本文提出HASTE，一种分层多智能体系统，将跨竞赛知识组织为全局、领域和竞赛特定三个层级，通过LLM驱动的抽象促进层级间学习。在MLE-Bench Lite基准测试中，HASTE使用Claude Sonnet 4.6达到77.3%的奖牌率，热启动相比冷启动减少52%的改进迭代次数，表明更好的知识组织可以部分替代模型强度和计算预算。

一项新研究探索了基于大型语言模型的多智能体系统在法律推理任务中的应用，提出了两种受法庭程序和辩论启发的新型框架。实验表明，多智能体方法在整体性能上与单一大模型相当，但能产生显著不同的答案，甚至能解决基线模型无法处理的问题，尤其适合需要多角度批判性思考的场景。

传统智能体假设用户具有明确偏好，但现实中用户常缺乏领域知识。本文提出CoPref模型与CoShop基准，发现前沿模型在5轮交互后准确率不超过56%，失败原因在于未能帮助用户扩展对自身需求的认识。

该研究提出了LearnStop，一种无需隐藏状态的检查点停止器，用于推理语言模型。实验表明，在自由形式的数学任务上，学习多特征停止优于简单的标量退出策略，但在多项选择和极难任务上，标量规则更具竞争力。主要发现是当许多问题在预算耗尽前已正确但缺乏可靠标量信号时，学习停止有用。

大语言模型（LLM）在多轮对话中需要根据新证据更新信念，但现有评估多关注单轮最终答案。本文提出BayesBench基准，通过三个渐进复杂任务（贝叶斯估计、贝叶斯预测、潜在框架贝叶斯预测）评估LLM信念更新与理性贝叶斯推理的匹配程度。在7个LLM（3B-70B）上，规模扩大改善了潜在推理和证据积累，但提升未能可靠迁移到下游预测，揭示了推断潜在结构与理性更新信念之间的差距。

本实验研究利用AI通过自然语言查询发现仿真模型，探讨了数据表示、基于Transformer的嵌入模型和检索策略的影响。结果表明，数据表示对检索性能至关重要，开源嵌入模型可达到与专有模型相当的高性能，而重排序方法在查询复杂度增加时尤为重要。该工作为AI驱动的模型发现提供了基线，并展望了其在推动AI驱动的可组合性和互操作性方面的作用。

本文提出对比反思框架，用于迭代优化智能信息检索代理的提示。通过分析检索或推理轨迹，识别错误行为并对比成功案例，由教师LLM提出针对性提示修改。在HotpotQA数据集上，该方法将精确匹配准确率从51.4%提升至60.4%，优于仅失败或随机证据变体，并与MIPROv2（59.4%）和GEPA（57.0%）等现代优化器性能相当。该框架强调可解释性和验证驱动的提示修复。

该研究引入了一种受控的学生-教师协议，以区分真正由反馈驱动的改进与仅因重复尝试或重采样带来的提升。在多个基准测试中，自我反馈比无指导的自我改进几乎没有额外收益，而强大的外部教师则带来更大的反馈特定增益。瓶颈在于学生利用反馈的能力，而非反馈的可得性。

Context.dev 提供了一个统一的 API，用于从互联网爬取数据、丰富内容并提取信息。该产品旨在简化数据采集流程，为开发者提供高效的工具。

韩国科学技术院（KAIST）研究团队开发了一种名为BehaVERT的AI模型，该模型将动物的身体动作视为语言模型中的词语，能够自动识别自闭症小鼠模型的核心社交缺陷。该模型在不预先告知的情况下，通过观察小鼠行为自行发现关键差异，为脑科学研究提供了新的可解释AI工具。

AWS致力于安全地提供前沿AI模型，与Anthropic合作通过Project Glasswing改进防护栏，确保新模型能力不被滥用，同时为防御者提供优势。

本文基于Emily M. Bender和Nanna Inie的评论文章，探讨如何避免在使用‘AI’相关技术时使用拟人化语言。作者分类了常见的拟人化表述，并提供了替代方案，如将‘人工智能’替换为‘概率自动化’等。文章鼓励读者在日常讨论中坚持使用更精确的语言，以促进对技术的清晰理解。

Anthropic发布Claude Sonnet 5，定位为最具代理能力的中端模型，具备百万token上下文窗口，标准定价与促销价并行。第三方评测显示其在编程和代理基准上有显著提升，但部分用户因任务级成本增加及缺少Fable 5发布而失望。Fable/Mythos 5经政府批准后重新上线。

美国商务部已取消对Anthropic的Fable和Mythos AI模型的出口管制，此前该公司因国家安全风险被迫暂停对外国公民的访问权限。Anthropic表示将于次日恢复访问。

