AI 新闻实时情报

本文提出将AI用户未使用的推理代币众筹用于科学研究，类比于SETI@home项目。讨论了小型团队利用AI解决数学问题的成功案例，以及众筹推理能力所需的设计挑战。

爱思唯尔发布《未来研究者》报告，基于对113个国家3200多名研究人员的调查，揭示研究人员面临时间不足、资金压力等挑战，但AI工具采用率从2024年的37%跃升至58%。中国研究人员对AI的信心远高于美国和英国。同时，研究人员的国际流动意愿下降，但跨学科合作增加。

歌手 Lorde 在马德里的 Real Cool 音乐节上公开反对 AI 眼镜，疑似针对赞助商 Ray-Ban 与 Meta 合作的智能眼镜。她表示很难辨别真实与虚幻，并直言“去他妈的眼镜，不性感”。

本文介绍了循环工程的概念，即AI代理自主迭代实现目标，包含验证器、状态和停止条件三个关键部分。详细阐述了安德烈·卡帕西的自动研究循环和双层自动研究，展示了具体成果：自动研究在700次实验中找到20个改进，使GPT-2训练速度提升11%；双层自动研究通过外层元循环进一步实现了5倍的性能提升。还提供了可复用的构建块和实际操作模板。

OpenAI和Anthropic致力于构建大型通用模型，但微软等公司正转向开发小型专用模型，以降低成本并提高效率。微软的MAI模型家族正在取代OpenAI的模型，用于其产品中的AI功能。

exxperts 是一个本地优先的智能体运行时，提供持久的 AI 房间，带有受管控的、需审批的记忆功能。所有内容都在本地运行，数据以文件形式存储在你的磁盘上，确保隐私和控制权。它提供 Web 应用和 CLI/TUI 两种界面。

AI性能取决于准确性、吞吐量和交互性三个维度。本文聚焦吞吐量和交互性，探讨模型设计选择如何在不牺牲准确性的情况下优化两者，旨在推动帕累托前沿向外扩展。

Kote 是一款开源工具，自动捕捉开发者与 AI 助手的对话、Git 提交记录以及开发上下文，构建可搜索的知识库，帮助开发者快速回忆过去的技术决策和解决方案。支持 VS Code 扩展、GitHub 集成、CLI、浏览器扩展、WhatsApp/Telegram 消息集成等，可自托管部署。

当前开源AI面临着最严峻的生存考验。白宫正讨论通过行政命令限制开源模型，特别是针对中国模型和政府用途。同时，蒸馏和前沿能力的政策讨论正在同时进行，可能导致在未来6个月内禁止或推迟开源模型。文章批评了Anthropic的监管捕获行为，认为蒸馏问题的解决方案实际上有利于推动者。API并不比开源模型更安全，而全面禁止开源模型并非良策。开源社区需要团结一致，积极游说，确保安全部署。

在人工智能研究中，一步陷阱是指错误地认为所有或大多数学习到的预测可以是一步预测，而长期预测可以通过迭代一步预测得到。虽然这种想法吸引人，但由于误差累积和计算复杂性问题，在实践中往往效果不佳。本文分析了这一陷阱及其危害，并提出了使用时间抽象模型（如选项和GVF）的解决方案。

本文探讨了“无用”研究对未来创新的重要性。作者以Folk Computer系统为例，追溯了从施乐帕克到动态地的研究脉络，并呼吁资助那些尚未显现实用价值的范式级工作。

Soulless是一个社区驱动的项目，旨在揭露Spotify上隐藏的AI生成音乐艺术家。该项目列出了232位被检测为AI的艺术家，并公开了他们的月听众数和预估收入。此外，Soulless还提供了开源的AI音乐检测工具，以及相关的资源列表，帮助人们识别AI生成音乐。

微软正在测试Copilot的“PC Insights”功能，可以分析系统资源使用情况，帮助用户找出性能瓶颈。然而，Copilot本身是一个完整的Web应用，附带私人版Edge，空闲时占用高达1GB内存，凸显了其资源消耗的讽刺性。该功能为可选，默认不自动扫描，用户需授予权限。

