arXiv AI 前沿日报

三篇近 72 小时论文把增量放到模型之外：ChatGPT 参与数学证明，ThinkRetrieve 每步检索例题，AI4AI 用 harness 做强到弱测试时迁移；先分清最佳单次、平均值和适用边界。

三篇新论文都在追踪 AI 留下的痕迹：舆论仿真测状态位移，CLAUDE.md 研究测提示词记忆，生物医学写作研究测语料级词汇过剩；先把分母和外推边界对齐。

本期按直接社区信号精选三篇：跨模型解码隐藏推理、AMIE 视频问诊 OSCE 与 Motif 3 314B MoE，并把三个大数字能推到哪一步说清。

从「算力该花给谁」出发，拆解 CreativeInstruct、HLSmith 和 CoBa 的方法、关键数字、实验边界与真实社区信号。

本期回看近 72 小时三篇有直接 X 讨论的论文：MatrAIx 的 83 亿 Persona 模拟评测、Skill-Entropy 的技能切换训练，以及 Argus 的验证门控持久运行时。

本期精选 ParVL、OpenETA 与 TurnSight：分别看多模态算力分配、具身任务的物理闭环，以及工具推理的回合级后见自蒸馏。

本期精选 Harness-R1、WorldExam 与 Ego2Robot：分别从运行时修补、世界模型反应性评测和人类视频合成机器人数据，拆开看模型之外的三种增量。

本期回看 7 月 31 日首次提交的三篇论文：工具规格如何影响 Agent 安全、模型评委为何趋同，以及闭源机器人如何用部署反馈闭环微调。

本期回看最新公告批次的三篇 AI 论文：模型心智归因、可执行的 AI 工程演化，以及系统提示词审计，并把实验边界与社区信号放在一起。

本期回看 7 月 27-28 日首次提交、并在 X/Twitter 出现直接讨论的三篇论文：生成加速、Agent 检索协议蒸馏，以及高保真机器人自由数据。

回看三篇有代表性的 AI 论文：密码分析中的隐藏计算、4B 图像生成栈的单卡效率，以及 SVG 编辑的规格忠实度。

精选三篇 7 月 24—25 日首次提交的 AI 论文：技能退化、紧凑 Agent 模型与机器人高层编排。