德国总理弗里德里希·默茨在支持率创历史新低之际，选择阅读教皇利奥关于人工智能的通谕，寻求精神指导。

本文介绍了七种核心机器学习算法，包括线性回归、逻辑回归、LightGBM、XGBoost、随机森林、长短期记忆网络和K均值聚类，并提供了Python实现示例。作者强调，在解决特定问题时，简单的模型往往比大型语言模型和生成式AI更高效、成本更低。

Grafana开源的Go语言AI SDK，兼容Vercel AI SDK设计，支持流式传输、工具调用、结构化输出和多提供商调用（Anthropic、Bedrock、OpenAI等），可与React前端无缝集成。

科技评论家Cory Doctorow在Jon Stewart的周播节目中讨论人工智能如何加速数字平台的“垃圾化”进程。

CoPatch 为团队和AI代理提供统一的协作空间，支持Codex、Claude等工具，团队掌控一切。

AI工程师重新发现本体论，将其作为保持概率性代理在确定性边界内的方式。文章介绍了Frank Coyle、Neo4j和Kingsley Idehen的观点，探讨本体论如何为LLM提供逻辑护栏，并通过神经符号AI实现更可靠的代理系统。

马克·扎克伯格在《华尔街日报》发表专栏文章，主张超级智能必须惠及个人，而不仅仅是少数机构。他提出“个人超级智能”理念，并承诺Meta将基于个人赋权、发明和权力平衡三大原则进行建设。文章批评了行业中的悲观论调，强调广泛分配超级智能以制衡权力集中。

自然语言提示在快速原型设计中表现出色，但作为构建可靠系统的方法，它会导致提示债务：迭代变慢、团队协作困难、模型锁定。解决方法是使用度量而非描述来指定系统行为，并利用自动化工具生成提示。

Ilya Sutskever将AI历史分为研究、扩展和再次研究时代。然而，当前前沿模型仍基于Transformer，改进来自数据、上下文长度、强化学习等工程优化。作者认为，真正突破来自Transformer周围的学习循环，而非替换它。

Coinbase通过更好的默认设置、路由和缓存策略，将AI支出几乎减半，同时令牌使用量持续增长。他们默认使用开源权重模型如GLM 5.2和Kimi 2.7，优化缓存命中率，并保持上下文精简。

近年来，中小型企业越来越重视网络安全，特别是当客户数据、应用和内部工具都上线后。AI正在改变Linux VPS的安全维护方式，通过分析登录、流量、资源使用等信号，在早期发现异常行为，弥补规则系统的不足。AI能更快检测漏洞、监控网络活动、辅助访问控制，并加速事件响应。但AI无法取代管理员的基本工作，如更新、防火墙配置、备份和审计。结合AI监控与基础安全实践，企业能获得更强的保护。

瑞士凭借其庞大的AI人才库、顶尖研究机构和灵活监管，成为全球AI研发中心。但军事中立政策限制了高科技出口，一些公司因国防市场准入难题而迁离瑞士。

劳埃德银行集团作为英国最大的高街银行，计划在未来四年内削减20亿英镑成本，并投资130亿英镑用于新技术和AI，以提高效率、吸引新业务并增加股东回报。CEO查理·纳恩表示该战略将于1月启动，但未透露可能的裁员细节。

Google AI Essentials是一个免费的基础课程，旨在让非技术背景的人也能理解AI原理、应用和伦理。课程时长约10-15小时，完成后可获得谷歌认证，提升就业竞争力。

AngelSpec是一个基于Torch的开源训练框架，支持六种推测解码架构。它引入DFly块扩散起草器，通过混合目标条件化和前驱条件自回归头，提升解码效率。在Hy3-295B-A21B模型上，DFly-8在并发4至64范围内实现1.98–2.40倍加速。