作者通过Basecamp基准测试评估了GPT-5.6 Sol、Fable 5、Grok 4.5等AI模型在构建前端和后端方面的表现。Fable 5在两个赛道上均获胜，Grok 4.5在速度和成本之间取得了最佳平衡。结果显示，即使是顶级模型在完成度上也有显著差异，尤其是最后10%的打磨工作。

OpenAI的AI系统在AtCoder世界巡回赛2026算法组中解出全部五道题，得分8300分，而人类最高分仅4300分。启发式组中，AI得分是人类最佳成绩的七倍以上。60万日元的“人类胜出奖”无人领取。该系统被比作即将发布的GPT-5.6。

在一场圆桌讨论中，作家与文化评论家探讨了人工智能对语言、创造力和社会的深远影响。他们指出，AI既增强了也削弱了语言能力，并可能清晰划分机器与人类灵魂的界限。尽管存在焦虑，但AI也带来了研究、可及性和诊断方面的机遇。

研究人员编制了1863-1934年间超过3000次银行挤兑的数据库，发现大多数挤兑并未导致银行倒闭，并分析了时空模式。

苹果的自动驾驶汽车项目虽未成功，但其对AI处理的需求催生了神经网络引擎。该引擎首次亮相于iPhone X的A11仿生芯片，现已成为苹果设备端AI处理的核心，并延续至M系列芯片。未来，苹果将加速M7芯片开发，其神经网络引擎大幅升级，M7 Ultra服务器芯片将支持高达1.5TB内存。

许多开发者未能充分发挥自动编程的潜力，因为他们仍然过度关注代码本身，这使自己成为瓶颈。应将时间投入到新想法、质量保证、设计以及明确目标上。

三星健康应用新增AI训练数据共享要求，用户若不授权则无法同步健康数据，可能导致手表功能受限。

AI Photo Editor是一款免费在线工具，利用Nano Banana和GPT Image 2模型，通过简单文本提示实现专业级图像编辑。支持多种变换，包括风格迁移、颜色修改、人物转乐高等。提供从基础到专业的订阅计划，具有95%首次成功率、低于1秒生成速度、面部重构和角色一致性等特性。企业级安全认证（SOC 2、GDPR、ISO 27001），无需信用卡即可开始。

Itara是一个开源项目，旨在将分布式系统的拓扑结构（组件、连接、传输方式、故障处理）从代码中分离出来，作为一个独立的、显式的、可验证且可执行的层。它通过一个启动时读取的配置文件和语言特定的接线代理实现，允许通过更改配置文件来改变组件之间的通信方式，而无需修改代码。项目提供Java和Rust的参考实现，并计划支持更多语言。工具生态包括验证、可视化等CLI命令。核心优势包括：将拓扑作为一等公民、可增量采用、跨语言支持、以及通过四个关键事件实现全面的可观测性。

苹果公司指控OpenAI及其两名前苹果员工窃取商业机密，用于开发ChatGPT硬件设备。诉讼称这是“机构层面的协调不当行为模式”，OpenAI否认并表示没有兴趣窃取其他公司的机密。

Linux of AI是一个由七个开源项目组成的生态系统，旨在帮助组织构建可移植、可审计、可衡量且不依赖于单一供应商的人工智能基础设施。它通过提供便携式本体、策略代码、模型替换基准测试、审计日志、成本测量等工具，解决供应商锁定、成本不可预测、治理薄弱等问题。该项目采用MIT许可证，所有核心软件免费开源。

本文深入分析了AI代码评审基准的局限性，指出其未能从第一性原理定义问题，忽略了AI代码评审已分化为人类理解和机器验证两个不同问题。作者Shrijith Venkatramana认为，基准衡量的是代理指标而非软件实际成果，并强调了生产结果和严重性的重要性。

AgentMint.net是一个研究出版物，帮助商家理解并优化AI购物代理如何选择商品。每个事实声明都有来源标注，并提供工具如'代理购物就绪度检查'和'代理选择信号数据库'。

《卫报》全球科技报道团队正在调查为支撑人工智能革命而建造的庞大数据中心的影响。他们讲述了其报道领域如何日益转向线下现实。