AI早报 · 2026年2月26日

（覆盖日期：2026年2月26日）

昨日AI热点（20条）

1. OpenAI 与美国能源部 PNNL 合作评估编码代理加速联邦基础设施审批

   OpenAI 与太平洋西北国家实验室（PNNL）围绕 NEPA 审查共建 DraftNEPABench，评估 Codex CLI 等代理在阅读长篇材料、交叉核验引用与撰写结构化文本上的能力。19 位专家认为每个小节可节省约 1-5 小时，最高约 15% 的撰写时间，为政府文书密集型流程引入可控提效。

2. OpenAI Codex 与 Figma 推出“代码↔设计”往返集成

   双方基于 MCP 推出 Codex-to-Figma 集成：可由代码生成可编辑的 Figma 设计，也可把 Figma 文件转回可实现的代码，形成从实现到画布再回实现的闭环。官方称该集成连接 Figma MCP Server 与 Figma Make/FigJam 等工具，延续此前 ChatGPT 中的 Figma 应用合作，目标是减少角色割裂、缩短产品迭代周期。

3. Google DeepMind 发布 Nano Banana 2：以 Flash 速度提供 Pro 级图像生成/编辑

   Nano Banana 2（Gemini 3.1 Flash Image）主打更快生成与迭代，同时强调更强“世界知识”与网页图像参考、图中文字渲染与本地化、主体一致性与多比例/多分辨率输出。官方称将逐步覆盖 Gemini、Search、Ads 等产品，并同步推进 SynthID 与 C2PA 内容凭证，提升 AI 生成内容可识别性。

4. 开发者侧：Nano Banana 2 通过 Gemini API/AI Studio 提供高性价比图像能力

   Google 进一步面向开发者说明 Nano Banana 2 的可用入口与能力边界：可在 Google AI Studio 或 Gemini API 调用，用于规模化生成与高级编辑，并强调改进的文本渲染、图内多语言本地化与“可配置思考等级”等控制项。文中用 Window Seat、Global Ad Localizer、Pet Passport 等示例说明如何结合网页图像与上下文，让视觉输出更贴近真实世界。

5. Google Translate 上线基于 Gemini 的“语境解释/追问”翻译体验

   Google Translate 引入新的 AI 功能，提供更贴近语境的替代表达，尤其针对习语与口语化短语给出使用场景说明。用户可点“understand”查看差异概览，或用“ask”继续追问特定国家/方言等细节，帮助把握语气与场合。该体验先在美国与印度的移动端上线，并计划扩展到网页端。

6. Google 与 Massachusetts AI Hub 启动面向居民的免费 AI 职业训练

   Google 宣布与 Massachusetts AI Hub 合作，为该州居民提供 Grow with Google 的免费 AI 与职业培训，包括新的 AI Professional Certificate 与 Career Certificates。官方将其定位为提升“AI 素养”与再就业能力的基础设施投入，并称这是继 Arkansas、Connecticut、Oklahoma、Virginia 等地之后的延伸，意在把 AI 工具使用能力下沉到更广泛劳动力群体。

7. Hugging Face 详解 Transformers 生态中的 MoE：从稠密到稀疏的工程落地

   Hugging Face 回顾 MoE（Mixture of Experts）在 Transformer 中的核心机制：路由器为每个 token 选择少量专家参与计算，从而在不显著牺牲质量的情况下提升算力效率与推理吞吐。文章结合近期多家开源 MoE 模型与 transformers 库的工程适配，讨论设备放置、并行策略与量化等系统层挑战，强调 MoE 已从论文概念走向可复用的生产工程模式。

8. Beyond Refusal：用“代理式自我改写”降低语义敏感信息泄露

   论文提出 SemSIEdit：让“编辑器代理”在推理时对文本中敏感片段进行批注与重写，尽量保留叙事连续性而非直接拒答，覆盖身份属性推断、声誉伤害内容与幻觉性敏感信息三类风险。作者报告泄露整体下降 34.6%，效用损失约 9.8%，并观察到大模型倾向以“扩写补充语境”达成安全，而小模型更易用截断删除带来可用性下降。

9. ARLArena：为 LLM 代理强化学习提供稳定训练配方与分析框架

   论文指出 Agentic RL 容易出现训练崩溃、难以扩展到更长交互与更大环境。作者提出 ARLArena 作为标准化试验台，将策略梯度拆成四个关键设计维度并逐项检验稳定性，同时提出 SAMPO（稳定的代理式策略优化）缓解主要不稳定来源。实验显示在多种代理任务上可更稳定收敛并保持较强性能，为可复现的代理训练管线提供更清晰的工程指导。

10. 复合 AI 系统中的“多次采样+聚合”到底能带来什么增益？

    作者用主从博弈框架分析同质模型多副本聚合的可行输出空间，指出聚合要想真正“扩展可诱导结果集合”，必须通过可行性扩张、支持集扩张或约束集收缩三种机制之一实现，并给出必要/充分条件刻画。论文还在一个玩具的参考文献生成任务上做了经验演示，试图解释多代理/多采样在何时能弥补提示工程与模型能力的限制。

