史丹利官网

〖One〗，别再被带节奏！青海枸杞毁林占田？实地探访揭开真相-43ad2857

，系统综述259项工作：AI创作如何从「会生成」走到「能交付」？ 长文、网页、视频和代码经常停在这样的「半成品」状态：海报文案没有写错，却挤出了页面；网站首屏很漂亮，按钮点下去毫无反应；视频里的镜头单看都成立，连起来却丢了人物和节奏；程序刚修好一个模块，另一处又出现回归。 完整作品里的要求彼此牵连，问题又常常要到渲染、播放或运行后才暴露。修复过程需要定位问题、局部修改，并检查改动是否影响其他部分；整体重做会连带改掉已经完成的内容 来自香港科技大学（广州）、浙江大学、中国科学技术大学、清华大学、香港大学、悉尼大学和中山大学的研究团队，围绕作品的持续构造梳理了截至2026年8月20日的259项工作，其中包括230个系统和29个相关基准。 论文链接：https://arxiv.org/abs/2608.28122 项目主页：https://agentic-creation.github.io/ GitHub项目：https://github.com/GeminiLight/awesome-agentic-artifact-creation 传统生成系统大多沿着一条单向路径工作：接收指令，生成结果，然后结束。任务足够小、结果容易检查时，这种方式很有效。完整交付物则需要系统持续保留和修改作品状态。 一张科研海报的文案、图表和版式要互相配合；软件仓库中的代码、测试和文档要保持一致；长视频中的人物、叙事和时间线也不能各管一段。修改其中一处，旧的检查结果也可能随之失效。文案变长会挤压版面，数据改变会牵动图表和结论，接口调整会让测试与说明文档一起过期。 综述将Agentic Artifact Creation定义为一种持续构造过程：系统维护一个不断变化的可交付物，并根据中间结果决定下一步生成什么、修改哪里，以及何时停止。 图1｜直接生成沿固定路径得到结果；智能体式创作把作品状态、检查结果和后续修改连成一个循环。 论文将构造过程拆成三个功能角色：作品表示、构造策略和运行时验证。 论文图4｜Agentic Artifact Creation的功能架构。构造策略选择动作，作品表示提供可编辑的中间形态，运行时验证把观察转成反馈；满足标准后，系统交付作品。 作品表示（Operational Representation）保存当前作品的状态，也决定系统能改到多细。它可以是一份文档、一张场景图、一段可执行代码，也可以是带有图层、节点和依赖关系的结构化表示。系统若只能看到最终截图，很多问题就难以定位；文本块、页面组件或场景对象等可定位结构可以支持局部修复。 构造策略（Construction Policy）负责决定下一步做什么。它结合任务要求、当前状态和已经获得的反馈，选择继续生成、修改某个位置、调用工具、请求人工判断，或在证据足够时停止。 运行时验证（Runtime Verification）观察刚才的行动带来了什么结果。文本可以核对引用，页面需要渲染和点击，程序要编译和运行测试，音视频则要播放。检查结果会直接进入下一步决策。 明确完成标准 → 保留可定位的作品状态 → 验证当前结果 → 诊断问题 → 构造策略选择动作 → 执行局部修改 → 重新验证 组合性（Composability）：作品可以拆成边界清楚的部分，并通过明确的接口衔接。文案、图表和版式可以分别制作，需要时也能替换或调整顺序，组合后再检查是否彼此兼容。 可追溯性（Traceability）：系统记录要求、动作、作品状态和观察结果之间的关系。结果出现问题时，可以追到相关要求、改动和证据，也能说明一次决策是怎样形成的。 可修订性（Revisability）：验证结果能够指向受影响的部分，构造策略据此选择修改范围。修完后，系统重新检查相关依赖，并尽量保留已经通过的内容。 研究团队以最终交付的作品为中心，将现有工作分为六类：文本、二维视觉、音频、视频、空间作品，以及软件、网站、游戏和模拟等行为型作品。 图2｜文本与视觉作品可以直接阅读或渲染；音视频依赖时间播放；空间和行为型作品往往需要运行或交互后才能判断。 文本和二维视觉通常可以静态检查，句子、段落、图层和图形标记也较容易定位。难点是长距离一致性：改动前文的一项事实，可能要求后文的论证、图表和引用一起更新。 音频和视频需要沿时间序列检查。某个片段单独听起来没有问题，放回完整序列后却可能破坏节奏。视频还要同时处理画面、声音、字幕和镜头之间的关系，反馈通常要等到播放或渲染后才会出现。 空间作品要维护几何、语义部件和物理约束。行为型作品是否合格，则取决于代码、应用或模拟在一段交互过程中如何响应。执行路径越长，获得一组有代表性的观察就越贵，也越难把失败追溯到具体状态。 不同作品的构造难度取决于三个变量：决策之间的关联程度、错误何时可见，以及系统能否在保留已有成果的前提下局部修复。 把复杂任务拆成子任务，可以降低单步难度，也会增加协调成本。 一个Agent修改文案，另一个Agent负责页面，第三个Agent检查事实。如果文案变长，页面Agent是否知道版面已经失效？事实核查更新了一个数字，图表和结论是否会同步变化？每个Agent都完成自己的局部任务，最终结果仍可能互相冲突。 多Agent系统的难点在于共享状态、依赖关系和完成标准。拆得越细，协调、冲突处理和重新组装的成本越高。对于短小、容易验证的任务，一个能稳定调用工具的单Agent可能更加合适。 共享的作品表示把各个Agent的分工落到同一个可检查、可修改的交付物上，并维持局部结果之间的一致。 不少生成系统把评估收束为一个总分。总分适合比较结果，却很难指导修复：它通常不说明问题出现在哪里、由什么引起，也没有给出下一步可以执行的修改。 诊断粒度还必须和编辑粒度对得上。检查器发现整体叙事不连贯，系统却只能重写整篇文章；评估器发现视觉层级存在问题，编辑接口却只能重新生成整张图。反馈再准确，也很难变成可执行修复。 第一层是最终作品：要求是否满足，内容是否一致，放进真实场景后能不能完成预定用途。 第二层是构造轨迹：错误发现得够不够早，修复是否局部，已经通过的部分有没有被保留下来，过程中花了多少时间、模型调用和人工监督。 第三层是Agent系统本身：同一任务重复运行是否稳定，换一个起点会不会失灵，用户能否修改目标并保留控制，系统更新后是否出现回归。 图3｜先说明评估的是最终作品、构造轨迹还是Agent系统，再说明使用了什么证据、由谁判断，以及在怎样的协议下形成结论。 生成器和评价模型来自相近的模型家族时，可能共享知识缺口、审美偏好和判断盲区。增加LLM Judge的数量并不能保证证据彼此独立。 来源对照、结构化状态、渲染结果、运行行为、构造历史和用户结果属于不同的证据渠道；规则检查、专用模型、LLM Judge和人工评审则是不同的评价者。一次具体的评价信号来自证据渠道与评价者的组合。评估报告需要说明每一种信号能支持什么结论，也要保留彼此冲突的结果。 第一，把必须保留的要求写进作品状态。完成标准要和具体页面、段落、镜头、对象或测试建立联系，便于判断一次修改影响了哪些承诺。 第二，划清控制边界。系统的执行能力和决策权限是两回事。创意取舍、事实确认、对外发布和高后果操作需要不同级别的授权，置信度不能代替权限。 第三，让反馈能够导向修改。反馈需要连接证据、诊断和可执行动作；笼统评价或单一总分很难进入构造过程。 第四，修改后重新验证受影响的状态。改动会让旧证据过期。系统需要根据影响范围选择性重查，检查结果也要跟随作品版本更新。 控制会增加表示、验证和协调成本。采用构造循环时，需要确认中间观察能够改善后续决策，修改也能保留已经接受的成果。 全局一致性要求系统在拆分作品后还能重新合上。一个角色设定、设计规范或接口发生变化，影响可能穿过整件作品，系统需要显式维护这些依赖。 精准修复要求系统找到失败来源，只修改受影响的部分。检测到异常、定位原因和完成修复是三种不同能力，不能用一个最终成功率代替。 系统自进化关注跨任务留下来的变化。一次作品修改只改变当前结果；新的策略、工具或记忆需要经过独立验证、版本管理和回滚，才能成为可复用能力。 持续个性化要区分稳定偏好、项目承诺、暂定选择和不确定推断。每条记录需要标明状态、适用范围和版本，并允许用户检查、纠正或撤回。一个项目里的偏好不应自动带到另一个项目。 人类决策权限需要落实到具体行动：谁可以批准，批准发生在什么条件下，系统拿到的是哪一级权限。能力边界和授权边界必须分开。 开放式成果的可靠评估承认一个任务可能有多个好答案。评估协议需要记录哪些标准一开始就固定，哪些偏好在看过中间结果后才出现，以及由谁解释这些变化。 论文思维导图｜从生成模型与Agent架构出发，依次讨论智能体式创作范式、六类作品、应用、评估、四项设计原则与六个未来方向。 语料包括259项工作：230个系统和29个基准。除了六类作品，研究团队还把应用场景与评估方式拆成独立维度，避免把作品类型、应用场景和评估方式混进同一套分类。 其中251项能够归入一个主要作品类别；另有8项是跨多种交付物的应用工作流系统。 259项工作 = 230个系统 + 29个基准(251项进入六类作品视图，另8项为应用工作流系统) 应用场景图｜创意生产、品牌传播、教育支持、专业工作、科学研究与工程设计，对作品提出不同的验收要求。 作品类别回答「最终交付什么」，应用场景则关注「作品用于什么目标、由谁验收」。主要验收依据从创作者与受众体验，逐步延伸到品牌要求、学习结果、决策有效性、科学证据，以及测试和物理有效性。 配套的Awesome项目可按作品类型和应用场景浏览，覆盖代码Agent、自动化设计、科学写作、视频制作、3D场景、游戏与模拟等方向。阅读相关工作时，可以比较系统保存的作品状态、使用的验证证据、错误定位方式和修复后的重验范围。 交付质量取决于要求能否持续满足、修改能否定位到具体位置、失败后能否修复，以及系统能否提供足够的验证证据。 复杂Agent适用于中间观察能够改变后续行动、已经完成的部分可以保留、系统有明确停止与交接条件的任务。迭代次数不能单独证明系统具备这些能力。 评估同时覆盖三层对象：最终作品是否达标，构造轨迹是否有效，Agent系统是否可靠且可控。 https://arxiv.org/abs/2608.28122 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. 新智元 2026-09-07 12:31:36 华尔街见闻官方 2026-09-07 15:31:28 36氪 2026-09-07 18:35:06 爱范儿 2026-09-08 11:11:10 钛媒体APP 2026-09-08 06:56:07 新智元 2026-09-08 11:46:09 机器之心Pro 2026-09-08 10:53:15 新智元 2026-09-08 11:46:03 量子位 2026-08-06 20:00:27 量子位 2026-07-26 04:39:09 量子位 2026-06-07 04:37:43 量子位 2026-05-21 08:04:06 量子位 2026-04-23 11:44:18 大大的丸子 2026-09-06 10:55:59 机器之心Pro 2026-09-08 10:05:07 量子位 2026-09-08 10:10:47 36氪 2026-09-08 08:40:05 人民资讯 2026-09-07 21:04:04 算力游侠 2026-09-07 19:08:40 猫meme团子 2026-09-06 01:57:16 鲁中晨报 2026-09-05 17:14:04 林十六 2026-09-06 13:34:09 医咖会 2026-08-04 19:40:46 界面新闻 2026-09-07 20:15:59 上观新闻 2026-09-08 09:04:25 琴琴有氧运动 2026-09-07 00:20:34 甜心萌物酱i 2026-09-05 12:19:58 扬子晚报 2026-09-08 07:20:10 澎湃新闻 2026-09-07 22:05:05 鲁中晨报 2026-09-06 15:47:03 新京报 2026-09-08 08:06:25 机器之心Pro 2026-09-07 09:52:04 香蕉唠生活 2026-09-07 02:14:48 南方都市报 2026-09-06 15:29:22 上观新闻 2026-09-07 14:45:34 掌上金牛 2026-09-06 13:20:03 看看新闻Knews 2026-09-07 23:08:28 重庆观天下 2026-09-06 17:48:52 数字生命卡兹克 2026-09-08 08:22:05 南方都市报 2026-09-07 14:44:06
