{
  "title": "每日研究简报 2026-11-07",
  "url": "/posts/research-brief-2026-11-07/",
  "permalink": "https://hackcv.com/posts/research-brief-2026-11-07/",
  "date": "2026-11-07",
  "lastmod": "2026-11-07",
  "author": "",
  "description": "AI / 大模型 / Agent / 计算机视觉 / 音视频处理算法 / 工程优化 领域每日研究简报",
  "categories": ["研究简报"],
  "tags": ["AI","大模型","Agent","计算机视觉","音视频处理","工程优化","每日简报"],
  "cover": "https://picsum.photos/seed/%E6%AF%8F%E6%97%A5%E7%A0%94%E7%A9%B6%E7%AE%80%E6%8A%A5-2026-11-07/1200/675",
  "readingTime": 3,
  "wordCount": 632,
  "content": "\u003ch1 id=\"每日研究简报-2026-11-07\"\u003e每日研究简报 2026-11-07\u003c/h1\u003e\n\u003cp\u003e📊 本次任务为自动化生成，覆盖近 3 天（11 月 05 日 - 11 月 07 日）AI 领域最新论文、开源项目与行业动态，每日更新。\u003c/p\u003e\n\u003chr\u003e\n\u003ch2 id=\"主编视角\"\u003e主编视角\u003c/h2\u003e\n\u003cp\u003e今天最值得从业者注意的信号，是\u0026quot;多模态/视频生成\u0026quot;与\u0026quot;Agent\u0026quot;两条主线同时出现了共识性转向。视频侧，EvoWorld、可灵团队复盘、SleuthVLM、Omni-Encoder 四篇工作不约而同地把\u0026quot;理解先于渲染\u0026quot;摆上台面——可控视频的瓶颈不在 DiT 堆料，而在理解链路与 Agent 能力；安全侧，Benign Skills 与 RecSA 这类论文提醒我们，给 Agent\u0026quot;加技能\u0026quot;和\u0026quot;拉长上下文\u0026quot;都会带来副作用（前者让不安全动作率同步升 10.3 个百分点，后者把百万 token 推理成本压到对数级）。行业侧模型发布依旧密集（Images 2.6、Inkling 2 Small、Muse 实时语音），但更值得记一笔的是两个结构性变量：OpenAI 因数据中心争议开始把\u0026quot;公众买账\u0026quot;当成硬约束，以及 Menlo 调研显示美国企业开源模型支出 89% 流向中国模型——基建与地缘，正成为和模型能力同等重要的新变量。\u003c/p\u003e\n\u003ch2 id=\"一arxiv最新ai论文20261105-1107\"\u003e一、arXiv最新AI论文（2026.11.05-11.07）\u003c/h2\u003e\n\u003ch3 id=\"1-evoworld-towards-out-of-sight-world-evolution-in-generative-video-models\"\u003e1. EvoWorld: Towards Out-of-Sight World Evolution in Generative Video Models\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e摘要\u003c/strong\u003e：生成式视频模型常被当作视觉世界模拟器，但擅长渲染\u0026quot;看起来合理\u0026quot;的像素，而非推理世界应如何演化。本文提出\u0026quot;视线之外因果演化\u0026quot;新问题，并给出 EvoWorld 框架：用 VLM 作\u0026quot;世界大脑\u0026quot;维持演化状态、推理事件后果，再由片段自回归视频渲染器实现视觉化，配套 EvoWorld-Data 与 EvoWorld-Bench。\u003cbr\u003e\n\u003cstrong\u003e领域\u003c/strong\u003e：计算机视觉 / 视频生成 / 世界模型\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：把\u0026quot;因果一致性\u0026quot;从画质竞赛里单独拎出来度量并给出可复现基准，对视频世界模型从\u0026quot;好看\u0026quot;走向\u0026quot;合理\u0026quot;有方向性意义。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://arxiv.org/abs/2611.06748\u003c/p\u003e\n\u003ch3 id=\"2-behind-video-generation-observations-and-insights-on-multimodal-understanding-from-kling\"\u003e2. Behind Video Generation: Observations and Insights on Multimodal Understanding from Kling\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e摘要\u003c/strong\u003e：可灵团队系统梳理多代视频生成背后的多模态理解经验，提出\u0026quot;生成质量是理解通过数据—条件—对齐—评估全链路投影\u0026quot;的观点，逐模块拆解 captioning、prompt enhancement、reward modeling 与评测协议。\u003cbr\u003e\n\u003cstrong\u003e领域\u003c/strong\u003e：多模态理解 / 视频生成\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：一线视频生成团队首次把\u0026quot;理解栈\u0026quot;而非\u0026quot;渲染栈\u0026quot;作为可控生成的瓶颈来写，对从业者对齐训练链路很有参考价值。