AI早报覆盖 2026年2月9日（昨日）公开信息与论文动态，按重要性排序整理如下。
昨日AI热点（20条）
-
GRP-Obliteration：单条“未标注提示”即可削弱对齐约束
论文提出用GRPO做“对齐抹除”，只用一个未标注提示就能显著降低多类已对齐LLM的安全拒答，同时尽量保留效用；并声称对扩散式图像生成也可起效。结果提示后训练与部署期的“反对齐”门槛仍在下降。
-
SVRepair：把截图/控制流等视觉证据结构化，用于自动程序修复
工作将GUI截图、控制流图等视觉工件先转成语义场景图，再驱动编码代理做定位与补丁生成，并用逐步聚焦的分割策略减少噪声与幻觉。在多个基准上给出提升，强调“结构化视觉表示”能把多模态信号变成可执行修复线索。
-
OpenAI：把定制版ChatGPT部署到 GenAI.mil 政府平台
OpenAI for Government 宣布在 GenAI.mil 上部署定制ChatGPT，用于非涉密场景的文档梳理、采购合同草拟、报告与合规清单等流程，并强调运行在授权政府云基础设施中、数据与公共/商业模型训练隔离。标志“政府内生AI平台化”继续加速。
-
LLM Active Alignment：用纳什均衡视角刻画“群体对齐”的博弈动力学
论文把多个LLM代理的行为建模为对不同人群偏好的混合，并以纳什均衡分析其会主动选择“对齐对象”。作者指出可能出现对某些群体的系统性忽视，并给出可操作的调整建议，试图把对齐从单模型训练扩展到多代理生态的治理层。
-
MAGIC：攻击者/防守者共同进化的多轮对抗式安全训练框架
工作用多智能体强化学习把安全对齐变成“非对称攻防博弈”：攻击者不断改写提示形成长尾越狱策略，防守者同步学习识别与拒绝。作者声称在不明显牺牲有用性的前提下提升防守成功率，并强调动态共演比静态数据更能跟上攻击演化。
-
OpenAI：在美国测试 ChatGPT 广告（部分免费/Go用户）
OpenAI宣布在美国对登录的成人免费与Go档测试广告，Plus/Pro及企业与教育版不展示；强调广告不影响回答、对广告主不开放对话内容，仅提供聚合效果数据，并提供关闭个性化与删除广告数据等控制。产品商业化与隐私边界将成为下一阶段焦点。
-
Trifuse：融合注意力、OCR与图标语义，提升GUI指令到元素的定位
该方法不依赖大规模任务微调，而是把MLLM的注意力定位信号与OCR文字线索、图标级语义描述进行一致性融合，强化空间锚点，提升“点到哪个按钮/控件”的可靠性。结果指向GUI代理的关键瓶颈：稳定、可迁移的感知对齐。
-
AgentCPM-Explore：面向4B级“边缘代理”的长视距探索训练框架
论文系统研究如何把智能体能力做进4B量级模型，提出融合、去噪与上下文精炼的整体训练流程，试图缓解遗忘、奖励噪声与长上下文退化。作者声称在多项基准上逼近甚至超过更大模型的表现，释放“推理稳定性”而非参数量的潜力。
-
扩散式与自回归多模态模型：作为“嵌入模型”时的能力差距被量化
研究对比多模态扩散模型与自回归VLM在分类、VQA与检索等嵌入任务上的表现，结论是扩散式多模态嵌入总体落后，关键问题在于图文对齐不足。对实际系统意味着：即便生成侧很强，检索/排序侧仍需单独优化与验证。
-
Human-AI Co-Embodied Intelligence：可穿戴采集 + 代理推理的“共具身”实验系统
论文提出把研究员的动手执行、可穿戴硬件的连续采集与代理式AI的规划分析组合成闭环系统，并在洁净室微加工流程中实例化为APEX，强调对流程理解、实时纠错与知识迁移。它把“代理”从屏幕任务推进到复杂物理流程的可追溯协作。
-
VERA-MH：面向心理健康场景的开源AI安全评测，讨论信度与效度
该研究围绕心理健康对话的安全评测提出开源方案，并系统分析评测指标是否稳定、是否真正测到“该测的安全风险”。在“更懂人”的对话场景里，评测的可复现实证与临床语境差异成为硬问题，提示未来需要更强的场景化与人类监督设计。
