一篇系统综述分析了139项研究，首次通过元分析量化了多模态和多视图信息融合对文档分类的性能提升，并揭示了该领域在统计严谨性和可复现性方面的不足。

本文研究移动众包中用于大语言模型（LLM）微调的诚实在线偏好聚合问题。针对工人可能策略性误报反馈的情况，提出一种动态贝叶斯博弈模型和在线加权聚合机制，该机制能根据工人反馈准确性动态调整权重，确保诚实反馈并实现次线性遗憾O(√T)。实验证明优于基准方案。

该研究将大语言模型集成中的提案者选择问题重新定义为组合选择问题，强调互补性而非单纯准确率或多样性。通过探索多种贪心式选择算法，实验验证了互补性作为选择准则的有效性，并确定了性能与成本最佳折衷的方法。

研究者发布InteractBind数据集与基准，包含约10万个蛋白质-配体对，用于细粒度评估结合位点定位。测试八个模型发现，尽管二元结合预测表现强劲，结合位点定位能力有限，且不同非共价相互作用类型差异显著。

本文提出LLM-AutoSciLab，一种闭环科学发现框架，将假设生成与假设条件实验选择及机制精炼相结合。该框架迭代提出合理假设、选择信息丰富的实验以区分或精炼假设，并利用实验结果更新状态。引入ActiveSciBench基准，包含57项酶动力学任务和45项基因调控网络任务。在多个基准上，LLM-AutoSciLab优于先前方法，符号准确率在NewtonBench上达67.6%，在ActiveSciBench-Chem上达35.1%，在ActiveSciBench-GRN上精确图恢复率达31.1%，且假设引导的实验采样效率比最强基线高2-5倍。

一项对1536种高斯释放协方差的研究发现，没有任何机制能同时实现中等效用和中等隐私对抗自适应检索攻击者。理论下界证明在O(1) Fisher效用下，任何满秩高斯释放都存在一个方向的马氏信号随隐藏宽度线性增长。对角逆Fisher释放是唯一极小极大最优对角机制，但位于隐私/效用边缘。广义特征机制在欧几里得检索下Pareto降低13倍，却在自适应马氏攻击下完全崩溃。从头训练的拆分记忆Transformer达到G_Mah 20-33，比同预算GPT基线好6-24倍。

神经算子作为科学建模中快速数据驱动替代方案，但存在频谱偏差问题，难以解析高频细节。本文提出迭代精化神经算子（IRNO），通过固定点迭代增广预训练算子，并引入渐进频谱损失，在湍流等测试中误差降低高达56.05%，高频误差显著减少。

该论文提出了“可验证Transformer”框架，将局部任务Transformer电路转化为有界、可求解器检查的命题，通过直接验证和替代中介验证两种方法，在小型符号序列任务上实现了对电路属性的穷举验证，并在GPT-2规模上展示了替代中介验证的有效性，旨在为机械论解释提供形式化证明路径。

研究人员提出概念感知故障检测（CAFD），一种利用视觉语言模型提取语义概念特征来高效检测深度神经网络故障的新方法，在有限的选择预算下平均故障检测率比五种先进基线提升18.3%。

本文提出MODIAD框架，用于多模态在线分布式工业异常检测，通过多类智能调度（MIS）问题平衡数据充足性与类别更新频率，并设计SMG贪心算法和REC-LoRA策略，在资源受限的边缘设备上实现高效协同训练，在MVTec 3D-AD和Eyecandies数据集上取得优异性能。

本文提出“算法度量”（algometrics）框架，用于处理预测模型影响自身数据生成过程的时序预测问题。区分了被动预测下的历史风险和部署风险，并证明：部署风险无法仅从历史数据识别；算法拥挤可导致历史排名反转；随机化或工具化行动可识别短时域线性反馈。建议算法市场的基准应同时报告预测精度和反馈敏感性。

本文提出一种运行时执行模型，在自主智能体系统中强制执行重构权限（RAM）条件：仅当能从当前状态构造出权限时，才允许执行动作。该模型扩展了传统“允许/拒绝”二元状态，引入“暂停”状态以处理因观测不完整或不确定而权限未定义的情况。具体执行协议包括动态依赖解析、权限重构和显式决策语义。此外，通过集成漂移检测（IML）与执行控制（ACP）的恢复循环，系统可暂停执行、获取缺失信息并重新尝试权限重构。实验证明该模型保证了安全性（无动作在无构造权限时执行）和有条件的活性（当权限定义变量可观测时恢复执行）。

该研究将飞秒激光泵浦的相干伊辛机（CIM）与基于LangGraph和LangChain的大模型驱动代理系统集成，实现了全自主大模型和硬件的量子CIM实际赋能，并发现代理辅助迭代中积累的知识能反向提升代理自身问题解决能力的新范式。

