一篇新论文表明，自博弈强化学习智能体是否会在不对称规则扰动下崩溃，取决于一个决策容量阈值。当所有正可达的 contingent 决策被消除时，智能体会迅速收敛到确定性剥削吸引子，造成接近最大损失；而保留哪怕一个这样的决策点就能防止崩溃。该机制源于约束下的共同适应，而非扰动本身，且现象具有时间不变性和可逆性，并在函数近似下加剧。

研究自对弈强化学习中，攻击者通过选择性移除合法动作来破坏智能体决策。在扑克及非扑克领域的实验表明，学习型掩码比随机掩码和扰动基线造成更大伤害，且攻击可跨算法迁移、在自对弈中放大，且无法通过延长掩码训练恢复。

SignMuon是一种1比特、矩阵感知的优化器，结合了符号SGD的多数投票聚合与Muon的极坐标步骤，在分布式训练中大幅降低通信带宽，同时保持或提升模型精度。

该论文提出了一种基于反事实对比的信用分配框架，用于大语言模型多步推理的强化学习。通过采样多条推理轨迹并利用其差异隐式近似替代决策，构建了过程级优势估计器，将稀疏的终端奖励转化为步骤敏感的学习信号。基于此提出的隐式行为策略优化（IBPO）显著提升了数学和代码推理基准上的训练稳定性和性能上限。

该论文针对带不等式型函数约束的变分不等式问题，提出可在有效步与非有效步之间切换的镜像下降类算法，并在有界单调算子与Lipschitz凸函数约束下证明了最优收敛率；同时给出可减少大量约束下运行时间的改进版本，并将分析扩展到δ-单调算子。

本研究针对Apple M3 Ultra（60核GPU，512 GB统一内存）进行了10阶段的全面优化实验，旨在实现实时相机img2img变换。通过结合蒸馏专用模型SDXS-512的CoreML转换和3线程相机流水线，最终在512x512分辨率下达到了22.7 FPS。研究揭示了CUDA平台上的优化策略在Apple Silicon统一内存架构上并不有效，例如量化无法加速、并行推理无效以及神经引擎不适用于大规模模型，并提供了针对Apple Silicon的扩散模型推理实用指南。

LinAlg-Bench是一个诊断基准，通过3x3、4x4和5x5矩阵的严格维度梯度，评估了10个前沿大语言模型在结构化线性代数计算上的表现。该基准覆盖9种任务类型和660个SymPy验证的问题，全面评估了6600个模型输出。除了二元准确性，LinAlg-Bench还引入了一个三阶段自动取证流程，将1156个失败分类为十种主要错误标签及细分子类型，揭示了LLM的数学失败并非随机，而是受算法类型和矩阵维度的结构性约束。核心发现是模型在4x4规模处出现一个尖锐的行为阈值：低于此阈值时，模型因执行错误（如符号跟踪失败、算术漂移和奇偶错误）而失败；高于此阈值时，失败转变为计算放弃，模型通过工具角色扮演、约束一致的虚构和结构化幻觉来编造响应，而非尝试计算。这种从编造到放弃的转变在几乎所有模型层级和架构中普遍存在，暗示这是一个工作记忆限制而非知识差距，三种规模涌现的错误类型（在3x3中不存在但在4x4和5x5中出现）支持了这一观点。研究还表明，解策略僵化是5x5行列式准确性的近乎完美预测因子，记录了一种名为约束感知虚构的新型结构化幻觉故障模式，并公开了所有数据、模型输出、错误标签和判断流程。

该研究提出一种知识自适应架构，将视觉感知与推理分离，结合视觉编码器和动态知识库，以解决野外边缘AI部署中的环境变异性和资源限制问题。通过显式知识库替代隐式参数编码，支持专家知识的可持续性，并与生物学家和原住民社区合作推动伦理AI共同开发。

最新研究表明，通用多模态嵌入（UME）从链式思维（CoT）推理中获益显著，但生成显式CoT轨迹的计算开销过大。本文提出用潜在思维令牌替代显式CoT，这些令牌作为潜在变量可生成显式CoT轨迹作为观测变量。通过CoT生成损失优化思维令牌，再通过对比损失优化嵌入令牌，实现了恒定推理成本下的高性能、推理感知表示。研究探讨了两种关键架构设计，并推出了TTE-Flash-2B模型，在MMEB-v2基准上超越显式CoT对应模型，同时思维令牌可文本和视觉解释。此外，在15个视频数据集上的零样本评估显示，随着思维令牌数量增加呈现扩展行为，并启发了基于任务需求的自适应思维预算分配试点研究。

PRISMat 是一种轻量级、置换不变的自回归模型，用于生成具有目标表面性质的晶体板。与大型语言模型相比，它推理更快，且在解理能和功函数预测上将误差降低了 4 倍。

