2026年8月18日星期二
PERIOD HIGHLIGHTS
INDUSTRY
据极客公园报道，问界品牌推出与华为联合设计的儿童玩具车，DeepSeek 从今日起实行涨价策略，另有一名大学生因使用 AI 人脸视频技术盗刷他人 5 万元而被判刑。此外，Anthropic 正加大在生物医学 AI 领域的投入，而某建模交易平台数据显示，AI 生成的 3D 模型销售额仅占其总销售额的 1%。
Anthropic 为 Claude 引入文本水印功能，旨在使 AI 生成的内容可被检测。但批评者质疑该技术是否真的不影响词汇选择，同时律师面临新的透明度难题。此消息由 The Decoder 于 2026 年 8 月 17 日报道。
RESEARCH
arXiv AI 2026年8月15日发布论文《Agentic-SQL Revisited》，重新审视LLM文本到SQL任务。研究将领域重新定义为排行榜聚合，收集作者报告的指标，并按推理自主性轴（受限、上下文、迭代、代理、推理内化）组织，提供可追溯来源。在Spider上对8B开源模型进行案例研究，对比有无链式思维监督及少样本DeepSeek V3、GLM-4基线，发现四个模式，并发布Python工具以支持后续方法添加。
一项研究探讨了颜色设计如何影响基础模型在地图上的空间推理能力。研究者构建了包含5760张地图和28800个问题的基准，评估了21个多模态基础模型，发现色相选择影响有限且不一致，而破坏顺序颜色排序会显著降低模型在比较和排序任务上的表现，降低明度对比度也会持续损害推理能力。
该研究评估了ChatGPT-5.2、DeepSeek-V3、Gemini 2.5 Flash、Claude Sonnet 4.5和M365 Copilot在初级面向对象编程课程中的表现。所有系统均超过学生平均水平，在长任务上常获满分，但仍有编译失败及处理接口、抽象类、继承和图像解释问题的不足，整体较上年有进步。
Ventor-QTest 是一种黑盒审计方法，用于验证第三方托管的 LLM API 质量。它通过重复请求重建输出分布，计算平均保真度损失（AFL）和极端保真度损失（EFL）。在两个实验中，AFL 与对数概率指标一致，EFL 与长任务性能下降相关，但均未显示与 GPQA-Diamond 准确率有显著关联。实现已开源。
arXiv AI 发表论文《A Policy Algebra for Trust-Preserving Agentic AI Execution》，提出一种策略代数，为基于大语言模型的智能体定义可靠性边界。该代数通过连接、交集、预算收窄、审批继承和证据累积等操作组合安全配置与运行时义务，确保智能体在身份、工具、数据、内存、预算等约束下完成任务。评估显示，其运行时拦截了94.8%的违规事件，任务完成率保持86.9%，并消除了特定违规，同时引入成本感知的工件物化，以在预算暴露时引导执行转向可恢复结果。