该论文将流式推理管线中“何时调用大语言模型（LLM）”的问题形式化为基于风险的序列停止问题，证明了六个理论结果，涵盖最小事件间隔、阈值策略最优性、近似SPRT保证、遗憾界、自适应阈值的在线梯度下降收敛性以及校准到漏报率的转移不等式，并在CMAPSS涡扇退化数据上通过真实LLM调用进行了实证验证，表明异常分数驱动的风险函数在帕累托AUC上显著优于替代方案。

研究者提出定向参数分解（tPD），通过引入一个处理所有非目标数据的高秩兜底组件，只识别处理特定输入的网络计算组件，从而以远低于完整参数分解的成本恢复可复现、机制上忠实的电路。

本文提出一个框架，用于分析机器学习模型丢弃的信息，特别是那些输入数据具有李群对称性的模型。通过定义“零纤维”和“稳定子”概念，作者量化了模型对群作用的不可见性，并利用Peter-Weyl定理给出紧凑群的谱特征刻画。该框架在分子性质预测（SO(3)群）和球面图像分类（Möbius群）上进行了实验验证，展示了在数据遮蔽、模型指纹识别和隐私保护计算中的应用。其计算效率高，仅需几次梯度计算即可估计零纤维元素。

联邦学习（FL）为分布式异构数据源上的隐私保护协作模型训练提供了关键范式，但无法解决模型黑箱问题。可解释人工智能（XAI）则提升透明度与信任。二者融合催生了联邦可解释人工智能（FedXAI）范式。本文系统综述了FedXAI，展示了可解释性如何从事后工具转变为FL生命周期的核心组件，并提出了分类法，涵盖方法、评估实践及开放挑战。

本文提出一种轻量级训练策略，通过仅微调归一化层并解耦特征提取与分类器优化，在多种CNN和Transformer架构及医学数据集上大幅减少训练时间和碳排放，而精度仅有微小损失。

一篇教学性论文以显式数值逐节点追踪 PyTorch 自动微分引擎在物理信息神经网络（PINN）训练中的完整计算流程，涵盖前向计算图、一次反向遍历求出全部 22 个参数梯度，以及通过 create_graph=True 实现的对物理残差的二阶求导机制。

arXiv 论文提出 Mycelium 主动共享工作区，通过捕获、关联并路由研究观察与假设，将人类专家与 AI 智能体连接成多用户协同科学家网络，并在生物多组学研究中验证了其效果。

Yuri Baramykov 发布 R 包 cayleyR，利用凯莱图中随机生成的循环交集，以迭代双向搜索求解 TopSpin(n,k) 置换谜题，底层结合 C++ 哈希索引与可选 Vulkan GPU 加速，已在 CRAN 上公开。

本文提出DROPJ方法，一种以人为中心的安全训练与部署框架。该方法先利用先前真实轨迹学习世界模型，再让人类在模拟器中生成信息丰富的模拟轨迹，并收集人类对轨迹片段的偏好及其理由。由此训练奖励模型，结合世界模型通过模型预测控制直接部署智能体。实验表明，生成信息丰富的模拟轨迹可显著降低训练计算成本并提升部署性能，而偏好反馈比其它反馈类型更能提升性能，且安全理由能增强安全性或优先考虑用户指定的安全方面。

该技术报告研究基于 Oracle 数据库构建的数据库原生记忆基座 Oracle Agent Memory，将代理记忆视为涵盖摄取、提取、整合、检索、摘要与修订的生命周期系统，在 LongMemEval 上达到 93.8% 准确率，并以约 10.7 倍更少的 token 优于扁平历史基线。

研究者提出一种上下文增强提示框架，让小语言模型在推理时调用图神经网络专家模型和解释性子图，从而在MUTAG和Tox21数据集上显著提升零样本分子性质预测准确率，但仍与专用GNN模型存在差距。

本文综述了自我改进型自主代理的研究进展，提出了一个系统级框架，将现代代理视为基础模型与操作支架（包括提示、记忆、工具和控制逻辑）的耦合。在此框架下，自我改进被形式化为一种自我驱动的更新算子，可更新模型参数或支架组件。文章按更新目标和驱动信号对现有工作进行分类，并讨论了应用、评估以及未来方向。

Zoran Majkic的论文在基于IFOL_B的神经符号AI框架上引入概率计算，借助Nilsson概率结构和最大信息熵，让AGI机器人能够对当前未知的语句进行概率推断，并区分全局与局部的对称变换以支持实时决策。

