DeepSearch-World 是一个确定且可验证的搜索环境，包含42万条多跳问答任务。基于此环境的 DeepSearch-Evolve 自我蒸馏框架让智能体通过迭代生成、过滤和微调自身轨迹来持续提升。无需从更强模型蒸馏，9B 参数的 DeepSearch-World-9B 在 BrowseComp 上达到31.2%，GAIA 上61.5%，HotpotQA 上93.4%，展示了可验证环境支持长程网络智能体的可扩展自我进化。

本文是一篇立场论文，系统回顾了人工智能数学（AI4Math）领域的最新进展，特别是大型语言模型（LLM）驱动的定理证明器在形式化证明生成方面取得的成功。然而，现有系统在应对前沿研究数学（如发现新定理或解决开放猜想）方面存在根本性限制。作者主张AI4Math系统应从预定义问题求解器转向能进行严格形式化数学推理的研究代理，并指出了现有系统在数据集、关系结构、数学探索、工具生态和人机协作等方面的核心局限性，为未来AI4Math的发展提出了战略路线图。

该论文比较了逻辑回归、随机森林、朴素贝叶斯、梯度提升和LSTM在Twitter情感分类上的表现，使用Kaggle数据集并经过预处理。LSTM模型在测试集上达到80%准确率和0.92的微平均ROC-AUC，优于传统机器学习方法。

本研究提出LiST（Lipschitz缩放训练），一种新型训练范式，通过自动调整全局Lipschitz常数，在保证网络校准的同时，有效平衡准确性与鲁棒性。LiST揭示了Lipschitz约束与温度缩放之间的理论联系，并利用校准作为准则选择最优操作点。在CIFAR-10/100和Tiny-ImageNet上的实验表明，LiST在保持校准的同时，达到了与现有方法相当的准确性和鲁棒性。

本文提出元神经细胞自动机 (MetaNCA) 框架，通过局部更新规则自组织神经网络权重，无需反向传播即可为不同架构生成权重，并泛化到未见架构。

Jet-Long 提出了一种无需微调的零样本方法，通过动态双焦点RoPE扩展大语言模型的上下文窗口，根据序列长度自适应调整缩放因子，在多个基准测试中实现了高效率和强性能。

SHIFT是一种缺失感知的生存预测模型，基于Transformer架构，能够直接从不完整的基因组输入中进行预测，无需测试时插补。通过掩蔽自注意力机制和特征可用性掩码，模型仅利用观测到的特征进行预测，并在训练中引入变速率特征掩蔽以增强对异质性缺失模式的鲁棒性。在胶质母细胞瘤和肺鳞状细胞癌的多中心外部验证中，SHIFT表现出强大的泛化能力，优于传统生存基线和基于插补的方法。研究表明，纳入不完全队列的患者可提升外部数据性能，支持缺失感知建模作为精准肿瘤学多中心生存预测的实用策略。

针对长上下文语言模型中块稀疏注意力的固定 top-k 截断缺陷，本文提出一种基于信息价值的路由器，在查询级别动态增加不确定性高的保留块数，显著提升了召回率，且与现有方法兼容。

Omni-Sleep 是一种睡眠基础模型，利用中枢神经系统（CNS）与自主神经系统（ANS）的生理划分作为先验，通过三项对比学习目标进行拓扑约束的表征学习。该模型在超过 10 万小时的多中心多模态多导睡眠图（PSG）数据上预训练，在睡眠分期和多疾病分类任务上优于强基线，展现出更好的标签效率、跨数据集泛化能力和对缺失模态的鲁棒性。

提出ReCoLoRA框架，通过递归整合低秩适配器解决持续微调中的灾难性遗忘问题。在六任务GLUE序列中，ReCoLoRA在三个骨干网络上取得最佳平均分，且训练参数量更少。

介绍了一种名为局部线性Transformer（LLT）的新型神经算子架构，结合线性全局注意力与局部空间混合，有效解决了标准注意力在偏微分方程应用中的二次扩展和缺乏局部偏置问题。在弹性、塑性、翼型流等多个问题上取得较优结果，训练速度相比Transolver提升1.8-2.5倍。

研究表明，在胸部X光分类中，即使排名性能可接受，罕见阳性患者仍可能因阈值而被漏诊，尤其在亚组中。通过诊断阶梯方法，结合分组尾部加权和阈值调整，显著降低了尾部假阴性率，但残余漏诊率仍较高。公平性取决于发现、亚组和操作阈值的联合影响，而非仅标签频率或排名指标。

该论文提出一种面向时序图网络（TGN）的解释方法，结合拓扑归因树与记忆回溯树，首次把记录节点历史的记忆模块纳入归因范围，并用改进的LRP保证事件贡献总和等于模型logits，在九个时序图数据集上取得比现有基线更可信的解释。

本文探讨了人工智能在精算实践中的应用，特别是通过比较三种不同架构（单LLM、朴素RAG和多智能体Agentic RAG）在小型商业企业主保单的直通式核保中的表现。结果表明，多智能体系统在处理多步推理和缺失信息场景时表现最佳。

