在最新揭晓的 ICML 26 中，清华大学团队的研究斩获了 Outstanding Paper Award（杰出论文奖）。

该研究聚焦于扩散语言模型（dLLM），尽管 dLLM 凭借无序生成与并行解码特性在自然语言处理领域大放异彩，但团队指出，该机制在处理数学和编程等一般推理任务时存在「灵活性陷阱（Flexibility Trap）」：无序生成会促使模型绕开高不确定性的逻辑词，从而限制了其推理潜力。

为此，团队提出 JustGRPO 模型。该方案摒弃了复杂的特定强化学习适配，在训练期直接引入自回归（AR）顺序与标准 GRPO 算法，并在推理期保留 dLLM 的并行解码优势。这种极简设计有效释放了模型的推理潜力，在 GSM8K 基准测试中取得了 89.1% 的准确率。

目前，HyperAI 超神经官网已上线了「JustGRPO：用标准 GRPO 解锁扩散语言模型推理能力」，快来试试吧~

论文题目：The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models

论文链接：https://go.hyper.ai/hM7mt

在线使用：https://go.hyper.ai/c1a0C

欢迎登录官网查看更多内容：

https://hyper.ai

7 月 04 日- 7 月 10 日，hyper.ai 官网更新速览：

*  优质公共数据集：10 个

*  优质教程精选：9 个

* 社区文章解读：1 篇

* 热门百科词条：5 条

* 7 月截稿顶会：3 个

访问官网：hyper.ai

公共数据集精选

1. Agents Last Exam 智能体长周期任务数据集

Agents Last Exam 是一个专注于评估计算机智能体在长周期专业工作中表现的任务数据集，旨在为智能体评估提供结构化描述，该数据集包含 Agents Last Exam（ALE）基准测试中的 153 个任务信息，涵盖任务标题、摘要、分类体系、完整指令提示词、必做动作清单、预期软件及输入文件描述符等数据。

在线使用：https://go.hyper.ai/p8Y8D

2. WGO-Bench 机器人视频基准数据集

WGO-Bench 是由 Macrodata_Labs 发布的机器人视频基准数据集，旨在评估视觉语言模型将机器人及第一人称操作视频转换为带时间戳的子任务标注的能力。该数据集主要面向边界检测与子任务标注两项任务，标注标签侧重于描述视频片段中可见的完整操作事件与状态变化。

在线使用：https://go.hyper.ai/TPr8O

3. RedlineBench 法律合同谈判基准数据集

RedlineBench 是由 Crosby 于 2026 年发布的法律合同谈判评估基准数据集，旨在衡量 AI 智能体在真实商业交易场景下的红笔批注与谈判决策能力。该数据集包含 140 个可运行的 Harbor 任务，覆盖 3 个多轮谈判场景，每个场景分为 4 个交替回合。

在线使用：https://go.hyper.ai/b2EzE

4. FIFA World Cup 2026 世界杯比赛数据集

FIFA World Cup 2026 是一个面向足球数据分析与机器学习建模的世界杯 2026 比赛数据集，旨在支持深度足球情报分析、统计建模与机器学习预测任务。该数据集包含结构化的比赛数据、球员数据以及球队数据三大核心部分，覆盖比赛级、球员级与球队级的多维统计信息。

在线使用：https://go.hyper.ai/idr4l

5. OmniVideo-100K 音视频推理指令数据集

OmniVideo-100K 是由南京大学联合中国科学院自动化研究所于 2026 年 6 月发布的一个针对多模态大语言模型进行指令微调的音视频推理数据集，旨在提升模型在长时程时序与跨模态依赖上的协同能力。该数据集包含源自 5,214 个 YouTube 视频的 100k 个问答对，涵盖 10 类音视频问答任务，分为对齐、理解与推理三个认知层级。

在线使用：https://go.hyper.ai/aJIuZ

6. Nemotron-SFT-SWE-v3 指令微调数据集

Nemotron-SFT-SWE-v3 是由 NVIDIA 于 2026 年发布的一个软件工程指令微调数据集，旨在提升大语言模型在 SWE-Bench 风格任务中的代码理解与修复能力。该数据集包含 237,970 条样本，数据来源于使用 OpenHands 、 SWE-agent 和 mini-SWE-agent 等多种代理框架收集的 agent 轨迹，并通过自动化与合成的方式进行采集与标注。

