VOL. 2026-11-11 · 10 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-11-11 · PUBLISHED · 约 8 分钟
当天最受关注的是 Google DeepMind 发布 Gemini…
当天最受关注的是 Google DeepMind 发布 Gemini 4 Carbon，主打网络安全能力与长周期智能体工作流，同时英伟达、蚂蚁灵波等也在端侧与具身方向密集落子，包括车载 VLA 模型 Alpamayo 2 Edge、NVFP4 量化视觉语言模型以及开源触觉预训练模型 LingBot-Touch。与智能体能力扩张相伴的安全隐忧同样浮现，微软披露 Lazarus 后门仅改写不到 10 个休眠神经元即可劫持具备工具访问权限的 AI 智能体。研究侧则延续可解释性与评测基建两条线，ConceptTime 以预测意外构建时间序列概念瓶颈，MotionGraphicsBench 则以程序化验证评估动效生成。
今日看点
4 个章节 · 10 条情报- 01研究进展预测意外作为自锚定概念瓶颈的可解释时间序列分类3
- 02模型发布Gemini 4 Carbon 正式发布5
- 03安全微软披露 Lazarus 后门：改写休眠神经元可劫持 AI 智能体1
- 04开源项目蚂蚁灵波开源触觉预训练模型LingBot-Touch1
研究进展
RESEARCH3 篇预测意外作为自锚定概念瓶颈的可解释时间序列分类
论文提出 ConceptTime，一种面向时间序列的可解释分类框架。它用冻结的概率预测器计算「预测意外」（实际观测与预测分布的负对数似然），以此同时定位分段边界并刻画每段相对预期的行为特征，再聚类成「概念」词表，由轻量分类头基于概念序列做预测，并以到最近概念的距离作为可靠性度量。在 17 个公开基准上，其准确率与黑盒模型相当、优于所有可解释基线，在 Epilepsy 数据集仅用 1% 标签仍保持约 98% 准确率，且在 OOD 检测与删除忠实度上具竞争力，无需人工标注、大模型调用或领域专家。
奖励多样性助力个性化联邦强化学习中的探索
该论文研究个性化联邦强化学习中的奖励异质性问题，提出将奖励多样性视为促进探索的结构性资源而非障碍。作者提出PF-UCBVI算法，通过解耦共享动态与个性化目标实现最优线性加速；进而提出纯贪心的PF-EFVI算法，在奖励多样性假设下无需显式探索即可达到对数遗憾。实验验证了两种算法之间的相变现象，表明智能体目标分歧可将探索负担从时间维度转移到空间多样性上。
MotionGraphicsBench：用程序化验证评估 AI 动效生成
斯坦福大学与 Figma 联合发布 MotionGraphicsBench，一个包含 100 个专家精选任务的基准，用于评估 AI 模型对静态 SVG 矢量图形进行动画编辑的能力。评测覆盖 12 家提供商的 32 个专有与开源 LLM，在最高推理强度下仅 4 个模型 pass@1 超过 50%，GPT-6 Astra 以 67.7% 居首。该基准采用多智能体流水线构建的确定性验证程序自动评分，在 180 个留出动画上与人类判断一致率达 93.3%，高于 VLM 基线的 83.3%。
模型发布
MODEL RELEASE5 篇Gemini 4 Carbon 正式发布
Google DeepMind 发布 Gemini 4 Carbon，面向开发者、企业、科研人员和消费者开放，主打网络安全能力与长周期智能体工作流。Carbon 在 CursorBench 4.0、Perplexity WANDR、Zapier AutomationBench 等基准上排名第一，且单任务成本比次优外部模型低 2 倍以上。同时预览 Google Antigravity 中的 /swarm 功能，可将单个提示转化为可实时追踪的协作智能体团队。API 定价与 Gemini 4 Argon 相同，为每百万输入 token 2 美元、每百万输出 token 10 美元。
SilentVision-52M：面向512MiB边缘设备的阿英双语小模型
