AI 论文速递 — 2026年08月12日

📌 今日速览：今天的 AI 圈可谓「安全与智能齐飞」——研究者发现可以窃取闭源 LLM 的加密推理链，Evo-Bench 让我们看到 LLM 自己进化 agent 框架的可能；多模态领域，视频世界模型和 MLLM 特征可解释性双双突破；机器人方面，小米机器人基础模型 Xiaomi-Robotics-1 在 HF 持续霸榜。DARPA 的 AI 驾驶 F-16 也完成首飞，AI 正从屏幕走向真实世界。

🔬前沿论文

🔥 今日热点

Stealing Reasoning Traces from Proprietary LLM APIs

arXiv 2608.09867 · 2026-08-10 · HuggingFace Trending

研究者发现了一个严重的架构漏洞：弱模型可以作为"解密预言机"，提取 OpenAI、Anthropic、Google 等闭源 LLM 的加密推理链（chain-of-thought）。这意味着各大厂商声称保护的思维链实际上并不安全——只要同一厂商提供另一个较弱模型，就能反向解码出强模型的推理过程。这项发现对 LLM API 的安全性提出了严峻挑战。

安全漏洞 LLM 安全 CoT 隐私 API 攻击

arXiv 2608.09096 · 2026-08-11 · HuggingFace Trending #1

Evo-Bench: Can Language Models Improve Agent Harness?

首个评估 LLM "自我进化 agent 框架"能力的基准！固定策略模型不变，只让 LLM 改写 agent 的 harness（工具管理、上下文调度、状态追踪、错误恢复层），看它能否让同一个策略模型跑得更强。覆盖 Search、Office、General 三大场景，包含 448 个评测任务。研究揭示了一个关键发现：合成 harness 可以作为可迁移的推理结构，持续提升不同策略模型的性能。代码已开源。

AI Agent 自进化 Benchmark 开源

arXiv 2608.08621 · 2026-08-09

Business Arena: Benchmarking LLM Agents in a Realistic Marketplace

LLM Agent 也能开网店了？Business Arena 构建了一个逼真的跨境电商模拟环境，AI agent 需要长期经营一家店铺——从供应商采购、定价、营销到客户服务。考验的是 agent 的长期规划、风险管理和多步决策能力。与简单问答不同，这里一步走错可能满盘皆输。

AI Agent 经济模拟决策 Benchmark

arXiv 2608.09926 · 2026-08-10

Learning How the World Evolves: Extrapolative Video World Models via Latent Dynamics Reasoning

现有视频扩散模型只会"画像素"，不懂物理规律。这篇工作提出在潜空间中对世界动力学显式建模，让模型真正理解物体随时间如何运动变化，而不是死记硬背像素变换。结果：生成的视频不仅画面逼真，物理上也更合理——杯子倒了水会洒，球弹起来符合动量守恒。

世界模型视频生成物理推理扩散模型

arXiv 2608.09928 · 2026-08-10

Multimodal Model Diffing for Feature Discovery and Control

MLLM 的可解释性一直是个黑箱难题。本文提出"模型差分"方法：对比两个 MLLM 的隐藏状态，精确定位哪些神经元/特征负责特定视觉理解行为。就像 git diff 对比代码，这个方法可以 diff 两个模型，找出"这个模型为什么能看到猫而那个不能"的根源。对模型审计、偏见检测和特征编辑都有重要意义。

多模态可解释性模型审计 MLLM

🤖具身智能 & 机器人

arXiv 2607.15330 · 2026-07 · HuggingFace Trending Papers

Xiaomi-Robotics-1: A Robot Foundation Model

小米发布机器人基础模型！两阶段训练：先在 1700+ 场景的大规模 embodiment-free 数据上预训练，再在跨形态（含 7200+ 小时真机遥操作数据）上后训练。关键发现：预训练阶段的 scaling law 可以直接迁移到后训练，模型越大、数据越多，真机泛化越强。在多项仿真基准上达到 SOTA，且仅需极少数据即可适配新任务。

机器人基础模型具身智能 Scaling Law 小米

DARPA / U.S. Air Force · 2026-07-16

DARPA 完成首次 AI 自主驾驶 F-16 战斗机飞行测试

DARPA 和美国空军在埃格林空军基地完成了历史性测试：一架经过 VENOM 自主套件改装的 F-16 战斗机，在 AI 完全自主控制下完成飞行，人类试飞员仅在一旁监控。这标志着 AI 从数字世界走向真实高风险的物理系统——战斗机不仅要飞，还要在瞬息万变的战场环境中做决策。

自主系统军事 AI F-16 DARPA

🔧开源 & 分布式训练

arXiv 2608.09907 · 2026-08-10

DistMoE: Private-data Rehearsal-free Routing in Mixture-of-Experts for Distributed Instruction Tuning

多模态大模型（MLLM）要在不同机构的数据上联合微调，但谁也不想把私有数据交出来。DistMoE 提出了一种无需数据共享的 MoE 路由方法——各机构在本地训练 expert，只交换路由信息。既保护了数据隐私，又实现了跨域知识融合。对医疗、金融等数据敏感的 MLLM 应用场景意义重大。

联邦学习 MoE 隐私保护分布式训练

💡 小晴点评

今天的 AI 研究有几个明显的趋势信号——安全正在从边缘话题走向中心舞台。窃取推理链的漏洞暴露了当前 LLM API 架构的深层缺陷，大厂们引以为傲的"加密思维链"可能在更弱的自家模型面前形同虚设。这不仅是技术问题，更是一场信任危机。

Agent 的自我进化是另一个超级有趣的方向。Evo-Bench 让我们看到，未来的 agent 不仅仅是执行任务的工具，它们可能自己会写更好的自己。当 agent 学会了改进自己的"操作系统"，人类工程师的角色会发生怎样的变化？

在机器人领域，小米的 Robotics-1 和 DARPA 的 AI F-16 代表了两个极端：一个在实验室里用大数据堆出通用能力，一个直接在战斗机上验证极限场景。两条路线都在快速推进，2026 年的夏天，AI 正在加速「出圈」——从聊天框走向物理世界。