本文提出IGADA-IoT框架，通过层次化多生成器协作与调度，基于信息间隙指导自动数据增强，提升无线传感器网络中物联网传感器的采样频率决策性能，从而优化能耗。实验显示，该方法在多个下游模型上平均准确率提升7.27%，优于现有数据增强方法及单独生成器。

本文提出个性化观测归一化（PON）方法，用于解决联邦强化学习在异构环境中因状态转移动态不同导致的输入分布差异和参数更新不平衡问题。每个智能体使用持续更新的运行均值和方差对原始状态输入进行本地归一化，确保特征缩放一致且不相互掩盖。实验证明，共享归一化参数无效，PON在异构MuJoCo任务中加速训练并取得更优性能。该论文已被IJCNN 2025接收。

该论文提出，人类行为结果的持续变异性源于个体的动态潜在状态，而非仅由可观测输入决定。通过干预决策形成时刻的状态权重，可以精确控制结果。框架基于因果推断、预测加工、稳态应变等六条证据链，并利用超20万用户的24个月观测数据，提出七项可检验预测和六项操作要求，对数字健康、教育、AI个性化等领域具有启示意义。

Agyn是一个开源AI代理平台，基于Kubernetes的信号驱动状态无服务器运行时，通过Terraform提供代理定义，并采用零信任安全模型。该平台与代理、模型和云无关，旨在解决生产环境中AI代理的隔离、治理和安全挑战。

本文提出了一种基于多智能体架构的自主洞察发现系统，用于实时数据流。该系统通过持续发现循环，利用Apache Kafka、Flink和大语言模型实现假设生成、验证及可视化，旨在从被动查询驱动转向主动发现驱动分析。

LaneRoPE通过引入序列间注意力机制和位置编码扩展，使多个LLM序列在生成过程中能够协作，从而在数学推理任务中提升准确率，且对架构改动小、推理开销低。

现有机器学习遗忘验证仅关注输出级指标，但模型内部表示可能仍保留遗忘数据。RULER提出表示级验证指标M2和M4，实验表明多种近似遗忘方法虽通过输出级评估，但在表示级检测中表现出显著残留。

本文证明了大型语言模型在进行因果发现时存在根本性局限：监督微调、直接偏好优化和上下文学习等方法无法区分产生相似观测数据的因果图。作者提出了智能体因果贝叶斯优化（A-CBO），其中冻结的语言模型作为干预预言机，外部贝叶斯循环在对数级别轮次内收敛到候选图。在Corr2Cause基准上，A-CBO无需训练即可匹配微调基线；在扩展到24个变量和18K测试样本的Extended Corr2Cause上，A-CBO显著优于微调和偏好优化。

本文提出DynaSchedBench框架，通过顺序事件空间校准器（SESC）和调度压力指数（SSI）严格生成动态灵活作业车间调度问题（DFJSP）实例，解决了静态基准过拟合和未校准生成器噪声问题。研究发现LLM调度代理存在“可观察性悖论”：提供完整结构信息反而会降低性能，且工具增强和细化策略无法可靠提升效果。

本文类比生物进化中的物种起源，探讨合成信息的起源问题，提出利用隐写术实现信息血统追踪的机制，以应对AI生成内容难以追溯来源的挑战。

Soro是一系列专为塔吉克语优化的对话大语言模型，基于Gemma 3检查点，通过19亿标记的塔吉克语持续预训练和4万示例的指令微调，显著提升了塔吉克语任务表现，同时保持英语性能。模型支持FP8和INT4量化，适用于边缘部署，已在塔吉克斯坦教育领域试点。

本文介绍了一种基于大型语言模型（LLM）的架构，用于检测和量化文本中人类价值的强度。该架构包含三个协调模块，可适应多种价值理论，并在ValueEval数据集上表现出良好的检测性能。

一篇论文认为，随着生成式AI消除了人类编写正确代码的能力这一约束，软件工作围绕两大支柱重组：混音模式（人类像音响工程师一样连续操作多个判断轴）和元软件（观察、验证、上下文化和治理其他软件的软件）。这两个支柱不可分割，借鉴了从手工艺到统计控制的批量生产的历史转型。

