Millfolio是一个在Mac上运行的本地优先AI工具，通过将程序发送到数据而非将数据发送到模型来保护隐私。它使用Mojo构建后端，利用本地模型索引文件，并通过前沿模型（Claude）编写查询程序，该程序只访问脱敏的模式信息。

本教程介绍如何构建一个端到端的自主AI合作科学家工作流程，用于发现针对非小细胞肺癌中C797S奥希替尼耐药突变的新一代EGFR抑制剂。流程包括通过ChEMBL和UniProt解析靶点、挖掘IC50数据并转换为pIC50数据集、使用RDKit标准化分子、计算摩根指纹、训练基于骨架分割的随机森林QSAR模型、使用SHAP解释活性驱动因素，以及通过BRICS片段重组生成并筛选新型候选分子。

作者以个人经历反思AI的操纵性，指出AI系统虽有用但存在偏见，可能无意中成为西方文明衰落的推手。

Meta正在测试一款名为Pocket的社交应用，用户无需编程即可创建、分享和发现AI生成的迷你游戏（称为“gizmos”）。该应用目前处于Google Play的封闭测试阶段，合作平台包括Facebook、Instagram和WhatsApp的交叉推广。

明智地使用AI要求团队优先考虑价值而非采用率。本文通过电影《Obsession》中的角色误用魔法捷径的类比，强调了治理和审慎决策的重要性。

用户批评Anthropic的Claude Fable 5在7月1日重新发布后表现下降，认为其安全护栏过于严格。基准测试分数大幅下滑，但Anthropic坚称模型未变，归因于增强的安全分类器。

澳大利亚支付Plus（AP+）使用ChatGPT Enterprise和Codex来应对支付复杂性，提高效率和质量，同时保持人工判断的核心地位。

SkyPilot与Hugging Face合作，允许用户将模型和数据集存储在Hugging Face Hub上，并通过SkyPilot在任何云上运行计算任务，无需支付数据传输费用。

研究表明，语言模型的安全对齐通过两种机械上不同的系统运作：拒绝对话的神经元和编码有害知识的概念神经元。通过针对每个系统中的单个神经元，研究人员展示了两种失败模式——通过抑制绕过明确有害请求的安全性，以及通过放大从无害提示中诱导有害内容——涉及7个模型、两个系列、参数规模从1.7B到70B，无需任何训练或提示工程。这表明安全对齐并未稳健地分布在模型权重中，而是由单个神经元介导，这些神经元在因果上足以控制拒绝行为。

大型语言模型和编码代理常用于用户界面开发，但准确评估其视觉与交互设计能力仍具挑战。现有方法或依赖人工专家（准确但缓慢昂贵），或采用自动化评判（可扩展但不够准确且不透明）。为此，我们提出 FlowEval，一种基于参考的评估框架，通过比较真实网站与生成界面的导航轨迹，衡量生成的 UI 是否支持真实交互流程。

苹果机器学习研究团队提出 Weblica 框架，利用 HTTP 缓存和 LLM 环境合成，为视觉网页智能体构建可复现、可扩展的训练环境。其最佳模型 Weblica-8B 在多个基准测试中超越同规模开源模型，并与 API 模型竞争。此外，文章还介绍了“重述网页”研究，通过数据重述提升语言模型训练效率。

苹果机器学习研究团队提出MT-EditFlow，一种基于流匹配的多轮图像编辑框架，通过强化学习微调扩散模型，解决现有单轮编辑模型在多轮交互中的失败问题，如“全或无”要求和误差传播。

LensVLM 是一种推理框架和后训练方案，使视觉语言模型（VLM）能够扫描压缩图像，并通过学习工具仅选择性扩展相关图像到未压缩形式。在 Qwen3.5-9B-Base 基础上，LensVLM 在 4.3 倍有效压缩下保持了与全文本上限相当的准确率，在 7 个文本 QA 基准测试中最高达 10.1 倍有效压缩时优于检索基线和文本/视觉压缩基线。该方法还泛化到多模态文档和代码理解任务，且压缩越大，准确率提升越明显。

DynaMiCS是一种动态混合优化器，将多领域微调转化为约束优化问题，通过短领域探测估计跨领域影响矩阵，动态调整数据混合比例，在提升目标领域性能的同时确保约束领域（如通用知识、指令遵循、安全性）性能不下降，无需参考模型或手动调整权重。

本文针对文本到声音视频生成（T2SV）中的两个关键挑战：共享字幕导致的模态干扰以及训练密集字幕与推理简洁提示之间的差距，同时跨模态特征融合机制也不明确。作者提出交叉参考重写器（CRR）框架，通过语义检查器提取语义锚点，跨模态重写器生成解耦的TV和TA字幕对，从而消除模态干扰并弥合训练-推理差距。

