一项预印本研究利用Universal Dependencies v2.18中38对同语言树库，评估了语料库选择对平均依存距离估计的影响。结果显示，不同树库之间一致性最多为中等：更换树库会使近40%的语言两两排序反转，树库选择约占总组间差异的29%；这种分歧在12种预处理规范下均存在，并超过树库内抽样误差。不过，所有树库都证实了依存长度最小化（归一化比率低于1）。研究者认为，平均依存距离更像语法、语体和标注因素共同作用下的语料库条件化指标，而非稳定的语言级参数。

Wi-Fi人体活动识别（HAR）依赖深度模型，训练和推理开销大。新提出的Q-MET框架用量子-经典混合神经网络间接生成参数，并结合结构化剪枝，使可训练参数减少90%到95%，同时维持甚至提升分类精度。

Simon Willison 点评 OpenAI 新发布的《Research acceleration: The view inside OpenAI》一文。文章显示 OpenAI 内部似乎把当天称作“RSI 日”，即递归自我改进，并可能与 OpenAI 的新 AGI 有关。OpenAI 还披露研究团队正大量使用编码智能体，图表显示每位研究者的日均 AI 支出从 2 月的接近 0 美元升至 8 月下旬的约 600 美元。Willison 推测 7 月下旬的陡增来自员工提前使用后来发布的 GPT-6 Astra。

OpenAI内部数据显示，编码智能体正在重塑AI研究，实验速度与任务复杂度均有所提升。