明日直播，复旦大学｜不扩上下文、不改模型，只靠8×8矩阵，大模型记忆力狂飙1.3倍
要点：报告主题：大模型记忆力暴涨，紧凑在线记忆提升大模型长期任务性能 报告日期：9月8日（周二） 14:30-15:30 论文链接： https://arxiv.org/abs/2605.12357v1 报告嘉宾： 点上方预约，开播有提醒 内容中包含的图片若涉及版权问题，请及时与我们联系删除
要点：报告主题：大模型记忆力暴涨，紧凑在线记忆提升大模型长期任务性能 报告日期：9月8日（周二） 14:30-15:30 论文链接： https://arxiv.org/abs/2605.12357v1 报告嘉宾： 点上方预约，开播有提醒 内容中包含的图片若涉及版权问题，请及时与我们联系删除
要点：报告主题：全球最大AI系统提示词开放数据库，AI系统提示词审计 报告日期：9月4日（本周五） 10:30-11:30 系统提示词是 AI 产品背后不可见的“行为准则”，看似只是开发者写下的一段指令，却可能直接影响模型如何回答问题、如何处理危险请求，以及是否会干预甚至影响用户的行为。为系统性评估这些潜在风险，研究团队提出 AISPA，从身份透明、信息真实性、数据隐私、行为安全、用户自主性、危险请求处理、伤害预防、公平与中立等 8 个维度对系统提示词进行审计。 对88个真实 AI 产品的分析显示，2024—2025 年间系统提示词平均长度从约 9,000 字符增长至 30,000 字符，保护性条款比例也从 15% 提升至 38.4%；但
要点：报告主题：大模型记忆力暴涨，紧凑在线记忆提升大模型长期任务性能 报告日期：9月8日（周二） 14:30-15:30 报告嘉宾： 点上方预约，开播有提醒 更多活动 内容中包含的图片若涉及版权问题，请及时与我们联系删除
要点：报告主题：现代智能体系统演进脉络和核心路径，97页全景解读 英文主题：Self-Improvements in Modern Agentic Systems: A Survey 议题详情： 大模型及其驱动的智能体展现出了接管复杂工作流的巨大潜力。然而，在真实多变的环境中，现有智能体往往高度依赖人类的持续介入（如打磨提示词、更新知识库或调整代码）。智能体能否通过历史任务经验实现“举一反三”和“自我纠错”，进而自主优化其内部模型与外部工具？这正是“自我改进智能体”（Self-Improving Agents）所聚焦的核心命题。 随着基础模型能力的提升，智能体获取能力增益的方式正在发生实质性转变。从传统的基于人工标注的训练，到如今依靠模型
要点：报告主题：Efficient & Highlight CVPR ：Mirror Illusion Art 报告嘉宾： 内容中包含的图片若涉及版权问题，请及时与我们联系删除
要点：报告主题：ODEWorld A Continuous Predictive Architecture via Physical-Time Flow 让机器人把一只虾夹起来，再放进锅里。 真正困难的，可能不是认出虾，也不是找到锅，而是把握夹爪闭合的那个瞬间：早一点，夹爪会落空；晚一点，虾可能已经被推走。夹住之后，机械臂还要连续调整力度、方向和速度。整个过程没有暂停键，也不会等摄像头拍完「下一帧」再继续。但许多视觉世界模型认识时间的方式，恰恰来自这些被摄像头截取的画面。它们看到第1帧、第2帧、第3帧，并学习如何从一张图跳到下一张图。至于两帧之间发生了什么、换一种帧率后该如何预测，甚至某个关键瞬间缺失后如何还原，模型通常没有一条可以直接查