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