〖Two〗，向光而行》将联动赣南、延安和北京三地演出，系统综述259项工作：AI创作如何从「会生成」走到「能交付」？ 长文、网页、视频和代码经常停在这样的「半成品」状态：海报文案没有写错，却挤出了页面；网站首屏很漂亮，按钮点下去毫无反应；视频里的镜头单看都成立，连起来却丢了人物和节奏；程序刚修好一个模块，另一处又出现回归。 完整作品里的要求彼此牵连，问题又常常要到渲染、播放或运行后才暴露。修复过程需要定位问题、局部修改，并检查改动是否影响其他部分；整体重做会连带改掉已经完成的内容 来自香港科技大学（广州）、浙江大学、中国科学技术大学、清华大学、香港大学、悉尼大学和中山大学的研究团队，围绕作品的持续构造梳理了截至2026年8月20日的259项工作，其中包括230个系统和29个相关基准。 论文链接：https://arxiv.org/abs/2608.28122 项目主页：https://agentic-creation.github.io/ GitHub项目：https://github.com/GeminiLight/awesome-agentic-artifact-creation 传统生成系统大多沿着一条单向路径工作：接收指令，生成结果，然后结束。任务足够小、结果容易检查时，这种方式很有效。完整交付物则需要系统持续保留和修改作品状态。 一张科研海报的文案、图表和版式要互相配合；软件仓库中的代码、测试和文档要保持一致；长视频中的人物、叙事和时间线也不能各管一段。修改其中一处，旧的检查结果也可能随之失效。文案变长会挤压版面，数据改变会牵动图表和结论，接口调整会让测试与说明文档一起过期。 综述将Agentic Artifact Creation定义为一种持续构造过程：系统维护一个不断变化的可交付物，并根据中间结果决定下一步生成什么、修改哪里，以及何时停止。 图1｜直接生成沿固定路径得到结果；智能体式创作把作品状态、检查结果和后续修改连成一个循环。 论文将构造过程拆成三个功能角色：作品表示、构造策略和运行时验证。 论文图4｜Agentic Artifact Creation的功能架构。构造策略选择动作，作品表示提供可编辑的中间形态，运行时验证把观察转成反馈；满足标准后，系统交付作品。 作品表示（Operational Representation）保存当前作品的状态，也决定系统能改到多细。它可以是一份文档、一张场景图、一段可执行代码，也可以是带有图层、节点和依赖关系的结构化表示。系统若只能看到最终截图，很多问题就难以定位；文本块、页面组件或场景对象等可定位结构可以支持局部修复。 构造策略（Construction Policy）负责决定下一步做什么。它结合任务要求、当前状态和已经获得的反馈，选择继续生成、修改某个位置、调用工具、请求人工判断，或在证据足够时停止。 运行时验证（Runtime Verification）观察刚才的行动带来了什么结果。文本可以核对引用，页面需要渲染和点击，程序要编译和运行测试，音视频则要播放。检查结果会直接进入下一步决策。 明确完成标准 → 保留可定位的作品状态 → 验证当前结果 → 诊断问题 → 构造策略选择动作 → 执行局部修改 → 重新验证 组合性（Composability）：作品可以拆成边界清楚的部分，并通过明确的接口衔接。文案、图表和版式可以分别制作，需要时也能替换或调整顺序，组合后再检查是否彼此兼容。 可追溯性（Traceability）：系统记录要求、动作、作品状态和观察结果之间的关系。结果出现问题时，可以追到相关要求、改动和证据，也能说明一次决策是怎样形成的。 可修订性（Revisability）：验证结果能够指向受影响的部分，构造策略据此选择修改范围。修完后，系统重新检查相关依赖，并尽量保留已经通过的内容。 研究团队以最终交付的作品为中心，将现有工作分为六类：文本、二维视觉、音频、视频、空间作品，以及软件、网站、游戏和模拟等行为型作品。 图2｜文本与视觉作品可以直接阅读或渲染；音视频依赖时间播放；空间和行为型作品往往需要运行或交互后才能判断。 文本和二维视觉通常可以静态检查，句子、段落、图层和图形标记也较容易定位。难点是长距离一致性：改动前文的一项事实，可能要求后文的论证、图表和引用一起更新。 音频和视频需要沿时间序列检查。某个片段单独听起来没有问题，放回完整序列后却可能破坏节奏。视频还要同时处理画面、声音、字幕和镜头之间的关系，反馈通常要等到播放或渲染后才会出现。 空间作品要维护几何、语义部件和物理约束。行为型作品是否合格，则取决于代码、应用或模拟在一段交互过程中如何响应。执行路径越长，获得一组有代表性的观察就越贵，也越难把失败追溯到具体状态。 不同作品的构造难度取决于三个变量：决策之间的关联程度、错误何时可见，以及系统能否在保留已有成果的前提下局部修复。 把复杂任务拆成子任务，可以降低单步难度，也会增加协调成本。 一个Agent修改文案，另一个Agent负责页面，第三个Agent检查事实。如果文案变长，页面Agent是否知道版面已经失效？事实核查更新了一个数字，图表和结论是否会同步变化？每个Agent都完成自己的局部任务，最终结果仍可能互相冲突。 多Agent系统的难点在于共享状态、依赖关系和完成标准。拆得越细，协调、冲突处理和重新组装的成本越高。对于短小、容易验证的任务，一个能稳定调用工具的单Agent可能更加合适。 共享的作品表示把各个Agent的分工落到同一个可检查、可修改的交付物上，并维持局部结果之间的一致。 不少生成系统把评估收束为一个总分。总分适合比较结果，却很难指导修复：它通常不说明问题出现在哪里、由什么引起，也没有给出下一步可以执行的修改。 诊断粒度还必须和编辑粒度对得上。检查器发现整体叙事不连贯，系统却只能重写整篇文章；评估器发现视觉层级存在问题，编辑接口却只能重新生成整张图。反馈再准确，也很难变成可执行修复。 第一层是最终作品：要求是否满足，内容是否一致，放进真实场景后能不能完成预定用途。 第二层是构造轨迹：错误发现得够不够早，修复是否局部，已经通过的部分有没有被保留下来，过程中花了多少时间、模型调用和人工监督。 第三层是Agent系统本身：同一任务重复运行是否稳定，换一个起点会不会失灵，用户能否修改目标并保留控制，系统更新后是否出现回归。 图3｜先说明评估的是最终作品、构造轨迹还是Agent系统，再说明使用了什么证据、由谁判断，以及在怎样的协议下形成结论。 生成器和评价模型来自相近的模型家族时，可能共享知识缺口、审美偏好和判断盲区。增加LLM Judge的数量并不能保证证据彼此独立。 来源对照、结构化状态、渲染结果、运行行为、构造历史和用户结果属于不同的证据渠道；规则检查、专用模型、LLM Judge和人工评审则是不同的评价者。一次具体的评价信号来自证据渠道与评价者的组合。评估报告需要说明每一种信号能支持什么结论，也要保留彼此冲突的结果。 第一，把必须保留的要求写进作品状态。完成标准要和具体页面、段落、镜头、对象或测试建立联系，便于判断一次修改影响了哪些承诺。 第二，划清控制边界。系统的执行能力和决策权限是两回事。创意取舍、事实确认、对外发布和高后果操作需要不同级别的授权，置信度不能代替权限。 第三，让反馈能够导向修改。反馈需要连接证据、诊断和可执行动作；笼统评价或单一总分很难进入构造过程。 第四，修改后重新验证受影响的状态。改动会让旧证据过期。系统需要根据影响范围选择性重查，检查结果也要跟随作品版本更新。 控制会增加表示、验证和协调成本。采用构造循环时，需要确认中间观察能够改善后续决策，修改也能保留已经接受的成果。 全局一致性要求系统在拆分作品后还能重新合上。一个角色设定、设计规范或接口发生变化，影响可能穿过整件作品，系统需要显式维护这些依赖。 精准修复要求系统找到失败来源，只修改受影响的部分。检测到异常、定位原因和完成修复是三种不同能力，不能用一个最终成功率代替。 系统自进化关注跨任务留下来的变化。一次作品修改只改变当前结果；新的策略、工具或记忆需要经过独立验证、版本管理和回滚，才能成为可复用能力。 持续个性化要区分稳定偏好、项目承诺、暂定选择和不确定推断。每条记录需要标明状态、适用范围和版本，并允许用户检查、纠正或撤回。一个项目里的偏好不应自动带到另一个项目。 人类决策权限需要落实到具体行动：谁可以批准，批准发生在什么条件下，系统拿到的是哪一级权限。能力边界和授权边界必须分开。 开放式成果的可靠评估承认一个任务可能有多个好答案。评估协议需要记录哪些标准一开始就固定，哪些偏好在看过中间结果后才出现，以及由谁解释这些变化。 论文思维导图｜从生成模型与Agent架构出发，依次讨论智能体式创作范式、六类作品、应用、评估、四项设计原则与六个未来方向。 语料包括259项工作：230个系统和29个基准。除了六类作品，研究团队还把应用场景与评估方式拆成独立维度，避免把作品类型、应用场景和评估方式混进同一套分类。 其中251项能够归入一个主要作品类别；另有8项是跨多种交付物的应用工作流系统。 259项工作 = 230个系统 + 29个基准(251项进入六类作品视图，另8项为应用工作流系统) 应用场景图｜创意生产、品牌传播、教育支持、专业工作、科学研究与工程设计，对作品提出不同的验收要求。 作品类别回答「最终交付什么」，应用场景则关注「作品用于什么目标、由谁验收」。主要验收依据从创作者与受众体验，逐步延伸到品牌要求、学习结果、决策有效性、科学证据，以及测试和物理有效性。 配套的Awesome项目可按作品类型和应用场景浏览，覆盖代码Agent、自动化设计、科学写作、视频制作、3D场景、游戏与模拟等方向。