一项受控多属性议价实验显示，当前LLM代理虽能准确建模对手偏好，却无法将该知识转化为战略性谈判优势。最终协议更多受表面初始锚点影响，而非真实效用权重；要求明确声明让步换互惠的干预仅使单轮表现更“策略化”，并未提升协议效率。

Skim 是一种推测性执行框架，利用专用网站的可预测结构，让大多数网页代理查询绕过前沿模型推理、浏览器渲染和 ReAct 规划等重型组件。通过离线分析器捕获 URL 模式、答案格式和任务轨迹映射，运行时用小型模型快速提取答案，并由轻量验证器把关。在 WebVoyager、AgentOccam 和 BrowserUse 三个骨干代理上，Skim 将每任务中位成本降低 1.9 倍，延迟降低 33.4%，且无准确率损失。

该论文提出一种将大语言模型与实验室编排系统结合的AI智能体架构，允许科学家用自然语言交互式创建和监控自动化实验协议，在化学、生物学和材料科学三个模拟自动化实验室中实现97%的首轮协议生成成功率，并将所需界面操作减少一个数量级。

ANNEAL提出一种神经符号智能体，它将重复出现的执行故障转化为对过程知识图谱的受控符号编辑，而非修改模型权重或提示。在四个领域、27次多随机种子实验中，该方法将反复故障的留存失败率从基线的72-100%降至0%。

AgentWall是一个针对本地AI代理的运行时安全与可观测层，能够拦截代理操作、执行策略检查、要求人工审批并记录审计轨迹，在14项基准测试中实现92.9%的策略准确率和亚毫秒级开销。

Odyssey实验室发布Agora-1研究预览版，这是一个多智能体世界模型，允许多达四名人类或AI代理在实时生成的模拟中共享和交互，类似于黄金眼风格的体验。该模型可保持不同视角下的一致性状态，开创了视频模型、游戏模型与世界模型融合的新类别。

Multi-Claude 是一款原生macOS应用，允许用户并行运行多个Claude账户，每个账户拥有独立的配置文件、会话历史和设置，解决了在个人和工作账户间频繁登录的问题。该应用为一次性购买，发布周有折扣。

德意志交易所集团的StatistiX平台面临Zeppelin笔记本迁移挑战，涉及2000+用户和2027年截止日期。他们开发了一款Databricks应用，自动处理结构转换并生成上下文感知的Genie提示，以AI辅助重构笔记本逻辑。每个笔记本的重新开发时间从数小时缩短至15-20分钟。

明天5月20日，中国AIGC产业峰会将在北京开幕，20位嘉宾将围绕Agent、多模态、应用、算力等话题展开讨论。提前查好路况，定好闹钟，我们现场见！

TuriX AI 发布了其开源计算机操作代理的最新版本，在 macOS 基准测试中达到 80% 的成功率，并在 OSWorld 排行榜上位列第三。该代理支持桌面自动化、可热插拔模型以及通过 Markdown 剧本实现的技能系统。最新版本包括 TuriX SuperAgent 和 TuriX SuperPower 3.0.0-alpha，扩展了生产力功能。

Trainer 是一款工具，允许用户通过录制屏幕来训练AI代理。

SantaClawz为其自主AI智能体系统构建了一个运行时激活层，专注于智能体的注册、初始化和运行时激活，旨在简化AI智能体的部署与扩展。

谷歌年度开发者大会 I/O 2026 将于 5 月 19-20 日在山景城举行。预计将发布 Googlebook 新设备、深度集成 AI 的 Android 更新以及 Gemini 的全面渗透。面对 OpenAI 和 Anthropic 的激烈竞争，谷歌需展示其 AI 战略的价值。

通过一个 API，AI 代理即可访问 3,760 家零售商，实现高效的购物和交易。

Grantbot.pl是一个AI驱动的平台，帮助波兰的非政府组织快速撰写赠款申请，支持20多种波兰和欧盟赠款项目，自动生成提案各部分，并提供合规检查与匹配功能。

本文基于DORA研究，指出模糊的AI政策会阻碍创新和安全。明确传达的AI立场能提升个人效率、组织绩效和软件交付吞吐量，并减少摩擦。文章提供了实施步骤，包括获得高层支持、组建跨职能团队、采用三桶框架、发布活文档以及建立反馈循环，并强调了避免常见陷阱的方法。

阿里Qwen3.7预览版突然上线，文本和视觉领域均位列国产第一，模型迭代明显提速。

Vault Pro 是一款基于AI的脚手架工具，专为Obsidian设计，用于自动化创建结构化项目笔记。它利用Node.js和Claude AI，简化笔记初始化流程。现在已通过Stripe Checkout开放购买。

Cursor发布了Composer 2.5，是其迄今为止最强大的模型。

百度旗下自动驾驶平台萝卜快跑创下新纪录：周订单峰值超35万单，日均最高5万单，累计出行次数突破2200万次。运营覆盖全球27城，部分国内城市已实现单车盈利。同时，百度发布2026年Q1财报，AI新业务收入首次超过传统广告业务。