在线使用：https://go.hyper.ai/qOzpP

7. Open-SWE-Traces 智能体指令微调数据集

Open-SWE-Traces 是由 NVIDIA 于 2026 年发布的一个面向大语言模型智能体指令微调的数据集，旨在提升模型在软件工程领域的代码修复与多步工具调用能力。该数据集包含 207,489 条智能体交互轨迹，基于 Minimax-M2.5 与 Qwen3.5-122B-A10B 算法合成，使用 SWE-agent 与 OpenHands 框架收集，覆盖多种编程语言。

在线使用：https://go.hyper.ai/WckNP

8. RadImageNet-VQA 医学影像视觉问答数据集

RadImageNet-VQA 是一个用于放射学视觉问答（VQA）任务的大规模医学数据集，旨在提升医学多模态模型在 CT / MRI 影像中的视觉理解与问答推理能力，广泛应用于医学视觉问答任务、放射影像分析模型训练与评测、以及多模态医疗 AI 研究与应用开发。

在线使用：https://go.hyper.ai/WzGOV

9. AgentWorldBench 语言世界模型基准数据集

AgentWorldBench 是由 Qwen 于 2026 年发布的一个语言世界模型综合评估基准数据集，旨在评测语言世界模型的环境建模与推理能力。该数据集包含 2,170 条样本数据，平均交互轮次 22.8 轮，基于 Tool Decathlon 、 Terminal-Bench 1.0 / 2.0 和 OSWorld-Verified 等主流基准中的真实世界模型轨迹构建。

在线使用：https://go.hyper.ai/y1s1b

10. GeneBench-Pro Public Package 基因案例基准数据集

GeneBench-Pro Public Package 是由 OpenAI 发布的公开基因分析基准评测数据集，旨在为人工智能代理（AI Agents）在基因与生物医学领域提供可复现的科研案例研究评估环境。 该数据集包含 10 个面向基因组学与生物信息学领域的独立问题案例，覆盖统计遗传学、临床基因组学、群体遗传学、单细胞分析、三维基因组学及功能基因组学等领域。

在线使用：https://go.hyper.ai/qd9PF

公共教程精选

1. JustGRPO：用标准 GRPO 解锁扩散语言模型推理能力

JustGRPO 模型是由清华大学 LeapLab 团队于 2026 年 1 月发布，其核心特点与创新点为：一种极简的强化学习方法，在训练时将扩散语言模型（Diffusion LLM）当作标准自回归模型，直接应用 Group Relative Policy Optimization（GRPO），无需轨迹近似、无需边际似然估计、无需任何扩散专用适配，即可达到 SOTA 推理性能（GSM8K 89.1%）。 

在线运行：https://go.hyper.ai/c1a0C

2.  冠心病预测：基于弗雷明汉数据集

Framingham 是由美国国家心肺血液研究所于 1948 年 9 月发布的心脏病研究数据集，构建了多个机器学习分类模型来预测个体在未来 10 年内罹患冠心病（Coronary Heart Disease，CHD）的风险。项目完整覆盖了数据清洗、探索性数据分析、特征工程、类别不平衡处理、超参数调优和集成学习等关键步骤。

在线运行：https://go.hyper.ai/tMRDG

3. 遗传算法入门教程：基于自然选择的全局优化算法

遗传算法（Genetic Algorithm，GA）是一种受达尔文自然选择理论启发的优化算法。它模拟生物进化过程中的选择、交叉和变异等机制，在搜索空间中高效地寻找最优解。教程以通俗易懂的方式介绍了遗传算法的核心概念，并以 Sphere 函数优化为例，逐步演示了完整的 GA 流程。

在线运行：https://go.hyper.ai/Bm7Pr

4. Higgs Audio v3 TTS：对话式多语言语音合成模型

Higgs Audio v3 TTS 由 Boson AI 于 2026 年 6 月发布，是一款面向语音对话（Voice Agent）场景的对话式文本转语音模型。它基于约 4B 参数的自回归解码器，通过 Higgs Tokenizer 将语音编码为 8 个 codebook 、 25 fps 的离散音频 token，并以 24 kHz 采样率还原波形。模型支持 100+ 语言的零样本合成，可直接进行零样本声音克隆，并通过内联控制标签对情绪、风格、韵律、停顿与音效进行精细控制。

在线运行：https://go.hyper.ai/Sj9mk

5.  在 Shakespeare 数据集上用 nanoGPT 微调 GPT

nanoGPT Shakespeare 是基于 Andrej Karpathy 于 2023 年 1 月发布的 nanoGPT 项目构建的莎士比亚风格文本生成框架：它以 OpenAI 于 2019 年 2 月发布的 GPT-2（124M）为预训练基础，引入 Transformer 微调策略，可在消费级 GPU 上快速训练并生成具有莎士比亚风格的文本。