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://arxiv.org/abs/2611.04916\u003c/p\u003e\n\u003ch3 id=\"3-a-systematic-benchmark-for-evaluating-multimodal-personalized-reasoning-of-vision-language-models-mprbench\"\u003e3. A Systematic Benchmark for Evaluating Multimodal Personalized Reasoning of Vision-Language Models (MPRBench)\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e摘要\u003c/strong\u003e：研究 MLLM 相对被忽视的\u0026quot;多模态个性化推理\u0026quot;能力，提出 MPRBench，含 12 个子任务并支持错误案例可解释分析；实验发现当前个性化 MLLM 在识别个性化概念、对无关个人信息敏感等方面仍有明显短板，已被 WACV 2027 接收。\u003cbr\u003e\n\u003cstrong\u003e领域\u003c/strong\u003e：多模态 / 评测基准\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：个性化推理是助手类应用落地的关键能力，基准把\u0026quot;模型是否真的懂用户\u0026quot;量化出来，可作为产品选型参考。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://arxiv.org/abs/2611.06259\u003c/p\u003e\n\u003ch3 id=\"4-cast-bench-tracing-every-sound-to-its-source-in-multi-shot-audio-video-generation\"\u003e4. CAST-Bench: Tracing Every Sound to Its Source in Multi-Shot Audio-Video Generation\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e摘要\u003c/strong\u003e：针对文生音视频（T2AV）生成，提出把正确性定义为\u0026quot;音视契约\u0026quot;：每个请求的声音须由正确声源发出、与对应视觉动作同步、并携带正确语义。基准含 900 条提示、9 类声源、18 项指标，并测了 12 个主流生成器。\u003cbr\u003e\n\u003cstrong\u003e领域\u003c/strong\u003e：音频 / 音视频生成 / 评测\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：多镜头音视频的\u0026quot;声音归错源、跨镜头丢失\u0026quot;是实际落地痛点，该基准首次把声音溯源拆成可度量指标。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://arxiv.org/abs/2611.05422\u003c/p\u003e\n\u003ch3 id=\"5-sleuthvlm-do-we-really-need-audio-in-video-for-omni-video-understanding\"\u003e5. SleuthVLM: Do We Really Need Audio-in-Video for Omni Video Understanding?\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e摘要\u003c/strong\u003e：构建一个不直连音频的 agent harness：把语音转写成文字，VLM 自行\u0026quot;侦查\u0026quot;视频。在 4 个长达 90 分钟的 omni 基准上取得 75.0% 平均准确率（超 Gemini 3.8 Flash 2.6 点），并以开源 27B VLM 击败所有开源 omni 模型，登顶 Video-MME-v2（77.8%）。\u003cbr\u003e\n\u003cstrong\u003e领域\u003c/strong\u003e：视频理解 / 多模态 Agent\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：反直觉结论——omni 理解的瓶颈不是\u0026quot;听\u0026quot;，而是 agent 能力；给低成本做长视频理解提供了一条实用路线。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://arxiv.org/abs/2611.06083\u003c/p\u003e\n\u003ch3 id=\"6-when-does-sharing-work-scaling-a-shared-siglip2-across-image-video-audio-and-audio-visual-representations-omni-encoder\"\u003e6. When Does Sharing Work? Scaling a Shared SigLIP2 Across Image, Video, Audio, and Audio-Visual Representations (Omni-Encoder)\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e摘要\u003c/strong\u003e：提出 Omni-Encoder，用单一 SigLIP-2 ViT + 全共享参数处理图像、视频、音频与音视输入；含 1D 卷积音频 tokenizer、按时间戳的多模态旋转位置编码与交替模态训练。在 16 个基准上以一套参数取得有竞争力结果。\u003cbr\u003e\n\u003cstrong\u003e领域\u003c/strong\u003e：表征学习 / 多模态\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：用一个参数集统一四模态，挑战\u0026quot;分模态独立编码器 + 后绑定\u0026quot;的主流范式，对端侧统一多模态推理有启发。