本文提出Gated Uncertainty-Aware Routing for Distillation (Guard)框架，解决时间序列基础模型在科学应用中由于分布偏移和计算成本高的问题。通过上下文路由器和不确定性门控温度机制，从多个预训练模型中提取知识，训练轻量级预测器，在气象学、生态系统碳通量、土壤湿度和能源网格等气候关键领域显著降低RMSE。

本文提出“计算可识别性”框架，区别于依赖渐近性质的理论可识别性，通过有限计算搜索过程为经验估计器提供可识别性保证。实验表明，该方法适用于小样本、模糊图标准、混合观测-干预数据及反事实场景。

本研究提出一种基于提示的不确定性分解方法，将动作信心与请求不确定性分离，使大语言模型代理能在任务规范模糊时主动请求澄清。作者引入两个新基准（WebShop-Clarification和ALFWorld-Clarification），其中50%的任务故意未明确指定，并在五个大型语言模型上评估该方法。结果表明，所提分解方法在澄清F1分数上显著优于现有方法。

本文提出积分变换网络（ITNet），通过一个可学习的积分核统一了卷积、自注意力和自回归循环三种架构。ITNet使用小型神经网络实现核函数，能够从数据中自适应行为，并在多个基准任务上达到或超越专用模型。

一种新方法使大型语言模型能够利用良知步骤和直接偏好优化进行自我伦理对齐，无需外部评判，从而在代码黑客等场景中实现涌现对齐，克服了以往的涌现错位问题。

本文提出REVEAL++，一种在对比学习中采用连续表型结构的方法，用于视网膜图像和临床风险叙述的视觉-语言对齐，以预测阿尔茨海默病风险。该方法通过可微分加权函数替代硬分组，实现分级监督和端到端学习。在UK Biobank数据集上的评估表明，其性能优于离散分组基线。

本研究比较了Qwen 2.5 7B和XGBoost在临床预测任务中的表现，通过归因分歧分析揭示了四个重要发现：LLM的口头置信度在认识论上是空洞的，存在逆向难度效应，少样本示例和SHAP特征证据的结合可显著提升准确率，且跨模型校准器能有效降低校准误差。

DeXposure-Claw是一个基于预测的代理监督系统，旨在解决通用LLM代理在去中心化金融风险监督中的不足。它通过图形时间序列基础模型预测风险网络，结合确定性监控和压力情景生成警报，并利用数据健康和置信度门控减少误报。此外，还开发了DeXposure-Bench评估套件，通过六轴评估（包括决策轴）衡量系统性能。实验基于五年周度真实数据，验证了系统的有效性。

本文提出了一种新的动态系统模型，用于解释多智能体LLM商议如何通过每个智能体的隐藏内部信念（锚点）影响群体决策。该模型揭示了经典共识规则无法解释的现象：智能体对正确答案的置信度可能超越初始信念的凸包范围。通过三个开源模型家族的实验，作者发现锚点的影响强度相近，但位置差异决定了商议是否能突破初始意见的限制。

本文对八种最先进的扩散语言模型（DLM）在推理、编码、翻译、知识和结构化问题解决等八个基准上进行了系统实验分析，同时考虑了生成质量和计算效率。研究发现，DLM的行为受生成时设计选择（如去噪步骤、上下文长度、块大小和平行解掩码策略）的强烈影响，导致性能与计算效率之间存在不同的权衡。该研究为当代DLM的能力和部署特性提供了实用见解。

一项新研究提出了一种人机协同的流程，用于衡量本科计算机科学课程与课程指南的契合度。应用于CS2013和CS2023时，发现覆盖率基本不变（约50%），但认知深度实现率从95%下降到76%，反映了新版标准要求的提高。同时还发现了并行计算、编程语言基础和系统基础等领域的持续差距。

一篇新论文提出了AgenticRei，这是一个义务政策框架，用于治理LLM驱动的自主智能体，解决了当前访问控制引擎无法处理的义务、豁免和策略冲突问题。

Sqim是一款新工具，允许开发者无需VPN或Tailscale，直接从Codex、Claude Code等编码代理将iOS应用构建安装到iPhone上。它通过Homebrew安装CLI工具，并提供一个构建仪表板方便重新访问之前构建。

作者尝试使用本地模型构建一个翻译管道，通过规划、执行、批评和修复循环来处理大型韩语到英语的翻译，但最终未能显著提高质量，并等待更好的模型的到来。

本教程实现了Salesforce CodeGen的端到端工作流程，从Hugging Face加载模型，超越基础推理，添加函数提取、语法检查、静态安全检查、单元测试验证、最佳N候选重排、多步骤程序合成、提示风格实验，最后可视化迷你基准并导出可复用文件。

pumaDB是一个面向AI代理的小型托管内存层，通过MCP或服务器端API提供共享内存，用于保存项目上下文、研究笔记、转录文本等，无需管理数据库或向量存储。

DeepSWE v1.1 在保持原有长周期工程任务不变的基础上，改进了智能体的执行与评分方式，采用隔离环境验证代码补丁，使结果更易复现、审计和分析。新版引入了 Claude Fable 5 和 Kimi K2.7 Code 模型，整体通过率与模型排名与 v1 接近。

