么值得关注：institution_signal 0.96，authority_score 0.96
• 与我的研究方向关系：Agent / 推理 / 推理时扩展 / 规划，personal 0.86
• 建议行动：watch
• Adaptive Parallel Reasoning: The Next Paradigm in Efficient Inference Scaling
• 学校 / 实验室：UC Berkeley
• 类型：dataset
• 为什么值得关注：institution_signal 0.96，authority_score 0.96
• 与我的研究方向关系：Agent / 推理 / 推理时扩展 / 规划，personal 0.85
• 建议行动：skim
• AVA-Encoder: Towards Agent-Native Video Representation Learning
• 学校 / 实验室：Hugging Face
• 类型：paper
• 为什么值得关注：institution_signal 0.96，authority_score 0.96
• 与我的研究方向关系：Agent / 推理 / 推理时扩展 / 规划，personal 0.82
• 建议行动：watch
• H2R-Bench: Benchmarking Human-to-Robot Manipulation Video Generation in World Models
• 学校 / 实验室：Hugging Face
• 类型：paper
• 为什么值得关注：institution_signal 0.96，authority_score 0.96
• 与我的研究方向关系：Benchmark / 数据集 / 评测，personal 0.82
• 建议行动：watch

8. 公司研究雷达

• Stanford University: focus=ai, systems, robotics; last_verified=unverified
• MIT: focus=ai_systems_hpc, robotics; last_verified=unverified
• UC Berkeley: focus=systems, ai, robotics; last_verified=unverified
• Carnegie Mellon University: focus=systems, robotics, ai; last_verified=unverified
• Tsinghua University: focus=ai_systems_hpc, ai; last_verified=unverified
• Institute of Computing Technology, CAS: focus=ai_systems_hpc, distributed_systems; last_verified=unverified
• NVIDIA Research: focus=gpu_data_path_storage, ai_systems_hpc, embodied_world_models; last_verified=unverified
• Google DeepMind: focus=ai, embodied_world_models, rl; last_verified=unverified

9. 学会 / 奖项 / Fellow / 领导层

学会

• ACM: focus=computer_science, ai_systems_hpc; last_verified=2026-07-18
• IEEE: focus=computer_science, electrical_engineering; last_verified=2026-07-18
• IEEE Computer Society: focus=ai_systems_hpc, gpu_data_path_storage; last_verified=2026-07-18
• AAAI: focus=ai, agent_rl_infrastructure; last_verified=2026-07-18
• CCF: focus=computer_science; last_verified=2026-07-18
• USENIX: focus=systems, security, storage; last_verified=2026-07-18
• SIAM: focus=hpc, scientific_computing; last_verified=2026-07-18
• ACL: focus=nlp; last_verified=2026-07-18

奖项与代表论文

• 今日无高相关顶会精选。

10. 重要会议与期刊论文

• NeurIPS: focus=not specified; last_verified=2026-07-18
• ICML: focus=not specified; last_verified=2026-07-18
• ICLR: focus=not specified; last_verified=2026-07-18
• SOSP: focus=not specified; last_verified=2026-07-18
• OSDI: focus=not specified; last_verified=2026-07-18
• FAST: focus=not specified; last_verified=2026-07-18
• SC: focus=not specified; last_verified=2026-07-18
• SIGCOMM: focus=not specified; last_verified=2026-07-18

11. 常青经典

1. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks（2020）

• 作者：Patrick Lewis、Ethan Perez、Aleksandra Piktus、Fabio Petroni、Vladimir Karpukhin、Naman Goyal、Heinrich Kuttler、Mike Lewis 等
• topic_tags：context_compression、long_context、nlp
• 关联方向：Context Compression / Long Context / Memory、NLP
• 为什么经典：RAG 把参数记忆和外部检索连接起来，是理解今天检索增强、agent memory、记忆有效性和上下文预算取舍的关键参照。
• 今日新论文继承了什么问题：今天的相关条目 延续了经典工作里的核心问题：有限上下文、外部记忆与状态复用如何支撑更长程的推理。
• 它挑战了什么经典假设：它挑战的是静态检索、固定窗口或只读记忆的假设，转向会随新证据更新的工作记忆和缓存管理。
• 它推进到什么新场景：新场景从语言建模推进到 agent memory、动态 workflow 和长上下文服务系统。
• 预备知识：了解 seq2seq、dense retrieval 和生成式问答。

12. 反馈感知推荐

• No explicit feedback signal yet; using cold-start research profile.

13. 来源健康状态

• OpenReview：错误（0 条） - 返回内容为空或不是合法 JSON: line 1 column 1 (char 0)
• GitHub AI Research Projects：time budget exhausted（23 条） - 时间预算已耗尽 after 23 items
• MIT CSAIL News：超时（0 条） - timeout after 25s
• The Batch by DeepLearning.AI：错误（0 条） - 403 Client Error: Forbidden for url: https://www.deeplearning.ai/the-batch

14. 采集说明

• 生成时间：2026-08-16T22:51:31.297616+00:00
• 来源数量：31
• 原始条目数：692
• 去重后条目数：563
• API 请求总数：7
• 各供应商 API 请求数：deepseek:6, kimi:1
• 缓存命中：1
• 缓存未命中：5
• Benchmark 附录：reports/appendix/2026-08-17-benchmarks.md

• 报告路径：reports/daily/2026/08/2026-08-17.md
• 上一份报告链接：reports/daily/2026/08/2026-08-16.md