AI技术前沿动态简报（2026.07.16）

第1条英伟达发布 Audex 统一音频语言模型缓解多模态训练中的能力退化核心内容英伟达研究团队于 2026 年 7 月发布技术报告arXiv:2607.05196提出 Nemotron-Labs-Audex-30B-A3B简称 Audex。该模型采用单一 Transformer 解码器统一处理语音、音乐、环境声音的理解与生成以及对话、数学推理和代码编写在掌握音频能力的同时未出现文本推理与知识问答能力的明显下降。为什么重要多模态模型在新增音频能力后常伴随原有语言能力的退化灾难性遗忘。Audex 展示了在统一架构下兼顾音频模态与原有推理能力的可行路径对端侧语音助手的工程实现具有参考价值。信息来源arXiv | 2026-07第2条新加坡国立大学提出 dOPSD改进扩散大语言模型的推理训练核心内容新加坡国立大学研究团队于 2026 年 7 月发布预印本arXiv:2607.04428提出名为 dOPSD 的训练方法面向扩散大语言模型Diffusion LLM用于提升其在数学推理与代码生成等严密逻辑任务上的表现。该方法通过同时规避暴露偏差、强化学习概率计算困难与稀疏奖励三大训练瓶颈使扩散语言模型获得更深层的推理能力。为什么重要扩散语言模型以填空式并行生成区别于自回归模型但其推理能力训练长期受困。dOPSD 为这类非自回归生成范式提供了实用的强化学习训练路径。信息来源arXiv | 2026-07第3条Oracle 在 AI Agent Studio 中新增面向专业开发者的智能体构建器核心内容Oracle 于 2026 年 7 月 14 日宣布在 Oracle AI Agent Studio 内推出 AI 原生的 pro-code 构建体验允许专业开发者和编程智能体在 Fusion 应用内部创建并运行 Agentic 应用支持 VS Code、CLI 与 Git 等工作流。这些智能体仍运行在 Fusion 统一的治理与遥测体系之内。为什么重要该更新将智能体构建从低代码业务用户扩展到专业开发者使企业能在 ERP/HCM/SCM 等核心系统中以可控治理方式将重复性流程转化为结果驱动的智能体。信息来源Daily AI Agent News | 2026-07-14第4条模思智能发布 MOSS-VL 长视频理解与多说话人转写模型推进情境智能核心内容模思智能孵化于上海创智学院与复旦大学 OpenMOSS 团队邱锡鹏任首席科学家于 2026 年 7 月 14 日发布 MOSS-VL 长视频理解模型与 MOSS-Transcribe-Diarize 多说话人转写模型。其技术主线是将语音、音频、视觉等多模态信息汇入统一且持续延展的上下文从识别孤立内容转向理解连续、动态且相互关联的真实情境。为什么重要多模态研究的瓶颈正从接入更多模态转向统一情境理解。MOSS 系列将视频与音频理解推向物理世界的复杂交互场景对会议、直播等长程多源内容处理有实际意义。信息来源机器之心 | 2026-07-14第5条谷歌对 Gemini 3.5 Pro 实施全量重训放弃增量微调路线核心内容据 2026 年 7 月报道谷歌 Gemini 3.5 Pro 并非 Gemini 2.5 的增量升级而是从零开始进行全量重新预训练。谷歌评估认为旧基座在前端代码、SVG 矢量图生成、基础数学推理等领域存在代际级短板增量微调已无法补齐因此在预训练阶段即以更高权重注入核心场景的高质量语料。为什么重要当旧基座的历史噪声成为能力硬天花板时全量重训提供了更短、更确定的迭代路径。避免路径依赖正成为头部厂商下一轮基座迭代的方法论共识。信息来源行业技术分析 | 2026-07