本文对139项研究进行系统综述，提出统一框架并进行元分析。结果显示多模态融合使准确率平均提升5.28个百分点，多视角融合带来准确率提升4.67%、F1分数提升3.08%，但仅少数研究使用了统计检验，存在可重复性问题。

本文研究移动众包中用于大语言模型（LLM）微调的诚实在线偏好聚合问题。针对工人可能策略性误报反馈的情况，提出一种动态贝叶斯博弈模型和在线加权聚合机制，该机制能根据工人反馈准确性动态调整权重，确保诚实反馈并实现次线性遗憾O(√T)。实验证明优于基准方案。

该研究将大语言模型集成中的提案者选择问题重新定义为组合选择问题，强调互补性而非单纯准确率或多样性。通过探索多种贪心式选择算法，实验验证了互补性作为选择准则的有效性，并确定了性能与成本最佳折衷的方法。

现有蛋白质-配体基准通常评估蛋白质与配体是否相互作用及结合强度，但无法判断模型是否能够定位结合位点或识别分子识别中的非共价相互作用。为此，研究者引入InteractBind，一个包含约10万对蛋白质-配体的大规模数据集及细粒度评估基准，通过六种非共价相互作用类型的残基-原子相互作用图来评估结合位点定位能力。评估八个现有模型发现，尽管二元结合预测表现强劲，但结合位点定位能力有限，且在不同非共价相互作用类型间差异显著。InteractBind鼓励开发更具可解释性和物理基础的蛋白质-配体模型。

本文提出LLM-AutoSciLab，一种闭环科学发现框架，将假设生成与假设条件实验选择及机制精炼相结合。该框架迭代提出合理假设、选择信息丰富的实验以区分或精炼假设，并利用实验结果更新状态。引入ActiveSciBench基准，包含57项酶动力学任务和45项基因调控网络任务。在多个基准上，LLM-AutoSciLab优于先前方法，符号准确率在NewtonBench上达67.6%，在ActiveSciBench-Chem上达35.1%，在ActiveSciBench-GRN上精确图恢复率达31.1%，且假设引导的实验采样效率比最强基线高2-5倍。

对1536种高斯发布协方差的测试发现，没有一种能在自适应检索攻击下同时实现中等效用和隐私保护。研究者提出了费舍尔球下界，证明均匀高斯安全性不可能，并指出对角逆费舍尔发布是最优的但处于隐私/效用边缘。提出分裂记忆Transformer在隐私-效用权衡上显著优于GPT基线。

神经算子作为科学建模中快速数据驱动替代方案，但存在频谱偏差问题，难以解析高频细节。本文提出迭代精化神经算子（IRNO），通过固定点迭代增广预训练算子，并引入渐进频谱损失，在湍流等测试中误差降低高达56.05%，高频误差显著减少。

该论文提出了“可验证Transformer”框架，将局部任务Transformer电路转化为有界、可求解器检查的命题，通过直接验证和替代中介验证两种方法，在小型符号序列任务上实现了对电路属性的穷举验证，并在GPT-2规模上展示了替代中介验证的有效性，旨在为机械论解释提供形式化证明路径。

本文提出CAFD，一种结合模型信号、距离特征和概念失败比（CFR）的故障检测方法，利用视觉-语言模型提取图像概念，有效提升DNN故障检测性能，在多个基准上平均故障检测率提升18.3%。

本文提出了一种名为MODIAD的新型框架，用于解决工业环境中的多模态在线分布式异常检测问题。该框架包括一个多类智能调度（MIS）问题以协调跨类模型更新，并通过序列边际增益贪心（SMG）算法高效求解。此外，还提出了资源高效类级低秩自适应（REC-LoRA）策略以降低训练开销。在MVTec 3D-AD和Eyecandies数据集上的实验表明，该方法在MODIAD场景下实现了卓越的性能和效率。

本文提出“算法度量”（algometrics）框架，用于处理预测模型影响自身数据生成过程的时序预测问题。区分了被动预测下的历史风险和部署风险，并证明：部署风险无法仅从历史数据识别；算法拥挤可导致历史排名反转；随机化或工具化行动可识别短时域线性反馈。建议算法市场的基准应同时报告预测精度和反馈敏感性。

本文提出一种运行时执行模型，在自主智能体系统中强制执行重构权限（RAM）条件：仅当能从当前状态构造出权限时，才允许执行动作。该模型扩展了传统“允许/拒绝”二元状态，引入“暂停”状态以处理因观测不完整或不确定而权限未定义的情况。具体执行协议包括动态依赖解析、权限重构和显式决策语义。此外，通过集成漂移检测（IML）与执行控制（ACP）的恢复循环，系统可暂停执行、获取缺失信息并重新尝试权限重构。实验证明该模型保证了安全性（无动作在无构造权限时执行）和有条件的活性（当权限定义变量可观测时恢复执行）。

本研究将飞秒激光泵浦的相干伊辛机（CIM）与大语言模型（LLM）驱动的智能体系统集成，利用LangGraph和LangChain框架实现了量子建模的自动化。LLM能够有效执行QUBO/Ising模型校准、约束权重迭代和文献方案验证。所有任务均基于国产大模型和国产CIM硬件实现，完全依赖自主核心技术。研究还意外发现，智能体辅助量子计算迭代积累的知识能够反向增强智能体自身的问题解决能力，形成新的协同范式。