诺亚·史密斯认为，随着AI能力增强，人类将从技术工作转向确保AI对齐——使AI专注于人类目标。他将其与《上班一条虫》类比，并警告AI生成内容“污泥”正在泛滥。

Safescript 是一种为 AI 代理设计的编程语言，通过静态分析在运行前证明所有安全属性，无需沙箱或虚拟机，彻底消除供应链攻击。它编译成有向无环图（DAG），可追踪数据流和宿主机调用，性能开销为零，启动时间为零。

AIPass 是一个基于命令行的开源框架，为 AI 智能体提供持久性记忆、身份标识和协作能力。智能体共享文件系统，通过 JSON 文件存储记忆，无需云服务或额外 API 密钥。项目包含 13 个核心智能体，支持多智能体协作、任务调度、质量审计和实时监控。

本文提出了一种基于语言模型的蛋白质生物学世界模型，展示了如何通过大规模语言建模来理解和预测蛋白质的结构与功能。

伊利诺伊州参议院第315号法案（SB 315）要求人工智能实验室聘请独立审计师验证其安全承诺，该法案现已提交州长JB·普利兹克签署。普利兹克表示计划签署，称需要让大型科技公司负责。此举在联邦层面缺乏AI监管的背景下，凸显了州级立法的重要性。

这是一份关于AI作弊的PDF报告，但无法直接解析内容。

来自Sakana AI和东京大学的研究人员提出了DiffusionBlocks，这是一种块状训练框架，可将Transformer网络划分为独立训练的块，从而将训练内存减少B倍（B为块数），同时在不同架构上保持性能。该方法通过将残差连接解释为扩散模型中的欧拉步骤，利用分数匹配目标实现块级独立训练。

Simple Wearable Report利用AI从Oura Ring数据中提取更多见解。本文介绍了作者如何使用它，以及它如何与Gemini等AI工具配合提供详细分析。

股票交易应用Robinhood在高度监管的行业中率先允许AI代理进行交易，此举可能推动其他金融公司效仿。

本文探讨了AI系统中的授权悖论问题，即谁真正拥有对AI系统的控制权。文章以视频形式呈现，讨论了相关的安全和隐私问题。

三菱日联金融集团（MUFG）采用ChatGPT Enterprise构建AI原生组织，优化工作流程，并大规模交付AI驱动的金融服务。

OpenJarvis 是一个开源框架，用于构建运行在本地硬件上的个人 AI 代理。由斯坦福大学 Hazy Research 和 Scaling Intelligence 实验室开发，v1.0 版本现已集成 Ollama，实现本地优先、云端可选，并跟踪能耗、成本和延迟。

苹果将在2026年6月3日至7日于丹佛举行的CVPR大会上赞助并展示多项研究，包括视频生成、多模态理解、图像压缩等领域，并在展位进行海报演示。

探索OpenAI的前沿治理框架，了解我们的人工智能安全、安保和风险实践如何与新兴的欧盟和加利福尼亚法规保持一致。

Liiists 是一款基于Markdown的列表应用，可在终端、iOS设备和AI代理上通过MCP服务器使用，所有操作都基于相同的纯文本.md文件。它提供了命令行工具、原生iOS应用（支持分享扩展和Siri）以及用于AI集成的MCP服务器。无需账户、无锁定，支持iCloud同步或指向任何文件夹（包括Obsidian vault）。

SQLite 新增了 AGENTS.md 文件，明确了其对 AI 生成贡献的政策：不接受未经事先同意的拉取请求，不接受代理生成的代码，但欢迎附带可重现测试用例的 bug 报告。由于 AI 生成的 bug 报告泛滥，论坛现已拆分出专门的 bug 论坛。

Uvilox AI 通过下一代视觉 AI 技术，提供实时手语翻译、紧急响应和无障碍通话，延迟低于 80 毫秒，准确率高达 97.4%，支持 200 多种手语变体，并具备军事级安全保护和 HIPAA/GDPR 合规架构。目前正开放 Beta 测试，早期会员可免费永久使用。