📊 本次任务消耗Token统计：总消耗44216 tokens，其中输入35328 tokens，输出8888 tokens 涵盖近2天（7月5日-7日）AI领域最新学术论文、热门开源项目、行业动态资讯，每日更新。
一、arXiv最新AI论文（2026.07.05-07.07）
1. HAS-Bench: Evaluating LLM-Based Human-Agent Systems under Configurable Human Participation
摘要：提出HAS-Framework图结构框架，将人类与大模型智能体作为一等参与者建模，支持可配置的人类参与度，从参与时机、控制校准、安全、主动性、交互成本五个维度评估人机协同系统。跨六个领域的实验显示，人类参与可大幅提升任务完成率和故障恢复能力，但收益取决于人类输入的时机、方式和实施者。 作者：Yaozu Wu等多校联合团队 领域：人机协同、智能体评估 推荐理由：首个支持可配置人类参与度的人机协同系统基准，填补了人机混合智能系统评估的空白，为智能体系统的实际落地和优化提供统一的评估标准。 链接：https://arxiv.org/abs/2607.04329
2. Toward Trustworthy Large Language Model Agents in Healthcare
摘要：提出安全优先的医疗物流自动化对话智能体CareConnect，解决医疗行业预约调度的人工协调、系统碎片化、管理成本高的痛点。严格的安全防护机制保证医疗数据安全，实验验证该系统可在保障安全的前提下可靠地自动化复杂的医疗运营工作流，大幅提升效率降低成本。 作者：Hadi Hasan等医疗AI团队 领域：AI医疗、行业智能体 推荐理由：经过严格安全验证的医疗领域AI落地方案，代码已完全开源，可直接复用至各类医疗流程自动化场景，为AI在强监管医疗行业的落地提供了参考范式。 链接：https://arxiv.org/abs/2607.05055
3. Latent Programming Horizons in Coding Agents
摘要：研究发现编码智能体工作时，大模型的残差流会线性地编码正在开发的程序的状态，基于隐藏状态训练的逻辑回归探针可解码当前代码是否可解析、是否通过测试、是否减少失败测试数量、是否引入回归，跨两个模型两个基准的正确检测AUC可达0.83。更惊人的发现是这些表示会超前于智能体的编辑，可在编辑实际发生前预测未来编辑的结果。 作者：André Silva等程序分析团队 领域：编码智能体、大模型可解释性 推荐理由：首次揭示编码智能体的内部工作机制，提出的状态检测方法可用于实时代码正确性检测、智能体辅助编码等场景，大幅提升AI编码的可靠性和效率。 链接：https://arxiv.org/abs/2607.05188
4. LLM-as-a-Tutor: Policy-Aware Prompt Adaptation for Non-Verifiable RL
摘要：针对非可验证强化学习依赖大模型裁判作为奖励信号，而训练提示保持静态的问题，提出感知策略的提示自适应方法。在指令遵循基准上，该方法持续超越无策略感知的基线和仅适配评分规则或重写提示的现有自适应方法，证明提示自适应是非可验证强化学习中被忽视的重要优化方向。 作者：Yujin Kim等强化学习团队 领域：强化学习、大模型训练优化 推荐理由：提出了强化学习与大模型结合的新优化方向，大幅提升非可验证任务的训练效果和效率，为RLHF等训练范式的优化提供了新思路。 链接：https://arxiv.org/abs/2607.04412
5. Rethinking On-Policy Self-Distillation for Thinking Models
摘要：研究发现，特权上下文自蒸馏会损害思考模型在长推理任务上的表现：在AIME24、AIME25和HMMT25五个思考模型评测中，特权上下文蒸馏导致平均@16准确率相对下降最高达17%。性能下降幅度与学生模型无法获得的特权上下文数量成正比，在长推理预算下表现最为明显，而这正是思考模型原本表现最优的场景。 作者：Simran Kaur等大模型训练团队（含Sanjeev Arora） 领域：大模型训练、思考模型优化 推荐理由：指出了当前思考模型自训练方法的核心缺陷，打破了自蒸馏一定能提升模型表现的固有认知，为下一代思考模型的训练优化提供了重要的方向指引。 链接：https://arxiv.org/abs/2607.05184
6. CausalGame: Benchmarking Causal Thinking of LLM Agents in Games