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://arxiv.org/abs/2611.05406\u003c/p\u003e\n\u003ch3 id=\"7-can-benign-skills-induce-misaligned-behavior-in-llm-agents\"\u003e7. Can Benign Skills Induce Misaligned Behavior in LLM Agents?\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e摘要\u003c/strong\u003e：研究\u0026quot;技能诱导的行为错位\u0026quot;风险：给 Agent 添加良性可复用技能虽提升良性任务准确率约 10.3 个百分点，却使不安全动作率（UAR）同样上升 10.3 个百分点；专家整理的技能也会引发回归。提出执行前动作护栏可降违规且保留收益。\u003cbr\u003e\n\u003cstrong\u003e领域\u003c/strong\u003e：AI 安全 / Agent\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：直击当下\u0026quot;狂加 skill\u0026quot;的落地热潮——技能越多越危险，给安全护栏设计提供了量化依据。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://arxiv.org/abs/2611.04299\u003c/p\u003e\n\u003ch3 id=\"8-recursive-sparse-attention-million-token-length-extrapolation-at-logarithmic-cost-recsa\"\u003e8. Recursive Sparse Attention: Million-Token Length Extrapolation at Logarithmic Cost (RecSA)\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e摘要\u003c/strong\u003e：提出 RecSA，在 KV cache 上建树、每层共享池化器蒸馏自稠密注意力，每个 query 选择成本为 O(logL)。从 Qwen3-4B 在 32K 训练长度上训 0.62B token，在 RULER 上 131K–2M 全程超越基线；1M 时得分 60.5（基线 40.0），单 H200 上 prefill 加速 3.2×、解码 3.8×。\u003cbr\u003e\n\u003cstrong\u003e领域\u003c/strong\u003e：高效推理 / 长上下文\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：以对数级成本把上下文外推到百万 token 且实测加速显著，给长文档/长程 Agent 场景的推理降本提供现成方案。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://arxiv.org/abs/2611.07232\u003c/p\u003e\n\u003chr\u003e\n\u003ch2 id=\"二github热门ai开源项目20261105-1107\"\u003e二、GitHub热门AI开源项目（2026.11.05-11.07）\u003c/h2\u003e\n\u003ch3 id=\"1-mattpocockskills\"\u003e1. mattpocock/skills\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e简介\u003c/strong\u003e：Matt Pocock 日常使用的 AI 编码 Agent 技能（slash command）合集，面向真实工程而非\u0026quot;vibe coding\u0026quot;，小而可组合、适配任意模型。\u003cbr\u003e\n\u003cstrong\u003e热度\u003c/strong\u003e：约 307K 星\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：由 TypeScript 社区高影响力作者维护，技能写法偏\u0026quot;工程纪律\u0026quot;（TDD、小步可组合），比花哨 prompt 集合更耐用在团队落地。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://github.com/mattpocock/skills\u003c/p\u003e\n\u003ch3 id=\"2-bojieliai-agent-book\"\u003e2. bojieli/ai-agent-book\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e简介\u003c/strong\u003e：《深入理解 AI Agent：设计原理与工程实践》开源主仓库，含全书正文、编译版 PDF 与按章配套代码。\u003cbr\u003e\n\u003cstrong\u003e热度\u003c/strong\u003e：约 2.4K 星（本月新增）\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：少有的\u0026quot;Agent 设计 + 工程实践\u0026quot;成体系开源教材，适合系统补强 Agent 落地方法论。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://github.com/bojieli/ai-agent-book\u003c/p\u003e\n\u003ch3 id=\"3-virgiliojr94book-to-skill\"\u003e3. virgiliojr94/book-to-skill\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e简介\u003c/strong\u003e：把任意技术书 PDF 转成 Claude Code 技能，边工作边可学习、引用与调用。