随着强化学习中求解器能力的提升，固定任务分布饱和，而简单生成任务易导致无效或过易问题。PROPEL框架通过训练轻量级激活探针预测求解器通过率，替代直接求解器评估，从而高效生成位于可学习前沿的任务。在数学、代码和软件工程领域，PROPEL显著提升了目标求解率下任务的生成比例。

高斯混合注意力（GMA）是一种新的注意力机制，它通过K个学习到的高斯混合组件进行路由，避免了标准点积注意力的二次复杂度，实现了O(NK)的线性内存缩放。实验表明，GMA在长上下文分类任务上与注意力基线竞争，因果GMA在WikiText-103上优于线性/随机特征注意力，但落后于优化后的因果SDPA和Mamba。GMA提供了一种可解释的、固定K的线性时间注意力替代方案。

ProfiLLM 是一个智能LLM数据管道，用于为网约车调度创建效用对齐的用户画像。它通过工具增强的全局知识挖掘和效用对齐的画像探索克服了扩展挑战。在滴滴上部署后，它在预测AUC、GMV和完成率方面取得了显著提升。

R2D-RL是一个基于RoboCup 2D足球仿真平台的多智能体强化学习环境，通过共享内存和周期级同步连接Python MARL接口，支持全场/场景训练、可配置对手、混合动作空间、EPV奖励塑造和并行执行。

一篇新论文从形式化角度阐述了通用智能体在多个环境与目标下接近最优行动所需的内存。研究表明，当两个领域共享观测瓶颈但要求不一致的最优行动时，任何均匀接近最优的策略必须在瓶颈处产生不同的内存分布。分离定理表明，成功的智能体不能仅依赖当前状态观测，而必须在内存中保存领域相关信息。该论文还证明了如果内存包含足够的信息来估计相关目标的价值，则可以利用该内存近似重建智能体的局部转移动态。这些结果将内存描述为支持领域区分、转移模型重建和规划的基质。

研究人员推出了ForecastBench-Sim，这是一个基于策略游戏《Freeciv》的模拟世界预测基准测试，旨在解决真实世界基准测试中结果解析缓慢、尾部事件罕见和反事实问题难以评分的问题。该基准通过提供固定的游戏状态快照并询问隐藏的未来状态来评估预测能力，支持连续/二元预测、条件/因果问题和罕见事件样本。

DeFAb是一个将四十年公共资助知识库转化为可废止溯因推理基准的数据集和生成管道。基于规则的逻辑求解器在50微秒内100%准确解决所有实例，而最佳前沿语言模型达到65%，在鲁棒渲染评估下降至23.5%。该基准通过多项式时间可验证的推导、保守性和最小性检查，将逻辑严谨性作为衡量创造力和理论推理的工具。发布了包含372,648+实例的DeFAb以及更难变体和Lean 4/Mathlib中创造性变体。

CEO-Bench是一个新基准，通过模拟经营初创公司500天来评估语言模型智能体在长期、不确定环境下的综合能力。即使最先进的模型（如Claude Opus 4.8和GPT-5.5）也仅能勉强维持初始资金，无法稳定盈利。

本研究使用Collaborative Gym和DiscoveryBench任务，研究了共享工作空间中人类与AI代理的团队协作。结果发现，缺乏协调结构时，增加协作者反而降低性能；而采用共享群组记忆和模拟人在回路门控的脚手架设计，能显著提升团队绩效，尤其在三人团队中效果最明显。

CaVe-VLM-CoT是一个模块化的反思型智能体RAG框架，通过五阶段闭环流程减少视觉语言模型中的幻觉现象。它引入了一套包含23个指标的评估体系，其中CaVeScore综合衡量准确性、引文精确率与召回率、归因和证据基础。在ScienceQA和MMMU数据集上，该方法无需修改架构或提示即可达到87.1%和55.2%的准确率。

本文介绍了NAVI-Orbital，一个部署在低地球轨道航天器上的软件系统。2026年4月16日，它实现了首次在轨视觉语言模型自主多模态推理，使用Gemma 3模型对捕获场景进行分类、描述，并通过自然语言对话响应操作员。该系统通过纯英语提示重新任务，由基于图的状态机（LangGraph）协调。地面基准测试准确率88.16%，并在轨验证了可行性，旨在通过语义压缩反转传统带宽模式。

本文介绍 Parcle，一个为AI代理设计的共享记忆层，通过索引和检索相关记忆而非重复加载全部上下文，显著降低令牌消耗。实测显示令牌使用降低高达70%，任务完成速度提升约2倍。

dolfyn是一款专为服务型企业设计的AI语音代理，能够24/7接听电话、捕获潜在客户并安排日程，有效减少因未接来电造成的收入损失。它根据每个企业的具体需求定制，提供呼叫转移、紧急升级、自动短信回复等功能，并与多种CRM和日历工具集成。设置快速，每月179美元起，无合同约束。

