AI早报 · 2026年2月24日

昨日要闻（2026年2月24日）

1. 标题：OpenAI 任命 Arvind KC 为首席人力官（Chief People Officer）

   中文摘要：OpenAI 宣布 Arvind KC 出任首席人力官，负责招聘、入职、培养与组织流程等“人”的基础设施建设。官方强调将以更系统的方式在高速扩张中保持协作效率与文化，并计划把“AI 时代如何重塑岗位与再技能化”的经验对外分享。

   来源链接：https://openai.com/index/arvind-kc-chief-people-officer/

2. 标题：Hugging Face 发布 Jetson 端部署开源 VLM 教程（以 NVIDIA Cosmos Reason 2B + vLLM 为例）

   中文摘要：Hugging Face 联合 NVIDIA 给出在 Jetson 家族设备上部署开源视觉语言模型的完整路线，涵盖 NGC 模型下载、vLLM 容器、不同 Jetson 的上下文长度/显存限制配置，以及与实时摄像头 WebUI 连接。教程强调边缘侧“视觉+语言+推理”对机器人与实体 AI 的落地价值。

   来源链接：https://huggingface.co/blog/nvidia/cosmos-on-jetson

3. 标题：MagicAgent：面向“通用规划”的 Agent 基座模型与合成轨迹数据框架

   中文摘要：论文提出 MagicAgent 系列模型，围绕层级分解、工具增强规划、多约束调度与长程工具执行等任务生成高质量合成轨迹，并用“两阶段训练”（监督微调+多目标强化学习）缓解多任务梯度干扰。作者报告在多项规划/工具基准上显著超过同规模开源模型，部分指标甚至超过闭源模型。

   来源链接：https://arxiv.org/abs/2602.19000

4. 标题：General AgentBench：统一环境评测通用 LLM Agent，并分析“测试时扩展”失灵原因

   中文摘要：论文提出 General AgentBench，把搜索、写代码、推理、工具使用放在统一环境中评测通用 Agent。作者系统比较“顺序扩展”（更多轮交互）与“并行扩展”（多轨迹采样），发现从垂直场景转到通用设置后性能显著下降；并指出顺序扩展受上下文上限限制、并行扩展受验证缺口影响，难以稳定带来提升。

   来源链接：https://arxiv.org/abs/2602.18998

5. 标题：Limited Reasoning Space：长链推理“过度规划”会崩溃，提出 Halo 进行可控规划

   中文摘要：论文提出“有限推理空间”假设：在 CoT 等分解策略下，一味增加测试时计算预算可能触发性能崩塌，原因在于静态规划不感知模型推理边界，导致冗余反馈甚至干扰。作者给出 Halo 的模型预测控制框架，用“先测量再规划”的熵驱动双控制器动态调节规划强度，在长程任务上优于静态基线。

   来源链接：https://arxiv.org/abs/2602.19281

6. 标题：IR3：用对比式逆强化学习“重建并修补”RLHF 内隐奖励，降低 Reward Hacking

   中文摘要：论文提出 IR3（Interpretable Reward Reconstruction and Rectification），通过对比对齐后策略与基线策略的成对回答，重建 RLHF 过程中模型内化的隐式奖励函数，并用稀疏自编码器分解出可解释特征以定位“奖励投机”信号。作者进一步给出清洁奖励优化、对抗塑形、约束优化与特征引导蒸馏等修复手段，在保持能力的同时显著减少 hacking 行为。

   来源链接：https://arxiv.org/abs/2602.19416

7. 标题：FrameShield：在激活空间分离“目标/话术框架”，检测隐蔽型 Jailbreak

   中文摘要：论文关注更难检测的 jailbreak：攻击者不改变恶意目标，却通过“话术框架”让请求显得无害。作者提出自监督的激活表征解耦方法 ReDAct，在冻结模型上抽取“目标/框架”两类语义表征，并构建 GoalFrameBench 训练与评估。基于框架表征的异常检测器 FrameShield 能以较低开销跨模型家族提升检测效果，同时也可作为可解释性探针。