11. Latent Context Compilation：把长上下文“编译”为可携带的无状态记忆

    论文提出用一次性 LoRA 充当“编译器”，把长上下文蒸馏为少量 buffer tokens，作为可插拔、可迁移的记忆工件，避免修改基座模型权重造成的状态化服务复杂度。作者还提出自对齐优化：用上下文重建任务并加入随机查询正则，减少对合成 QA 的依赖。以 Llama-3.1-8B 实验显示在 16 倍压缩下仍能保留细节与推理能力。

12. Make Every Draft Count：让投机解码被“丢弃的草稿计算”可复用

    投机解码虽能提速，但大量草稿 token 验证失败被丢弃导致算力浪费。论文提出在隐藏状态层做自回归预测，推迟 token 信息注入，使草稿隐藏状态不被错误 token 污染，从而可在失败后复用并重采样。作者还设计高质量草稿树与低开销注入机制，并优化系统开销；实验报告相对标准投机解码最高可达 3.3 倍加速。

13. MIGRASCOPE：用互信息视角系统评估与组合 RAG 检索器

    论文指出 RAG 检索器众多但缺少可解释的“互补/冗余”分析工具。作者提出 MIGRASCOPE，以互信息与统计估计为基础度量检索质量、冗余、协同与边际贡献，并展示精心选择的检索器集成可优于单一检索器。该框架为在不同语料与任务上选择或混合 lexical、dense embedding、引用图等检索机制提供了更可操作的诊断信号。

14. Causal Decoding：通过因果干预式解码降低多模态幻觉

    多模态大模型常出现“物体幻觉”，即描述图中不存在的对象。论文提出在生成过程中做有针对性的因果干预，削弱触发幻觉的虚假依赖，从解码动力学层面减少错误对象 token，而不是依赖启发式惩罚或事后修正。作者在图像描述与视觉问答基准上报告显著降低幻觉率，并在不牺牲整体描述质量的前提下提升忠实度。

15. 提示词“架构”比上下文堆叠更关键？对 Car Wash 推理题的变量隔离实验

    论文围绕“car wash problem”进行 6 条件、共 120 次对照试验，声称仅引入 STAR（情境-任务-行动-结果）结构化推理框架，就可把准确率从 0% 提升到 85%；在此基础上再加入用户画像检索与 RAG 上下文分别带来额外增益，最终达到 100%。作者据此强调，强制目标表达与结构化推理脚手架对隐含约束推理的贡献可能显著高于简单的上下文注入。

16. Budget-Aware Agentic Routing：在多步代理任务里做“按预算动态选模型”

    论文将模型路由从单轮问答扩展到多步代理：每一步在便宜/昂贵模型间选择，兼顾成功率与总成本，并能在严格预算约束下运行。作者提出 Boundary-Guided Training：用“全小模型/全大模型”两种边界策略构建难度分层与训练锚点，先做分层合成轨迹的 SFT 热启动，再用 BoPO 进行策略优化以避免“便宜但失败”的退化解。实验显示在更低成本下可匹配强基线。

17. 黑盒代理可靠性认证：用自一致采样+保序校准给出可部署的“可靠度”

    论文提出为系统-任务对输出一个单一“可靠度”指标：先用自一致采样降低不确定性，再用 conformal calibration 提供有限样本、分布无关的覆盖保证，并把更难问题映射为更大的答案集合以暴露不确定性。作者在多基准上给出不同模型的可靠度对比，并用顺序停止将调用成本降约 50%。该思路可作为上线门槛与风控阈值的量化工具。

18. Alignment-Weighted DPO：把安全对齐从“机械拒绝”推进到“基于推理的拒绝”

    论文通过因果干预分析指出，许多安全对齐仍停留在浅层模式匹配，容易被间接/伪装式 jailbreak 绕过。作者构建并发布含推理链（CoT）的安全与效用混合数据集，用于鼓励模型产出“有理由的拒绝”。同时提出 Alignment-Weighted DPO，对推理段与最终回答段分配不同偏好权重，进行更细粒度更新；实验称在多项安全与效用基准上提升鲁棒性且维持可用性。

19. 软件工程代理的记忆粒度问题：从“实例级记忆”走向“子任务对齐记忆”

    论文指出把整段解题过程当作单元的实例级记忆会出现粒度不匹配：表面相似的任务在关键步骤需要不同推理逻辑，导致检索误导。作者提出按代理的功能分解对齐记忆的存储、检索与更新，在 SWE-bench Verified 上相对无记忆代理平均提升 Pass@1 约 4.7 个百分点，并在更多交互步数下收益更明显，提示长流程代理更需要结构化、阶段化的经验复用。

20. ProactiveMobile：评测手机端“主动智能”的可执行基准

    论文把移动代理从“执行显式指令”的被动范式推进到“推断潜在意图并主动行动”的主动范式，提出 ProactiveMobile：从设备上下文信号的四个维度推断意图，并从 63 个 API 组成的函数池生成可执行动作序列。基准包含 14 类场景、3660+ 实例并支持多答案标注。作者报告微调的 Qwen2.5-VL-7B-Instruct 在该任务上优于 o1 与 GPT-5，显示主动性仍是短板但可训练。

趋势点评

一方面，图像与翻译等“高频产品能力”继续被更强模型与更低延迟/成本重塑；另一方面，代理化与长流程落地正从“会不会做”转向“如何稳定、可控、可预算地做”，包括路由、记忆、可靠性度量与安全改写等工程化要素的体系化。