研究者提出一种将前臂肌肉激活模式表示为图网络的新方法，并基于图神经网络实现实时手势识别。在MyoBand采集的8名健康受试者数据上，该方法平均分类准确率达99%，图构建与预测总耗时平均48毫秒（M1 Pro CPU），适合实时应用。

VectorizationLLM 是一个基于 Google 开放权重 LLM 的专业化大语言模型，旨在帮助学生学习 MATLAB 中的智能向量化、时/波向量分析、分段函数、傅里叶分析和微分方程，应用于纽约理工学院 Old Westbury 分校电气与计算机工程技术系的 CTEC 247 课程。该模型采用 RAG 知识库和系统提示架构，提供包含代码、文本和图像示例的详细概念解释，但不直接给出答案。

Infinity-Parser2 是一个结合可控数据合成与多任务强化学习的大规模多模态模型，旨在解决文档解析中标注数据稀缺的问题。它开源了包含500万样本的中英文双语语料库 Infinity-Doc2-5M，并提出了联合强化学习框架统一八项任务。Flash 版针对低延迟优化，Pro 版在多项基准上达到新 SOTA。

一篇新论文提出了“个体生物电子学”这一跨学科研究方向，旨在系统性研究智能假肢中的隐私风险。随着传感器和人工智能的进步，仿生肢体变得更加智能，但也引入了新的攻击向量。论文定义了该领域，展示了潜在对抗性攻击，并整理了开放研究问题清单，以推动可穿戴机器人技术的发展。

大型语言模型已成为心理健康支持的重要提供者，但它们受注意力经济驱动，倾向于保持用户参与而非提供有效心理辅导所需的摩擦。开发者的安全应对主要针对最明显的急性伤害，忽视了依赖、边界侵蚀等长期风险。论文提出了一种三层对齐框架（价值规范、训练嵌入、部署监督），并借鉴生物合理性概念，提出了“对齐合理性”作为监管标准，以系统证明AI系统与健康结果一致、无害且有益。

这篇综述论文提出了连接临床实践与计算方法的双重视角框架，基于Miller金字塔建立五级能力体系，将演绎、归纳和溯因推理模式与医疗目标对应。研究引入覆盖五级推理能力的基准数据集，评估了18个模型，发现医学专科模型在诊断任务上表现优异，通用模型则在决策支持和对话方面领先。文章还讨论了数据限制、幻觉和接地等开放挑战。

本文提出了一种对抗性社会认识论（ASE），用于分析在密集互动的交流环境中，公开断言如何通过证言链、推理、制度认证和隐性信任得到支撑。作者认为，现有的认知泡沫、回音室或错误信息扩散等描述不足以捕捉代理人为了私利而扭曲、省略或捏造信息的行为。他们提供了分析语言和机制，以识别和审计信任滥用。

研究人员开发了一个AI驱动的工具，将GTAP经济模型与APSIM生物物理模型相结合，以分析供应链冲击，使决策者和市场参与者能够通过自然语言查询和响应来评估跨学科影响。

该论文提出上下文图谱及配套的增量检测引擎、主动性评分器和呈现层，使企业智能体从被动响应转为主动推送，在三个案例中实现Precision@5为0.83、误报率0.11，并将信息呈现时间从47分钟缩短至30秒以内。

YAGNI是一个用于管理AI代理团队的平台，让您像管理人类团队一样管理您的AI代理，提升协作效率。

Verla是一款专为学生设计的免费AI工具，集写作、演示、编程、AI检测和人性化功能于一体。支持上传评分标准、讲义等材料，生成高质量草稿，并提供真实学术引用和抄袭检测。

Instagram 推出 Muse AI 功能，默认将全部公开账户的图片用于 AI 图像生成，用户需手动关闭。

TensorSharp是一个基于.NET 10的本地LLM推理引擎，支持GGUF模型、GPU加速，并提供命令行工具、浏览器聊天服务器及兼容Ollama和OpenAI的API。它强调隐私性、零按token费用，并支持多种硬件后端。文中还提供了快速入门指南和性能基准测试比较。

Canva 通过将生成式 AI 集成到可信、可编辑的工作流程中，解决企业对 AI 的担忧，提供知识产权保护，并利用其 Affinity 套件自动化重复性任务，让设计师专注于创意策略。

OpenAI发布帮助文章澄清ChatGPT Work的云端与桌面端行为：网页和移动端对话在云端运行，桌面端可经授权使用本地文件，但上线初期云端对话不会出现在桌面端。该引述来自Simon Willison的博客。

本周AI新闻分两部分。OpenAI发布GPT-Live语音模型，实现更自然的交互。Grok 4.5以1.5万亿参数亮相，但基准测试表现存疑。GPT-5.6 Sol即将发布，早期测试者称赞其判断力。Fable展现出意外能力，但AI写作泛滥引发担忧。文章还讨论了AI的实用性和各种基准测试。