阅读相关工作时，可以比较系统保存的作品状态、使用的验证证据、错误定位方式和修复后的重验范围。 交付质量取决于要求能否持续满足、修改能否定位到具体位置、失败后能否修复，以及系统能否提供足够的验证证据。 复杂Agent适用于中间观察能够改变后续行动、已经完成的部分可以保留、系统有明确停止与交接条件的任务。迭代次数不能单独证明系统具备这些能力。 评估同时覆盖三层对象：最终作品是否达标，构造轨迹是否有效，Agent系统是否可靠且可控。 https://arxiv.org/abs/2608.28122 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. 新智元 2026-09-07 12:31:36 华尔街见闻官方 2026-09-07 15:31:28 36氪 2026-09-07 18:35:06 爱范儿 2026-09-08 11:11:10 钛媒体APP 2026-09-08 06:56:07 新智元 2026-09-08 11:46:09 机器之心Pro 2026-09-08 10:53:15 新智元 2026-09-08 11:46:03 量子位 2026-08-06 20:00:27 量子位 2026-07-26 04:39:09 量子位 2026-06-07 04:37:43 量子位 2026-05-21 08:04:06 量子位 2026-04-23 11:44:18 大大的丸子 2026-09-06 10:55:59 机器之心Pro 2026-09-08 10:05:07 量子位 2026-09-08 10:10:47 36氪 2026-09-08 08:40:05 人民资讯 2026-09-07 21:04:04 算力游侠 2026-09-07 19:08:40 猫meme团子 2026-09-06 01:57:16 鲁中晨报 2026-09-05 17:14:04 林十六 2026-09-06 13:34:09 医咖会 2026-08-04 19:40:46 界面新闻 2026-09-07 20:15:59 上观新闻 2026-09-08 09:04:25 琴琴有氧运动 2026-09-07 00:20:34 甜心萌物酱i 2026-09-05 12:19:58 扬子晚报 2026-09-08 07:20:10 澎湃新闻 2026-09-07 22:05:05 鲁中晨报 2026-09-06 15:47:03 新京报 2026-09-08 08:06:25 机器之心Pro 2026-09-07 09:52:04 香蕉唠生活 2026-09-07 02:14:48 南方都市报 2026-09-06 15:29:22 上观新闻 2026-09-07 14:45:34 掌上金牛 2026-09-06 13:20:03 看看新闻Knews 2026-09-07 23:08:28 重庆观天下 2026-09-06 17:48:52 数字生命卡兹克 2026-09-08 08:22:05 南方都市报 2026-09-07 14:44:06
〖Three〗，韩国国家超算6号机12月投运，剑指全球前十-4fec7f33，系统综述259项工作：AI创作如何从「会生成」走到「能交付」？ 长文、网页、视频和代码经常停在这样的「半成品」状态：海报文案没有写错，却挤出了页面；网站首屏很漂亮，按钮点下去毫无反应；视频里的镜头单看都成立，连起来却丢了人物和节奏；程序刚修好一个模块，另一处又出现回归。 完整作品里的要求彼此牵连，问题又常常要到渲染、播放或运行后才暴露。修复过程需要定位问题、局部修改，并检查改动是否影响其他部分；整体重做会连带改掉已经完成的内容 来自香港科技大学（广州）、浙江大学、中国科学技术大学、清华大学、香港大学、悉尼大学和中山大学的研究团队，围绕作品的持续构造梳理了截至2026年8月20日的259项工作，其中包括230个系统和29个相关基准。 论文链接：https://arxiv.org/abs/2608.28122 项目主页：https://agentic-creation.github.io/ GitHub项目：https://github.com/GeminiLight/awesome-agentic-artifact-creation 传统生成系统大多沿着一条单向路径工作：接收指令，生成结果，然后结束。任务足够小、结果容易检查时，这种方式很有效。完整交付物则需要系统持续保留和修改作品状态。 一张科研海报的文案、图表和版式要互相配合；软件仓库中的代码、测试和文档要保持一致；长视频中的人物、叙事和时间线也不能各管一段。修改其中一处，旧的检查结果也可能随之失效。文案变长会挤压版面，数据改变会牵动图表和结论，接口调整会让测试与说明文档一起过期。 综述将Agentic Artifact Creation定义为一种持续构造过程：系统维护一个不断变化的可交付物，并根据中间结果决定下一步生成什么、修改哪里，以及何时停止。 图1｜直接生成沿固定路径得到结果；智能体式创作把作品状态、检查结果和后续修改连成一个循环。 论文将构造过程拆成三个功能角色：作品表示、构造策略和运行时验证。 论文图4｜Agentic Artifact Creation的功能架构。构造策略选择动作，作品表示提供可编辑的中间形态，运行时验证把观察转成反馈；满足标准后，系统交付作品。 作品表示（Operational Representation）保存当前作品的状态，也决定系统能改到多细。它可以是一份文档、一张场景图、一段可执行代码，也可以是带有图层、节点和依赖关系的结构化表示。系统若只能看到最终截图，很多问题就难以定位；文本块、页面组件或场景对象等可定位结构可以支持局部修复。 构造策略（Construction Policy）负责决定下一步做什么。它结合任务要求、当前状态和已经获得的反馈，选择继续生成、修改某个位置、调用工具、请求人工判断，或在证据足够时停止。 运行时验证（Runtime Verification）观察刚才的行动带来了什么结果。文本可以核对引用，页面需要渲染和点击，程序要编译和运行测试，音视频则要播放。检查结果会直接进入下一步决策。 明确完成标准 → 保留可定位的作品状态 → 验证当前结果 → 诊断问题 → 构造策略选择动作 → 执行局部修改 → 重新验证 组合性（Composability）：作品可以拆成边界清楚的部分，并通过明确的接口衔接。文案、图表和版式可以分别制作，需要时也能替换或调整顺序，组合后再检查是否彼此兼容。 可追溯性（Traceability）：系统记录要求、动作、作品状态和观察结果之间的关系。结果出现问题时，可以追到相关要求、改动和证据，也能说明一次决策是怎样形成的。 可修订性（Revisability）：验证结果能够指向受影响的部分，构造策略据此选择修改范围。修完后，系统重新检查相关依赖，并尽量保留已经通过的内容。 研究团队以最终交付的作品为中心，将现有工作分为六类：文本、二维视觉、音频、视频、空间作品，以及软件、网站、游戏和模拟等行为型作品。 图2｜文本与视觉作品可以直接阅读或渲染；音视频依赖时间播放；空间和行为型作品往往需要运行或交互后才能判断。 文本和二维视觉通常可以静态检查，句子、段落、图层和图形标记也较容易定位。难点是长距离一致性：改动前文的一项事实，可能要求后文的论证、图表和引用一起更新。 音频和视频需要沿时间序列检查。某个片段单独听起来没有问题，放回完整序列后却可能破坏节奏。视频还要同时处理画面、声音、字幕和镜头之间的关系，反馈通常要等到播放或渲染后才会出现。 空间作品要维护几何、语义部件和物理约束。行为型作品是否合格，则取决于代码、应用或模拟在一段交互过程中如何响应。执行路径越长，获得一组有代表性的观察就越贵，也越难把失败追溯到具体状态。 不同作品的构造难度取决于三个变量：决策之间的关联程度、错误何时可见，以及系统能否在保留已有成果的前提下局部修复。 把复杂任务拆成子任务，可以降低单步难度，也会增加协调成本。 一个Agent修改文案，另一个Agent负责页面，第三个Agent检查事实。如果文案变长，页面Agent是否知道版面已经失效？事实核查更新了一个数字，图表和结论是否会同步变化？每个Agent都完成自己的局部任务，最终结果仍可能互相冲突。 多Agent系统的难点在于共享状态、依赖关系和完成标准。拆得越细，协调、冲突处理和重新组装的成本越高。对于短小、容易验证的任务，一个能稳定调用工具的单Agent可能更加合适。 共享的作品表示把各个Agent的分工落到同一个可检查、可修改的交付物上，并维持局部结果之间的一致。 不少生成系统把评估收束为一个总分。总分适合比较结果，却很难指导修复：它通常不说明问题出现在哪里、由什么引起，也没有给出下一步可以执行的修改。 诊断粒度还必须和编辑粒度对得上。检查器发现整体叙事不连贯，系统却只能重写整篇文章；评估器发现视觉层级存在问题，编辑接口却只能重新生成整张图。反馈再准确，也很难变成可执行修复。 第一层是最终作品：要求是否满足，内容是否一致，放进真实场景后能不能完成预定用途。 第二层是构造轨迹：错误发现得够不够早，修复是否局部，已经通过的部分有没有被保留下来，过程中花了多少时间、模型调用和人工监督。 第三层是Agent系统本身：同一任务重复运行是否稳定，换一个起点会不会失灵，用户能否修改目标并保留控制，系统更新后是否出现回归。 图3｜先说明评估的是最终作品、构造轨迹还是Agent系统，再说明使用了什么证据、由谁判断，以及在怎样的协议下形成结论。 生成器和评价模型来自相近的模型家族时，可能共享知识缺口、审美偏好和判断盲区。增加LLM Judge的数量并不能保证证据彼此独立。 来源对照、结构化状态、渲染结果、运行行为、构造历史和用户结果属于不同的证据渠道；规则检查、专用模型、LLM Judge和人工评审则是不同的评价者。一次具体的评价信号来自证据渠道与评价者的组合。评估报告需要说明每一种信号能支持什么结论，也要保留彼此冲突的结果。 第一，把必须保留的要求写进作品状态。完成标准要和具体页面、段落、镜头、对象或测试建立联系，便于判断一次修改影响了哪些承诺。 第二，划清控制边界。系统的执行能力和决策权限是两回事。创意取舍、事实确认、对外发布和高后果操作需要不同级别的授权，置信度不能代替权限。 第三，让反馈能够导向修改。反馈需要连接证据、诊断和可执行动作；笼统评价或单一总分很难进入构造过程。 第四，修改后重新验证受影响的状态。改动会让旧证据过期。系统需要根据影响范围选择性重查，检查结果也要跟随作品版本更新。 控制会增加表示、验证和协调成本。采用构造循环时，需要确认中间观察能够改善后续决策，修改也能保留已经接受的成果。 全局一致性要求系统在拆分作品后还能重新合上。一个角色设定、设计规范或接口发生变化，影响可能穿过整件作品，系统需要显式维护这些依赖。 精准修复要求系统找到失败来源，只修改受影响的部分。检测到异常、定位原因和完成修复是三种不同能力，不能用一个最终成功率代替。 系统自进化关注跨任务留下来的变化。一次作品修改只改变当前结果；新的策略、工具或记忆需要经过独立验证、版本管理和回滚，才能成为可复用能力。 