Yunkai's Blog Lab

事件/论文/产品概述2026年7月1日，arXiv上预发表了由A Run和Ziluo Ding撰写的综述论文《In-Context Reinforcement Learning under Non-Stationarity: A Survey》。该论文聚焦于非平稳环境下的上下文强化学习（In-Context Reinforcement Learning, ICRL）——即预训练或微调后的决策模型在测试时无需更新参数，仅凭交互上下文推断潜在任务规则并改进未来行为的能力。现有ICRL综述多围绕预训练目标、架构、上下文格式、评估协议和理论机制展开，而本工作专门针对非平稳设定进行了系统梳理。 论文提出：在变化的环境中，累积的上下文并非仅仅是关于固定任务的更多证据——奖励规范、转移核、观察通道、动作接口、约束模型或演示与记忆分布都可能与当前状态失配。因此，先前有用的上下文可能变得过时、误导，或在旧模式回归时再次有用。该综述将非平稳ICRL定义为：在部署策略参数固定不变的情况下，通过上下文进行适应的问题。智能体必须同时推断当前决策规则以及累积证据中哪些部分仍然支持该规则。...

论文概述近日，arXiv 上发布了一篇题为 《Optimal Adaptive Market Making: A Theoretical Framework for High-Yield Liquidity Provision in Perpetual Futures Markets》 的论文（arXiv:2607.11888），由 Minmin Zeng 与 Yi Liu 撰写。该论文针对零手续费永续期货市场中的最优做市问题，构建了一个严谨的随机最优控制理论框架。作者将做市商决策建模为滤波概率空间上的随机控制问题，控制变量包括自适应的买卖价差以及在两个交易所之间的库存对冲策略。论文共含十个理论贡献，并通过23张数值分析图揭示了盈利与非盈利区间之间的相变现象。 关键技术点论文的核心理论贡献可概括为以下十项： PnL 分解定理：将做市商收益拆分为价差收入、逆向选择损失、库存持有成本、对冲摩擦以及资金费率敞口。 HJB 方程与验证定理：在 CARA 效用下建立了联合价差-库存-对冲控制问题的 Hamilton-Jacobi-Bellman 方程，并给出验证定理。 高APY区间定理：...

事件/论文概述2026年7月15日，arXiv上发布了一篇题为《Ontology-Amplified Distillation and Contextuality Auditing for Sovereign Enterprise Language Models: A Combined Proof-of-Mechanism and Negative-Results Method Study》的论文。该研究由Thanh Luong Tuan完成，聚焦于受数据驻留法规约束的金融机构所需的“租户自有”语言模型——即模型必须能在机构内部部署并独立运行。论文整合了两项独立的FAOS研究，形成一项机制与控制结合的实证报告。 第一项研究是本体增强蒸馏（ontology-amplified distillation）的原理验证（proof-of-mechanism）。作者以Qwen3.6-27B作为学生模型，通过在前沿教师轨迹上进行监督微调，并结合本体对齐的DPO（直接偏好优化），使其适配Foundation AgenticOS本体。训练仅使用47个合成的英文跨领域偏好对，在单一App...

事件概述2026年7月14日，OpenAI 在其官方博客发布文章《How to manage AI investments in the agentic era》，面向企业管理者提出了五步系统性框架，帮助团队在从 chat 模式走向更长时间运行的 agent 工作流时，有效衡量 AI 的“每美元有用工作量”、控制成本，并投资于创造最大价值的场景。文章特别指出，从 GPT‑4 到 GPT‑5.4，每百万 token 价格已下降 97%，而最新的 GPT‑5.6 在编码工作流中实现 54% 的 output token 节省和 57% 的时间减少，但 token 价格本身并不能说明 AI 是否真正创造了价值。 关键技术点 提升使用与支出的可见性管理者需要清晰了解谁在使用 AI、使用哪种产品/模型、消耗多少容量、支撑何种工作。OpenAI 在 Admin Console 中更新了使用分析和支出控制功能，支持按工作空间、团队/用户、产品/模型分层洞察，帮助区分浪费、实验和有潜力的业务关键流程。 按结果 ROI 评估模型效率最低 token 价格不等于最低总...

事件/论文概述2026年5月，来自罗马尼亚的Anca Marginean和Adrian Groza在arXiv上提交了一篇论文《From ML Predictions to Informed Diagnostic Assistance Using the Toulmin Model of Argumentation》。该论文提出了一种新的框架，将机器学习（ML）模型对眼底图像的诊断结果，通过Toulmin论证模型分解为多个结构化组件，从而为临床专家提供可解释、可质疑的诊断辅助。论文代码和实验基于公开数据集（原文未明确说明数据集名称），核心思想是不再盲目信任ML模型的最终结论，而是通过论证链条引导人类专家进行批判性评估。 关键技术点论文的核心是引入Toulmin论证模型（由英国哲学家斯·图尔敏提出）来解构ML模型的诊断输出。该模型包含6个组件： Claim（主张）：ML模型（如视网膜疾病分类器）生成的诊断结论。 Grounds（依据）：从图像中提取的生物标志物特征，由专门的生物标志物提取模型完成。 Warrant（正当理由）：连接依据与主张的推理逻辑，由具备医学知识的A...