-
JADE：以专家锚定、动态标准来评测开放式专业任务
论文提出面向开放式专业任务（如咨询、分析、写作）的动态评测思路：让专家给出可解释的“锚点”，再随任务上下文变化调整评价标准，以减少静态答案集的局限。它试图把评测从“对不对”推进到“是否达成专业目标与约束”。
-
超级碗广告：AI既用来“生成广告”，也成为广告主角与争议点
TechCrunch盘点今年超级碗广告中的AI元素：包括号称主要由生成式AI制作的广告、AI眼镜等硬件露出，以及围绕“AI助手是否该上广告”的品牌口水战。AI从幕后工具走向大众传播舞台，创意产业的替代焦虑与监管讨论会被进一步放大。
-
OAT（Ordered Action Tokenization）：让机器人动作像文本一样“可分词”并支持随时推理
研究提出对连续机器人动作进行有序离散化：用极短token序列实现高压缩、保证任意token都可解码为合法动作，并让前缀代表“粗动作”、后缀细化，实现按算力预算随时停止的推理。该方向瞄准把LLM式规模化训练真正迁移到机器人控制。
-
Hugging Face：Transformers.js v4 预览版上架 NPM（next）
Transformers.js v4（预览）开放通过NPM安装，重点更新包括新的WebGPU运行时（C++重写）、更广JS运行环境支持（浏览器与Node/Bun/Deno等）、离线缓存能力，以及仓库改为monorepo以便拆分子包。浏览器端/本地端AI部署会因此更工程化、更可维护。
-
Crypto.com 以7000万美元买下 AI.com 域名，计划推“个人AI代理”
TechCrunch援引英媒报道，Crypto.com以加密货币支付7000万美元购入AI.com，创域名交易新高，并计划借超级碗曝光上线面向消息、应用使用与交易的个人AI代理服务。该事件反映“AI入口”争夺进入品牌与流量战，泡沫与真实转化仍待验证。
-
“重建《安伯森大族》失落镜头”项目引争议：AI修复与创作边界再被拉扯
报道梳理用生成式AI重建经典电影被剪毁片段的尝试：项目动机来自影迷式的“复原”欲望，但在版权授权、审美复现与伦理层面遭到质疑。它提示AI在文化遗产与艺术复原场景里，技术可行不等于社会共识，公众接受度将决定落地方式。
-
用MLflow做“提示词版本管理 + 回归测试”：把提示工程当软件工程来做
教程展示如何把提示词视为可追踪工件：记录版本、diff、模型输出与多指标（语义相似、ROUGE、BLEU等），并设定阈值自动标记回归，帮助发现“小改动导致大漂移”。当LLM进入生产链路，提示评测与可复现审计会变成标配能力。
-
Protenix-v1：字节跳动开源AF3风格结构预测模型，配套PXMeter评测套件
报道称Protenix-v1以开源方式复现AlphaFold3式扩散架构，可预测蛋白、核酸与配体复合体的全原子结构，并给出PXMeter基准（6k+复合体）用于可复现评测与时间切分。结构生物学的“开源高性能复刻”加速，研发与药物管线门槛可能被进一步拉低。
-
TechCrunch Founder Summit 2026 征集圆桌讲者：AI与创业扩张经验成为核心议题
TechCrunch公开征集6月在波士顿举办的Founder Summit圆桌讲者，强调围绕扩张与运营的实战分享与互动讨论。随着AI成为创业基础设施，创始人社区对“如何把AI落进产品、组织与合规”的可复制打法需求上升，活动议程也在快速AI化。
趋势点评
一边是对齐与安全在“共演攻防”中被持续拉高门槛，另一边是商业化（广告）与入口争夺加速，把AI从工具推向平台。研究侧则更关注“代理落地”的关键环节：GUI感知、边缘规模训练、评测可复现与跨场景可靠性。
发表回复