持续个性化要区分稳定偏好、项目承诺、暂定选择和不确定推断。每条记录需要标明状态、适用范围和版本，并允许用户检查、纠正或撤回。一个项目里的偏好不应自动带到另一个项目。 人类决策权限需要落实到具体行动：谁可以批准，批准发生在什么条件下，系统拿到的是哪一级权限。能力边界和授权边界必须分开。 开放式成果的可靠评估承认一个任务可能有多个好答案。评估协议需要记录哪些标准一开始就固定，哪些偏好在看过中间结果后才出现，以及由谁解释这些变化。 论文思维导图｜从生成模型与Agent架构出发，依次讨论智能体式创作范式、六类作品、应用、评估、四项设计原则与六个未来方向。 语料包括259项工作：230个系统和29个基准。除了六类作品，研究团队还把应用场景与评估方式拆成独立维度，避免把作品类型、应用场景和评估方式混进同一套分类。 其中251项能够归入一个主要作品类别；另有8项是跨多种交付物的应用工作流系统。 259项工作 = 230个系统 + 29个基准(251项进入六类作品视图，另8项为应用工作流系统) 应用场景图｜创意生产、品牌传播、教育支持、专业工作、科学研究与工程设计，对作品提出不同的验收要求。 作品类别回答「最终交付什么」，应用场景则关注「作品用于什么目标、由谁验收」。主要验收依据从创作者与受众体验，逐步延伸到品牌要求、学习结果、决策有效性、科学证据，以及测试和物理有效性。 配套的Awesome项目可按作品类型和应用场景浏览，覆盖代码Agent、自动化设计、科学写作、视频制作、3D场景、游戏与模拟等方向。阅读相关工作时，可以比较系统保存的作品状态、使用的验证证据、错误定位方式和修复后的重验范围。 交付质量取决于要求能否持续满足、修改能否定位到具体位置、失败后能否修复，以及系统能否提供足够的验证证据。 复杂Agent适用于中间观察能够改变后续行动、已经完成的部分可以保留、系统有明确停止与交接条件的任务。迭代次数不能单独证明系统具备这些能力。 评估同时覆盖三层对象：最终作品是否达标，构造轨迹是否有效，Agent系统是否可靠且可控。 https://arxiv.org/abs/2608.28122 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. 新智元 2026-09-07 12:31:36 华尔街见闻官方 2026-09-07 15:31:28 36氪 2026-09-07 18:35:06 爱范儿 2026-09-08 11:11:10 钛媒体APP 2026-09-08 06:56:07 新智元 2026-09-08 11:46:09 机器之心Pro 2026-09-08 10:53:15 新智元 2026-09-08 11:46:03 量子位 2026-08-06 20:00:27 量子位 2026-07-26 04:39:09 量子位 2026-06-07 04:37:43 量子位 2026-05-21 08:04:06 量子位 2026-04-23 11:44:18 大大的丸子 2026-09-06 10:55:59 机器之心Pro 2026-09-08 10:05:07 量子位 2026-09-08 10:10:47 36氪 2026-09-08 08:40:05 人民资讯 2026-09-07 21:04:04 算力游侠 2026-09-07 19:08:40 猫meme团子 2026-09-06 01:57:16 鲁中晨报 2026-09-05 17:14:04 林十六 2026-09-06 13:34:09 医咖会 2026-08-04 19:40:46 界面新闻 2026-09-07 20:15:59 上观新闻 2026-09-08 09:04:25 琴琴有氧运动 2026-09-07 00:20:34 甜心萌物酱i 2026-09-05 12:19:58 扬子晚报 2026-09-08 07:20:10 澎湃新闻 2026-09-07 22:05:05 鲁中晨报 2026-09-06 15:47:03 新京报 2026-09-08 08:06:25 机器之心Pro 2026-09-07 09:52:04 香蕉唠生活 2026-09-07 02:14:48 南方都市报 2026-09-06 15:29:22 上观新闻 2026-09-07 14:45:34 掌上金牛 2026-09-06 13:20:03 看看新闻Knews 2026-09-07 23:08:28 重庆观天下 2026-09-06 17:48:52 数字生命卡兹克 2026-09-08 08:22:05 南方都市报 2026-09-07 14:44:06
〖Four〗，教育强国建设持续推进 基础教育高质量发展呈现新实践-newsfa2d1a96a6b16105，系统综述259项工作：AI创作如何从「会生成」走到「能交付」？ 长文、网页、视频和代码经常停在这样的「半成品」状态：海报文案没有写错，却挤出了页面；网站首屏很漂亮，按钮点下去毫无反应；视频里的镜头单看都成立，连起来却丢了人物和节奏；程序刚修好一个模块，另一处又出现回归。 完整作品里的要求彼此牵连，问题又常常要到渲染、播放或运行后才暴露。修复过程需要定位问题、局部修改，并检查改动是否影响其他部分；整体重做会连带改掉已经完成的内容 来自香港科技大学（广州）、浙江大学、中国科学技术大学、清华大学、香港大学、悉尼大学和中山大学的研究团队，围绕作品的持续构造梳理了截至2026年8月20日的259项工作，其中包括230个系统和29个相关基准。 论文链接：https://arxiv.org/abs/2608.28122 项目主页：https://agentic-creation.github.io/ GitHub项目：https://github.com/GeminiLight/awesome-agentic-artifact-creation 传统生成系统大多沿着一条单向路径工作：接收指令，生成结果，然后结束。任务足够小、结果容易检查时，这种方式很有效。完整交付物则需要系统持续保留和修改作品状态。 一张科研海报的文案、图表和版式要互相配合；软件仓库中的代码、测试和文档要保持一致；长视频中的人物、叙事和时间线也不能各管一段。修改其中一处，旧的检查结果也可能随之失效。文案变长会挤压版面，数据改变会牵动图表和结论，接口调整会让测试与说明文档一起过期。 综述将Agentic Artifact Creation定义为一种持续构造过程：系统维护一个不断变化的可交付物，并根据中间结果决定下一步生成什么、修改哪里，以及何时停止。 图1｜直接生成沿固定路径得到结果；智能体式创作把作品状态、检查结果和后续修改连成一个循环。 论文将构造过程拆成三个功能角色：作品表示、构造策略和运行时验证。 论文图4｜Agentic Artifact Creation的功能架构。构造策略选择动作，作品表示提供可编辑的中间形态，运行时验证把观察转成反馈；满足标准后，系统交付作品。 作品表示（Operational Representation）保存当前作品的状态，也决定系统能改到多细。它可以是一份文档、一张场景图、一段可执行代码，也可以是带有图层、节点和依赖关系的结构化表示。系统若只能看到最终截图，很多问题就难以定位；文本块、页面组件或场景对象等可定位结构可以支持局部修复。 构造策略（Construction Policy）负责决定下一步做什么。它结合任务要求、当前状态和已经获得的反馈，选择继续生成、修改某个位置、调用工具、请求人工判断，或在证据足够时停止。 运行时验证（Runtime Verification）观察刚才的行动带来了什么结果。文本可以核对引用，页面需要渲染和点击，程序要编译和运行测试，音视频则要播放。检查结果会直接进入下一步决策。 明确完成标准 → 保留可定位的作品状态 → 验证当前结果 → 诊断问题 → 构造策略选择动作 → 执行局部修改 → 重新验证 组合性（Composability）：作品可以拆成边界清楚的部分，并通过明确的接口衔接。文案、图表和版式可以分别制作，需要时也能替换或调整顺序，组合后再检查是否彼此兼容。 可追溯性（Traceability）：系统记录要求、动作、作品状态和观察结果之间的关系。结果出现问题时，可以追到相关要求、改动和证据，也能说明一次决策是怎样形成的。 可修订性（Revisability）：验证结果能够指向受影响的部分，构造策略据此选择修改范围。修完后，系统重新检查相关依赖，并尽量保留已经通过的内容。 研究团队以最终交付的作品为中心，将现有工作分为六类：文本、二维视觉、音频、视频、空间作品，以及软件、网站、游戏和模拟等行为型作品。 图2｜文本与视觉作品可以直接阅读或渲染；音视频依赖时间播放；空间和行为型作品往往需要运行或交互后才能判断。 文本和二维视觉通常可以静态检查，句子、段落、图层和图形标记也较容易定位。难点是长距离一致性：改动前文的一项事实，可能要求后文的论证、图表和引用一起更新。 音频和视频需要沿时间序列检查。某个片段单独听起来没有问题，放回完整序列后却可能破坏节奏。视频还要同时处理画面、声音、字幕和镜头之间的关系，反馈通常要等到播放或渲染后才会出现。 空间作品要维护几何、语义部件和物理约束。行为型作品是否合格，则取决于代码、应用或模拟在一段交互过程中如何响应。执行路径越长，获得一组有代表性的观察就越贵，也越难把失败追溯到具体状态。 不同作品的构造难度取决于三个变量：决策之间的关联程度、错误何时可见，以及系统能否在保留已有成果的前提下局部修复。 把复杂任务拆成子任务，可以降低单步难度，也会增加协调成本。 一个Agent修改文案，另一个Agent负责页面，第三个Agent检查事实。如果文案变长，页面Agent是否知道版面已经失效？事实核查更新了一个数字，图表和结论是否会同步变化？每个Agent都完成自己的局部任务，最终结果仍可能互相冲突。 多Agent系统的难点在于共享状态、依赖关系和完成标准。拆得越细，协调、冲突处理和重新组装的成本越高。对于短小、容易验证的任务，一个能稳定调用工具的单Agent可能更加合适。 共享的作品表示把各个Agent的分工落到同一个可检查、可修改的交付物上，并维持局部结果之间的一致。 不少生成系统把评估收束为一个总分。总分适合比较结果，却很难指导修复：它通常不说明问题出现在哪里、由什么引起，也没有给出下一步可以执行的修改。 诊断粒度还必须和编辑粒度对得上。检查器发现整体叙事不连贯，系统却只能重写整篇文章；评估器发现视觉层级存在问题，编辑接口却只能重新生成整张图。反馈再准确，也很难变成可执行修复。 第一层是最终作品：要求是否满足，内容是否一致，放进真实场景后能不能完成预定用途。 第二层是构造轨迹：错误发现得够不够早，修复是否局部，已经通过的部分有没有被保留下来，过程中花了多少时间、模型调用和人工监督。 第三层是Agent系统本身：同一任务重复运行是否稳定，换一个起点会不会失灵，用户能否修改目标并保留控制，系统更新后是否出现回归。 图3｜先说明评估的是最终作品、构造轨迹还是Agent系统，再说明使用了什么证据、由谁判断，以及在怎样的协议下形成结论。 