摘要：针对AI科学家智能体需要具备因果思维能力，但现有基准未涵盖实际科学发现中普遍存在的选择偏差、测量误差、隐藏混杂等挑战的问题，提出CausalGame基准，通过交互式游戏评估大模型智能体的因果思维能力，要求智能体主动干预、发现因果关系、消除混杂因素。 作者：Zhenhao Chen等因果AI团队（含Philip Torr、Kun Zhang） 领域：因果推理、智能体评估、AI for Science 推荐理由：首个针对AI科学家智能体的因果思维专项基准，填补了该领域的评估空白，将推动智能体在科学发现场景的能力评估和技术进步。 链接：https://arxiv.org/abs/2607.04293
7. AgentGym2: Benchmarking Large Language Model Agents in De-Idealized Real-World Environments
摘要：针对现有智能体基准场景过于理想化，与真实世界落地场景差距较大的问题，提出AgentGym2非理想化真实环境基准，包含更贴近实际的噪音输入、不完整信息、动态变化环境、多模态交互等挑战，ACL 2026主会录用论文。 作者：Dingwen Yang等智能体评测团队 领域：智能体评估、真实场景落地 推荐理由：更贴近产业落地实际的智能体测试床，解决了现有基准与真实场景脱节的问题，能够更准确地评估智能体在实际应用中的表现，推动智能体技术的落地。 链接：https://arxiv.org/abs/2607.05174
8. Program-as-Weights: A Programming Paradigm for Fuzzy Functions
摘要：提出"模糊函数编程"新范式：用自然语言规格编译出可本地执行的小型神经构件。PAW系统用4B参数编译器生成0.6B参数的解释器，在MacBook M3上仅需约1/50的显存，就能以30 token/s的速度达到接近Qwen3-32B直接调用的效果，将基础模型从"逐次求解器"转变为"工具制造机"。 领域：大模型推理优化、新编程范式 推荐理由：开创性的大模型应用新范式，大幅降低大模型本地部署的硬件门槛和推理成本，为端侧大模型应用提供了全新的技术路线，可能颠覆现有大模型API的商业模式。 链接：https://arxiv.org/abs/2607.02512
二、GitHub热门AI开源项目（2026.07.05-07.07）
1. addyosmani/agent-skills: Google官方智能体技能标准库
简介：谷歌官方推出的智能体技能库，将调用BigQuery、部署Cloud Run等GCP操作写成标准化的SKILL.md工作流，智能体按照流程执行可避免幻觉参数。配置好Gemini API后，可直接完成"查询GKE集群状态"这类复杂操作，不会生成幻觉代码。 热度：总星70.8k，MIT许可，新上榜热榜第2位 推荐理由：云原生团队必备的标准化智能体技能库，经过谷歌官方验证，大幅降低智能体调用云服务的错误率，提升大模型处理云原生运维任务的效率。 链接：https://github.com/addyosmani/agent-skills
2. langchain-ai/openwiki: 代码仓库AI导航工具
简介：为代码仓库自动生成AI可读的项目说明书，解决Claude Code、Hermes这类智能体进入陌生仓库时"迷路"的问题：无需每次从零开始翻README、找入口文件、看配置、猜业务逻辑，智能体可先看OpenWiki生成的结构化项目说明，大幅降低重复的Token消耗和时间成本。 热度：总星7.5k，近期涨势迅猛 推荐理由：智能体时代的必备开发工具，大幅提升大模型处理复杂代码仓库的效率，尤其适合团队长期维护的大型项目，降低AI辅助开发的成本。 链接：https://github.com/langchain-ai/openwiki
3. vercel/eve: AI Agent全栈开发框架
简介：Vercel正式发布的专为AI Agent设计的全栈框架，核心设计理念是让构建AI Agent像构建传统Web应用一样直观和可扩展。提供声明式Agent路由、状态管理原语、工具集成SDK、内置用户界面组件，支持"渐进式AI"设计：可从纯人工流程开始，逐步用AI增强各个环节，无需一次性全盘AI化。 推荐理由：Vercel官方推出的重量级Agent框架，代表未来AI应用开发的新范式，大幅降低AI智能体应用的开发门槛，推动智能体技术的普及落地。 链接：https://github.com/vercel/eve
4. 国产企业级Data Agent: 28类数据源全支持
