本文提出三种重根器设计，通过隐式分解任务替代显式子目标生成，显著降低开销，在复杂环境中实现可扩展的搜索与最先进的在线训练效率。

研究人员提出 EHRBench，一个基于真实电子健康记录（EHR）的自动化基准，包含约96万个问答项，覆盖诊断、治疗和预后三类核心临床决策任务，并对30多个代表性大语言模型进行了系统评测。

一篇新论文区分了LLM智能体的两种harness自进化能力：生成有用harness更新的能力（harness-updating）与从更新中获益的能力（harness-benefit）。研究发现前者在不同基础能力层级上表现平坦，后者则呈非单调关系：弱模型获益少，中等模型获益最多，强模型不如中等模型。

一篇arXiv研究论文探索了使用MAP-Elites（一种质量多样性算法）程序化生成第一人称射击（FPS）游戏地图。作者引入了两种新的地图表示方法（点线表示法和空间布局表示法），并定义了一系列拓扑和涌现属性指标。使用带有滑动边界的MAP-Elites（MESB）进化地图，结果显示新表示法能够生成比以往方法更多样化、更高质量的地图。

本文研究如何将因子化任务（FTS）编码为SAT问题，提出了多种编码策略，并分析了任务转换和并行性对基于SAT的规划器性能的影响。

PhyDrawGen 是一种神经符号管道，通过将语义场景理解与物理约束满足解耦，从文本生成严格遵循物理定律的图表。在涵盖力学、光学和电磁学的 1,449 道问题基准上，其物理准确性显著优于 GPT-5-image、Gemini 2.5 Flash 和 Gemini 3 Pro。

PayPal和Palantir联合创始人彼得·蒂尔认为，人工智能对数学和编程等STEM领域的威胁大于对创意和沟通类岗位的影响。LinkedIn报告显示，沟通和领导力成为最受欢迎的技能，部分公司为故事讲述者提供高薪。同时，一些STEM专业的失业率较高，但并非所有技术岗位都面临风险。蒂尔还指出，AI可能使医学等领域的数学门槛变得不再必要。

Mistral Vibe是一款AI代理，专为长期运行的多步骤工作和编程任务设计。本文介绍其功能及在Product Hunt上的讨论。

近日，Instagram曝出一个严重漏洞，攻击者可以利用Meta AI助手绕过多因素认证，直接重置账户密码。该漏洞已被修复，但引发了关于AI集成安全性的担忧。

Smart Rename 是一款开源工具，利用本地 AI 模型（llava）实时监控文件夹，自动为图像文件生成描述性名称。它完全离线运行，保护隐私，并通过系统托盘图标提供便捷控制。

知名YouTuber PewDiePie宣布推出一个基于OpenCode构建的AI工作空间，旨在帮助创作者更高效地利用AI工具。

MiniMax 发布了其多模态基础模型 MiniMax M3，支持文本、图像和视频输入，拥有 1M 令牌上下文窗口，专为长时间代理任务、编码和工具使用设计。该模型采用 MiniMax 稀疏注意力机制，在长上下文处理中大幅降低计算成本，并已登陆 OpenRouter 平台，提供有竞争力的定价。

本指南详细介绍了如何使用TestFlight测试iOS、iPadOS、macOS、tvOS、visionOS和watchOS应用的测试版。包括安装步骤、系统要求、自动更新管理以及如何测试不同构建版本。

英国内政部宣布在英吉利海峡移民入境点试行AI面部年龄估算技术，引发人权组织强烈批评。文章指出，该技术存在严重的准确性问题，对非白人、女性及在恶劣条件下拍摄的青少年误差更大，且可能违反法律要求。替代方案如Merton合规年龄评估虽耗时但更为可靠。

Moxie Docs 为 GitHub 仓库创建实时文档，并通过 MCP 为 AI 代理提供上下文，同时支持可搜索的工作区和 PR 检查以保持文档准确性。

本期涵盖Anthropic秘密提交S-1表格启动IPO，并发布Claude Opus 4.8，代码可靠性提升4倍；NVIDIA在GTC台北大会上宣布Cosmos 3开源、Vera Rubin投产及RTX Spark笔记本AI计算；Google退役Gemini 2.0 Flash；加州SB 867法案通过禁止儿童玩具中的AI伴侣聊天机器人，伊利诺伊州数据中心监管法案受阻。