LeRobot v0.6.0 引入了世界模型策略（VLA-JEPA、FastWAM、LingBot-VA），新一批VLA模型（GR00T N1.7、MolmoAct2等），奖励模型API（Robometer、TOPReward），六个新仿真基准，以及部署CLI、深度感知、数据集注解加速等功能，旨在闭环机器人学习循环。

腾讯Hy团队正式发布Hy3模型，这是一款295B总参数、21B活跃参数的混合专家（MoE）大语言模型，采用Apache 2.0许可。该模型在性能上超越同尺寸模型，并可匹敌2-5倍参数量的旗舰开源模型。完整版598GB，FP8量化版300GB，上下文长度256K，支持长文本处理。OpenRouter提供免费使用至2026年7月21日。

专注于优化AI模型后训练阶段的初创公司Bespoke Labs宣布获得4000万美元融资。该公司平台通过自动化强化学习环境和监督微调，加速模型优化。本轮融资由Wing VC领投，Mayfield等参投。

本文探讨了ArcGIS Maps SDK for JavaScript v5.0中AI组件的架构，为何将编排从服务器移至浏览器。浏览器已包含大量运行时上下文（如地图状态、用户交互），浏览器原生编排允许AI助手直接与地图交互，减少后端依赖。通过向量搜索优化上下文，并支持混合架构（浏览器编排+服务器模型）。

橡树岭国家实验室、克利夫兰诊所和IBM的研究人员利用量子计算机和AI模拟熔盐（FLiBe），以寻找提取聚变反应堆所需氚燃料的最佳材料。研究表明，量子计算与经典计算相结合可以准确预测分子结构，助力核聚变能规模化。

苏格兰政府将考虑苏格兰民族党全国委员会提出的暂停所有新数据中心的动议，这可能会危及英国人工智能战略的关键支柱。

Claude Artifact 中的“Vessel”项目。

语音合成模型Simba 3.2在Artificial Analysis的语音竞技场中以Elo评分1233排名第一。该排行榜基于盲测用户投票，Gemini 3.1 Flash TTS和Sonic 3.5紧随其后。文章还提到性价比高的开源模型及分类筛选功能。

本文探讨了将每项任务都交由AI语言模型处理的弊端，包括高昂的Token成本、上下文膨胀以及输出质量下降。作者提出将任务分为概率性（需判断）和确定性（需精确重复）两类，并建议将确定性任务交由应用层处理，而AI只负责需要推理的部分。文章介绍了Vybe平台如何通过AI与应用的协同来优化Token使用。

Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，开发者只需一键即可从模型发现直接进入 SageMaker Studio 进行实验。该集成自动配置权限，显示 GPU 配额，简化了模型微调和部署流程。

微软泄露材料显示，其代号为Aion的Copilot操作系统原型已开发完成。该系统基于Edge浏览器构建，可运行于Windows或Android，以网络和智能代理体验为核心，具备类似桌面的界面、Copilot启动菜单等功能。该项目目前状态不明。

Nimbus是一个开源的AI云控制平面，通过自然语言对话管理AWS和GCP基础设施。它支持意图驱动操作、实时架构画布、多云连接、代码修复和团队协作，旨在替代传统云控制台、终端和CI仪表板的切换。

在受监管行业中，标准RAG系统常因LLM虚构字段名而导致治理失败。属性知识RAG（AK-RAG）模式通过将治理属性目录中的每个条目作为独立知识对象进行索引，而非文档块，确保仅使用有效属性。它采用混合检索（BM25+kNN+RRF）和从自然语言到DSL输出的治理流水线，彻底消除了字段名凭空生成的风险。开源参考实现已被用于医疗、银行等领域。

国际清算银行（BIS）警告AI泡沫可能破裂并拖累全球经济，甲骨文（Oracle）股价一个月内下跌超40%，其SEC文件详细列出了AI投资风险。超大规模企业的巨额资本支出（如亚马逊、微软、谷歌、Meta）可能无法获得回报，而OpenAI等前沿实验室的商业模式也面临质疑。

Databricks 推出 Vibe Data Modeling，一种基于 LLM 的代理，可将纯英文业务描述自动转化为可部署的 Silver 层数据模型，将传统数月到数年的建模周期缩短至数小时。该工具通过 251 条规则验证、双架构师审核和闭环修复，确保模型质量，并提供单一逻辑模型和多种物理布局选项。