生成器和评价模型来自相近的模型家族时，可能共享知识缺口、审美偏好和判断盲区。增加LLM Judge的数量并不能保证证据彼此独立。 来源对照、结构化状态、渲染结果、运行行为、构造历史和用户结果属于不同的证据渠道；规则检查、专用模型、LLM Judge和人工评审则是不同的评价者。一次具体的评价信号来自证据渠道与评价者的组合。评估报告需要说明每一种信号能支持什么结论，也要保留彼此冲突的结果。 第一，把必须保留的要求写进作品状态。完成标准要和具体页面、段落、镜头、对象或测试建立联系，便于判断一次修改影响了哪些承诺。 第二，划清控制边界。系统的执行能力和决策权限是两回事。创意取舍、事实确认、对外发布和高后果操作需要不同级别的授权，置信度不能代替权限。 第三，让反馈能够导向修改。反馈需要连接证据、诊断和可执行动作；笼统评价或单一总分很难进入构造过程。 第四，修改后重新验证受影响的状态。改动会让旧证据过期。系统需要根据影响范围选择性重查，检查结果也要跟随作品版本更新。 控制会增加表示、验证和协调成本。采用构造循环时，需要确认中间观察能够改善后续决策，修改也能保留已经接受的成果。 全局一致性要求系统在拆分作品后还能重新合上。一个角色设定、设计规范或接口发生变化，影响可能穿过整件作品，系统需要显式维护这些依赖。 精准修复要求系统找到失败来源，只修改受影响的部分。检测到异常、定位原因和完成修复是三种不同能力，不能用一个最终成功率代替。 系统自进化关注跨任务留下来的变化。一次作品修改只改变当前结果；新的策略、工具或记忆需要经过独立验证、版本管理和回滚，才能成为可复用能力。 持续个性化要区分稳定偏好、项目承诺、暂定选择和不确定推断。每条记录需要标明状态、适用范围和版本，并允许用户检查、纠正或撤回。一个项目里的偏好不应自动带到另一个项目。 人类决策权限需要落实到具体行动：谁可以批准，批准发生在什么条件下，系统拿到的是哪一级权限。能力边界和授权边界必须分开。 开放式成果的可靠评估承认一个任务可能有多个好答案。评估协议需要记录哪些标准一开始就固定，哪些偏好在看过中间结果后才出现，以及由谁解释这些变化。 论文思维导图｜从生成模型与Agent架构出发，依次讨论智能体式创作范式、六类作品、应用、评估、四项设计原则与六个未来方向。 语料包括259项工作：230个系统和29个基准。除了六类作品，研究团队还把应用场景与评估方式拆成独立维度，避免把作品类型、应用场景和评估方式混进同一套分类。 其中251项能够归入一个主要作品类别；另有8项是跨多种交付物的应用工作流系统。 259项工作 = 230个系统 + 29个基准(251项进入六类作品视图，另8项为应用工作流系统) 应用场景图｜创意生产、品牌传播、教育支持、专业工作、科学研究与工程设计，对作品提出不同的验收要求。 作品类别回答「最终交付什么」，应用场景则关注「作品用于什么目标、由谁验收」。主要验收依据从创作者与受众体验，逐步延伸到品牌要求、学习结果、决策有效性、科学证据，以及测试和物理有效性。 配套的Awesome项目可按作品类型和应用场景浏览，覆盖代码Agent、自动化设计、科学写作、视频制作、3D场景、游戏与模拟等方向。阅读相关工作时，可以比较系统保存的作品状态、使用的验证证据、错误定位方式和修复后的重验范围。 交付质量取决于要求能否持续满足、修改能否定位到具体位置、失败后能否修复，以及系统能否提供足够的验证证据。 复杂Agent适用于中间观察能够改变后续行动、已经完成的部分可以保留、系统有明确停止与交接条件的任务。迭代次数不能单独证明系统具备这些能力。 评估同时覆盖三层对象：最终作品是否达标，构造轨迹是否有效，Agent系统是否可靠且可控。 https://arxiv.org/abs/2608.28122 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. 新智元 2026-09-07 12:31:36 华尔街见闻官方 2026-09-07 15:31:28 36氪 2026-09-07 18:35:06 爱范儿 2026-09-08 11:11:10 钛媒体APP 2026-09-08 06:56:07 新智元 2026-09-08 11:46:09 机器之心Pro 2026-09-08 10:53:15 新智元 2026-09-08 11:46:03 量子位 2026-08-06 20:00:27 量子位 2026-07-26 04:39:09 量子位 2026-06-07 04:37:43 量子位 2026-05-21 08:04:06 量子位 2026-04-23 11:44:18 大大的丸子 2026-09-06 10:55:59 机器之心Pro 2026-09-08 10:05:07 量子位 2026-09-08 10:10:47 36氪 2026-09-08 08:40:05 人民资讯 2026-09-07 21:04:04 算力游侠 2026-09-07 19:08:40 猫meme团子 2026-09-06 01:57:16 鲁中晨报 2026-09-05 17:14:04 林十六 2026-09-06 13:34:09 医咖会 2026-08-04 19:40:46 界面新闻 2026-09-07 20:15:59 上观新闻 2026-09-08 09:04:25 琴琴有氧运动 2026-09-07 00:20:34 甜心萌物酱i 2026-09-05 12:19:58 扬子晚报 2026-09-08 07:20:10 澎湃新闻 2026-09-07 22:05:05 鲁中晨报 2026-09-06 15:47:03 新京报 2026-09-08 08:06:25 机器之心Pro 2026-09-07 09:52:04 香蕉唠生活 2026-09-07 02:14:48 南方都市报 2026-09-06 15:29:22 上观新闻 2026-09-07 14:45:34 掌上金牛 2026-09-06 13:20:03 看看新闻Knews 2026-09-07 23:08:28 重庆观天下 2026-09-06 17:48:52 数字生命卡兹克 2026-09-08 08:22:05 南方都市报 2026-09-07 14:44:06
〖Five〗，京东云与摩尔线程共建十万卡国产智算集群-fc93f112，系统综述259项工作：AI创作如何从「会生成」走到「能交付」？ 长文、网页、视频和代码经常停在这样的「半成品」状态：海报文案没有写错，却挤出了页面；网站首屏很漂亮，按钮点下去毫无反应；视频里的镜头单看都成立，连起来却丢了人物和节奏；程序刚修好一个模块，另一处又出现回归。 完整作品里的要求彼此牵连，问题又常常要到渲染、播放或运行后才暴露。修复过程需要定位问题、局部修改，并检查改动是否影响其他部分；整体重做会连带改掉已经完成的内容 来自香港科技大学（广州）、浙江大学、中国科学技术大学、清华大学、香港大学、悉尼大学和中山大学的研究团队，围绕作品的持续构造梳理了截至2026年8月20日的259项工作，其中包括230个系统和29个相关基准。 论文链接：https://arxiv.org/abs/2608.28122 项目主页：https://agentic-creation.github.io/ GitHub项目：https://github.com/GeminiLight/awesome-agentic-artifact-creation 传统生成系统大多沿着一条单向路径工作：接收指令，生成结果，然后结束。任务足够小、结果容易检查时，这种方式很有效。完整交付物则需要系统持续保留和修改作品状态。 一张科研海报的文案、图表和版式要互相配合；软件仓库中的代码、测试和文档要保持一致；长视频中的人物、叙事和时间线也不能各管一段。修改其中一处，旧的检查结果也可能随之失效。文案变长会挤压版面，数据改变会牵动图表和结论，接口调整会让测试与说明文档一起过期。 综述将Agentic Artifact Creation定义为一种持续构造过程：系统维护一个不断变化的可交付物，并根据中间结果决定下一步生成什么、修改哪里，以及何时停止。 图1｜直接生成沿固定路径得到结果；智能体式创作把作品状态、检查结果和后续修改连成一个循环。 论文将构造过程拆成三个功能角色：作品表示、构造策略和运行时验证。 论文图4｜Agentic Artifact Creation的功能架构。构造策略选择动作，作品表示提供可编辑的中间形态，运行时验证把观察转成反馈；满足标准后，系统交付作品。 作品表示（Operational Representation）保存当前作品的状态，也决定系统能改到多细。它可以是一份文档、一张场景图、一段可执行代码，也可以是带有图层、节点和依赖关系的结构化表示。系统若只能看到最终截图，很多问题就难以定位；文本块、页面组件或场景对象等可定位结构可以支持局部修复。 构造策略（Construction Policy）负责决定下一步做什么。它结合任务要求、当前状态和已经获得的反馈，选择继续生成、修改某个位置、调用工具、请求人工判断，或在证据足够时停止。 运行时验证（Runtime Verification）观察刚才的行动带来了什么结果。文本可以核对引用，页面需要渲染和点击，程序要编译和运行测试，音视频则要播放。检查结果会直接进入下一步决策。 明确完成标准 → 保留可定位的作品状态 → 验证当前结果 → 诊断问题 → 构造策略选择动作 → 执行局部修改 → 重新验证 组合性（Composability）：作品可以拆成边界清楚的部分，并通过明确的接口衔接。文案、图表和版式可以分别制作，需要时也能替换或调整顺序，组合后再检查是否彼此兼容。 可追溯性（Traceability）：系统记录要求、动作、作品状态和观察结果之间的关系。结果出现问题时，可以追到相关要求、改动和证据，也能说明一次决策是怎样形成的。 可修订性（Revisability）：验证结果能够指向受影响的部分，构造策略据此选择修改范围。修完后，系统重新检查相关依赖，并尽量保留已经通过的内容。 研究团队以最终交付的作品为中心，将现有工作分为六类：文本、二维视觉、音频、视频、空间作品，以及软件、网站、游戏和模拟等行为型作品。 图2｜文本与视觉作品可以直接阅读或渲染；音视频依赖时间播放；空间和行为型作品往往需要运行或交互后才能判断。 文本和二维视觉通常可以静态检查，句子、段落、图层和图形标记也较容易定位。难点是长距离一致性：改动前文的一项事实，可能要求后文的论证、图表和引用一起更新。 音频和视频需要沿时间序列检查。某个片段单独听起来没有问题，放回完整序列后却可能破坏节奏。视频还要同时处理画面、声音、字幕和镜头之间的关系，反馈通常要等到播放或渲染后才会出现。 空间作品要维护几何、语义部件和物理约束。行为型作品是否合格，则取决于代码、应用或模拟在一段交互过程中如何响应。执行路径越长，获得一组有代表性的观察就越贵，也越难把失败追溯到具体状态。 不同作品的构造难度取决于三个变量：决策之间的关联程度、错误何时可见，以及系统能否在保留已有成果的前提下局部修复。 把复杂任务拆成子任务，可以降低单步难度，也会增加协调成本。 