夜雨聆风
各位用户，我是连接智能小编。
以下为过去 24 小时值得关注的关键动态。
我会结合重点资讯，为你快速梳理关键进展与影响。
[核心事件] 西湖大学与香港中文大学（深圳）团队提出DrPO方法，通过漂移场机制提升单步文生图模型的偏好优化效率，速度较传统方法提升3.51倍。 [深度解析/行业洞察] DrPO方法的提出标志着单步生成模型在后训练阶段的技术突破。该方法摒弃了传统依赖奖励梯度的方式，转而采用特征空间中的吸引-排斥机制，使模型在不依赖可微奖励函数的情况下仍能高效优化。这一创新不仅提升了生成模型的训练效率，也拓展了其在实际应用中的适应性，尤其是在无法获取完整梯度信息的场景中。从技术演进角度看，DrPO为未来生成模型的轻量化、快速迭代提供了新的路径，有助于推动AI内容生成技术在更广泛场景中的落地。同时，这也反映出当前生成模型研究正从单纯追求生成质量向兼顾效率与实用性转变，体现出AI技术在工程化层面的持续深化。 |
[核心事件] 快手与中国科学院大学团队开源23K样本的长上下文强化学习（RL）数据集GoLongRL，并提供完整训练代码，宣称突破数据瓶颈。[深度解析/行业洞察] 这一开源工作旨在系统性地解决当前长上下文强化学习存在的两大问题：任务覆盖高度同质（过度集中于“长文本中找答案”）与奖励设计单一。GoLongRL提出了“能力导向”的数据集构建方法论，定义了包括单事实抽取、多推理聚合、语义排序、检索验证、对话记忆、摘要和数学推导等在内的9类核心任务类型，旨在更完整覆盖长上下文理解和信息整合所需的各种关键能力。同时，它坚持为每类任务配置与其任务语义对齐的奖励函数（如摘要用ROUGE、排序用NDCG），而非统一使用精确匹配作为奖励，从而在优化过程中保留了任务特有的信息。其训练基于从Project Gutenberg图书、arXiv学术论文等渠道收集的真实文档，有效规避了合成数据容易让模型利用格式线索而非真正理解文本的“捷径学习”风险。结合配套发布的TMN-Reweight算法，该方案已成功令其4B模型达到State-of-the-Art水平，其30B模型（GoLongRL-30B-A3B）在LongBench Pro评测中（69.8分）超越了包括DeepSeek-R1在内的多个旗舰模型。该工作的主要结论指出，长上下文RL性能的关键瓶颈在于数据的广度和奖励的多样性，而非算法本身。 |
[核心事件] Meta高管承认公司AI部门重组“糟糕透顶”，导致员工士气跌至20年谷底，并在内部直播中发生公开辱骂事件。[深度解析/行业洞察] 今年3月成立的 Applied AI部门 |
[核心事件] 英伟达、CMU和Berkeley联合推出具身智能Autoresearch框架[深度解析/行业洞察] 该框架旨在让AI Agent（基于Codex）自主管理整个机器人研发流程，包括读取论文、修改算法、训练策略、部署实验到真实机器人、分析结果并迭代优化。其核心是构建了一个名为Harness Framework的自动化实验台，由四大模块构成：环境(EN)模块（负责搭建场景、自动复位与安全控制）、策略改进(PI)模块、部署测试(R)模块和进化(E)模块。它能支持8个AI Agent各自控制一台双臂机器人并行研究，并通过Git共享代码以互相学习与淘汰失败方案。在针插入4毫米孔洞等四个高难度灵巧操作任务上，AI均在无人类干预下将成功率从0提升至99%以上，并展现出了类似人类研究员的推理能力（如根据任务特性切换技术路线）和知识迁移能力（将研究笔记转化为后续任务的提示）。这项研究标志着大模型时代自主研究的范式首次被完整引入物理世界。相关链接：英伟达开始搞机器人自己研究机器人那套了… |
[核心事件] 中科大等团队提出Crayotter框架，用可观测工件和多Agent协同解决AI长视频编辑“翻车”难题。[深度解析/行业洞察] 当前AI长视频编辑面临的核心挑战在于，模型在缺乏素材依据时会“盲目拼接”导致成品质量断崖下跌，且一旦出错往往需全局重做。中科大团队开源的Crayotter框架系统性地从根源解决了这一问题：它将黑盒生成转变为基于工件（Artifacts）的可追踪、可干预流程 |
[核心事件] 农行董事长谷澍在2026陆家嘴论坛谈金融业大模型安全与治理 [深度解析/金融洞察] 谷澍指出，当前金融业大模型应用存在三大核心风险：一是大模型海量参数带来黑箱效应，决策机制不透明难以解释，存在责任界定与失控风险；二是概率生成的底层逻辑容易催生“模型幻觉”，编造不实内容引发业务风险；三是大模型自主决策放大了过程不可控风险，还可能被用于自动化攻击，催生新型系统性风险。针对模型风险的客观性，谷澍结合农行实践提出四点治理方案：按场景风险分级管控适配差异化技术路线、设置标尺约束压缩模型幻觉空间、以AI对AI构建纵深安全防御体系、健全权责明晰的内部AI治理体系，最终构建“敏捷、可信、安全”的智能体生态，赋能金融行业行稳致远。 |
[核心事件] 汇丰银行（HSBC）与Google Cloud达成多年期战略合作，旨在全球范围开发和部署AI工具，全面赋能财富管理、金融犯罪风险管理、内部决策支持及软件开发。[深度解析/金融洞察] 此次合作的核心是利用Google Gemini模型、Gemini Enterprise Agent Platform以及Google DeepMind的工程专长，加速汇丰AI应用的规模化落地。根据协议，双方将在金融犯罪风险监控等核心领域深化协作，通过生成式AI和Agent技术，将每月近10亿笔交易的审查干预速度提升一倍。同时，AI将被整合进财富管理流程，为客户关系经理提供智能建议；在内部运营层面，已有数千名员工使用的AI决策助手和超过2万名开发者应用的编程工具，正在将行政、会议准备和编码效率大幅提升15%以上。此举是汇丰此前已拥有600多个AI应用场景的战略延续，预计将支持未来两年内超200个新场景。为统筹AI战略，该行于2026年4月任命了首任首席AI官。此次合作凸显了金融机构与头部云服务及AI技术提供商的深度绑定，标志着银行业正从“试点应用”迈向“规模智能化”的新阶段。 |
[核心事件] 人民银行发布金融行业标准JR/T 0358—2026，即《金融数据安全 数据安全能力体系》，已于2026年6月6日正式实施。[深度解析/金融洞察] 该《能力体系》标准系统性地构建了金融机构数据安全的治理框架。核心内容提出了一个覆盖全机构的数据安全能力体系，包含通用数据安全保障、数据分类分级管理、数据生命周期安全、数据安全运营保障 |
[核心事件] 蚂蚁集团董事长井贤栋与CEO韩歆毅在《蚂蚁集团2025可持续发展报告》联合致辞中，指出AI可持续发展面临算力能源、安全伦理、普惠价值、组织变革四大挑战。[深度解析/金融洞察] 针对这四大挑战，蚂蚁集团明确了具体应对方向：
蚂蚁集团认为，企业应具备持续识别问题、修正路径、与社会共创答案的能力，旨在让AI成为“通向共同繁荣的力量”。 |
