研究者提出 FHPLF 模型，将哈希学习与联邦学习结合，用二值类梯度替代实值梯度以降低通信与计算开销，并通过投影汉明距离和安全二值梯度重组策略提升表示能力与隐私保护。在四个真实数据集上，该方法在准确率、效率与隐私之间取得了优于现有方法的平衡。

arXiv 论文提出 Clue2Group 框架，将洗钱团伙发现重新定义为从初始线索出发的渐进式调查过程，通过构建局部调查上下文、多语义局部时序 GNN 估计风险场，并融合风险、结构与先验模式证据，在大规模金融网络中恢复完整的洗钱团伙结构。

本文挑战了将LLM作为裁判的采样温度设置为0即可确保评估确定性的普遍假设。通过对日本AISI开源代码库的测试，研究发现默认温度1.0导致边界项目结果翻转，即使在温度=0时仍有1-2个边界项目不可重复。建议将裁判分歧作为一等健康指标。

研究人员提出 KG-TRACE，将 WHO 突变知识图谱作为结构化生物约束融入神经基因组模型，在 CRyPTIC 结核分枝杆菌队列上以 0.9760 的 AUROC 预测异烟肼耐药，并提出生物溯源比率（BGR）指标，为临床提供可核验的审计轨迹。

一篇新综述系统梳理了应用于生成对抗网络（GAN）的神经架构搜索（NAS）方法，按搜索策略、评估指标和性能结果进行分类比较，并指出进化算法与梯度方法在特定场景下的优势，以及超越IS和FID的评估必要性。

该研究提出一个将部分可观测马尔可夫决策过程与生化反应动力学相耦合的框架，用逆强化学习从30条莱茵衣藻轨迹中推断趋光行为的优化目标，并证明翻滚动作可解释为减少感官不确定性的信息获取策略。

提出了一种名为χ-sao（Convergence-Halt-Invert-Stick-And-Oscillate）的GPU原生群体优化算法，通过收敛-反收敛振荡循环在冻结已确认模态的同时逃离局部陷阱。在Simon Fraser大学优化基准套件的42个函数上，针对维度d∈{2,4,8,16,32,64}，χ-sao在最有挑战性的多模态函数上实现了100%的模态恢复，而所有CPU基线在d≥8时均失败。在Michalewicz d=64上，相比盆地跳跃加速达34倍；在Rotated Hyper-Ellipsoid d=64（纯GPU红利）上加速达39倍。即使在噪声σ_noise高达1.0时，模态检测仍保持100%可靠。算法已作为开源Python包发布在PyPI上。

一篇 arXiv 机器学习论文提出注意力驱动的物理引导卷积神经网络，作为求解非线性偏微分方程的代理模型。该模型针对 Cahn-Hilliard 方程训练，可稳定、准确预测二元混合物相分离的完整时间演化，保持组分守恒，并复现 Lifshitz-Slyozov 畴生长定律。

该论文指出，对于编码智能体，验证解决方案比生成解决方案更困难，核心挑战在于同时实现验证信号的可扩展性、忠实性和鲁棒性，且验证器必须与生成器共同进化。

COrigami是一个端到端AI流程，能够从自然语言生成满足严格几何约束且具有视觉辨识度的平折折纸折痕图案，并通过强化学习与自主美学评估循环进行优化，作为人类艺术家的协作助手。

该论文提出了一种自主AI智能体的治理模型，不监控其推理过程，而是要求在采取高风险行动时提供独立认证的证据。智能体保留规划和推理的自主权，但执行需要满足由独立权威来源认证的前提条件，这些条件与声明的意图加密绑定，并由确定性策略评估。决策记录在防篡改日志中，可供独立重新验证。研究提供了概念验证实现，并举例说明了软件部署和临床处方中的应用。

研究人员提出DD-Elo，一种受认知神经科学漂移扩散模型启发的国际象棋评分框架，通过整合逐招数据来更快捕捉技能波动，同时保持与传统Elo系统的理论一致性。

研究人员开发了一种基于知识图谱的多智能体框架，将Reddit帖子、WebMD评论和FDA不良事件报告整合在一起，使精神科药物的安全信息可追溯且来源分明，同时发现患者社区数据常早于监管预警数百天。

该论文提出了一条由LLM驱动的比较式流水线，结合自动标注、神经主题建模与多层网络分析，对ERC-8004（无需许可、链上）与Google A2A（企业主导）两套智能体互操作标准的4323条治理参与记录进行对比，发现两种治理形态在参与不平等与社区碎片化程度上相近，而无需许可场景中的话语对齐更为密集。

arXiv新论文提出AlgoEvolve，一个由大语言模型驱动的进化框架，能生成、评估并迭代改进以Python代码形式编写的可执行交易策略；其元进化外层循环还会优化指导程序生成的提示词，发现的搜索启发式在平衡探索与利用、减少零交易失败方面稳定优于人工设计的初始指令。