简介：国内开发者开源的功能非常完整的企业级Data Agent项目，核心特性包括：28种主流数据源的原生连接器（数据库、数据仓库、API）、企业级语义映射层（解决业务术语与技术字段的匹配问题）、强类型的数据上下文（确保AI理解字段含义和约束）、完整的Trace审计系统（可追溯每个查询的执行路径和数据流转），基于LangGraph构建，支持复杂多步数据处理工作流。 推荐理由：国产企业级数据分析智能体的标杆项目，解决了业务人员与数据之间的语义鸿沟痛点，审计功能符合企业数据合规要求，非常适合企业内部数据分析场景落地。 链接：https://www.v2ex.com/t/1225115
5. hesreallyhim/awesome-claude-code: Claude Code技能最全汇总
简介：目前最全面的Claude Code Skills资源汇总仓库，精心筛选了数百个高质量Skill，按功能分类（代码生成、调试、重构、测试、文档等），每个Skill都附有使用说明和评分。特别提供"认证Skill"列表，这些Skill经过社区验证，稳定性和实用性有保障。 热度：持续受到Claude Code用户欢迎 推荐理由：Claude Code/Cursor重度用户的必备参考资源，经过社区验证的Skill可直接复用，大幅提升AI辅助编码的效率和可靠性。 链接：https://github.com/hesreallyhim/awesome-claude-code
6. Zackriya-Solutions/meetily: 纯本地AI会议助手
简介：主打隐私的本地AI会议助手，基于Rust构建，100%本地处理，无需任何云依赖。支持Parakeet/Whisper实时转写，比Whisper快4倍，支持说话人分离和Ollama本地摘要，提供macOS和Windows双平台桌面应用。 热度：总星15.2k，首次登上GitHub热榜 推荐理由：隐私优先的本地会议工具，在AI工具普遍依赖云端API的今天极具竞争力，完全满足涉密会议、内部敏感会议的内容安全需求，也无需担心数据泄露。 链接：https://github.com/Zackriya-Solutions/meetily
7. ChromeDevTools/chrome-devtools-mcp: AI编程助手浏览器控制服务
简介：Chrome DevTools的MCP Server，让AI编程助手可以直接操控和检查浏览器。最新v1.5.0版本新增堆快照对比和重复字符串检测功能，对前端内存排查非常实用，已支持Claude Code、Cursor、Copilot、Gemini等多种Agent插件。 热度：总星45.7k，日增304星 推荐理由：前端开发必备的AI辅助工具，大幅提升前端调试、性能排查、自动化测试的效率，实现开发过程中浏览器操作的全AI自动化。 链接：https://github.com/ChromeDevTools/chrome-devtools-mcp
8. OpenMontage: 全流程AI视频制作系统
简介：开源的"全自动拍片团队"视频制作系统，只需向Claude Code、Cursor、GitHub Copilot等编程工具说出需求，就能自动完成脚本生成、素材搜索、配音、字幕、剪辑全流程，短短几天狂揽15.4k stars，一度冲到GitHub热榜Top1。 热度：总星15.4k，近期涨势迅猛 推荐理由：AI视频制作领域的标杆项目，将视频制作的技术门槛降到几乎为零，极大提升视频内容生产效率，可能颠覆现有视频制作的工作模式。 链接：https://github.com/OpenMontage/OpenMontage
三、精选AI行业资讯（2026.07.05-07.07）
1. 2026世界人工智能大会7月17-20日上海举办，多项重磅成果将发布
内容：7月7日新闻发布会披露，本届WAIC展览总面积首次突破10万平方米，1100余家企业参展，300余款产品将实现全球首发。华为Atlas 950超节点、阶跃Agent操作系统、全球首款AI智能体手机等硬核国产AI新品确定首秀，将"智算"与"具身"两大赛道推上千亿规模门槛。国家发展改革委将发布《中国智·惠世界》案例集与《人工智能合作发展行动计划》，将大会升格为中国主导的全球AI治理议程平台。 推荐理由：年度AI行业顶级盛会，代表国内AI技术和产业发展的最高水平，多项重磅政策和新品发布将对未来一年AI行业发展产生深远影响。 来源：央视网、澎湃新闻
2. 美团开源1.6万亿参数LongCat-2.0大模型，国产算力实现万亿级训练闭环