根据《2026年AI设计报告》，91%的设计师每周使用AI（2025年为54%），平均工具数量从3个增至7个。50%的设计师已将AI生成的代码投入生产，同时设计师开始构建内部工具。报告揭示了AI采用带来的喜悦与焦虑，以及招聘标准向AI素养、系统思维和战略技能的转变。

Genie Mentions 是一款新推出的 AI 社交产品，能够理解你和你的社交圈，实时追踪朋友的动态、旅行和梦想，让你随时了解他们的最新情况。

Midjourney CEO David Holz 展示了公司首款硬件产品——The Midjourney Scanner，这是一款基于超声波的全身扫描仪，使用 40 个 Butterfly 超声模块，可在 60 秒内完成全身扫描，图像质量堪比 MRI。该公司计划在旧金山开设一家水疗中心，配备 10 台扫描仪，初期提供身体成分图，无需 FDA 诊断许可。Holz 设想未来该扫描仪可超越 MRI，无辐射且更快。

本文作者作为一名小型软件企业的创始人，分享了使用本地模型的真实经验。他指出，虽然本地模型如Qwen在基准测试上落后于前沿模型，但在隐私、固定成本和供应商风险规避方面具有独特价值。同时，作者也坦诚地讨论了本地模型的局限性，如无限循环和幻觉问题，并告诫不要将其用于无监督的长期任务。

x86 生态系统咨询小组发布了 AI 计算扩展 (ACE) 规范，旨在为 x86 架构提供 AI 计算扩展支持。

OpenAI推出LifeSciBench基准测试，包含750项由173位博士科学家编写的任务，涵盖7个工作流程和7个生物学领域。该基准使用19,020条评分标准评估AI的推理和决策能力，而非简单的事实回忆。最佳模型GPT-Rosalind仅通过36.1%的任务，表明仍有巨大改进空间。

BrandScreen.ai是一款品牌风险评估工具，可同时筛查商标、域名、商业实体、社交媒体账号及搜索竞争，并生成0-100的品牌风险评分。它提供免费工具和AI名称生成器，帮助创业者快速验证品牌的可拥有性和防御性。

本文介绍了在单个AWS c6i.metal实例上同时运行1500个完全KVM隔离的虚拟机进行AI任务时，测量到的关键性能指标，包括启动时间、内存密度、DNS缓存、网络延迟、TLS会话复用和吞吐量，展示了轻量级隔离架构的实际成本与收益。

Epiq Solutions 推出 VNX+ 开发平台，是一款完全自包含的射频载荷，集成了CPU和GPU，可直接部署AI/ML应用。覆盖10 MHz至6 GHz频率范围，支持4发4收，功耗仅40W，重2.5kg。兼容DeepSig的OmniSIG等AI信号处理软件，适用于电子战、信号情报、无人机检测等领域。

PII GUI 是一款基于 Tauri 2 的桌面应用，可在本地检测和编辑 PDF、Markdown 或文本文件中的个人身份信息（PII），所有数据处理均在设备上完成，无需联网。它支持正则和 ONNX 模型两种检测后端，并提供预览、自定义规则、任务持久化等功能。

Tine是一款Mac上的AI桌面光标，位于通知栏区域，能够实时理解你的屏幕活动，并跨应用执行操作，如发送Slack消息、记笔记、填写表单等。它注重透明度、权限控制和即时用户掌控，默认在设备本地运行，记录每一步操作，并在你触碰鼠标时交还控制权。

RichInto 提供一系列免费在线计算器，帮助创作者、自由职业者和个人创业者估算AI工具ROI、定价、赞助费率、软件成本和数字产品利润，支持数据驱动的财务决策。

LegalRabbit 推出了一个用于 Claude Cowork 和 Codex 的 DOCX 插件，能本地读写、创建、修订 DOCX 文件，支持修订标记和批注，令牌消耗仅为 Anthropic 官方技能的 1/2 到 1/5。

主权AI——即拥有数据、模型和交互层——正成为各类组织（而不仅仅是国家）的战略要务。本文主张全栈控制，强调小型专用模型优于通用模型，并探讨了品牌一致性和合规性等障碍。领导者应视数据为主权资产，优先选择可组合的小模型，并拥有用户界面。

Mindgard 的研究发现，ChatGPT 的图像生成器能够被轻易操纵，在用户未直接请求的情况下产生暴力和露骨的性内容。这一发现表明，AI 工具的广泛使用加上不足的内容过滤器，会带来现实世界的后果，并引发对为何这些模型首先被训练在这些图像上的质疑。

人工智能正在变革心脏CT成像，从实时冠状动脉分析、自动化TAVI规划，到检测肉眼不可见的冠状动脉炎症。本文摘录了与Ronak Rajani博士的研讨会亮点，探讨了AI幻觉、准确性、黑箱算法及临床医生责任等问题。

Instagram上发布了一段对比AI CAD工具Transfigure和Google Gemini Pro的视频，展示了它们在设计任务中的表现。