在线运行：https://go.hyper.ai/iqcyS

6. Segmentation-3.0：「Powerset」多说话人分割模型

Segmentation-3.0 由 pyannote 团队 于 2023 年 9 月发布，是一个基于 pyannote.audio 3.0.0 训练的轻量级 powerset speaker segmentation 模型，主要用于帧级别的语音分析任务。该模型接收 10 秒、 16kHz 、单声道音频 作为输入，并输出一个 多说话人分类矩阵。模型基于 PyanNet 架构，由 SincNet 、 LSTM 和 Linear 线性层 组成，参数量约为 1.47M 。

在线运行：https://go.hyper.ai/rXNuo

7. Qwythos-9B-Claude-Mythos-5-1M GGUF 推理部署

Qwythos-9B-Claude-Mythos-5-1M 是由 Empero 于 2026 年 6 月开发的推理型大语言模型，基于 Qwen3.5-9B 进行全参数后训练。该模型具备增强的推理能力，相比原始 Qwen3.5-9B 在 MMLU 上提升 34 分，gsm8k-strict 提升 30 分；支持原生函数调用，遵循 Qwen3.5 规范的 tool-call 格式；默认开启 YaRN rope-scaling，支持 1M 超长上下文；并继承 Qwen3.5-9B 的多模态视觉能力。模型无审查限制，可处理网络安全、生物医药等专业技术问题。

在线运行：https://go.hyper.ai/dxqRP

8. Jigsaw 非预期偏见毒性分类 — EDA 探索性数据分析教程

2018 年，Kaggle 与 Jigsaw 举办了有毒评论分类竞赛。但因训练数据不平衡，模型产生了非预期偏见，错误地将「gay」等身份词汇与毒性强行关联，导致中性言论被误判为有毒。为了解决这一问题，该团队发起了一场新竞赛，旨在消除对特定身份群体的偏见。

在线运行：https://go.hyper.ai/LnJ2r

9. Qwen-AgentWorld-35B-A3B：首个覆盖七大智能体交互域的语言世界模型

Qwen-AgentWorld-35B-A3B 是阿里巴巴集团同义千文团队于 2026 年 6 月发布的原生语言世界模型，并非传统的对话式大型语言模型。它基于 Qwen3.5-35B-A3B-Base 构建，以智能体的动作和交互历史作为输入，并通过长链推理预测下一个环境状态，从而模拟智能体的交互环境，例如终端、搜索和工具调用。

在线运行：https://go.hyper.ai/PbwGD

💡我们还建立了 Stable Diffusion 教程交流群，欢迎小伙伴们扫码备注【SD 教程】，入群探讨各类技术问题、分享应用效果~

社区文章解读

1. OpenAI 发布 GeneBench-Pro，在 129 个问题/10 个领域内评估 AI 科研能力

OpenAI 研究团队近日提出了 GeneBench 的更新版本 GeneBench-Pro，覆盖产业与学术相关的更广泛领域，不再局限于基因组学，而扩展至分子与定量生物学、药物基因组学、癌症生物学、微生物基因组学、临床转化等需要多阶段统计推理的场景。

查看完整报道：https://go.hyper.ai/yS7Cv

热门百科词条精选

1. 世界动作模型 WAM

2.  故障词元 Glitch Token

3. 调和平均 Harmonic Mean

4. 影子模式测试 Shadow Mode Testing

5.  贝叶斯模型平均 Bayes Model Averaging

这里汇编了数百条 AI 相关词条，让你在这里读懂「人工智能」：

https://go.hyper.ai/wiki

7 月截稿顶会

*  截稿时间为 AoE 时间

一站式追踪人工智能学术顶会：https://go.hyper.ai/event

以上就是本周编辑精选的全部内容，如果你有想要收录 hyper.ai 官方网站的资源，也欢迎留言或投稿告诉我们哦！

下周再见！

关于 HyperAI 超神经 (hyper.ai)

HyperAI 超神经 (hyper.ai) 是国内领先的人工智能及高性能计算社区，致力于成为国内数据科学领域的基础设施，为国内开发者提供丰富、优质的公共资源，截至目前已经：

* 为 2100+ 公开数据集提供国内加速下载节点

* 收录 700+ 经典及流行在线教程

* 解读 300+ AI4Science 论文案例

* 支持 700+ 相关词条查询

* 托管国内首个完整的 Apache TVM 中文文档

访问官网开启学习之旅：

https://hyper.ai