内容：美团正式发布并开源新一代万亿参数大模型LongCat-2.0，采用MoE架构，总参数1.6万亿，平均激活48B，原生支持1M超长上下文。这是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型，预览版在OpenRouter平台月调用量已跻身全球前三，Hermes生态调用量全球第一，验证了国产算力链路在万亿级训练上的工程闭环能力。 推荐理由：国产大模型和算力发展的里程碑突破，证明国产算力已经能够支撑世界顶级大模型的训练，打破了海外算力卡脖子的风险，为国内大模型产业的发展奠定了坚实基础。 来源：美团官方、新浪科技
3. 扎克伯格承认Meta AI Agent进展远不及预期，千亿豪赌遇阻
内容：Meta CEO扎克伯格在内部全员会上坦承，AI智能体技术的发展速度远低于此前管理层预期，今年5月启动的大规模重组（裁员8000人+7000人调入AI团队）尚未显现成效。消息发布后引发HackerNews 200余条讨论，市场将此解读为"算力利用不足"信号，此前Meta开放闲置算力计划已导致费城半导体指数单日暴跌6%。 推荐理由：AI行业标志性事件，说明AI智能体技术落地难度远超市场预期，将影响整个行业的投资节奏和发展预期，智能体赛道将从概念炒作转向务实落地。 来源：Reuters、IT之家
4. 智谱GLM 5.2达到GPT/Claude同级水平，开源模型威胁闭源API定价权
内容：资深AI研究者Martin Alderson分析认为，智谱GLM 5.2是第一个真正达到GPT/Claude同级水平的开源权重模型，日常使用中很难区分GLM 5.2和Anthropic Opus的输出质量，仅存在思考链路偏长、推理速度稍慢的问题，后台Agent任务完全够用，但成本极低。核心论点指出，当前前沿AI实验室API定价毛利率高达90%，一旦开源模型达到同等水平，定价权将快速瓦解，DeepSeek R1引发的市场震荡只是预演。 推荐理由：开源大模型发展的里程碑事件，证明开源模型已经能够追平闭源模型的效果，将大幅降低AI应用的成本，推动AI技术的普惠和落地，同时将颠覆现有闭源API的商业模式。 来源：HackerNews、36氪
5. 字节、阿里、腾讯集体下线公共智能体功能，强监管时代来临
内容：字节跳动豆包、阿里巴巴通义千问、腾讯元宝几乎同时宣布，由于产品功能调整和监管要求，用户自定义智能体功能将于7月10-15日分步下线，用户已创建的智能体将无法运行。背后是《人工智能拟人化互动服务管理暂行办法》正式施行，UGC公共智能体进入强监管时代。大量中小企业此前依托公域平台搭建的自动化流程即将失效，行业给出的合规解决方案是转向企业内网私有闭环AI工作流。 推荐理由：AI行业监管的重要节点，标志着公共智能体野蛮生长时代的结束，将推动企业AI应用向私有部署、合规可控的方向发展，对公域智能体创业生态产生重大影响。 来源：搜狐科技、界面新闻
6. 三星Q2利润暴增19倍超越英伟达，成为全球最赚钱科技公司
内容：三星电子公布Q2财报预告，营业利润同比暴增19倍，单季利润超过英伟达，成为全球盈利最高的科技公司，存储芯片涨价+AI需求爆发是两大增长引擎。同日，海力士美股IPO在即，瑞银预测其将长期吸金150亿美元，顶级AI基金已开始抢筹。 推荐理由：AI算力产业链的标志性事件，显示存储芯片在AI算力时代的战略价值甚至超过GPU，印证AI产业持续高景气度，算力上游硬件厂商受益最为明确。 来源：华尔街见闻、财新网
7. 今年AI手机、AI电脑销量将首次超过非AI产品，AI渗透进入爆发期
内容：国家发改委创新和高技术发展司副司长王若蒙在WAIC新闻发布会上披露，去年我国AI手机、AI电脑等智能终端年出货量超1亿台，今年有望继续大幅增长，销量预计将首次超过非AI产品。目前重点行业的人工智能整体渗透率突破80%，国家布局了30余个国家人工智能应用中试基地，推动央国企开放1000余个应用场景。 推荐理由：AI应用落地的重要风向标，显示AI技术已经从技术创新阶段进入产业规模化落地阶段，AI将快速渗透到各行各业和普通消费者的日常生活中，AI终端和应用市场迎来爆发式增长。 来源：IT之家、国家发改委官网
8. RAG上下文剪枝技术获得突破，成本降低1/3效果基本不变
内容：Kapa.ai团队分享工程实践，在检索和生成之间加一个小模型"剪枝器"，读完问题和所有检索块后自动扔掉无关内容，实现上下文缩减68%，召回率保持96%，单次查询成本降低1/3。关键发现是传统rerank分数是排序信号，跨查询不可校准，直接按分数阈值裁剪会导致效果下降，而专门训练的小模型剪枝效果更稳定。 推荐理由：RAG技术的重要工程优化突破，大幅降低大模型长文本处理的成本，提升推理效率，可直接落地到各类RAG应用场景，具有很高的实用价值。 来源：HackerNews、Kapa.ai技术博客