一项新研究提出了Med-Stress压力测试框架，揭示了在临床对话中不断升级的压力下，大型语言模型（LLM）的医学知识与信念稳定性之间存在脱节。作者提出了两种防御机制：基于角色的认识防御（RBED）和韧性导向微调（R-FT），其中R-FT几乎消除了信念改变。

研究人员提出BODHI方法，通过领域知识提示技术大幅提升大型语言模型生成操作系统内核形式化规范的能力。在OSV-Bench基准上，结合Claude Opus 4.6的BODHI方法达到了96.73%的Pass@1，相较于此前最佳结果提升显著。

本文介绍了基于量化时间机制的双人合作游戏《量子青蛙》，使用强化学习分析难度缩放、最优单智能体策略、合作差距及涌现策略。研究发现：量化时间使得“冲刺策略”普遍最优；添加不协调的第二玩家比将交通量增加六倍更困难；合作训练可提升成功率达32–34个百分点，并将回合长度从约90步缩短至约6步；涌现的合作策略是同步冲刺，而非复杂的位置协调。

本文分析了大型语言模型（LLM）驱动的代理工作流中延迟、可靠性和成本之间的基本权衡，提出了一种参数化指数可靠性函数来建模LLM代理的计算投入与输出质量关系，并推导了最优令牌分配策略（注水算法）以及影子价格表征。

本文介绍了Context，即Magarshak架构的智能层，它用主动目标导向代理取代了被动问答聊天机器人。该架构基于三种机制：编写时上下文组装、可组合沙盒智慧程序以及主动目标流状态机。论文证明了六个定理，包括上下文稳定性、程序组合正确性、主动优势等。该实现基于开源Qbix/Safebox/Safebots栈。

该研究量化了推理型大语言模型在长链思考中的冗余程度，发现61%至93%的推理步骤可以截断而不影响正确性，并证明这种冗余是长度无关结果奖励的结构性后果，而非模型缺陷。

研究发现大型语言模型（LLMs）在置信度校准上存在类似人类的偏差：在困难任务上过度自信，在简单任务上则信心不足。研究者开发了LifeEval测试集，用于评估不同难度级别下的模型校准表现。

该研究通过用前沿视觉语言模型（VLM）替代人类用户，复制了人类驱动开放式搜索的经典范例Picbreeder，比较了系统输出与历史人类基线的定性差异，并尝试通过系统发育复杂性、视觉和语义显著性及新颖性的指标来表征这些差异。研究还探索了在代理选择过程中添加探索性噪声、代理之间的行为多样性以及以过去行动记忆形式存在的叙事动量等因素的影响。

Allen Wu 开源了 AgentToolBench-Code，这是一个评估AI编程代理静默安全失败的基准测试。测试了 Claude Code Sonnet 4.6 和 Haiku 4.5，涵盖16个真实CVE场景。结果显示 Sonnet 以 +9 分（12捕获、3静默失败、1无操作）明显优于 Haiku 的 +3 分（8捕获、5静默失败、3无操作）。早期平局源于小语料库，扩展后 Sonnet 在模式识别上优势显著。但两者在依赖安装和预算消耗等结构性攻击上均失败，提示系统性问题。该基准可重复，API成本约3.50美元，社区可贡献场景。

AIntegriX 是一个开源服务器，通过单一 API 协调多个 ACP 智能体，支持并行执行、流水线作业和智能路由，解决了各代理独立运行无法协作的问题。

教皇利奥十四世发布关于人工智能的通谕《崇高人性》，据称受Anthropic联合创始人Christopher Olah影响。Corey Quinn讽刺称，让教皇将产品的技术限制奉为精神论著是前所未有的供应商游说。

区块链生态系统普遍面临开发者流失，而人工智能项目在GitHub上成为增长主力。自2025年初以来，每周加密货币代码提交量从约85万次降至21万次，活跃开发者数量减少56%至约4600人。

UUMuse 是一个云端AI知识库平台，只需上传一次文件，即可在GPT、Claude、DeepSeek、Qwen等多个模型中进行带有引用的问答、生成内容和部署。支持通过API和MCP供代理和应用调用，提供永久记忆、多专家辩论（Spark）、代理模式等功能，并可将知识库部署为文档网站、小部件、API端点等。

本文介绍了如何使用AI工具进行SEO竞争对手分析，包括关键词差距分析、五步分析法以及定期检查策略。还推荐了Fox AI的免费竞争者分析工具，帮助团队快速发现排名机会并生成优化方案。

加州州立大学系统与OpenAI签订价值数百万美元的合同，提供ChatGPT Edu工具，但调查显示多数师生对AI的教育效益持怀疑态度，担心其对就业、创造力和环境的影响。

ContextVault是一款浏览器扩展，可在所有主要LLM平台（如ChatGPT、Claude和Gemini）上实时捕获AI对话，并将其本地存储在IndexedDB中。支持一键导出为Markdown或ZIP格式，确保您的对话数据不会离开您的设备。该工具免费、开源，无需账户或后端，注重隐私。

专家警告，伪装成地方新闻机构的AI生成新闻网站（即“粉红肉渣”新闻业）已在澳大利亚偏远地区出现，引发对虚假信息和媒体信任度下降的担忧。这些网站背后是一位海外居住的澳大利亚人，他表示这只是一次失败的实验。