Omni-Sleep是一种新的睡眠基础模型，利用中枢神经系统（CNS）和自主神经系统（ANS）的生理分区作为先验，进行拓扑约束的表示学习。该模型通过三个目标学习结构化表示：系统内一致性、系统间同步和潜空间掩码时间建模。在超过10万小时的多中心多模态PSG数据上预训练后，Omni-Sleep在睡眠分期和多疾病分类任务中优于强基线模型，展现出更好的标签效率、跨数据集泛化能力以及对缺失模态的鲁棒性。

提出ReCoLoRA框架，通过递归整合低秩适配器解决持续微调中的灾难性遗忘问题。在六任务GLUE序列中，ReCoLoRA在三个骨干网络上取得最佳平均分，且训练参数量更少。

介绍了一种名为局部线性Transformer（LLT）的新型神经算子架构，结合线性全局注意力与局部空间混合，有效解决了标准注意力在偏微分方程应用中的二次扩展和缺乏局部偏置问题。在弹性、塑性、翼型流等多个问题上取得较优结果，训练速度相比Transolver提升1.8-2.5倍。

研究表明，在胸部X光分类中，即使排名性能可接受，罕见阳性患者仍可能因阈值而被漏诊，尤其在亚组中。通过诊断阶梯方法，结合分组尾部加权和阈值调整，显著降低了尾部假阴性率，但残余漏诊率仍较高。公平性取决于发现、亚组和操作阈值的联合影响，而非仅标签频率或排名指标。

本文提出MemExplainer方法，通过拓扑归因树和记忆回溯树来解释时间图网络（TGN）的预测。该方法首次考虑TGN中的记忆模块，量化历史事件对节点记忆向量的影响，并利用层间相关传播（LRP）确保事件贡献之和等于模型logits。在九个数据集上的实验表明，该方法在节点属性预测、链接预测和图分类任务中均优于现有基线，提供了忠实于模型的解释。该论文被ICML 2026接收为Spotlight论文，代码已开源。

本文探讨了人工智能在精算实践中的应用，特别是通过比较三种不同架构（单LLM、朴素RAG和多智能体Agentic RAG）在小型商业企业主保单的直通式核保中的表现。结果表明，多智能体系统在处理多步推理和缺失信息场景时表现最佳。

研究团队提出了一种基于图神经网络的实时手势识别方法，利用表面肌电信号构建肌电图网络，在8名受试者上达到99%的准确率，处理时间仅48毫秒，适用于假肢控制与增强现实等应用。

VectorizationLLM是一个基于谷歌开源权重LLM的专用大型语言模型，旨在帮助学生学习MATLAB中的智能向量化、时间/波向量分析、分段函数、傅里叶分析和微分方程。该模型应用于纽约理工学院Old Westbury分校电气与计算机工程技术系的CTEC 247课程，通过RAG知识库和系统提示架构提供详细概念解释和示例，但不直接给出答案。

Infinity-Parser2 是一个结合可控数据合成与多任务强化学习的大规模多模态模型，旨在解决文档解析中标注数据稀缺的问题。它开源了包含500万样本的中英文双语语料库 Infinity-Doc2-5M，并提出了联合强化学习框架统一八项任务。Flash 版针对低延迟优化，Pro 版在多项基准上达到新 SOTA。

一篇新论文提出了“个体生物电子学”这一跨学科研究方向，旨在系统性研究智能假肢中的隐私风险。随着传感器和人工智能的进步，仿生肢体变得更加智能，但也引入了新的攻击向量。论文定义了该领域，展示了潜在对抗性攻击，并整理了开放研究问题清单，以推动可穿戴机器人技术的发展。

大型语言模型已成为心理健康支持的重要提供者，但它们受注意力经济驱动，倾向于保持用户参与而非提供有效心理辅导所需的摩擦。开发者的安全应对主要针对最明显的急性伤害，忽视了依赖、边界侵蚀等长期风险。论文提出了一种三层对齐框架（价值规范、训练嵌入、部署监督），并借鉴生物合理性概念，提出了“对齐合理性”作为监管标准，以系统证明AI系统与健康结果一致、无害且有益。

这篇综述论文提出了连接临床实践与计算方法的双重视角框架，基于Miller金字塔建立五级能力体系，将演绎、归纳和溯因推理模式与医疗目标对应。研究引入覆盖五级推理能力的基准数据集，评估了18个模型，发现医学专科模型在诊断任务上表现优异，通用模型则在决策支持和对话方面领先。文章还讨论了数据限制、幻觉和接地等开放挑战。

