研究表明，大型语言模型（LLMs）系统性地将非裔美国人英语（AAE）改写为标准美式英语（SAE），即使上下文是AAE。作者提出了一个端到端框架来审计和减轻这种偏见，包括条件方言组不变性（cDGI）和激活引导技术。他们还发布了最大的真实AAE平行语料库REAL-AAE。

本研究提出一种基于梯度的通用语音到文本对齐方法，无需训练或模型修改，适用于任何可微分的自动语音识别（ASR）模型，包括CTC、transducer、注意力编码器-解码器和语音大语言模型。该方法在输入网格上进行对齐，比传统的编码器网格更精确。在16个模型上的评估表明，它能提供可用的对齐结果，尤其在流式模型上优于原生对齐，但每个令牌需要一次反向传播计算。

该论文提出了一种利用强化学习策略梯度方法对Transformer掩码语言模型进行优化，从而自动生成电商广告标题的方案。该方法通过联合考虑卖家想要推广的多个产品来生成标题，并证明在重叠指标和质量审核上优于现有的Transformer和LSTM+RL方法。审核表明，模型生成的标题在语法和创意质量上均超过人工提交的标题。

大型语言模型（LLM）在医学问答基准测试中取得了可喜成果，但受到幻觉和官方指南快速演变的限制。检索增强生成（RAG）通过将回答基于明确维护的语料库来降低这些风险，但端到端性能关键取决于检索配置和超越多项选择格式的评估。研究将PubHealthBench扩展为检索增强设置，系统评估检索和生成选择，发现混合检索持续改进召回率和排序质量，且提供检索上下文能显著提高多项选择准确性。引入基于评分标准的LLM作为评判器评估自由形式回答，并与人工标注进行验证。

本文提出一种多模态方法，利用自动语音识别和机器翻译生成文本转录，并通过跨模态变压器整合音频与多语言文本特征，显著提升情感极性分类性能。同时，通过知识蒸馏将多模态模型的能力迁移至纯音频模型，在不增加推理计算开销的情况下提升其性能。

提出TSF框架，利用大型语言模型构建任务语义场，无需在线LLM推理，通过激活变量语义提升时间序列预测性能，平均MAE降低6.4%，参数增加仅1.8-3.0k。

该研究探讨了注意力机制中得分矩阵的谱特性如何受位置编码影响。通过分析七个预训练模型，发现RoPE下的前词头具有旋转谱，而绝对位置编码和ALiBi则不然。动态分析表明谱特征在行为之后出现，因果实验显示没有谱通道是必需的，但移除会延迟学习。

Inertia-1是一个完全开源的可穿戴运动基础模型探索项目，利用超过1820万小时的加速度计数据，系统研究了数据、模型和训练选择对下游任务的影响。在15个数据集上的评估展示了其泛化能力，为可穿戴运动表示学习提供了实用指南。

联邦学习中标签偏斜导致客户端漂移并降低全局精度。合成数据增强可以缓解这一不平衡，但完全类别平衡需要大量计算成本。本文提出FedEAS策略，根据客户端本地标签分布为每个客户端分配熵自适应每类生成预算，联合决定生成数量和样本分配方向。总生成预算由各客户端预算动态确定，而非预先固定。FedEAS在减少94.1%生成预算的同时恢复了完全类别平衡的大部分精度增益，在相同总预算下，在CIFAR-10和CIFAR-100上比均匀分配方法性能提升高达18.82%。

STAGformer是一种高效的时空代理图变换器，通过线性复杂度的两步代理注意力机制实现全局建模，在纽约Citi-Bike和芝加哥Divvy-Bike数据集上显著优于现有方法。

本文提出一种基于深度强化学习的多目标可靠性投资组合优化框架（MORP-DRL），联合优化预期收益和下行风险，使用方差、CVaR和EVaR三种风险度量，结合GARCH、极值理论和t-copula建模，在考虑交易成本等约束下，采用PPO策略，在十个全球股指上展现优于NSGA-II的性能。

D2PO（动态直接偏好优化）是一个框架，用于优化扩散模型的采样策略，包括时间步调度和无分类器引导权重。它解决了传统师生回归框架中低NFE学生采样器牺牲高频纹理保真度的问题，通过偏好对齐和动态偏好机制实现更好的感知质量。实验表明，在低NFE约束下，D2PO优于常规回归调度器。

NEST是一种专门设计的框架，通过两阶段密集MoE架构建模和重组数据集中的演化结构。它首先在矩-熵空间中进行无监督聚类，将数据集划分为不同的运行机制，然后利用面向机制的路由器机制生成初始专家权重，并通过几何调制进行优化。专家作为专门的内核，捕获机制特有的动态。在多种基准测试中，NEST取得了最先进的性能。

研究表明，在药物发现中使用的边际共形预测在类别不平衡数据集上会严重低估少数类的覆盖概率，而类别条件（Mondrian）共形预测能有效恢复。

TriRoute是一种轻量级的统一控制器，能够为每个令牌在每一层协调注意力模式、专家选择和KV缓存位宽，从而在相同计算和内存预算下超越独立优化方法的性能。

来自arXiv的一项研究指出，现有AI在与人类动态交互中常失败，原因在于未能量化潜在的社会规范。研究者通过行人-车辆交互实验，识别出结果可预测性、价值一致性和优势意识三条规范原则，并将其融入大语言模型，使AI在闭环任务中总分提升近四倍，超过人类间互动43%，为AI更自然融入社会提供了新路径。