开发者 Youssef Mohamed Aly 在 Hugging Face 发布 SilentVision-52M，一个面向树莓派 Zero 2 W 等 512 MiB 内存极端边缘设备的阿英双语对话小模型。该模型从 Qwen2.5-0.5B 裁剪出 52M 参数、词表压缩至 8192，并配合多 LoRA 领域适配器、AST 符号计算引擎和 SQLite 磁盘知识检索。在实机测试中，Q4_K_M 量化版仅占 94.7 MB 内存、生成速度 14.28 tokens/s，约为 MobileLLM-143M 的两倍且内存占用低 60%。
NVIDIA 发布车载边缘推理驾驶模型 Alpamayo 2 Edge
NVIDIA 发布 Alpamayo 2 Edge，一款面向车载实时运行的自适应推理视觉-语言-动作（VLA）模型，基于 2B Nemotron 推理骨干与扩散动作专家，可在 NVIDIA DRIVE AGX Thor 上运行。该模型通过自适应推理、离线蒸馏、AlpaGym 闭环强化学习后训练及 DFlash2 投机解码等优化，在闭环驾驶性能上较最佳基线提升 48.9%。NVIDIA 同时介绍 AlpaJudge 评估与奖励模型，用于衡量推理质量、筛选训练数据并提供 RL 奖励。
英伟达发布 Nemotron-3.5-Super-VL-120B NVFP4 量化模型
NVIDIA 在 Hugging Face 发布 Nemotron-3.5-Super-VL-120B-A12B-NVFP4，这是其视觉语言模型 Nemotron 3.5 Super VL 的 NVFP4 量化版本，通过量化感知蒸馏从 BF16 版本压缩而来，以降低显存需求。模型采用 Mamba-2、MoE 与注意力混合架构，搭配 C-RADIO 视觉编码器，总参数 120B、激活参数 12B，支持最长 1M token 上下文及文本、图像、视频输入，并具备原生多 token 预测投机解码能力。该模型可商用，支持在 DGX Spark、RTX PRO 6000、H200、H100、GB200 等硬件上部署，面向文本与视觉语言智能体的高效部署场景。
Gemma 4 E2B 端侧量化版发布，支持 LiteRT-LM 多平台部署
Hugging Face 上发布了 litert-community/gemma-4-E2B-it-litert-lm，这是 Google Gemma 4 E2B 模型的量化版本，采用 .litertlm 格式，面向 Android、iOS、桌面、IoT 和 Web 端侧部署。该版本基于 LiteRT-LM 框架，使用 2bit/4bit/8bit 混合量化方案，纯文本场景权重内存占用可低至 0.8GB，视觉与音频模块按需加载以进一步降低内存。其目标是让用户在无网络连接的情况下本地运行生成式 AI，保障隐私。
安全
SECURITY1 篇微软披露 Lazarus 后门：改写休眠神经元可劫持 AI 智能体
微软研究院披露了一种名为 Lazarus 的后门技术：无需重新训练，仅通过改写大模型中不到 10 个休眠神经元，就能让 AI 智能体在隐藏触发条件（如日期变更）出现时执行攻击者命令，且仍能通过标准安全评估。该威胁对具备工具或终端访问权限的智能体尤为严重，微软 Foundry 已通过模型来源验证、容器扫描等措施防护，并正在开发权重扫描、红队工具和加密模型签名等新防御手段。研究还指出，该攻击只需对检查点有写权限，内部模型同样面临风险，因此权重完整性与来源追溯至关重要。
开源项目
OPEN SOURCE1 篇蚂蚁灵波开源触觉预训练模型LingBot-Touch
蚂蚁灵波开源了面向灵巧操作的触觉预训练基础模型LingBot-Touch，可统一处理压阻式、视触觉、磁触觉等不同传感器信号并编码为可复用的触觉Token。该模型用4983小时真实触觉数据自监督预训练，在Sharpa Wave和XHand1两款灵巧手、四种策略模型上完成26项真机任务，平均成功率普遍提升，其中LingBot-VLA在Sharpa Wave上从45.60%升至72.51%。此举补齐了蚂蚁灵波机器人通用大脑的触觉感知能力，有望降低跨硬件的数据采集与适配成本。