本文提出了一种对抗性社会认识论（ASE），用于分析在密集互动的交流环境中，公开断言如何通过证言链、推理、制度认证和隐性信任得到支撑。作者认为，现有的认知泡沫、回音室或错误信息扩散等描述不足以捕捉代理人为了私利而扭曲、省略或捏造信息的行为。他们提供了分析语言和机制，以识别和审计信任滥用。

研究人员开发了一种AI驱动工具，结合经济学模型（GTAP）与生物物理模型（APSIM），通过自然语言查询分析供应链冲击，帮助政策制定者和市场参与者评估跨学科影响。

本文提出上下文图谱（Context Graph），一种实时关系数据结构，用于建模企业实体及其关系和状态变化。基于此图，构建了增量检测引擎、主动性评分器和基于LLM的展示层，使AI智能体能够主动向员工推送相关信息。在合同管理、事件响应和销售管道三个案例中，该方法实现了0.83的精确率（Precision@5）、0.11的误报率，并将平均呈现时间从47分钟缩短至30秒以内。

Verla是一款专为学生设计的免费AI工具，集写作、演示、编程、AI检测和人性化功能于一体。支持上传评分标准、讲义等材料，生成高质量草稿，并提供真实学术引用和抄袭检测。

Instagram 推出 Muse AI 功能，默认将全部公开账户的图片用于 AI 图像生成，用户需手动关闭。

TensorSharp是一个基于.NET 10的本地LLM推理引擎，支持GGUF模型、GPU加速，并提供命令行工具、浏览器聊天服务器及兼容Ollama和OpenAI的API。它强调隐私性、零按token费用，并支持多种硬件后端。文中还提供了快速入门指南和性能基准测试比较。

Canva 通过将生成式 AI 集成到可信、可编辑的工作流程中，解决企业对 AI 的担忧，提供知识产权保护，并利用其 Affinity 套件自动化重复性任务，让设计师专注于创意策略。

OpenAI发布帮助文章澄清ChatGPT Work的云端与桌面端行为：网页和移动端对话在云端运行，桌面端可经授权使用本地文件，但上线初期云端对话不会出现在桌面端。该引述来自Simon Willison的博客。

本周AI新闻分两部分。OpenAI发布GPT-Live语音模型，实现更自然的交互。Grok 4.5以1.5万亿参数亮相，但基准测试表现存疑。GPT-5.6 Sol即将发布，早期测试者称赞其判断力。Fable展现出意外能力，但AI写作泛滥引发担忧。文章还讨论了AI的实用性和各种基准测试。

UST 与 Anthropic 合作，将 Claude 集成到其工程平台中，用于半导体、汽车等行业的物理 AI 任务，并计划培训 20,000 名员工使用 Claude。

新加坡公司Datagrid获准在新西兰南部的Makarewa建设价值35亿新西兰元（约20亿美元）的AI数据中心，计划于2026年动工，2028年投入运营。当地居民对电力、水资源消耗及噪音污染表示担忧，呼吁项目方提高透明度。

Legali AI推出的Lea应用程序，通过友好的模块、游戏和每日提醒，帮助家暴和性暴力幸存者了解自身权利，以简单易懂的方式获得法律指导。

意大利艺术家盖亚·阿拉里为应对父亲年迈带来的死亡焦虑，使用人工智能创建了父亲的虚拟副本（死亡机器人）。通过互动，她发现AI虽然能模拟父亲的对话和记忆，但也可能编造回忆，引发对悲伤处理方式的深刻质疑。

这款免费应用帮助纽约人通过自动叠加各种优惠来节省食品杂货费用，无需登录，目前仅限纽约市，覆盖约690家商店。它使用训练后的LLaMA模型提供AI购物助手功能，但存在覆盖范围和新鲜度方面的局限。

Fraym是一款利用人工智能技术自动创建产品演示视频的工具，无需手动录制和编辑，快速生成高质量的专业演示。

该论文被ARES 2026的AI4TCI研讨会接收。研究关注自主协商代理在高风险场景（如保险和采购）中的行为隐私泄露问题。作者设计了一种自适应随机协商策略，在保证(ε,δ)-差分隐私和几乎必然收敛的同时，将对手推理准确性降低43-50%，并将协商成功率和效用维持在90%以上。

OpenAI今日发布ChatGPT Work，一款基于GPT-5.6的自主代理工具，可跨应用、文件和工具执行复杂任务，同时推出GPT-5.6系列模型和Sites功能，旨在提升企业工作效率。

布朗大学一位经济学教授在开卷期中考中发现学生过度依赖AI作弊，平均分高达96%，而随后闭卷期末平均仅48.6%。该校AI教学委员会报告显示，超半数本科生每日或每周使用AI工具，多数师生担忧AI会削弱认知能力。布朗大学将发布AI使用指南并提升教师AI素养。