FuRA是一种新型全秩参数高效微调方法，通过谱预条件保留预训练的稳健特征，在LLM和VLM微调中超越全参数微调和LoRA，其4位量化变体QFuRA也优于QLoRA。

FusionSense是一种面向能源受限自主边缘系统的融合感知智能框架。通过三阶段训练流程（服务器端融合模型学习、滤除安全标签量化模态必要性、注入近传感器预测压缩边缘融合模型），在运行时联合减少计算与通信开销。在SynDrone双模态（RGB+深度/激光雷达）测试中，任务质量保持的同时实现了高达33倍的能量节省（1%感兴趣区域出现率），质量损失减少92.3%。

一种新方法从语言模型的逐层MLP更新中提取11个尺度不变的几何特征，训练稀疏线性探针，在选择性弃权任务中优于最大软最大概率（MSP），收益最高达21个AURC点。

潜在缓存流（LCF）通过联合翻译和压缩键值对，将适配器大小降至Cache-to-Cache（C2C）的4%，并支持上下文不同的通信场景。实验表明，在共享上下文中，13MB的LCF适配器比956MB的C2C更准确；在不同上下文中，LCF比基于文本的通信准确率高23%、速度快8.5倍。

大型推理语言模型（LRM）在推理过程中会产生包含“等等”、“但是”、“或者”等反思标记的长链思维轨迹。研究表明这些标记的功能角色和影响时机各不相同。PathCal是一种无需训练的解码控制器，通过区分标记类型并在局部不确定状态进行干预，在保持或提高精度的同时减少生成长度，实现更好的效率-性能平衡。

该论文将图灵、阿罗和无免费午餐等基本极限转化为设计规则，提出了确定性地平线这一概念：由架构决定的精度上限，在关键推理深度后无法通过训练提升。研究测量了12种Transformer架构的地平线值（19-31），并通过信息论证明了超过该界限后精度呈超指数衰减。此外，论文还涵盖了偏好学习、多阶段检索、真实拍卖和零知识验证等领域，构建了16个规范，每个规范包含可计算边界、量化违规成本和建设性设计规则。

EVE-Agent是一种新的自我进化搜索代理，通过引入证据可验证性来确保训练实例的来源可靠性。它修改了提出者-求解者框架，使用证据验证器根据证据带来的边际准确率增益进行奖励，从而在不依赖人工标注的情况下提升模型的证据基础正确性。实验表明，EVE-Agent显著优于先前的自我进化代理，并且其生成的数据集具有可审计性。

本文系统发展了中介模糊逻辑的一型核心，并扩展至区间二型、粒状三型及量子版本，建立了基于犹豫和矛盾控制的凸聚合算子，证明了可靠性、次协调性和保守性，并通过自动驾驶刹车传感器融合示例展示了其在处理不完整、异质和轻微矛盾证据中的透明、保守和优先安全的决策能力。

ImProver 2是一个神经符号框架，用于自动化Lean 4中的证明优化。它通过数据高效的专家迭代流水线和暴露形式结构与轻量级非正式抽象的脚手架，训练出7B参数的模型，在性能上超越同系列大模型，与中端前沿模型竞争。研究表明，通过适当的脚手架和训练，小模型也能有效重构研究级证明。

新研究提出A-LEMS框架，以每个成功目标的能量（EpG）而非每次推理来衡量AI能耗。实验表明，智能体工作流平均能耗是线性基线的4.33倍，编排结构是主要驱动因素，但在工具增强任务中可能更节能。

SciAtlas整合了来自26个学科的4300万篇论文，构建了包含1.57亿个实体和30亿个三元组的知识图谱，使AI代理能够进行拓扑感知的科学推理，减少逻辑幻觉。

研究数学智能体（RMA）是一个专为研究级数学问题设计的自动化推理框架，通过多代理协作和迭代优化，在First Proof基准上解决了10个问题中的8个，超越了GPT-5.2R和Aletheia等强基线。

NeuroNL2LTL是一种结合神经翻译与形式验证的神经符号框架，能将自然语言需求自动转换为线性时序逻辑（LTL）规约。该系统通过中间表示保证结构保持，并利用验证结果作为强化学习奖励信号来优化神经组件，在20万+跨领域需求上实现了28%语义等价和86%可满足性验证率。