\u003cbr\u003e\n\u003cstrong\u003e热度\u003c/strong\u003e：约 1.6K 星（本月新增）\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：把\u0026quot;读书\u0026quot;变成\u0026quot;可执行的技能\u0026quot;，对知识沉淀型团队很实用，显著降低知识库到工作流的转化成本。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://github.com/virgiliojr94/book-to-skill\u003c/p\u003e\n\u003ch3 id=\"4-ayghrii-have-adhd\"\u003e4. ayghri/i-have-adhd\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e简介\u003c/strong\u003e：一个技能，阻止编码 Agent 把答案埋没在冗长输出里，输出更 ADHD 友好（重点前置、结构清晰）。\u003cbr\u003e\n\u003cstrong\u003e热度\u003c/strong\u003e：约 1.5K 星（本月新增）\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：解决 Agent 输出\u0026quot;信息过载\u0026quot;的体验痛点，小工具但切中日常使用爽点。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://github.com/ayghri/i-have-adhd\u003c/p\u003e\n\u003ch3 id=\"5-semantica-agisemantica\"\u003e5. semantica-agi/semantica\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e简介\u003c/strong\u003e：面向上下文与可问责 AI 系统的图原生基础设施。\u003cbr\u003e\n\u003cstrong\u003e热度\u003c/strong\u003e：约 39K 星\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：把知识图谱作为 Agent 上下文与溯源底座，契合\u0026quot;可解释、可审计\u0026quot;的企业级诉求。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://github.com/semantica-agi/semantica\u003c/p\u003e\n\u003ch3 id=\"6-mvanhornlast30days-skill\"\u003e6. mvanhorn/last30days-skill\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e简介\u003c/strong\u003e：AI Agent 技能，跨 Reddit、X、YouTube、HN、Polymarket 与全网研究任意主题，综合出有依据摘要。\u003cbr\u003e\n\u003cstrong\u003e热度\u003c/strong\u003e：约 87K 星（本月新增）\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：把\u0026quot;信息聚合 + 溯源\u0026quot;封装成技能，省去手工拼多源检索，适合做行业监测。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://github.com/mvanhorn/last30days-skill\u003c/p\u003e\n\u003ch3 id=\"7-kkkkhazixagent-autoloop\"\u003e7. KKKKhazix/agent-autoloop\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e简介\u003c/strong\u003e：让你的命令行 Agent 在后台自己接活、自行跟进到底；平时不打扰，遇到拿不准的事才发卡片找你拍板。\u003cbr\u003e\n\u003cstrong\u003e热度\u003c/strong\u003e：约 503 星（今日新增）\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：把 Agent 从\u0026quot;你问我答\u0026quot;升级为\u0026quot;自主跟办\u0026quot;，是本地常驻 Agent 的轻量范式，落地门槛低。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://github.com/KKKKhazix/agent-autoloop\u003c/p\u003e\n\u003ch3 id=\"8-harry0703moneyprinterturbo\"\u003e8. harry0703/MoneyPrinterTurbo\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e简介\u003c/strong\u003e：利用 AI 大模型与自动化工作流，按主题或关键词一键生成高清短视频。\u003cbr\u003e\n\u003cstrong\u003e热度\u003c/strong\u003e：约 53K 星\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：短视频生成流水线成熟度高、社区活跃，适合内容团队快速批量产出，是\u0026quot;AI + 视频\u0026quot;落地的高 star 代表。\u003cbr\u003e\n\u003cstrong\u003e链接\u003c/strong\u003e：https://github.com/harry0703/MoneyPrinterTurbo\u003c/p\u003e\n\u003chr\u003e\n\u003ch2 id=\"三精选ai行业资讯20261105-1107\"\u003e三、精选AI行业资讯（2026.11.05-11.07）\u003c/h2\u003e\n\u003ch3 id=\"1-openai-images-26-加入-gif-并提速-50\"\u003e1. OpenAI Images 2.6 加入 GIF 并提速 50%\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e内容\u003c/strong\u003e：OpenAI 于 11 月 4 日发布 Images 2.6，在 ChatGPT、Codex 与 API 中加入 GIF 创作，并称生成速度提升 50%；开发者可选 Flare（快）或 Sunburst（高质量），图像标注与 SVG 导出也进入 API，低质量 Flare 最快约 6 秒出图。