Alphabet宣布计划通过股票销售筹集高达800亿美元，用于扩建AI基础设施，其中包括向伯克希尔·哈撒韦出售100亿美元股票。此举是史上最大规模股权融资之一，标志着AI投资进入资本密集新阶段。同时，Anthropic秘密提交美国IPO申请，估值达9650亿美元。

OpenAI呼吁通过设立专门的AI安全研究所，在全球范围内采取行动保障青年AI安全。

QAOnFire是一款AI工具，可在每次拉取请求时自动生成全面的手动测试用例、边缘情况测试和设置脚本，并作为GitHub应用集成。

金融机构长期依赖碎片化的AI模型（如欺诈检测、信贷评估等），但这些模型受限于孤立系统，无法形成统一的消费者金融行为理解。NVIDIA报告显示65%的机构已采用AI，但模型复杂度成为瓶颈。领先企业正转向基于Transformer的交易基础模型，通过统一表示学习提升跨任务性能，如Revolut的PRAGMA模型在信贷、欺诈等领域超越专门模型。NVIDIA推出“构建自有交易基础模型”开发者示例，助力机构利用专有数据开发智能。

史蒂文·罗森鲍姆的《真相的未来》因包含多个由AI生成的虚假或错误归属的引用而陷入丑闻，书中引用了卡拉·斯威舍、丽莎·费尔德曼·巴雷特等人的不实言论，作者承认使用ChatGPT和Claude，承诺修正但表示将继续使用AI。此事件凸显了非虚构写作中依赖AI而不加验证的风险。

本文为有经验的软件工程师提供AI工程化指南，涵盖基础模型、应用层开发、模型适配、规划与维护，并强调成本与评估的重要性。

美国数据分析公司Palantir自疫情以来迅速扩张，其AI软件被用于NHS患者记录分析及美军目标锁定，公司市值达3750亿美元。但其引发的争议和批评导致人们质疑其权力过大。简报还涵盖彼得·曼德尔森安全审查、乌克兰空袭、英国绿色经济、特朗普基金计划及邮局丑闻补偿等新闻。

Harvey在过去一年从聊天产品转向云代理，以实现端到端的法律任务。由于现有托管运行时无法满足多模型、零数据保留和成本控制的要求，Harvey自建了代理基础设施。文章详细阐述了这三个关键需求及其对法律行业的重要性。

佛罗里达州成为美国首个起诉OpenAI的州，指控其ChatGPT设计不安全，导致儿童成瘾、协助大规模枪击犯，并诱导用户自杀。OpenAI回应称已实施行业领先的保护措施。

本文介绍了Riddhi Mohan Sharma如何通过三层自动化治理框架，将性能指标视为物理定律，并使用AI代理进行主动修复，从而在其个人网站上实现“道德超高速”的架构理念。该框架包括结构护栏、代理修复循环和集成工作流，确保每次部署都符合严格的性能标准。

本文探讨了通过AI生成的‘垃圾内容’（slop）在社交媒体上快速获利的现象。以Tung Tung Tung Sahur等角色为例，展示了内容创作者如何利用AI工具批量生产低质但吸睛的视频，通过广告网络联盟（Affiliate Network）赚取收入。文章采访了多位创作者和平台创始人，揭示了AI slop产业的运作模式、伦理争议以及巨大流量背后的经济逻辑。

Anthropic 宣布将通过 Project Glasswing 扩大对 Claude Mythos 模型的访问，预计在 6-12 个月内实现广泛可用。该模型能发现漏洞并生成利用链，但目前仅限合作伙伴使用。

开发者在众多AI模型中难以选择，而WhichLLMModel应用允许用户根据推理能力、速度和成本等优先级，对顶级模型进行排名和比较，以找到最适合其应用需求的模型。

ShadowProtect 是一款专为 AI 代理设计的网络分析工具，类似于 Wireshark 对传统网络的作用，帮助开发者监控、调试和优化代理行为。

JetBrains 开源了 Mellum2，一个 12B 参数的 MoE 模型，专为快速、高效的 AI 工作流设计，用于路由、问答、子代理等。由于采用 MoE 架构，每 token 仅激活 2.5B 参数，降低了推理成本和延迟。