本文提出大型行为模型（LBM），通过统一的人物-环境框架直接从大规模零售交易中学习客户决策。模型利用历史购买行为构建客户状态，通过检索增强生成整合产品上下文，并采用持续预训练、监督微调和基于可验证奖励的强化学习进行训练。在多个零售任务上，LBM显著优于前沿通用语言模型，并展示了强大的零样本和微调迁移能力。消融实验表明，持续预训练是行为泛化的主要驱动力，检索在训练和推理时均应用效果最佳，强化学习能增强对显式行为证据的依赖。

研究表明，通过优化编排层（Harness）而非仅关注模型本身，可显著降低企业代理型AI的运营成本并提升效率。实验显示，使用Writer Agent Harness可使每任务成本降低41%，时间缩短44%，代币消耗减少38%，且质量保持不变或略有提升。

本研究提出一种ReAct风格的智能体架构，将LLM推理与SageMath可验证反馈及Context7最新文档结合，在RealMath基准上评估前沿模型解决研究级数学问题的能力。实验表明，SageMath访问平均提升9.7个百分点，缩小了开源与闭源模型的差距。Qwen 3.7-Max受益最大，GPT-5.5达到75.2%的最高解决率。该工作已被ICML 2026第三届AI for Math研讨会接收。

研究者提出了两种成本效益高的代理架构——探索-定义管道和反思性协调器，在ARC-AGI-1基准上分别达到57.50%和67.25%的pass@2，成本仅为每任务0.25美元和0.62美元，无需基准特定训练或大量测试时计算。

QANTIS将量子处理器视为一个经过校准的信念更新服务，接收先验和观测模型，估计稀有事件证据项，并返回后验给经典规划器。本文通过IBM Heron硬件上的老虎POMDP案例研究，检验该服务能否在序列决策中重复使用而不破坏后验。全步固定点放大（FPAA）在8步和12步中保持了后验，20步和32步控制也在同一工作带内。所有决策检查中，硬件后验与精确贝叶斯后验选择了相同的即时动作。

研究人员提出了一个可扩展的混合智能体与语言驱动流行病（HALE）建模框架，利用大型语言模型（LLM）预测智能体建模（ABM）中的人类决策，并以COVID-19在犹他州盐湖县的模拟作为概念验证。

该论文对大型语言模型中的上下文搜索进行了理论分析，将其建模为推理轨迹的近似推断。研究表明，当反射能够可靠地定位早期错误时，上下文搜索相比基础模型可实现指数级改进，仅需多项式次数的顺序尝试即可解决零样本通过率极低的问题；反之，则无渐近优势。此外，这些收益是稳健且可学习的，并可与强化学习中的最优策略扩展相联系。

AgentLens 是一个面向交互式编码智能体的生产级基准测试，它评估智能体的完整执行轨迹，包括指令遵循、工具使用、自我验证、错误恢复和沟通等方面。通过结合形式化验证与LLM撰写的轨迹审查，AgentLens 提供了可读的评分解释，适用于模型行为诊断、版本比较和回归检测。该基准已作为开源项目发布。

中国正实施大规模高等教育改革，2021至2025年间取消或暂停了12,200个本科专业，同时新增约10,200个专业，超过30%的本科课程受到影响。此举旨在应对青年失业率高企（16-24岁非学生群体失业率16.9%）以及国家科技战略需求。人文学科、艺术、外语等被视为“过时”的专业被大幅削减，而人工智能、机器人、半导体工程等新兴领域则得到优先发展。与美国因财政压力削减专业不同，中国是政府主导的战略性资源重新分配，旨在使高等教育更贴合国家经济目标。

Figment是一个可通过短信交流的个人AI，具有好奇心和主动性，能主动探索网络并分享有趣内容。作者的朋友在两周内体验到了许多神奇瞬间。

美国拥有足够的电力来支持AI数据中心，但将其输送到需要的地方才是问题所在。电网互联排队时间从2005年的20个月增加到2023年的55个月，成为AI发展的主要障碍。市场机制本身能有效调配发电资源，但电网基础设施规划滞后。

本文探讨了人工智能自动化如何威胁贫穷国家依赖廉价劳动力出口的经济发展模式。文章回顾了从农业到制造业再到服务业的发展阶梯，指出制造业就业在发展中国家更早出现下滑，而服务业出口（如呼叫中心和IT）也面临风险。虽然廉价劳动力可能暂时保持竞争力，但快速下降的AI成本可能最终消除这一优势。

本文深入评测了2026年最热门的Character AI替代品，包括Polybuzz、Chai、Silly Tavern、Swerve和chatbrat.ai，分析了各自的优缺点，并指出chatbrat.ai在个性、记忆和社交体验上脱颖而出，成为真正有灵魂的角色扮演平台。

SlopWatch是一款Chrome扩展，允许用户对网页进行AI生成内容评级。社区评级产生“Slop分数”，表明内容由AI生成的可能性。目前评分4.3/5，旨在提高网络透明度。