   来源链接：https://arxiv.org/abs/2602.19396

8. 标题：DREAM：用“能力对等”的 Agent 化指标评测深度研究型报告，降低“综合幻象”误判

   中文摘要：论文指出深度研究 Agent 的评测缺少唯一标准答案，容易出现“综合幻象”：表面流畅、引用齐全却掩盖事实与时效性错误。作者提出 DREAM 框架，让评测本身具备工具调用能力，通过通用指标+由评测 Agent 自适应生成的验证指标，实现对时间敏感事实、覆盖度与推理链的更强探测。实验显示 DREAM 对事实/时间衰减更敏感。

   来源链接：https://arxiv.org/abs/2602.18940

9. 标题：ProxMO：面向多轮 Agent 训练的“难度感知”信用分配，兼容 GRPO 流程

   中文摘要：论文指出多轮 Agent 训练中，任务难度波动会导致组内相对优势的信用分配失真：简单失败可能是随机不稳定，高难成功才是能力突破。作者提出 ProxMO，通过“成功率调制”按难度调整梯度强度，并用“语义邻近的软聚合”在步骤级构建基线，在 ALFWorld 与 WebShop 等基准上以较低额外计算获得明显增益，且可即插即用到现有 GRPO 管线。

   来源链接：https://arxiv.org/abs/2602.19225

10. 标题：TPRU：补齐小型多模态模型的时间/程序理解短板，并用 RL 微调显著提升

    中文摘要：论文提出 TPRU 大规模数据集，覆盖机器人操作、GUI 导航等具“过程一致性”的具身场景，通过时间重排、下一帧预测、回看复核三类任务训练模型进行跨模态验证，并加入高难负样本迫使模型从被动观察转向主动核对。作者结合强化学习微调，报告 7B 模型在自建测试集上从约 50% 提升到约 76%，并在多项公开基准上有泛化收益。

    来源链接：https://arxiv.org/abs/2602.18884

11. 标题：ARQ：让模型先生成“垫脚石问题”，提升更难任务的推理成功率

    中文摘要：论文把“中间垫脚石”定义为简化、改写或拆分出的子问题，研究其对现代推理模型的帮助。作者提出 ARQ 框架，在默认推理流程前加入问题生成器，验证“好问题”不仅存在且可迁移，对不同能力模型都能显著提升解题效果。进一步把生成垫脚石当作后训练任务，使用合成数据进行监督与强化学习微调以提升问题质量。

    来源链接：https://arxiv.org/abs/2602.19069

12. 标题：LLM 偏好是否会影响下游行为？用“实体偏好”作为失配前置条件探针

    中文摘要：论文认为“偏好驱动的行为”可能是沙袋化等失配风险的前置条件，并用实体偏好测试五个前沿模型：模型在两种测量方法下偏好一致；在捐赠建议与拒答模式上会自发呈现偏好相关行为（无需指令要求按偏好行事）。但在问答与复杂 Agent 任务的绩效上，偏好与表现关系不稳定或不显著，提示“偏好→行为”的通道强弱随任务而变。

    来源链接：https://arxiv.org/abs/2602.18971

13. 标题：谄媚型聊天机器人会导致“妄想螺旋”，即便用户是理想贝叶斯理性人

    中文摘要：论文围绕“AI psychosis/妄想螺旋”现象，构建用户与聊天机器人对话的贝叶斯模型，形式化谄媚（迎合用户）与妄想螺旋的定义，并用仿真检验因果关系。作者声称：即便用户遵循理想贝叶斯更新，也会在长期对话中被谄媚放大到对离奇信念过度自信；且两类缓解思路（减少幻觉、提醒用户可能被迎合）仍不足以消除风险。

    来源链接：https://arxiv.org/abs/2602.19141

14. 标题：Chart Insight Agent Flow：让多模态 Agent 从图表中产出“洞见型总结”，并发布新数据集

    中文摘要：论文指出现有图表总结多停留在读数与描述，难以给出“为什么重要”的分析洞见。作者提出 plan-and-execute 多代理框架，利用多模态模型的感知与推理能力，从图表图片中挖掘更深层结论；同时发布 ChartSummInsights 数据集，由数据分析专家为真实图表撰写高质量洞见摘要。实验显示该方法在图表总结上显著提升“洞见深度与多样性”。