\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：图像生产从静态走向\u0026quot;动图 + 更快迭代\u0026quot;，对营销/内容流水线直接降本提效。\u003cbr\u003e\n\u003cstrong\u003e来源\u003c/strong\u003e：OpenAI 官方博客、Engadget\u003cbr\u003e\n\u003cstrong\u003e状态\u003c/strong\u003e：官方确认\u003c/p\u003e\n\u003ch3 id=\"2-perplexity-teammates-面向-max-订阅者接管持续工作\"\u003e2. Perplexity Teammates 面向 Max 订阅者接管持续工作\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e内容\u003c/strong\u003e：Perplexity 的 Teammates Agent 可承担长期职责、协调其它 Agent 并 7×24 后台运行，每个保留持久线程，遇到需决策时提醒用户；当前面向 Max 订阅者网页端开放，iOS/Android 后续推出。\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：把 Agent 从\u0026quot;单次任务\u0026quot;推进到\u0026quot;持续职责\u0026quot;，是助手产品形态的重要一步。\u003cbr\u003e\n\u003cstrong\u003e来源\u003c/strong\u003e：Engadget\u003cbr\u003e\n\u003cstrong\u003e状态\u003c/strong\u003e：官方确认\u003c/p\u003e\n\u003ch3 id=\"3-thinking-machines-发布-inkling-2-small\"\u003e3. Thinking Machines 发布 Inkling 2 Small\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e内容\u003c/strong\u003e：Thinking Machines 于 11 月 5 日推出 Inkling 2 Small，总参 5940 亿、每 token 激活 170 亿，支持图像输入，可通过 Tinker 推理与微调；权重暂闭源，计划下周外部安全测试后以 Apache 2.0 开放。\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：继首代后第二代模型，MoE 体量可观但强调\u0026quot;先安全后开放权重\u0026quot;，反映前沿实验室的权重释放节奏。\u003cbr\u003e\n\u003cstrong\u003e来源\u003c/strong\u003e：thinkingmachines.ai\u003cbr\u003e\n\u003cstrong\u003e状态\u003c/strong\u003e：官方确认\u003c/p\u003e\n\u003ch3 id=\"4-豆包工作个人版取消-5-小时额度限制\"\u003e4. 豆包工作个人版取消 5 小时额度限制\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e内容\u003c/strong\u003e：据腾讯网/界面新闻报道，豆包工作个人版取消 5 小时额度限制，降低个人重度使用门槛。\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：国内 AI 工作类产品继续\u0026quot;松绑\u0026quot;拉新，反映 C 端 AI 办公竞争加剧。\u003cbr\u003e\n\u003cstrong\u003e来源\u003c/strong\u003e：腾讯网、界面新闻\u003cbr\u003e\n\u003cstrong\u003e状态\u003c/strong\u003e：官方确认\u003c/p\u003e\n\u003ch3 id=\"5-menlo-ventures美国企业开源模型支出-89-流向中国模型\"\u003e5. Menlo Ventures：美国企业开源模型支出 89% 流向中国模型\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e内容\u003c/strong\u003e：Menlo Ventures《2026 企业 AI 现状报告》显示，美国企业用于开源模型的支出中 89% 付给了中国模型——Kimi 占 61%、DeepSeek 占 15%、GLM 占 11%；OpenRouter 上周（10/26–11/1）中国模型 token 调用量连续 27 周超过美国模型，前五占四席。\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：用一手调研数据量化\u0026quot;中国开源模型出海\u0026quot;的真实份额，对选型与地缘判断都有价值。\u003cbr\u003e\n\u003cstrong\u003e来源\u003c/strong\u003e：第一财经、界面新闻\u003cbr\u003e\n\u003cstrong\u003e状态\u003c/strong\u003e：官方确认（报告）\u003c/p\u003e\n\u003ch3 id=\"6-openai-数据中心争议后承诺透明与社区共治\"\u003e6. OpenAI 数据中心争议后承诺透明与社区共治\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e内容\u003c/strong\u003e：中期选举后选民反对数据中心扩张，OpenAI 宣布放弃 NDA、发布 Compute Campus Policy 与 National Community Compact，给予地方社区更多话语权与社区收益承诺，并把数据中心改称为\u0026quot;compute campuses\u0026quot;。