美国司法部介入孟菲斯居民诉xAI违反《清洁空气法》一案，以国家安全为由支持xAI。居民称xAI的未许可燃气轮机导致严重空气污染和噪音，而DOJ声称Grok对国防至关重要。

2026年6月12日，美国政府强制下线了Anthropic新发布的Claude Fable 5模型，至今仍未恢复。本文分析了四种可能情景：真诚的误会、模型能力确实危险、外国访问担忧以及政治因素。作者认为政治因素可能性最大，但也给出了其他情景的概率，并预测了每种情景下模型的恢复时间和形式。

在Linux基金会下，LF AI & Data Foundation组建了DocLang工作组，致力于开发一种AI友好的文档格式，以替代PDF、Markdown等现有格式。该格式由IBM、NVIDIA、Red Hat、ABBYY、HumanSignal和Forgis联合创立，通过1:1的令牌映射优化大语言模型的提示，降低成本并提高准确性。

Meta 宣布将其 AI 客服代理（现称为 Meta Business Agent）全球推广到 WhatsApp Business，该代理可回答问题、推荐产品、预约等，并已在印度和墨西哥测试近两年。

文章讨论了AI交互中一个隐性问题：为什么有些交互成功而另一些失败？这通常由不可见的因素如漂移、语气不匹配和怪异行为造成。作者提出观察层是解决这些问题的关键，并已为AI运行时构建了该层。

Modal团队全面推崇投机解码技术，认为它是当前最关键的高交互推理优化手段，能带来2-3倍甚至更高的加速效果。他们与Z Lab合作训练了针对Qwen系列模型的最先进DFlash投机解码器，额外提升5-20%的速度，并强调了投机解码在长上下文任务中的优势。本文详细解释了投机解码的原理、与传统优化的对比，以及通过模拟和数学模型展示的加速效果。

Datasette Apps 是一个新插件，允许用户在 Datasette 实例中通过严格沙盒化的 iframe 运行自包含的 HTML+JavaScript 应用程序。这些应用可以执行只读 SQL 查询，并可通过存储查询支持写操作。该插件利用 iframe sandbox 属性和内容安全策略（CSP）确保安全，使用 postMessage 和 MessageChannel 实现锁定 API，并支持通过可复制提示由 AI 生成应用代码。文章还讨论了安全漏洞修复、日志记录以及 Datasette 从数据展示向丰富工具生态系统演进的愿景。

AA-Briefcase是Artificial Analysis推出的新基准，用于测试AI模型在复杂多周知识工作项目中的表现。该基准结合了检查表与成对评分，评估任务正确性、分析质量和展示质量。Claude Fable 5领先，但成本高昂；开源模型GLM-5.2在性价比上表现出色。

Amazon SageMaker AI 现在提供超过 100 种详细的推理指标，涵盖 GPU 健康、令牌级延迟、KV 缓存压力、可用区流量分布等。这些指标通过内置的 SageMaker Insights 仪表板在 CloudWatch 中展示，支持 PromQL 查询。本文介绍如何启用详细可观测性、导航仪表板以及将指标连接到外部工具。

提供超过337种MCP工具，涵盖天气、加密货币、金融、网络搜索、DNS、颜色、AI聊天、文本分析、计算器等，按使用量付费，每500次调用仅需5美元。

卡内基国际和平基金会的最新报告指出，人工智能基础设施的选址将决定全球权力平衡。报告通过财务模型发现，“通电时间”是吸引AI数据中心投资的最关键因素，而非能源成本或税收优惠。民主国家需要在国内加快审批流程和电网连接，同时建立国际联盟以确保AI发展反映自由价值观。

Unsloth 是一个工具，允许用户在本地（Mac 和 Windows）100% 离线运行和训练 AI 模型。它支持 GGUF 和 Safetensors 模型，提供工具调用、网络搜索和 OpenAI 兼容 API。用户还可以通过无代码界面训练模型、比较模型、导入文档创建数据集，并导出模型。Unsloth 提供免费开源版本以及 Pro 和 Enterprise 付费版本。

本文探讨了AirPods等耳机对社交互动、个人心理和内容消费的影响。研究发现，频繁使用耳机加剧了孤独感，减少了自发的社交接触，并可能改变我们对音频内容的感知。作者呼吁人们减少耳机使用，留出时间进行自我反思和真实的人际交流。