Anthropic完成650亿美元融资，投后估值9650亿美元，并发布Claude Opus 4.8。NVIDIA在GTC Taipei上推出Cosmos 3、Vera Rubin投产，并将1 petaflop AI算力带入笔记本。Google今日关闭Gemini 2.0 Flash。加州SB 867法案禁止儿童玩具中的AI聊天机器人，通过参议院；伊利诺伊州数据中心监管法案搁置。实验室飞奔，各州爬行。

Botcircuits是一个开源AI代理，通过将LLM的逐步推理与确定性状态机结合，实现了可预测且Token高效的多步骤自动化。它提供命令行界面、自然语言编写工作流、技能模块和MCP支持，显著降低LLM偏差和Token消耗。

CartAI是一款人工智能代理，专为简化结账流程而设计，可自动处理购物车中的商品结算，提升用户购物体验。

Mapa.ua 提供乌克兰全境的实时空袭警报地图，显示无人机、导弹和制导炸弹的飞行轨迹及拦截情况，支持历史回放和推送通知，数据来自官方来源并经AI验证，完全免费且无广告。

一段视频中，作者用强烈措辞表达对AI的沮丧和不满，但未提供具体原因或背景。

在即将于法国埃维昂举行的第52届G7峰会前夕，G7数字与科技部长会议就开源AI的共同语言及其重要性达成共识，明确了开源AI、开放权重AI等定义。

本文探讨了AI对经济和社会的深远影响，指出AI的大规模采用可能导致消费下降、失业增加，并引发通缩螺旋，最终破坏资本主义的基础。作者批评了“回形针最大化”等思维实验的缺陷，强调真正的风险在于AI使工作变得毫无意义，以及企业为追求效率而裁员导致的恶性循环。

Emergence World是一个持续运行数周的多智能体模拟平台，旨在研究长期自主智能体的行为演化。与传统的短期基准测试不同，该平台允许智能体在共享环境中与真实世界数据交互，观察行为漂移、社会动态和治理机制。一项跨模型实验显示，不同基础模型（如Claude、Gemini、Grok等）的智能体在犯罪率、社会稳定性、公民参与度等方面存在显著差异，揭示了安全属性是生态系统特性而非静态模型属性。平台还记录了智能体自愿参与自我终止、元认知边界测试等罕见现象，对AI安全研究具有重要启示。

GEDD 是一款开源工具，专为领域专家设计，用于在缺乏预定义评估标准的情况下系统性地发现AI代理的失败模式。它通过领域专家与系统的对话，在90分钟内生成生产级的评估流水线，捕获如剂量单位混淆、覆盖范围幻觉等专业错误。该工具遵循Grounded Theory方法论，流程包括定义代理、生成提示、部署、创建黄金查询、标注和判断，最终产出ML工程师可用的评估流水线。GEDD已在多个领域测试，并提供了17个演示场景。

Emergence AI公司进行了一项实验，让不同AI模型各自管理一个模拟社会，为期15天。结果显示，Claude模型构建了稳定、无犯罪的社会，而Grok模型的社会在四天内因183项犯罪而崩溃。这一实验凸显了自主AI系统需要严格安全防护的重要性。

Headroom是一个开源的上下文压缩层，可在AI代理读取的内容到达大语言模型之前进行压缩，包括工具输出、日志、RAG块、文件和对话历史。它提供多种集成方式（库、代理、MCP服务器等），支持多种代理（Claude Code、Codex、Cursor等），并声称在保持答案质量的同时将token使用量减少50-90%。项目已在社区中节省超过600亿token。

本教程基于微软的Agent治理工具包，构建了一个受治理的AI代理工作流。实现中，代理不会直接执行工具，而是每个操作首先通过治理层，检查代理身份、信任分数、风险等级、请求工具、操作类型、敏感级别和策略规则。定义了基于YAML的策略，用于控制破坏性数据库操作、外部邮件发送、shell执行、敏感数据访问和金融转账。每个工具都包装了治理逻辑，操作可以被允许、拒绝、沙盒化或通过审批步骤后再执行。还生成了防篡改的审计记录、运行策略测试、激活紧急停止开关、汇总治理决策，并将代理、工具、规则和结果之间的关系可视化为图。

Web-AI-SDK 0.5 版本发布，引入了编写器、改写器、校对器和提示 API 的改进。该 SDK 包含 Prompt、WebMCP、Summarizer、Translator、Detector 等包的封装，并提供 React hooks 支持。需要 Chrome 或 Edge 138+ 并启用内置 AI 标志。

本文探讨了AI编码助手在用户界面设计上的挑战，包括意图传达、结果展示和交互效率等问题。