一篇新论文提出受控的 LLM 对 LLM 辩论框架，研究模型在长期对话中如何相互影响彼此的观点。研究发现，同模型交互通常缩小观点差距，跨模型交互则扩大差距，且笼统的“说服”指令并不能可靠地提升影响力。

研究人员提出 modded-nanoRT，这是首个面向关系型 Transformer 的“速通”排行榜。固定任务、开放技术栈，以单块 GPU 达到质量目标所需实际耗时为排名标准，从而把预训练配方探索从单个实验室的私有协议中解放出来。团队还引入按外键路径调整注意力分数和值的类型化三线性注意力，配合 Muon 与 SIGReg，在单块 NVIDIA H200 上以 305.63 秒达到目标，比参考实现快 8.11 倍，并在开发数据库之外的 15 组对比中赢得 13 组。

研究团队提出 Sketch2Sim 系统，可将手绘电路图照片转换为可执行的 SPICE 兼容网表，并自动求解节点电压与电流；研究同时构建了包含 1000 个手绘 RLC 电路的标注数据集，用于训练组件检测、文字识别与节点映射等模块。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.28826v1 Announce Type: new Abstract: Automated judges of clinical artificial intelligence (AI) outputs are necessary, but large language model (LLM) judges are costly and slow at scale. We compared Jev, a decision language model that returns structured judgments, with frontier and open-weight LLM judges in four use cases. On 118 pediatric answers, Jev's agreement with physicians' ordinal quality ratings (Gwet's AC2 0.50; expected score 0.53) matched or exceeded that of seven of 12 LLM judges, including frontier models, Claude Opus 5.5 (0.49) and GPT-6 (0.38). On physician-graded binary HealthBench criteria, Jev matched or exceeded four of six LLM judges. On MedHELM's open-ended tasks, Jev's agreement with a three-LLM jury approached or exceeded the j…

该论文揭示了一个反直觉现象：随着演化任务池扩大，现有智能体框架演化方法的性能反而下降，原因在于优化过程中的证据选择不理想。作者提出连续规模竞赛（SSR）框架，在每轮演化中自适应搜索最优证据组合，在三个基准的六个配置上均取得最优结果，并在任务池从40扩展到200时把通过率从64.3%稳定提升到68.3%，同时将验证执行次数减少60%。

研究人员推出 Agent4Sci 测试平台，涵盖 11 个领域的 20 个科学机器学习基准，旨在评估前沿编码智能体在真实条件下推动科学模型进步的能力。结果显示，Claude Opus 等智能体虽能超越已发表的最佳模型，但其提升主要源于机器学习工程技巧，而非领域洞察，暴露出三大局限：新颖性误判、资源利用不足和过早陷入局部工程搜索。插件式技能可显著提升性能。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.28706v1 Announce Type: new Abstract: LLM-driven evolutionary search is a promising paradigm for scientific discovery, but existing methods remain costly and slow, often applying expensive reasoning uniformly while underusing evidence from failed, redundant, and saturated trials. We introduce Speculative Evolution (SpecEvo), a multi-LLM framework that coordinates lightweight and frontier models through continual consolidation of search evidence. Lightweight models power both parallel Speculators, which generate and refine candidate programs, and an Advisor, which distills accumulated successes, failures, and saturated directions into persistent guidance for subsequent exploration. At sparse checkpoints, a frontier-model Navigator inspects the evolving…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.28698v1 Announce Type: new Abstract: Scaling data, diversity and model capacity has improved embodied learning in physical environments, where diverse experiences remain grounded in shared physical laws. Whether these gains extend to virtual worlds with different visual styles, dynamics, controls, and objectives remains unclear. We investigate this question through a controlled study of continued pre-training (CPT) across three axes: data volume, diversity, and model size. Our 120 training configurations span four model sizes from 0.8B to 27B, six data budgets from 50 to 1,600 hours, and five mixtures ranging from Minecraft-only data to diverse multi-world corpora. We assess performance and generalization using three-level validation losses and gamep…

该论文提出 ClariEdge 数据集，包含约3900条歧义查询及无需澄清的负样本，用于训练 RAG 系统的查询澄清能力。研究发现，经 LoRA 微调的小模型在分类准确率上达到96.6%，并在分类与澄清生成质量两方面超越多款更大模型的提示词基线；同时强调难负样本对区分真实歧义与可由上下文消解的伪歧义至关重要。

哈萨克斯坦的AI生态正从基础设施规划走向实际部署，覆盖从底层算力到模型再到应用的完整技术栈。国有电信巨头Kazakhtelecom已在阿斯塔纳和阿拉木图部署400块NVIDIA H200与480块B300 GPU，并计划明年在Data Center Valley增加逾1000块GPU、在埃基巴斯图兹地区部署逾1000块Vera Rubin GPU。与此同时，inDrive与Pony.ai正探讨在哈萨克斯坦推出Robotaxi服务。

剑桥大学与初创公司GlitterinTech的研究团队开发出一款成本约10美元、仅几厘米见方的光学光谱仪。它基于卷积定理在光域直接处理信号，在塑料、药品、咖啡、面粉和茶叶识别测试中实现100%分类准确率，并在浓度测量上达到约0.01%的精度，还演示了对皮肤水分、血酒精、血乳酸和血糖等人体生物标志物的无创检测。

OpenAI与波兰国家研究院NASK签署协议，将在AI安全、网络安全和技术研究方面开展合作。NASK的人工智能安全研究中心（同时承担波兰AI安全研究所职能）将与OpenAI共同评估日益强大的AI系统、识别潜在漏洞并强化防护措施。此举延续了OpenAI与美国CAISSI、英国AISI等公共研究机构的合作路线，也建立在双方此前网络安全合作的基础上。