本文提出BOHM，一种从复合AI系统路由权重中提取层次归因树的方法，无需额外成本或访问组件内部，提供多分辨率归因，与SHAP高度相关但成本极低。

Pretzel 是一个实验性的实时AI音乐代理，通过一个网络同步的音乐序列生成器，让所有用户与同一AI代理聊天并听到相同的音乐。该项目在Google IO黑客松中诞生，旨在让用户表达情绪并实时更新音乐。

本文探讨了开源AI模型内部概念空间的局限性，指出许多对社会运动和哲学至关重要的概念缺失。作者引入软提示蒸馏技术，仅用128KB数据即可植入新概念，强调这关乎AI可控性及对心智理解的深远意义。

UniPat AI 发布 SaaS-Bench 评测，Claude 等主流大模型在真实办公任务中完全通过率最高仅 3.8%，AI 全自动办公远未落地。

Pi是一个极简、可黑客的终端编码工具，让你构建自己想要的AI编码代理工作流程。它保持核心小巧简洁，通过扩展、技能和包提供高度自定义功能，并已在OpenAI/Codex生态系统中获得显著使用份额。

Lynote Humanize Text 是一个开源工具包，用于将AI生成的文本转化为难以检测的人类风格写作。它配备了一个生产级的标准流水线，通过多步LLM重写和跨引擎翻译来绕过Turnitin、GPTZero等AI检测器。该仓库包含参考实现、n8n工作流支持，并在专家评估中获得了9.1/10的质量评分和100%的关键信息保留率。Lynote.ai平台还提供高级和专注两个层级，实现自适应每段文本优化。

该视频探讨了人工智能领域兴趣减退的现象，分析了可能的原因和未来的影响。

TrapDoor加密货币窃取器通过供应链攻击感染了npm、PyPI和Crates.io上的36个恶意包，目标为加密货币、DeFi、AI和安全领域的开发者。

具脑磐石由前华为云AI算法创新Lab主任朱森华创立，致力于用认知神经科学构建认知世界模型，推动具身智能迈向2.0时代。公司近期完成新一轮亿元级融资。

微软研究发布的这份PDF报告分析了2026年第一季度全球人工智能扩散的趋势，涵盖关键洞察和数据，但当前无法直接提取文本内容。

在2026中国AIGC产业峰会上，Fusion Fund创始合伙人张璐指出，AI算力需求重心正从训练转向推理，未来推理将消耗70%的算力；数据中心通信耗电可能比计算高百倍，光学通信等新技术成为关键；物理AI的最大瓶颈是高质量真实世界数据稀缺；医疗、太空和纳米机器人是三大值得押注的应用方向。

本周末，马斯克、扎克伯格和萨克斯通过三通电话扼杀了特朗普的AI安全行政令草案；Anthropic完成300亿美元融资，而微软因代币费用超支取消了内部Claude Code试点；首个跨注册表供应链攻击TrapDoor同时攻击npm、PyPI和Crates.io；CISA记录到15000次针对Drupal SQL漏洞的攻击；白宫亲自否决五角大楼，让Claude留在NSA内部。

本文旨在厘清AI智能体领域中常被混淆的术语，如“harness”（执行层）与“scaffold”（行为定义层）的区别，并解释模型、智能体、工具使用、子智能体等概念，同时涵盖训练相关术语。

OpenAI 与巴西两大传媒集团合作，将可信的新闻报道引入 ChatGPT，强调来源标注和透明度。

设计师梅格哈·阿格拉瓦尔探讨了AI编码工具（如Codex和Claude Code）与设计思维之间的根本矛盾。设计师通过探索和迭代来发现解决方案，而AI工具则假设用户事先知道想要什么。当前工具在纯视觉设计（Figma）和纯编码（Codex/Claude Code）之间存在空白，缺乏既能保持探索灵活性又无缝衔接生产地理想工具。

这篇报道介绍了新闻业中AI应用的最新错误事件，并提供了一个实时追踪工具，帮助公众和媒体从业者了解AI在新闻生成中的重大失误及其影响。

本文深入批判了当前流行的通过量化分析预测AI对就业影响的方法。作者通过会计行业自动化后就业增长等历史反例，指出简单计算“AI暴露度”具有根本性缺陷。技术变革会重塑工作内容、商业模式，产生不可预见的连锁反应。文章强调，任何有用的预测模型都必须通过“三大历史测试”的检验。