要理解生命的体验，不要去看心灵，而要看身体。1982年，美国女权主义学者伊丽莎白·斯佩尔曼创造了“恐体症”一词，描述人类奇怪的错觉：我们自认为是心灵而非身体。四十年后，人工智能无处不在，提供了迄今为止最强大的错觉：智能可以在没有肉体的情况下存在。最近一项研究中，三分之二的受访者认为ChatGPT等工具拥有某种意识和感觉。我们生活在恐体症的时代。现在是时候抵制它了。

探索Luna和Terra更低的GPT-5.6定价——以及OpenAI更高效的模型如何帮助企业大规模部署AI工作流。

作者评测了Kimi K3和Qwen 3.8 Max等中国开放权重模型，认为它们在AI辅助编程方面已达到“足够好”的水平，虽不及前沿模型但已可用，并讨论了开放模型作为保险、中国模型审查问题及硬件现状。

一个互动实验展示了两只逼真的 AI 眼睛围绕道德困境进行实时争论，该实验基于 Boltanski 和 Thévenot 的“正当性”理论以及 Lamont 的象征边界理论，旨在揭示日常道德分歧的隐藏结构。

英伟达正在利用AI代理和加速计算解决日益复杂的芯片设计挑战，推出了更新的Agent Toolkit、PhysicsNeMo库和CUDA-X组件，并与Cadence和Synopsys合作，使用其Arm-based Vera CPU加速EDA工作负载。

亚马逊SaaS生态中几乎所有工具都标榜使用AI，但绝大多数并不是真正训练了模型。文章区分为规则系统、传统机器学习和LLM API调用三个层级，指出大多数“基于亚马逊数据训练”的声明实际上是提示工程加检索。这种区别对买家评估产品的可靠性、可比较性和持久性至关重要。

Agenmatic 是一款实时意图检测工具，可在 Reddit、IndieHackers、HackerNews 等 40 多个社区中识别高购买意向用户，并提供 AI 生成的个性化回复和转化跟踪。适合开发机构、设计师、营销顾问等各类服务提供商。

Engram是一个面向人类的学习系统，它将AI编码助手转变为个人导师。它不是让AI更聪明，而是通过间隔重复、主动回忆和盲测让用户更聪明。支持Claude Code、OpenAI Codex等六个平台，共享一个状态文件夹。

奥尔特曼承认与白宫讨论了随模型能力增强而调整AI发展节奏的必要性，但避免使用“减速”一词。他还表示OpenAI可能存在其他被黑客入侵的系统。此前，OpenAI因安全事件暂停了模型训练。

Token Saver 是一个开源的 MCP 扩展，通过本地混合 RAG 技术，在保证文档绝对隐私的同时，将 Claude Desktop 处理 PDF 的令牌消耗降低最多 99%。它无需 Python 环境，一键安装即可使用。

Mubert API 引入了音轨和分轨编辑功能，并采用新引擎确保 AI 生成音乐的一致性。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Data Science and Machine Learning practitioners often find themselves navigating through a labyrinth of models, libraries, and frameworks. Which model to choose, what embedding size, and how to approach tokenizing, are just some questions you are faced with when starting your work. We understood how many data scientists wanted an easier and more intuitive means to do their embedding work. This is why we built FastEmbed, a Python library engineered for speed, efficiency, and usability. We have created easy to use default workflows, handling the 80% use cases in NLP embedding.

作者反思阅读一本可能是AI生成的自出版书籍的不适感，分析了AI写作的迹象以及对未知作者信任的影响。

人工智能工程中三个术语——提示工程、循环工程和图工程——分别对应不同的控制层级：提示控制单个模型响应，循环控制单个智能体的行为周期，图控制多个智能体的组织。本文剖析了每一层的设计重点、适用场景以及它们之间的层次关系，并提供了选择合适层级的实用方法。

Moonshot AI 在 Kimi K3 开放日开源了 MoonEP，一个用于混合专家（MoE）模型的专家并行通信库，通过动态冗余专家实现完美负载平衡，采用 MIT 许可证发布。