一个Agent修改文案，另一个Agent负责页面，第三个Agent检查事实。如果文案变长，页面Agent是否知道版面已经失效？事实核查更新了一个数字，图表和结论是否会同步变化？每个Agent都完成自己的局部任务，最终结果仍可能互相冲突。 多Agent系统的难点在于共享状态、依赖关系和完成标准。拆得越细，协调、冲突处理和重新组装的成本越高。对于短小、容易验证的任务，一个能稳定调用工具的单Agent可能更加合适。 共享的作品表示把各个Agent的分工落到同一个可检查、可修改的交付物上，并维持局部结果之间的一致。 不少生成系统把评估收束为一个总分。总分适合比较结果，却很难指导修复：它通常不说明问题出现在哪里、由什么引起，也没有给出下一步可以执行的修改。 诊断粒度还必须和编辑粒度对得上。检查器发现整体叙事不连贯，系统却只能重写整篇文章；评估器发现视觉层级存在问题，编辑接口却只能重新生成整张图。反馈再准确，也很难变成可执行修复。 第一层是最终作品：要求是否满足，内容是否一致，放进真实场景后能不能完成预定用途。 第二层是构造轨迹：错误发现得够不够早，修复是否局部，已经通过的部分有没有被保留下来，过程中花了多少时间、模型调用和人工监督。 第三层是Agent系统本身：同一任务重复运行是否稳定，换一个起点会不会失灵，用户能否修改目标并保留控制，系统更新后是否出现回归。 图3｜先说明评估的是最终作品、构造轨迹还是Agent系统，再说明使用了什么证据、由谁判断，以及在怎样的协议下形成结论。 生成器和评价模型来自相近的模型家族时，可能共享知识缺口、审美偏好和判断盲区。增加LLM Judge的数量并不能保证证据彼此独立。 来源对照、结构化状态、渲染结果、运行行为、构造历史和用户结果属于不同的证据渠道；规则检查、专用模型、LLM Judge和人工评审则是不同的评价者。一次具体的评价信号来自证据渠道与评价者的组合。评估报告需要说明每一种信号能支持什么结论，也要保留彼此冲突的结果。 第一，把必须保留的要求写进作品状态。完成标准要和具体页面、段落、镜头、对象或测试建立联系，便于判断一次修改影响了哪些承诺。 第二，划清控制边界。系统的执行能力和决策权限是两回事。创意取舍、事实确认、对外发布和高后果操作需要不同级别的授权，置信度不能代替权限。 第三，让反馈能够导向修改。反馈需要连接证据、诊断和可执行动作；笼统评价或单一总分很难进入构造过程。 第四，修改后重新验证受影响的状态。改动会让旧证据过期。系统需要根据影响范围选择性重查，检查结果也要跟随作品版本更新。 控制会增加表示、验证和协调成本。采用构造循环时，需要确认中间观察能够改善后续决策，修改也能保留已经接受的成果。 全局一致性要求系统在拆分作品后还能重新合上。一个角色设定、设计规范或接口发生变化，影响可能穿过整件作品，系统需要显式维护这些依赖。 精准修复要求系统找到失败来源，只修改受影响的部分。检测到异常、定位原因和完成修复是三种不同能力，不能用一个最终成功率代替。 系统自进化关注跨任务留下来的变化。一次作品修改只改变当前结果；新的策略、工具或记忆需要经过独立验证、版本管理和回滚，才能成为可复用能力。 持续个性化要区分稳定偏好、项目承诺、暂定选择和不确定推断。每条记录需要标明状态、适用范围和版本，并允许用户检查、纠正或撤回。一个项目里的偏好不应自动带到另一个项目。 人类决策权限需要落实到具体行动：谁可以批准，批准发生在什么条件下，系统拿到的是哪一级权限。能力边界和授权边界必须分开。 开放式成果的可靠评估承认一个任务可能有多个好答案。评估协议需要记录哪些标准一开始就固定，哪些偏好在看过中间结果后才出现，以及由谁解释这些变化。 论文思维导图｜从生成模型与Agent架构出发，依次讨论智能体式创作范式、六类作品、应用、评估、四项设计原则与六个未来方向。 语料包括259项工作：230个系统和29个基准。除了六类作品，研究团队还把应用场景与评估方式拆成独立维度，避免把作品类型、应用场景和评估方式混进同一套分类。 其中251项能够归入一个主要作品类别；另有8项是跨多种交付物的应用工作流系统。 259项工作 = 230个系统 + 29个基准(251项进入六类作品视图，另8项为应用工作流系统) 应用场景图｜创意生产、品牌传播、教育支持、专业工作、科学研究与工程设计，对作品提出不同的验收要求。 作品类别回答「最终交付什么」，应用场景则关注「作品用于什么目标、由谁验收」。主要验收依据从创作者与受众体验，逐步延伸到品牌要求、学习结果、决策有效性、科学证据，以及测试和物理有效性。 配套的Awesome项目可按作品类型和应用场景浏览，覆盖代码Agent、自动化设计、科学写作、视频制作、3D场景、游戏与模拟等方向。阅读相关工作时，可以比较系统保存的作品状态、使用的验证证据、错误定位方式和修复后的重验范围。 交付质量取决于要求能否持续满足、修改能否定位到具体位置、失败后能否修复，以及系统能否提供足够的验证证据。 复杂Agent适用于中间观察能够改变后续行动、已经完成的部分可以保留、系统有明确停止与交接条件的任务。迭代次数不能单独证明系统具备这些能力。 评估同时覆盖三层对象：最终作品是否达标，构造轨迹是否有效，Agent系统是否可靠且可控。 https://arxiv.org/abs/2608.28122 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. 新智元 2026-09-07 12:31:36 华尔街见闻官方 2026-09-07 15:31:28 36氪 2026-09-07 18:35:06 爱范儿 2026-09-08 11:11:10 钛媒体APP 2026-09-08 06:56:07 新智元 2026-09-08 11:46:09 机器之心Pro 2026-09-08 10:53:15 新智元 2026-09-08 11:46:03 量子位 2026-08-06 20:00:27 量子位 2026-07-26 04:39:09 量子位 2026-06-07 04:37:43 量子位 2026-05-21 08:04:06 量子位 2026-04-23 11:44:18 大大的丸子 2026-09-06 10:55:59 机器之心Pro 2026-09-08 10:05:07 量子位 2026-09-08 10:10:47 36氪 2026-09-08 08:40:05 人民资讯 2026-09-07 21:04:04 算力游侠 2026-09-07 19:08:40 猫meme团子 2026-09-06 01:57:16 鲁中晨报 2026-09-05 17:14:04 林十六 2026-09-06 13:34:09 医咖会 2026-08-04 19:40:46 界面新闻 2026-09-07 20:15:59 上观新闻 2026-09-08 09:04:25 琴琴有氧运动 2026-09-07 00:20:34 甜心萌物酱i 2026-09-05 12:19:58 扬子晚报 2026-09-08 07:20:10 澎湃新闻 2026-09-07 22:05:05 鲁中晨报 2026-09-06 15:47:03 新京报 2026-09-08 08:06:25 机器之心Pro 2026-09-07 09:52:04 香蕉唠生活 2026-09-07 02:14:48 南方都市报 2026-09-06 15:29:22 上观新闻 2026-09-07 14:45:34 掌上金牛 2026-09-06 13:20:03 看看新闻Knews 2026-09-07 23:08:28 重庆观天下 2026-09-06 17:48:52 数字生命卡兹克 2026-09-08 08:22:05 南方都市报 2026-09-07 14:44:06
〖Six〗，文胖：部分老板对快船处罚大为震惊 鲍尔默已失去同行支持-59d9b387，系统综述259项工作：AI创作如何从「会生成」走到「能交付」？ 长文、网页、视频和代码经常停在这样的「半成品」状态：海报文案没有写错，却挤出了页面；网站首屏很漂亮，按钮点下去毫无反应；视频里的镜头单看都成立，连起来却丢了人物和节奏；程序刚修好一个模块，另一处又出现回归。 完整作品里的要求彼此牵连，问题又常常要到渲染、播放或运行后才暴露。修复过程需要定位问题、局部修改，并检查改动是否影响其他部分；整体重做会连带改掉已经完成的内容 来自香港科技大学（广州）、浙江大学、中国科学技术大学、清华大学、香港大学、悉尼大学和中山大学的研究团队，围绕作品的持续构造梳理了截至2026年8月20日的259项工作，其中包括230个系统和29个相关基准。 论文链接：https://arxiv.org/abs/2608.28122 项目主页：https://agentic-creation.github.io/ GitHub项目：https://github.com/GeminiLight/awesome-agentic-artifact-creation 传统生成系统大多沿着一条单向路径工作：接收指令，生成结果，然后结束。任务足够小、结果容易检查时，这种方式很有效。完整交付物则需要系统持续保留和修改作品状态。 一张科研海报的文案、图表和版式要互相配合；软件仓库中的代码、测试和文档要保持一致；长视频中的人物、叙事和时间线也不能各管一段。修改其中一处，旧的检查结果也可能随之失效。文案变长会挤压版面，数据改变会牵动图表和结论，接口调整会让测试与说明文档一起过期。 综述将Agentic Artifact Creation定义为一种持续构造过程：系统维护一个不断变化的可交付物，并根据中间结果决定下一步生成什么、修改哪里，以及何时停止。 图1｜直接生成沿固定路径得到结果；智能体式创作把作品状态、检查结果和后续修改连成一个循环。 论文将构造过程拆成三个功能角色：作品表示、构造策略和运行时验证。 论文图4｜Agentic Artifact Creation的功能架构。构造策略选择动作，作品表示提供可编辑的中间形态，运行时验证把观察转成反馈；满足标准后，系统交付作品。 作品表示（Operational Representation）保存当前作品的状态，也决定系统能改到多细。它可以是一份文档、一张场景图、一段可执行代码，也可以是带有图层、节点和依赖关系的结构化表示。系统若只能看到最终截图，很多问题就难以定位；文本块、页面组件或场景对象等可定位结构可以支持局部修复。 构造策略（Construction Policy）负责决定下一步做什么。它结合任务要求、当前状态和已经获得的反馈，选择继续生成、修改某个位置、调用工具、请求人工判断，或在证据足够时停止。 运行时验证（Runtime Verification）观察刚才的行动带来了什么结果。文本可以核对引用，页面需要渲染和点击，程序要编译和运行测试，音视频则要播放。检查结果会直接进入下一步决策。 明确完成标准 → 保留可定位的作品状态 → 验证当前结果 → 诊断问题 → 构造策略选择动作 → 执行局部修改 → 重新验证 组合性（Composability）：作品可以拆成边界清楚的部分，并通过明确的接口衔接。