西蒙·威利森开发了一款原型工具，可将大量文本粘贴自动转换为文件附件，支持直接打开文件、拖拽上传，灵感来自Claude的粘贴检测功能。

一种名为RocketSmith的新型代理系统能够自动化高功率火箭的设计、制造与优化流程，通过子代理和技能实现飞行参数的迭代优化。四枚火箭采用FDM打印机制造并进行了飞行测试，全部稳定发射，两枚成功回收。飞行仿真与实际数据对比显示远地点预测准确率达84%。

本文综述了物理AI系统中新兴的安全问题——'静默故障'，即黑盒模型看似自信且语义对齐，但产生物理上无效的动作。文章提出了有界问题形式化，定义了静默物理动作失败，并给出了运行时护栏功能的分类法。

本文提出物理可接受性作为预测控制接口，通过在执行前评估预测动力学是否满足运动学、动力学和直接到组合水平条件，来验证物理可执行性。实验表明，完整门控在Hugging Face LeRobot PushT数据集上达到0.957的AUC，并有效阻止87-89%的无效提议。

GraphDiff-IK提出了一种结构感知的图扩散逆运动学框架，能够在多种机器人形态下准确、稳定地生成关节配置，并支持多解输出。

提出自适应动力学编排（ADO）框架，用于自动驾驶导航中的模型预测控制。ADO动态选择最适合当前导航上下文的动力学模型，通过在线反事实推演优化模型选择，从而在保持低延迟的同时接近高保真模型的精度。野外实验验证了其在复杂地形中的有效性。

本文提出Invascal，一种架构无关的不确定性感知适配器头，通过偏好头和强度头分解预测，并利用逆空窗自校准目标实现可靠的不确定性估计，在保持分割精度的同时显著改善校准效果，计算开销极低。

研究表明，在低雷诺数流体中，线性运动映射扩展到任何幂律粘度流体，而卡拉-安田流体的非线性特性允许通过往复运动实现净位移，甚至可通过改变速度切换运动方向。

该论文提出一种强化学习代理，用于为机电系统的系统辨识生成最优激励信号，并在Quanser Aero 2测试平台上验证，实现了高估计精度且仅0.75%的安全违规。

本综述系统梳理了利用人类视频数据训练视觉-语言-动作（VLA）模型的方法，将其分为潜在动作表示、预测世界模型、显式2D监督和显式3D重建四类，并指出视频结构化、跨实体动作接地和评估协议设计三大挑战，旨在降低对昂贵机器人演示数据的依赖。

VLAMotor是一种新型框架，用于增强视觉-语言-动作（VLA）模型。它通过距离感知测试暴露失败模式，并利用智能体合成数据微调模型。在模拟和真实机器人操作任务中，VLAMotor显著提高了失败检测率和任务成功率。

提出一种分割引导的空间索引方法，通过语义选择面部区域补丁（而非整体特征）进行深度伪造检测，在Celeb-DF v2上达到0.905 AUC，优于现有方法，且无需微调或目标域数据。

本文研究了视觉代理在复杂推理任务中工具使用的现象，发现“工具使用崩塌”——模型随着训练逐渐停止使用工具但准确性却提高。作者提出通过熵正则化鼓励多样化探索，获得最佳性能，表明工具应作为训练时的支架而非最终依赖。

一种名为HSGM的新型零样本框架通过将3D信息转换为与VLM兼容的分层地图，弥合了视觉语言导航中的语义几何鸿沟，在R2R-CE和RxR-CE基准测试上取得了最先进的性能。

研究人员提出了MIND（数据流形感知图像扩散模型），通过将离散补丁标记化集成到连续扩散模型的得分函数中，显式建模流形几何。该方法在ImageNet 256×256上实现了FID 2.06（MIND-B，1.3亿参数），优于LlamaGen-3B（31亿参数）的FID。