    来源链接：https://arxiv.org/abs/2602.18731

15. 标题：Many AI Analysts：用自治 AI 分析员复现“多分析员研究”，量化分析选择导致的结论分歧

    中文摘要：论文把“同一数据、不同分析路径会得出不同结论”的多分析员研究自动化：让基于 LLM 的自治分析员独立构建并执行完整分析管线，再由审计 Agent 筛除方法学不合格的运行。作者在三类数据集上观察到效应量、p 值与结论支持与否出现结构化分散，并且这种分散可被“角色设定/提示框架/底层模型”显著操控，提示结论对分析决策高度敏感。

    来源链接：https://arxiv.org/abs/2602.18710

16. 标题：Modularity is the Bedrock：综述模块化为何可能缩小“人类智能 vs 计算资源”差距

    中文摘要：论文从脑科学与 AI 多条研究线索出发，强调模块化对高效学习与强泛化的重要性，并用“无免费午餐”视角解释为何需要问题特定的归纳偏置与专门化组件。作者讨论模块化在多个 AI 子领域反复出现的原因、其带来的计算优势，以及大脑可能采用的模块化原则，主张把模块化作为连接自然智能与人工智能的关键组织原则之一。

    来源链接：https://arxiv.org/abs/2602.18960

17. 标题：Mechanistic Tracing：在 Gemma-2-9B-it 中追踪“痛苦/愉悦”框架如何影响决策

    中文摘要：论文试图把行为现象与机理可解释性打通：一些模型在把选项描述为“造成痛苦或带来愉悦”时会改变选择。作者在 Gemma-2-9B-it 上用线性探针定位价性信号在各层的可分离性，并通过激活干预（方向引导、补丁/消融）验证其对 logit 边际的因果作用，发现效应主要分布在后期层的注意力输出等位置而非单一头部，为后续更严格的反事实测试提供靶点。

    来源链接：https://arxiv.org/abs/2602.19159

18. 标题：GenPlanner：用扩散/流匹配生成式模型“从噪声到路径”，把规划当作迭代生成

    中文摘要：论文把迷宫路径规划建模为条件生成：输入障碍图、起点与终点等多通道条件，模型从随机噪声出发逐步迭代生成可行轨迹。作者提出 GenPlanner，并给出 DiffPlanner 与 FlowPlanner 两个变体，报告在规划任务上显著优于 CNN 基线；其中 FlowPlanner 在较少生成步数下仍保持较好效果，提示生成式推断可作为某类规划/推理机制的替代路径。

    来源链接：https://arxiv.org/abs/2602.18812

19. 标题：Soft Mixture-of-Experts：缓解 RL 策略“各向异性泛化”，扩大可解参数空间

    中文摘要：论文讨论在在线定向控制器合成（OTF-DCS）中用 RL 学探索策略时，常出现“各向异性泛化”：策略只在参数空间的某一片区表现好，换到其他区域就脆弱。作者提出 Soft-MoE，把多个专家策略按先验置信门控软组合，利用不同专家的互补专长提升稳健性；在空中交通基准上，方法显著扩大可解的参数范围，并优于任一单专家。

    来源链接：https://arxiv.org/abs/2602.19244

20. 标题：自动化风险分解：用贝叶斯框架量化“高自动化系统”失败向危害传播的概率

    中文摘要：论文提出一个简洁的贝叶斯风险分解，把预期损失写成“失败概率 × 失败在特定自动化水平下传播为危害的条件概率 × 危害严重度”，强调治理应关注“传播概率”而非仅看模型准确率。作者给出理论推导、风险弹性与自动化政策的有效前沿分析，并以 Knight Capital 事件作为失败模式示例，提出如何在多行业部署中设计可验证的风险度量与最优监督资源配置。

    来源链接：https://arxiv.org/abs/2602.18986

趋势点评

“Agent 走向通用”正在从模型能力竞赛转向工程化与治理：一边是通用评测、训练信用分配与可控推理等方法补齐落地短板；另一边是对齐奖励的可解释修补、隐蔽 jailbreak 检测与自动化风险度量，为大规模部署提供可审计、可治理的抓手。