文案、图表和版式可以分别制作，需要时也能替换或调整顺序，组合后再检查是否彼此兼容。 可追溯性（Traceability）：系统记录要求、动作、作品状态和观察结果之间的关系。结果出现问题时，可以追到相关要求、改动和证据，也能说明一次决策是怎样形成的。 可修订性（Revisability）：验证结果能够指向受影响的部分，构造策略据此选择修改范围。修完后，系统重新检查相关依赖，并尽量保留已经通过的内容。 研究团队以最终交付的作品为中心，将现有工作分为六类：文本、二维视觉、音频、视频、空间作品，以及软件、网站、游戏和模拟等行为型作品。 图2｜文本与视觉作品可以直接阅读或渲染；音视频依赖时间播放；空间和行为型作品往往需要运行或交互后才能判断。 文本和二维视觉通常可以静态检查，句子、段落、图层和图形标记也较容易定位。难点是长距离一致性：改动前文的一项事实，可能要求后文的论证、图表和引用一起更新。 音频和视频需要沿时间序列检查。某个片段单独听起来没有问题，放回完整序列后却可能破坏节奏。视频还要同时处理画面、声音、字幕和镜头之间的关系，反馈通常要等到播放或渲染后才会出现。 空间作品要维护几何、语义部件和物理约束。行为型作品是否合格，则取决于代码、应用或模拟在一段交互过程中如何响应。执行路径越长，获得一组有代表性的观察就越贵，也越难把失败追溯到具体状态。 不同作品的构造难度取决于三个变量：决策之间的关联程度、错误何时可见，以及系统能否在保留已有成果的前提下局部修复。 把复杂任务拆成子任务，可以降低单步难度，也会增加协调成本。 一个Agent修改文案，另一个Agent负责页面，第三个Agent检查事实。如果文案变长，页面Agent是否知道版面已经失效？事实核查更新了一个数字，图表和结论是否会同步变化？每个Agent都完成自己的局部任务，最终结果仍可能互相冲突。 多Agent系统的难点在于共享状态、依赖关系和完成标准。拆得越细，协调、冲突处理和重新组装的成本越高。对于短小、容易验证的任务，一个能稳定调用工具的单Agent可能更加合适。 共享的作品表示把各个Agent的分工落到同一个可检查、可修改的交付物上，并维持局部结果之间的一致。 不少生成系统把评估收束为一个总分。总分适合比较结果，却很难指导修复：它通常不说明问题出现在哪里、由什么引起，也没有给出下一步可以执行的修改。 诊断粒度还必须和编辑粒度对得上。检查器发现整体叙事不连贯，系统却只能重写整篇文章；评估器发现视觉层级存在问题，编辑接口却只能重新生成整张图。反馈再准确，也很难变成可执行修复。 第一层是最终作品：要求是否满足，内容是否一致，放进真实场景后能不能完成预定用途。 第二层是构造轨迹：错误发现得够不够早，修复是否局部，已经通过的部分有没有被保留下来，过程中花了多少时间、模型调用和人工监督。 第三层是Agent系统本身：同一任务重复运行是否稳定，换一个起点会不会失灵，用户能否修改目标并保留控制，系统更新后是否出现回归。 图3｜先说明评估的是最终作品、构造轨迹还是Agent系统，再说明使用了什么证据、由谁判断，以及在怎样的协议下形成结论。 生成器和评价模型来自相近的模型家族时，可能共享知识缺口、审美偏好和判断盲区。增加LLM Judge的数量并不能保证证据彼此独立。 来源对照、结构化状态、渲染结果、运行行为、构造历史和用户结果属于不同的证据渠道；规则检查、专用模型、LLM Judge和人工评审则是不同的评价者。一次具体的评价信号来自证据渠道与评价者的组合。评估报告需要说明每一种信号能支持什么结论，也要保留彼此冲突的结果。 第一，把必须保留的要求写进作品状态。完成标准要和具体页面、段落、镜头、对象或测试建立联系，便于判断一次修改影响了哪些承诺。 第二，划清控制边界。系统的执行能力和决策权限是两回事。创意取舍、事实确认、对外发布和高后果操作需要不同级别的授权，置信度不能代替权限。 第三，让反馈能够导向修改。反馈需要连接证据、诊断和可执行动作；笼统评价或单一总分很难进入构造过程。 第四，修改后重新验证受影响的状态。改动会让旧证据过期。系统需要根据影响范围选择性重查，检查结果也要跟随作品版本更新。 控制会增加表示、验证和协调成本。采用构造循环时，需要确认中间观察能够改善后续决策，修改也能保留已经接受的成果。 全局一致性要求系统在拆分作品后还能重新合上。一个角色设定、设计规范或接口发生变化，影响可能穿过整件作品，系统需要显式维护这些依赖。 精准修复要求系统找到失败来源，只修改受影响的部分。检测到异常、定位原因和完成修复是三种不同能力，不能用一个最终成功率代替。 系统自进化关注跨任务留下来的变化。一次作品修改只改变当前结果；新的策略、工具或记忆需要经过独立验证、版本管理和回滚，才能成为可复用能力。 持续个性化要区分稳定偏好、项目承诺、暂定选择和不确定推断。每条记录需要标明状态、适用范围和版本，并允许用户检查、纠正或撤回。一个项目里的偏好不应自动带到另一个项目。 人类决策权限需要落实到具体行动：谁可以批准，批准发生在什么条件下，系统拿到的是哪一级权限。能力边界和授权边界必须分开。 开放式成果的可靠评估承认一个任务可能有多个好答案。评估协议需要记录哪些标准一开始就固定，哪些偏好在看过中间结果后才出现，以及由谁解释这些变化。 论文思维导图｜从生成模型与Agent架构出发，依次讨论智能体式创作范式、六类作品、应用、评估、四项设计原则与六个未来方向。 语料包括259项工作：230个系统和29个基准。除了六类作品，研究团队还把应用场景与评估方式拆成独立维度，避免把作品类型、应用场景和评估方式混进同一套分类。 其中251项能够归入一个主要作品类别；另有8项是跨多种交付物的应用工作流系统。 259项工作 = 230个系统 + 29个基准(251项进入六类作品视图，另8项为应用工作流系统) 应用场景图｜创意生产、品牌传播、教育支持、专业工作、科学研究与工程设计，对作品提出不同的验收要求。 作品类别回答「最终交付什么」，应用场景则关注「作品用于什么目标、由谁验收」。主要验收依据从创作者与受众体验，逐步延伸到品牌要求、学习结果、决策有效性、科学证据，以及测试和物理有效性。 配套的Awesome项目可按作品类型和应用场景浏览，覆盖代码Agent、自动化设计、科学写作、视频制作、3D场景、游戏与模拟等方向。阅读相关工作时，可以比较系统保存的作品状态、使用的验证证据、错误定位方式和修复后的重验范围。 交付质量取决于要求能否持续满足、修改能否定位到具体位置、失败后能否修复，以及系统能否提供足够的验证证据。 复杂Agent适用于中间观察能够改变后续行动、已经完成的部分可以保留、系统有明确停止与交接条件的任务。迭代次数不能单独证明系统具备这些能力。 评估同时覆盖三层对象：最终作品是否达标，构造轨迹是否有效，Agent系统是否可靠且可控。 https://arxiv.org/abs/2608.28122 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. 新智元 2026-09-07 12:31:36 华尔街见闻官方 2026-09-07 15:31:28 36氪 2026-09-07 18:35:06 爱范儿 2026-09-08 11:11:10 钛媒体APP 2026-09-08 06:56:07 新智元 2026-09-08 11:46:09 机器之心Pro 2026-09-08 10:53:15 新智元 2026-09-08 11:46:03 量子位 2026-08-06 20:00:27 量子位 2026-07-26 04:39:09 量子位 2026-06-07 04:37:43 量子位 2026-05-21 08:04:06 量子位 2026-04-23 11:44:18 大大的丸子 2026-09-06 10:55:59 机器之心Pro 2026-09-08 10:05:07 量子位 2026-09-08 10:10:47 36氪 2026-09-08 08:40:05 人民资讯 2026-09-07 21:04:04 算力游侠 2026-09-07 19:08:40 猫meme团子 2026-09-06 01:57:16 鲁中晨报 2026-09-05 17:14:04 林十六 2026-09-06 13:34:09 医咖会 2026-08-04 19:40:46 界面新闻 2026-09-07 20:15:59 上观新闻 2026-09-08 09:04:25 琴琴有氧运动 2026-09-07 00:20:34 甜心萌物酱i 2026-09-05 12:19:58 扬子晚报 2026-09-08 07:20:10 澎湃新闻 2026-09-07 22:05:05 鲁中晨报 2026-09-06 15:47:03 新京报 2026-09-08 08:06:25 机器之心Pro 2026-09-07 09:52:04 香蕉唠生活 2026-09-07 02:14:48 南方都市报 2026-09-06 15:29:22 上观新闻 2026-09-07 14:45:34 掌上金牛 2026-09-06 13:20:03 看看新闻Knews 2026-09-07 23:08:28 重庆观天下 2026-09-06 17:48:52 数字生命卡兹克 2026-09-08 08:22:05 南方都市报 2026-09-07 14:44:06
〖Seven〗，黑猫股份：炭黑产品价格上调仅为成本传导举措 并不必然导致公司利润实现同步增长-18b60ea8，系统综述259项工作：AI创作如何从「会生成」走到「能交付」？ 长文、网页、视频和代码经常停在这样的「半成品」状态：海报文案没有写错，却挤出了页面；网站首屏很漂亮，按钮点下去毫无反应；视频里的镜头单看都成立，连起来却丢了人物和节奏；程序刚修好一个模块，另一处又出现回归。 完整作品里的要求彼此牵连，问题又常常要到渲染、播放或运行后才暴露。修复过程需要定位问题、局部修改，并检查改动是否影响其他部分；整体重做会连带改掉已经完成的内容 来自香港科技大学（广州）、浙江大学、中国科学技术大学、清华大学、香港大学、悉尼大学和中山大学的研究团队，围绕作品的持续构造梳理了截至2026年8月20日的259项工作，其中包括230个系统和29个相关基准。 论文链接：https://arxiv.org/abs/2608.28122 项目主页：https://agentic-creation.github.io/ GitHub项目：https://github.com/GeminiLight/awesome-agentic-artifact-creation 传统生成系统大多沿着一条单向路径工作：接收指令，生成结果，然后结束。任务足够小、结果容易检查时，这种方式很有效。完整交付物则需要系统持续保留和修改作品状态。 一张科研海报的文案、图表和版式要互相配合；软件仓库中的代码、测试和文档要保持一致；长视频中的人物、叙事和时间线也不能各管一段。修改其中一处，旧的检查结果也可能随之失效。文案变长会挤压版面，数据改变会牵动图表和结论，接口调整会让测试与说明文档一起过期。 