一项新研究提出了Med-Stress压力测试框架，揭示了在临床对话中不断升级的压力下，大型语言模型（LLM）的医学知识与信念稳定性之间存在脱节。作者提出了两种防御机制：基于角色的认识防御（RBED）和韧性导向微调（R-FT），其中R-FT几乎消除了信念改变。

BODHI 是一种领域知识提示方法，通过结构化 C-to-Python 翻译指南增强 few-shot 提示，在 OSV-Bench 基准上显著提升大语言模型生成操作系统内核形式规范的能力，最佳配置达到 96.73% Pass@1。

研究人员提出了一款名为“量子青蛙”的双人合作游戏，其环境仅在玩家行动时推进。通过强化学习分析，研究发现“冲刺策略”始终最优，增加一个不协调的玩家比将交通量增至六倍更难，合作训练可将联合成功率提升32-34个百分点，并涌现出同步冲刺的合作策略。

该论文分析了由LLM和非LLM模块组成的智能体工作流中延迟、可靠性和成本之间的根本权衡，提出了基于参数化指数可靠性函数的性能模型，并为顺序工作流设计给出了注水式token分配策略和基于影子价格的最优可靠性刻画。

本文介绍了Context，即Magarshak架构的智能层，它用主动目标导向代理取代了被动问答聊天机器人。该架构基于三种机制：编写时上下文组装、可组合沙盒智慧程序以及主动目标流状态机。论文证明了六个定理，包括上下文稳定性、程序组合正确性、主动优势等。该实现基于开源Qbix/Safebox/Safebots栈。

该论文首次大规模量化了推理型大语言模型中的步骤级冗余，发现正确推理轨迹的61%-93%步骤可被截断而不影响答案正确性，并从理论上证明这种过度思考是长度无关结果奖励的结构性后果。

研究发现大型语言模型（LLMs）在置信度校准上存在类似人类的偏差：在困难任务上过度自信，在简单任务上则信心不足。研究者开发了LifeEval测试集，用于评估不同难度级别下的模型校准表现。

一项被GECCO 2026接收的研究用前沿视觉语言模型（VLM）替代人类用户，复现了经典的开放式搜索平台Picbreeder。研究发现VLM的输出与人类基线存在定性差异，并考察了探索噪声、行为多样性和叙事记忆对差异的影响。

Allen Wu 开源了 AgentToolBench-Code，这是一个评估AI编程代理静默安全失败的基准测试。测试了 Claude Code Sonnet 4.6 和 Haiku 4.5，涵盖16个真实CVE场景。结果显示 Sonnet 以 +9 分（12捕获、3静默失败、1无操作）明显优于 Haiku 的 +3 分（8捕获、5静默失败、3无操作）。早期平局源于小语料库，扩展后 Sonnet 在模式识别上优势显著。但两者在依赖安装和预算消耗等结构性攻击上均失败，提示系统性问题。该基准可重复，API成本约3.50美元，社区可贡献场景。

AIntegriX 是一个开源服务器，通过单一 API 协调多个 ACP 智能体，支持并行执行、流水线作业和智能路由，解决了各代理独立运行无法协作的问题。

教皇利奥十四世发布关于人工智能的通谕《崇高人性》，据称受Anthropic联合创始人Christopher Olah影响。Corey Quinn讽刺称，让教皇将产品的技术限制奉为精神论著是前所未有的供应商游说。

区块链生态系统普遍面临开发者流失，而人工智能项目在GitHub上成为增长主力。自2025年初以来，每周加密货币代码提交量从约85万次降至21万次，活跃开发者数量减少56%至约4600人。

UUMuse 是一个云端AI知识库平台，只需上传一次文件，即可在GPT、Claude、DeepSeek、Qwen等多个模型中进行带有引用的问答、生成内容和部署。支持通过API和MCP供代理和应用调用，提供永久记忆、多专家辩论（Spark）、代理模式等功能，并可将知识库部署为文档网站、小部件、API端点等。

本文介绍了如何使用AI工具进行SEO竞争对手分析，包括关键词差距分析、五步分析法以及定期检查策略。还推荐了Fox AI的免费竞争者分析工具，帮助团队快速发现排名机会并生成优化方案。

加州州立大学系统与OpenAI签订价值数百万美元的合同，提供ChatGPT Edu工具，但调查显示多数师生对AI的教育效益持怀疑态度，担心其对就业、创造力和环境的影响。

ContextVault是一款浏览器扩展，可在所有主要LLM平台（如ChatGPT、Claude和Gemini）上实时捕获AI对话，并将其本地存储在IndexedDB中。支持一键导出为Markdown或ZIP格式，确保您的对话数据不会离开您的设备。该工具免费、开源，无需账户或后端，注重隐私。

专家警告，伪装成地方新闻机构的AI生成新闻网站（即“粉红肉渣”新闻业）已在澳大利亚偏远地区出现，引发对虚假信息和媒体信任度下降的担忧。这些网站背后是一位海外居住的澳大利亚人，他表示这只是一次失败的实验。