该论文发现，在聊天模型中，拒绝行为并非独立机制，而是受角色个性（特别是顺从个性）的门控。通过干预Qwen2.5-7B-Instruct和Llama-3.1-8B-Instruct的激活方向，研究显示顺从个性方向可以抑制拒绝，而拒绝方向仅在后期层部分恢复拒绝。这表明拒绝在后期表达阶段受个性门控，而非孤立方向。

当基准测试的准确率饱和时，通常会被淘汰并替换为更难的版本。但本文指出，这种做法过于侧重准确率，忽略了智能体性能的六个其他关键维度。研究者以 CORE-Bench Hard 为案例，展示了在准确率饱和后，仍可从构造效度、分布外泛化性、效率、可靠性、模型与脚手架的相对重要性以及人机协作提升等方面获得有意义的洞察。他们推出了改进版基准 CORE-Bench v1.1 和分布外任务套件 CORE-Bench OOD，并发现 v1.1 在效率、可靠性等方面仍具价值。此外，一项小规模随机实验表明，人机协作在真实计算复现任务中带来了约两倍的显著加速，且该加速可能被低估。

该论文提出一种迭代数据生成流程，通过隔离与行为呈线性缩放的级联线性特征，以更好地解耦特征并检测和控制语言模型的谄媚行为，在检测、评分和引导方面优于基线且计算需求更低。

LogiGate是一种零信任中间件架构，通过硬件飞地将身份验证和法律责任转移到请求设备，利用短暂的沙箱和强制重置触发器确保AI处理的合规性和数据隐私。

作者构建了一个允许任何人通过电子邮件尝试让AI助手泄露秘密文件的实验，结果超过2000人发送了6000多封邮件尝试攻击，但秘密从未泄露。文章分享了实验设置、攻击方式、遇到的问题和经验教训。

文章探讨了为攻击性AI代理设置防护栏的必要性，指出简单的指令无法确保安全，需要更复杂的机制来防止滥用。

Llamatik Code 是一款专为 IntelliJ 系列 IDE 设计的 AI 编码助手插件，采用本地优先的隐私保护架构，提供智能代码补全、生成与优化功能，适合需要离线或安全环境的开发者。

美国两党非营利组织RAISE US启动，投入超5亿美元，旨在通过教育与培训帮助劳动者应对AI带来的就业变革，首批合作州包括阿肯色、马里兰、犹他和康涅狄格，联合亚马逊、微软等企业巨头。

作者购买了一本AI生成的畅销儿童百科全书，发现其中包含大量令人不安的身体恐怖图像，如怪物、扭曲的人脸等。文章指出当前AI模型在生成儿童书籍方面仍存在严重质量缺陷。

Madoo是一款AI驱动的邮件模板设计工具，支持快速创建品牌一致的邮件布局，并集成Mailchimp、Klaviyo等主流邮件服务商。

OpenAI经济研究显示，自2025年11月以来，内部Codex输出代币中位数在各部门大幅增长：研究部门增长56倍，客户支持增长32倍，工程部门增长27倍，法律部门增长13倍。这一趋势表明AI代理正在改变工作方式，但同时也反映出即使在无限访问权限下，员工此前仍严重未充分利用AI。

Ludion是一个新服务，通过观察WebGPU行为来路由AI推理，从而避免为浏览器级AI任务支付高昂的云服务费用，实现成本大幅降低。

一项新的数据集搜索工具显示，数百万首音乐作品被用于训练人工智能，包括尼克·凯夫、凯莉·米洛等澳大利亚知名音乐人的歌曲。Something For Kate的保罗·邓普西称“这一切都被变得毫无价值”，并表达了对创作者权益的担忧。

Anthropic致信美国官员，指控阿里巴巴及其Qwen实验室通过约25,000个欺诈账户，在44天内对Claude模型进行了2880万次交互，试图窃取软件工程和智能体推理等核心能力。此次攻击规模远超以往，引发国家安全担忧，阿里巴巴股价下跌。

Linux基金会联合亚马逊、Anthropic、OpenAI、英伟达、微软、红帽等公司推出Akrites项目，旨在帮助关键开源软件应对AI/大语言模型发现的新安全漏洞，确保这些问题在恶意行为者利用之前得到有效解决。Akrites建立共享安全事件响应团队（SIRT）和标准化的协调漏洞披露（CVD）流程，以保密为首要原则。它还作为无人维护的关键包的最终维护者。