综述将Agentic Artifact Creation定义为一种持续构造过程：系统维护一个不断变化的可交付物，并根据中间结果决定下一步生成什么、修改哪里，以及何时停止。 图1｜直接生成沿固定路径得到结果；智能体式创作把作品状态、检查结果和后续修改连成一个循环。 论文将构造过程拆成三个功能角色：作品表示、构造策略和运行时验证。 论文图4｜Agentic Artifact Creation的功能架构。构造策略选择动作，作品表示提供可编辑的中间形态，运行时验证把观察转成反馈；满足标准后，系统交付作品。 作品表示（Operational Representation）保存当前作品的状态，也决定系统能改到多细。它可以是一份文档、一张场景图、一段可执行代码，也可以是带有图层、节点和依赖关系的结构化表示。系统若只能看到最终截图，很多问题就难以定位；文本块、页面组件或场景对象等可定位结构可以支持局部修复。 构造策略（Construction Policy）负责决定下一步做什么。它结合任务要求、当前状态和已经获得的反馈，选择继续生成、修改某个位置、调用工具、请求人工判断，或在证据足够时停止。 运行时验证（Runtime Verification）观察刚才的行动带来了什么结果。文本可以核对引用，页面需要渲染和点击，程序要编译和运行测试，音视频则要播放。检查结果会直接进入下一步决策。 明确完成标准 → 保留可定位的作品状态 → 验证当前结果 → 诊断问题 → 构造策略选择动作 → 执行局部修改 → 重新验证 组合性（Composability）：作品可以拆成边界清楚的部分，并通过明确的接口衔接。文案、图表和版式可以分别制作，需要时也能替换或调整顺序，组合后再检查是否彼此兼容。 可追溯性（Traceability）：系统记录要求、动作、作品状态和观察结果之间的关系。结果出现问题时，可以追到相关要求、改动和证据，也能说明一次决策是怎样形成的。 可修订性（Revisability）：验证结果能够指向受影响的部分，构造策略据此选择修改范围。修完后，系统重新检查相关依赖，并尽量保留已经通过的内容。 研究团队以最终交付的作品为中心，将现有工作分为六类：文本、二维视觉、音频、视频、空间作品，以及软件、网站、游戏和模拟等行为型作品。 图2｜文本与视觉作品可以直接阅读或渲染；音视频依赖时间播放；空间和行为型作品往往需要运行或交互后才能判断。 文本和二维视觉通常可以静态检查，句子、段落、图层和图形标记也较容易定位。难点是长距离一致性：改动前文的一项事实，可能要求后文的论证、图表和引用一起更新。 音频和视频需要沿时间序列检查。某个片段单独听起来没有问题，放回完整序列后却可能破坏节奏。视频还要同时处理画面、声音、字幕和镜头之间的关系，反馈通常要等到播放或渲染后才会出现。 空间作品要维护几何、语义部件和物理约束。行为型作品是否合格，则取决于代码、应用或模拟在一段交互过程中如何响应。执行路径越长，获得一组有代表性的观察就越贵，也越难把失败追溯到具体状态。 不同作品的构造难度取决于三个变量：决策之间的关联程度、错误何时可见，以及系统能否在保留已有成果的前提下局部修复。 把复杂任务拆成子任务，可以降低单步难度，也会增加协调成本。 一个Agent修改文案，另一个Agent负责页面，第三个Agent检查事实。如果文案变长，页面Agent是否知道版面已经失效？事实核查更新了一个数字，图表和结论是否会同步变化？每个Agent都完成自己的局部任务，最终结果仍可能互相冲突。 多Agent系统的难点在于共享状态、依赖关系和完成标准。拆得越细，协调、冲突处理和重新组装的成本越高。对于短小、容易验证的任务，一个能稳定调用工具的单Agent可能更加合适。 共享的作品表示把各个Agent的分工落到同一个可检查、可修改的交付物上，并维持局部结果之间的一致。 不少生成系统把评估收束为一个总分。总分适合比较结果，却很难指导修复：它通常不说明问题出现在哪里、由什么引起，也没有给出下一步可以执行的修改。 诊断粒度还必须和编辑粒度对得上。检查器发现整体叙事不连贯，系统却只能重写整篇文章；评估器发现视觉层级存在问题，编辑接口却只能重新生成整张图。反馈再准确，也很难变成可执行修复。 第一层是最终作品：要求是否满足，内容是否一致，放进真实场景后能不能完成预定用途。 第二层是构造轨迹：错误发现得够不够早，修复是否局部，已经通过的部分有没有被保留下来，过程中花了多少时间、模型调用和人工监督。 第三层是Agent系统本身：同一任务重复运行是否稳定，换一个起点会不会失灵，用户能否修改目标并保留控制，系统更新后是否出现回归。 图3｜先说明评估的是最终作品、构造轨迹还是Agent系统，再说明使用了什么证据、由谁判断，以及在怎样的协议下形成结论。 生成器和评价模型来自相近的模型家族时，可能共享知识缺口、审美偏好和判断盲区。增加LLM Judge的数量并不能保证证据彼此独立。 来源对照、结构化状态、渲染结果、运行行为、构造历史和用户结果属于不同的证据渠道；规则检查、专用模型、LLM Judge和人工评审则是不同的评价者。一次具体的评价信号来自证据渠道与评价者的组合。评估报告需要说明每一种信号能支持什么结论，也要保留彼此冲突的结果。 第一，把必须保留的要求写进作品状态。完成标准要和具体页面、段落、镜头、对象或测试建立联系，便于判断一次修改影响了哪些承诺。 第二，划清控制边界。系统的执行能力和决策权限是两回事。创意取舍、事实确认、对外发布和高后果操作需要不同级别的授权，置信度不能代替权限。 第三，让反馈能够导向修改。反馈需要连接证据、诊断和可执行动作；笼统评价或单一总分很难进入构造过程。 第四，修改后重新验证受影响的状态。改动会让旧证据过期。系统需要根据影响范围选择性重查，检查结果也要跟随作品版本更新。 控制会增加表示、验证和协调成本。采用构造循环时，需要确认中间观察能够改善后续决策，修改也能保留已经接受的成果。 全局一致性要求系统在拆分作品后还能重新合上。一个角色设定、设计规范或接口发生变化，影响可能穿过整件作品，系统需要显式维护这些依赖。 精准修复要求系统找到失败来源，只修改受影响的部分。检测到异常、定位原因和完成修复是三种不同能力，不能用一个最终成功率代替。 系统自进化关注跨任务留下来的变化。一次作品修改只改变当前结果；新的策略、工具或记忆需要经过独立验证、版本管理和回滚，才能成为可复用能力。 持续个性化要区分稳定偏好、项目承诺、暂定选择和不确定推断。每条记录需要标明状态、适用范围和版本，并允许用户检查、纠正或撤回。一个项目里的偏好不应自动带到另一个项目。 人类决策权限需要落实到具体行动：谁可以批准，批准发生在什么条件下，系统拿到的是哪一级权限。能力边界和授权边界必须分开。 开放式成果的可靠评估承认一个任务可能有多个好答案。评估协议需要记录哪些标准一开始就固定，哪些偏好在看过中间结果后才出现，以及由谁解释这些变化。 论文思维导图｜从生成模型与Agent架构出发，依次讨论智能体式创作范式、六类作品、应用、评估、四项设计原则与六个未来方向。 语料包括259项工作：230个系统和29个基准。除了六类作品，研究团队还把应用场景与评估方式拆成独立维度，避免把作品类型、应用场景和评估方式混进同一套分类。 其中251项能够归入一个主要作品类别；另有8项是跨多种交付物的应用工作流系统。 259项工作 = 230个系统 + 29个基准(251项进入六类作品视图，另8项为应用工作流系统) 应用场景图｜创意生产、品牌传播、教育支持、专业工作、科学研究与工程设计，对作品提出不同的验收要求。 作品类别回答「最终交付什么」，应用场景则关注「作品用于什么目标、由谁验收」。主要验收依据从创作者与受众体验，逐步延伸到品牌要求、学习结果、决策有效性、科学证据，以及测试和物理有效性。 配套的Awesome项目可按作品类型和应用场景浏览，覆盖代码Agent、自动化设计、科学写作、视频制作、3D场景、游戏与模拟等方向。阅读相关工作时，可以比较系统保存的作品状态、使用的验证证据、错误定位方式和修复后的重验范围。 交付质量取决于要求能否持续满足、修改能否定位到具体位置、失败后能否修复，以及系统能否提供足够的验证证据。 复杂Agent适用于中间观察能够改变后续行动、已经完成的部分可以保留、系统有明确停止与交接条件的任务。迭代次数不能单独证明系统具备这些能力。 评估同时覆盖三层对象：最终作品是否达标，构造轨迹是否有效，Agent系统是否可靠且可控。 https://arxiv.org/abs/2608.28122 特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。 Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services. 新智元 2026-09-07 12:31:36 华尔街见闻官方 2026-09-07 15:31:28 36氪 2026-09-07 18:35:06 爱范儿 2026-09-08 11:11:10 钛媒体APP 2026-09-08 06:56:07 新智元 2026-09-08 11:46:09 机器之心Pro 2026-09-08 10:53:15 新智元 2026-09-08 11:46:03 量子位 2026-08-06 20:00:27 量子位 2026-07-26 04:39:09 量子位 2026-06-07 04:37:43 量子位 2026-05-21 08:04:06 量子位 2026-04-23 11:44:18 大大的丸子 2026-09-06 10:55:59 机器之心Pro 2026-09-08 10:05:07 量子位 2026-09-08 10:10:47 36氪 2026-09-08 08:40:05 人民资讯 2026-09-07 21:04:04 算力游侠 2026-09-07 19:08:40 猫meme团子 2026-09-06 01:57:16 鲁中晨报 2026-09-05 17:14:04 林十六 2026-09-06 13:34:09 医咖会 2026-08-04 19:40:46 界面新闻 2026-09-07 20:15:59 上观新闻 2026-09-08 09:04:25 琴琴有氧运动 2026-09-07 00:20:34 甜心萌物酱i 2026-09-05 12:19:58 扬子晚报 2026-09-08 07:20:10 澎湃新闻 2026-09-07 22:05:05 鲁中晨报 2026-09-06 15:47:03 新京报 2026-09-08 08:06:25 机器之心Pro 2026-09-07 09:52:04 香蕉唠生活 2026-09-07 02:14:48 南方都市报 2026-09-06 15:29:22 上观新闻 2026-09-07 14:45:34 掌上金牛 2026-09-06 13:20:03 看看新闻Knews 2026-09-07 23:08:28 重庆观天下 2026-09-06 17:48:52 数字生命卡兹克 2026-09-08 08:22:05 南方都市报 2026-09-07 14:44:06