大型语言模型生成的思维链推理看似逻辑严谨，但实际上可能并未真正依赖其所述的前提。本文提出一种干预式基础审计方法，通过替换单个前提中的目标谓词，重新运行模型，并检查推理步骤的标准化结论是否改变，从而在步骤级别测试前提依赖。在ProntoQA基准测试中，该方法在检测证明树依赖方面的F1分数达到0.806，显著优于自一致性基线。此外，66%的正确解决问题中存在至少一个对齐步骤对直接证明树依赖不敏感，揭示了“答案正确但推理错误”的信号。

SPINE是一个面向双臂机器人的智能体框架，通过多智能体工作流自动完成配置与调试，让新手也能高效部署机器人，在DOBOT X-Trainer上将操作成功率从75%提升至100%，并成功迁移至AgileX PiPER平台。

OriginBlame 是一个记录级和Token级的数据溯源系统，能够追踪作者身份穿越数据处理流水线，并将删除请求转化为精确的遗忘集，从而避免数据集级别的过度删除。在 Wikipedia 数据上，它将过度删除从 101 倍降至 1.3 倍，集成开销为 1.3-19%，并在 1.7B 模型上将遗忘效果提升了 42%。

MIT与多家机构的研究人员开发了一种名为GIFT的自动化框架，能够帮助视觉语言模型更准确、更高效地生成CAD程序，从而将二维设计转化为三维模型。该方法通过分析模型自身的错误来生成改进数据，大幅降低了计算成本，为快速原型制作和工程设计提供了有力工具。

一个包含56个AI概念及其150条关联的互动可视化地图，用户可通过拖拽、悬停和点击探索人工智能的关键主题。

本文通过一首蓝调歌曲的比喻，探讨大型语言模型的本质：它们生成文本时是先投掷后瞄准，还是存在内部规划？作者结合自身使用AI写作的经历，反思模型创造的“虚假声音”以及我们不断剖析这些系统的行为。

代理推理正在将AI基础设施的重心从训练扩展转向上下文感知、记忆增强推理。RAISE峰会强调了三大关键洞察：AI堆栈专业化、存储作为主动内存扩展、以及资本和数据主权融入基础设施设计。

Voicebox 是一款开源的语音转文字桌面工具，利用 Cloudflare Workers AI 实现实时语音识别和 LLM 格式化输出，支持全局快捷键和自动粘贴，目前处于早期开发阶段。

Boom是一款AI教练，帮助Instagram创作者（即使只有100粉丝）成长、变现并获得品牌合作。它提供个性化每日计划、24/7成长支持、自动协作匹配和合同管理。早鸟价$4.5一次性费用，发布后$9/月。2026年8月1日发布，现已开放抢先体验。

本文通过漫画形式探讨新的AI路线图是否能够有效约束科技巨头的行为，质疑其实际效力。

服务组织面临近乎零停机需求与维护能力之间的结构性错配。通过异常检测、规范性指导和运营转型，AI帮助技术人员在故障发生前采取行动，提升首次修复率，减少停机成本。

CNA调查发现约500个TikTok视频推送关于新加坡和马来西亚的虚假或误导性声明，总观看量超过300万次。这些视频利用AI生成的女性形象、重复的声音和脚本，系统性地传播不实信息，旨在削弱信任和破坏社会凝聚力。

Neocloud提供商QumulusAI宣布通过直接上市在纳斯达克交易，股票代码QMLS。此举不仅是一项金融交易，更标志着以GPU和电力可用性为中心的AI基础设施层正在成熟。公司专注于快速部署高端GPU容量，利用现有机柜设施和模块化数据中心，以季度为单位交付产能。直接上市提供了资本灵活性、公众公司信誉，并抓住了AI基础设施窗口期。文章还分析了Neocloud的差异化策略及对IT领导者的建议。

River是一个利用AI销售代表进行B2B产品演示和成交的平台。

Simon Willison探索了新开源Grok CLI编码代理的代码库，发现了一个用Rust编写的自包含Mermaid图终端渲染器。他将其通过WebAssembly移植到浏览器，并创建了一个在线工具。

该视频探讨了AI数据中心公司被挂牌出售的现象，业主们正赶在市场崩盘前清算资产。

AIcss是一个免费的UI组件库，专为AI代理设计，提供可复制粘贴的组件，用于在对话中展示思考状态、工具调用、流式文本、表格等。