Canva推出自研图像生成模型Canva Craft，采用两阶段架构，先规划设计方案再生成图像，最高支持2K分辨率和30多种宽高比，目前全球用户均可使用。

受数据中心和芯片成本担忧影响，AI板块股票周四大幅下挫，并拖累全球主要股指走低；与此同时，对伊朗战事的忧虑推动油价升至5月以来最高水平。标普500指数跌1.2%，创7月以来最差单日表现，纳斯达克综合指数重挫2.6%。不过科技股的疲软掩盖了美国市场其他板块的相对强势，多数个股实际上上涨，道琼斯工业平均指数微涨11点。

Peras 在 Product Hunt 上发布，定位为避免 Claude Code 和 Codex 在一周内被过度消耗或浪费时间的工具；所给材料仅包含一句中文式标语，没有更多功能细节。

MIT CSAIL与天津大学的研究人员开发出X-Hinges软件，用户可自定义设计，软件自动在3D打印物体中嵌入互不干扰的两种材料，分别用于传感器和导线，使物品能够感知并响应人的动作。由该软件制作的智能手套、折纸台灯和物体识别装置可沿三个轴向感知运动，不过目前每个打印件都需要重新校准。

Meta修改了商业条款，删除了暗示可自由用新闻网站内容训练AI模型的表述，但法律专家认为修改仍不充分。“与你的产品或服务相关”的措辞未被限制，Meta仍可据此抓取整个网站。Meta坚称新条款并非为免费抓取新闻内容而设，用户可用robots.txt表达偏好。

SpaceX和特斯拉已成立特别委员会讨论合并事宜。马斯克在财报电话会议上表示合并有诸多好处，特别是合作开发超级智能软件。合并可能让马斯克获得特斯拉投票控制权，并整合两家公司的AI资源，但也引发利益冲突和监管担忧。

Simon Willison 在荷兰另类摇滚乐队 De Staat 的新音乐视频《FREEDOM》第 00:44 处发现了他长期使用的“鹈鹕骑自行车”AI生成图像测试提示词，这也是他笔下该标签首次出现在正式商业作品中，视觉特效由 Fake it or Leave it 的 Matties Grooten 负责。

企业正从追求token数量转向追求价值最大化，通过细粒度成本归因、智能路由和集中式网关来优化AI支出，确保AI扩展速度不超过收入增长。

OpenAI 正式发布 Decisions API，基于 GPT‑6 Luna，专为应用中大量细小的判断任务设计。它支持概率、选择、评分三类回答，速度最高可达通过 Responses API 调用 GPT‑6 Luna 的 10 倍，定价为每百万输入 token 0.10 美元且不收取输出费用。

Discord 最新更新修复了 Markdown 文件预览渲染，能正确显示表格与格式而非一堆符号；此次更新还加入了通过侧边栏右键“移动到…”整理服务器与频道，以及 Nitro 会员可上传最大 1GB 文件的功能。

Databricks 推出面向电信欺诈的解决方案加速器，将实时风控引擎、Lakebase 事务与分析统一存储、欺诈分析师工作台和 Genie AI 调查代理整合到同一平台，帮助运营商以机器速度对抗日益猖獗的电信欺诈。

在Meta财报电话会议上，马克·扎克伯格把公司的未来押注在个人AI智能体Muse上，设想了一个由数十亿个Muse相互对话和交易组成的网络，并声称它将比Instagram和Facebook带来更多单用户收入。但该计划依赖于削减算力成本，而Meta尚未解释将如何实现这一目标，同时隐私方面的担忧和低迷的消费者信心仍挥之不去。

1Password 推出面向 AI 智能体的新功能，让 AI 智能体无需查看你的密码即可替你登录。

Databricks 在全面采用 AI 编程助手后，面临成本指数级增长的问题。通过四项措施——切换默认模型、按任务路由、提高支出可见性和减少 token 开销——将单位成本降低了高达 90%，并将内部解决方案产品化为 Unity Gateway。

Anthropic宣布把Agent Skills标准捐赠给Linux基金会下属的Agentic AI Foundation（AAIF），该基金会由Anthropic与Block、OpenAI于去年共同创办，此前已接手Model Context Protocol（MCP）。Simon Willison指出，他早在去年12月就预测这一标准会归入AAIF，并用Claude配合MCP插件检索到自己当时的这条博文。

伊比利亚宠物护理公司 IskayPet 在西班牙、葡萄牙和法国运营 330 多家门店，员工此前需手工翻阅 SharePoint 中四种语言的数百份文档来查找运营答案。该公司基于 Amazon Bedrock 托管知识库构建了多语言企业知识助手，利用原生 SharePoint 连接器、混合搜索、托管重排序和文档级权限控制，无需自建 RAG 基础设施，将查找运营答案的时间从 3–5 分钟缩短至约 7 秒。

亚马逊云科技（AWS）宣布 SageMaker AI 无服务器模型定制功能全面推出训练会话（training sessions）。用户可自行编写并协调后训练循环，包括自定义损失函数、奖励信号和多轮强化学习，而 GPU 分配、分布式执行、故障恢复与检查点存储均由 SageMaker AI 托管。该功能支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，按处理的 token 计费。

Amazon SageMaker AI 推出训练会话 API，允许开发者用 Python 编写自定义 LLM 训练循环（如 SFT、RL 或自定义目标），而服务负责管理 GPU 基础设施。该 API 提供 forward_backward()、optim_step() 和 sample() 等操作，按 token 计费，并配有包含 SFT 和 RL 示例的 cookbook。