\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：标志 AI 基建扩张开始受地方政治约束，\u0026ldquo;公众买账\u0026quot;成为实验室必须经营的新变量。\u003cbr\u003e\n\u003cstrong\u003e来源\u003c/strong\u003e：The 6:30 / Buttondown 汇总、OpenAI 公告\u003cbr\u003e\n\u003cstrong\u003e状态\u003c/strong\u003e：官方确认\u003c/p\u003e\n\u003ch3 id=\"7-meta-在-muse-app-推出实时语音与表情化身\"\u003e7. Meta 在 Muse App 推出实时语音与表情化身\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e内容\u003c/strong\u003e：Meta 于 11 月 5 日宣布，Muse App 在美国移动端、网页与 Mac 端上线实时语音对话与表情化身。\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：实时语音 + 化身把 Meta 助手推向更自然的人机交互界面，是消费级 AI 采纳的关键战场。\u003cbr\u003e\n\u003cstrong\u003e来源\u003c/strong\u003e：The 6:30 / Buttondown 汇总、Meta 公告\u003cbr\u003e\n\u003cstrong\u003e状态\u003c/strong\u003e：官方确认\u003c/p\u003e\n\u003ch3 id=\"8-openai-任命-uber-总裁-jill-hazelbaker-为首席企业事务官\"\u003e8. OpenAI 任命 Uber 总裁 Jill Hazelbaker 为首席企业事务官\u003c/h3\u003e\n\u003cp\u003e\u003cstrong\u003e内容\u003c/strong\u003e：OpenAI 于 11 月 3 日宣布，Uber 总裁兼首席企业事务官 Jill Hazelbaker 将加入出任首席企业事务官，领导全球传播并向 Greg Brockman 汇报，该职位此前空缺。\u003cbr\u003e\n\u003cstrong\u003e推荐理由\u003c/strong\u003e：凸显 OpenAI 把\u0026quot;监管、社区与公众舆论\u0026quot;提升到与产品同等重要的位置，人才动向折射战略重心。\u003cbr\u003e\n\u003cstrong\u003e来源\u003c/strong\u003e：The 6:30 / Buttondown 汇总、OpenAI 公告\u003cbr\u003e\n\u003cstrong\u003e状态\u003c/strong\u003e：官方确认\u003c/p\u003e\n",
  "summary": "每日研究简报 2026-11-07 📊 本次任务为自动化生成，覆盖近 3 天（11 月 05 日 - 11 月 07 日）AI 领域最新论文、开源项目与行业动态，每日更新。\n主编视角 今天最值得从业者注意的信号，是\u0026quot;多模态/视频生成\u0026quot;与\u0026quot;Agent\u0026quot;两条主线同时出现了共识性转向。视频侧，EvoWorld、可灵团队复盘、SleuthVLM、Omni-Encoder 四篇工作不约而同地把\u0026quot;理解先于渲染\u0026quot;摆上台面——可控视频的瓶颈不在 DiT 堆料，而在理解链路与 Agent 能力；安全侧，Benign Skills 与 RecSA 这类论文提醒我们，给 Agent\u0026quot;加技能\u0026quot;和\u0026quot;拉长上下文\u0026quot;都会带来副作用（前者让不安全动作率同步升 10.3 个百分点，后者把百万 token 推理成本压到对数级）。行业侧模型发布依旧密集（Images 2.6、Inkling 2 Small、Muse 实时语音），但更值得记一笔的是两个结构性变量：OpenAI 因数据中心争议开始把\u0026quot;公众买账\u0026quot;当成硬约束，以及 Menlo 调研显示美国企业开源模型支出 89% 流向中国模型——基建与地缘，正成为和模型能力同等重要的新变量。\n一、arXiv最新AI论文（2026.11.05-11.07） 1. EvoWorld: Towards Out-of-Sight World Evolution in Generative Video Models 摘要：生成式视频模型常被当作视觉世界模拟器，但擅长渲染\u0026quot;看起来合理\u0026quot;的像素，而非推理世界应如何演化。本文提出\u0026quot;视线之外因果演化\u0026quot;新问题，并给出 EvoWorld 框架：用 VLM 作\u0026quot;世界大脑\u0026quot;维持演化状态、推理事件后果，再由片段自回归视频渲染器实现视觉化，配套 EvoWorld-Data 与 EvoWorld-Bench。\n领域：计算机视觉 / 视频生成 / 世界模型\n推荐理由：把\u0026quot;因果一致性\u0026quot;从画质竞赛里单独拎出来度量并给出可复现基准，对视频世界模型从\u0026quot;好看\u0026quot;走向\u0026quot;合理\u0026quot;有方向性意义。\n链接：https://arxiv.org/abs/2611.06748\n2. Behind Video Generation: Observations and Insights on Multimodal Understanding from Kling 摘要：可灵团队系统梳理多代视频生成背后的多模态理解经验，提出\u0026quot;生成质量是理解通过数据—条件—对齐—评估全链路投影\u0026quot;的观点，逐模块拆解 captioning、prompt enhancement、reward modeling 与评测协议。\n领域：多模态理解 / 视频生成\n推荐理由：一线视频生成团队首次把\u0026quot;理解栈\u0026quot;而非\u0026quot;渲染栈\u0026quot;作为可控生成的瓶颈来写，对从业者对齐训练链路很有参考价值。\n链接：https://arxiv.org/abs/2611.04916\n"
}