论文概述近日，一篇来自 arXiv 的新论文（arXiv:2607.09665）系统性地揭示了 LLM 基准测试中长期被忽视的一个问题：提示包装器（Prompt Wrapper）的微小格式差异，如何足以改变模型打分、甚至翻转排行榜结论。作者 Deep Pankajbhai Mehta 在论文中提出并验证了两种互补指标：格式敏感度指数（FSI）——衡量因包装器选择引起的准确率波动范围，以及解析性敏感度指数（PSI）——衡量答案可解析性的相应波动范围。该研究基于 140,000 次 OpenRouter 生成实验，覆盖 7 个 QA 任务、5 类包装器家族以及 4 个参数规模从 7B 到 72B 的指令微调模型，实验规模和数据量均较为充分。 关键技术点 FSI 与 PSI 的定义FSI 是同一任务、同一模型下由不同格式包装器引发的准确率最大值与最小值之差；PSI 则对应答案解析成功率的类似范围。两者分别从“性能”和“可解析性”两个维度刻画同一提示在不同格式化层包装下的稳定性。 Token 控制协议为了排除输入长度等因素的干扰，实验在不同包装器下严格控制 token 数量（通过填充或...

事件/论文/产品概述2026 年 7 月 14 日，OpenAI 在其官方博客发布了关于 ChatGPT Work 的新用例指南，重点展示了数据科学团队如何利用该工具将分散的工作输入（如仪表盘、原始数据、指标定义、实验笔记及业务上下文）快速转化为可交付的分析资产。该产品的前身是 Codex 应用，现已在 chatgpt.com 及 ChatGPT 桌面客户端中以 ChatGPT Work 的形式提供。OpenAI 还同步推出了按需网络研讨会和相关教程，帮助团队快速上手。 关键技术点 输入多样性：ChatGPT Work 支持从仪表盘、指标定义、数据导出、实验笔记和业务上下文等多种来源提取信息。 输出结构化：工具会自动组装分析资产的第一版草稿，包含图表、数据局限性说明、原始来源链接以及审阅问题，使团队能快速验证和分享。 工作流集成：用户不再需要手动拼接多个工具的输出，而是通过自然语言对话将零散数据转化为统一的分析报告、根本原因简报、影响读数、KPI 备忘录和仪表盘规格说明。 落地模式：OpenAI 提供了具体的“用例包”（use cases），指导数据科学团队直...

事件/论文/产品概述2026年7月14日，OpenAI 在官方 Academy 中发布了一篇题为“How sales teams use ChatGPT Work”的指南，详细介绍了销售团队如何利用 ChatGPT Work 将分散在 CRM、通话记录、邮件、Slack、演示文稿等工具中的客户上下文和交易信号，快速转化为可用的工作草稿。这些草稿包括：管道简报（pipeline briefs）、会议准备包（meeting prep packets）、预测风险审查（forecast reviews）、客户战略方案（account plans）以及停滞交易诊断（stalled-deal diagnoses）。销售人员和经理仍然负责关系策略和最终判断，AI 帮助团队更快获得初版工作文档。 关键技术点 上下文聚合：ChatGPT Work 能够跨 CRM 字段、通话笔记、邮件线程、Slack 讨论、演示文稿、客户文档及交易信号，将分散的信息整合成结构化内容。 工作流自动化：针对销售常见任务（如客户会议准备、交易风险审查、跟进任务完成、客户记录更新等），提供预定义的模板和...

事件概述2026年7月9日，arXiv 上发布了一篇由 Joseph K. Miller 撰写的论文，标题为《A Formalization of the Mean-Field Derivation of the Vlasov Equation: AI-Assisted Lean Formalization as a Strategy Game》。该工作首次将 Vlasov 方程的均值场推导完整形式化到 Lean 4 证明助手中，并创新性地将这一过程设计为一种“形式化游戏”：人类数学家担任指挥，AI 系统负责执行，目标将 LaTeX 格式的数学论文转化为通过机器检验的 Lean 代码。 关键技术点 形式化游戏框架论文将形式化过程视为一场游戏：玩家（人类数学家+AI）的任务是将 LaTeX 文档转化为 Lean 代码。游戏胜出的条件包括：代码通过编译、不含 sorry（未完成证明标记），且所有目标定理只依赖 Lean 的基础公理。 人类与AI的分工人类的角色是指导而非编写证明：负责定义范围、分解任务、识别现有库（Mathlib）中的缺口；AI 系统则自主执行具体的证明步骤。这种分...

事件/论文概述ARC-AGI（Abstraction and Reasoning Corpus）系列任务长期以来被视为衡量AI系统抽象推理能力的“罗马竞技场”。2026年7月，一篇题为《ARCANA: A Reflective Multi-Agent Program Synthesis Framework for ARC-AGI-2 Reasoning》的论文（arXiv:2607.09059）提出了一个名为ARCANA的多智能体协作框架，专门针对ARC-AGI-2任务在严格的测试时间和硬件约束下进行求解。 ARCANA的核心思想是将每个任务分解为迭代式感知、假设生成、符号执行和反思精炼四个阶段，并交由多个专业智能体协作完成。这些智能体通过一个共享的可微分黑板（differentiable blackboard）进行通信，并由一个学习得到的元控制器（meta controller）调度。整体设计结合了结构化程序搜索与自适应多轮修正，旨在提升抽象转换任务上的推理效率和解的质量。 关键技术点 多智能体分解与协作：ARCANA将推理过程解耦为四个专用智能体： 感知接地智能体...