微软发布的关于美国AI采用情况的报告。

旧金山监事会推迟了一项362页法令的投票，该法令旨在通过AI识别并删除城市法典中的冗余条款。多位监事及书记官对提案内容过于宽泛、难以理解表示担忧，部分人甚至借助AI工具进行分析。投票推迟至7月14日，以便进一步审查。

Agentic OS 是一款主动式AI助手，能够无缝自动化任务、日程和文件管理。

作者使用NVIDIA Jetson Orin Nano Super和Kokoro-82M模型构建了一个本地文本转语音应用StreamTTS，利用持久流（S2）而非传统请求-响应架构，实现了可共享、可重放的实时音频生成，并解决了慢推理、多用户公平调度和去重等问题。

Sierra代理工程主管Natalie Meurer探讨前部署工程师的演变，认为该角色由对客户的负责而非特定技能定义。她指出产品工程与前部署工程正在趋同，代理工程师崛起。

本文介绍了一种利用船舶自动识别系统（AIS）航向数据追踪从乌克兰被占领土向利比亚走私粮食的新方法。2026年2月，散货船Grumant从克里米亚的费奥多西亚港装载粮食，经过两个月航行抵达利比亚班加西。由于黑海地区存在全球导航卫星系统（GNSS）干扰，传统AIS位置数据不可靠，但航向数据来自不受干扰的罗盘，因此可用于确认船舶位置。通过分析Grumant的航向数据与卫星图像，研究人员证实了其停靠在费奥多西亚港。该技术为追踪非法航运提供了新手段。

美国商务部解除了对Anthropic旗下AI模型Fable 5和Mythos 5的出口管制，允许其重新向用户开放。Anthropic同意主动检测和解决安全风险，并与美国政府密切合作制定协议和标准。此前因所谓的“越狱”问题，Fable在发布三天后被实施出口管制，导致全球访问中断。此举缓解了行业紧张情绪，但Anthropic与政府的关系仍复杂。

经过与特朗普政府数周谈判，Anthropic 终于能够重新上线 Claude Fable 5。公司宣布将于明天开始恢复访问。

多令牌残差预测（MRP）是一种针对扩散语言模型的轻量级模块，通过预测相邻去噪步骤之间的残差而非完整分布，实现了在静态和动态两种推理场景下的性能提升。静态模式下可实现无质量损失的加速（高达1.56倍），动态模式下可恢复因激进阈值解码而损失的高达+16个百分点的准确率。

Hugging Face 与 Cerebras 合作，利用 Gemma 4 模型打造实时语音 AI 系统，通过开放模块化架构显著降低延迟，实现更自然的对话体验。该系统集成 Nvidia 的语音识别、Cerebras 的推理加速和 Alibaba 的语音合成，已在 9000 多台 Reachy Mini 机器人中应用。

Together AI完成8亿美元C轮融资，由Aramco Ventures、NVIDIA、Vista Equity等领投，旨在加速开源AI的普及。公司强调，闭源模型的成本无法规模化，而开源模型结合全栈优化可实现6-20倍成本降低。Together AI已推出FlashAttention-4、Together Megakernel等创新，成为全球最大的AI token生产商之一。

Anthropic宣布，美国商务部已解除对Claude Fable 5和Mythos 5的出口管制，并将于明天恢复访问。

RunInfra是一个AI推理优化平台，可自动为开放模型选择最佳的推理引擎、GPU和配置，并提供可部署的堆栈。它通过基准测试和调优，大幅降低延迟、提高吞吐量并降低成本。

在AI工程师世界博览会（AIEWF）的两场爆满研讨会之后，Ahmad Osman论证了本地AI——从笔记本电脑、手机到企业级基础设施——正在快速追赶云端AI。开源模型与闭源前沿模型之间的差距持续缩小，本地AI生态系统正从模型本身扩展到完整的工具和基础设施层。

Anthropic 的 Claude Sonnet 5 在人工智能分析智能指数中得分 53，较上一代提升 6 分，与 GPT-5.5（高推理）持平，但落后于 Opus 4.7 和 4.8。其每任务成本为 2.29 美元，比 Opus 4.8 高出约 15%，主要由于 token 用量增加。在代理知识工作基准测试中，Sonnet 5 与 Opus 4.8 相当甚至更优，但在推理和知识密集型任务上仍逊色于更大模型。Sonnet 5 支持 100 万 token 上下文窗口，定价 3/15 美元每百万 token，并新增了“xhigh”努力级别。

本文探讨了AI对高等教育的影响，并将其与互联网、大数据和MOOC等先前技术冲击进行比较。作者认为，尽管互联网、大数据和MOOC对高等教育的影响有限，但AI的影响更为深刻、广泛、系统和迅速，可能从根本上改变学习和教学的本质。