一项涵盖33个前沿LLM、1500个MMLU题项的研究发现，聚合元认知得分掩盖了领域内差异：应用/专业知识最易监控，形式推理和自然科学最难。模型家族内轮廓聚类显著，且Gemma 4比Gemma 3有显著提升。研究支持在部署前进行基准领域筛查。

研究人员提出了一种用于抗体序列设计的离散扩散模型，该模型利用生发系吸收状态减少生发系偏差，并支持分类器引导的条件生成，在非生发系残基预测上取得了显著改进。

本研究使用多种离线策略评估方法，检验了美国难民匹配中反事实影响评估结果的稳定性。结果表明，在不同评估方法和修改下，影响估计值在幅度上保持一致，且多数情况下统计显著，与先前研究一致。

该研究利用2020-2023年CRSS数据，开发混合预测框架，识别出未使用安全带、车龄、超速和驾驶员损伤是树相关碰撞严重程度的关键风险因素，并提出了针对性干预措施。

一种名为Toeplitz MLP混合器（TMM）的新架构用三角掩蔽Toeplitz矩阵乘法替代注意力机制，实现了亚二次复杂度（训练时间O(dn log n)，空间O(dn)），同时保留更多输入信息，提升了复制能力、信息检索和上下文学习准确率。

研究人员提出了一种分层集成管道，用于检测欧洲空间局（ESA）卫星的多变量遥测数据中的异常。该方法结合了基于形状（shapelet）和统计的特征提取、逐通道建模、通道内堆叠以及跨通道聚合。通过时间序列交叉验证和两层掩码策略防止信息泄露，在ESA异常检测基准（ESA-ADB）挑战中展现了强大的泛化能力，有效检测微小异常。该论文已提交至ECML PKDD 2025的ML4ITS研讨会，并在最终轮获得第二名。

流匹配通过积分学习到的速度场生成数据，积分步数(NFE)决定推理成本。本文分析速度雅可比矩阵的对称部分(应变率)和反对称部分(涡度)对积分误差的影响，证明应变导致指数级误差放大而涡度仅线性贡献，并提出加权雅可比正则化，在低NFE时显著降低误差。

本文提出正负解码（PND）框架，无需训练即可减少视觉语言模型中的对象幻觉。通过双路径对比，放大视觉证据并惩罚先验主导生成，在POPE、MME和CHAIR基准上取得最先进性能。

本文介绍了一种基于条件生成对抗网络（Conditional GAN）的人工智能框架SwiGAN，用于生成未来时空气候指数轨迹，重点关注法国用于评估干旱严重程度的土壤湿度指数（SWI）。干旱约占法国自然灾害保险赔偿金的30%。SwiGAN可模拟至2050年的干旱传播模式，为适应性风险管理和保险策略提供支持，并可推广至其他气候灾害和精算应用。

LKV是一种新的KV缓存压缩方法，通过端到端可微优化学习任务优化的全局预算和令牌重要性，避免了启发式方法的局限性。在LongBench和RULER基准测试中，仅保留15%的KV缓存即可实现近乎无损的性能。

论文提出RateQuant方法，利用率失真理论解决混合精度KV缓存量化中的失真模型不匹配问题，在Qwen3-8B模型上以2.5平均比特将KIVI的困惑度从49.3降至14.9（降幅70%），且校准仅需1.6秒。

SCALAR框架研究AI与研究人员在量子场论和弦论问题中的交互。多轮对话优于单次尝试，批评策略效果取决于行动-批评配对。

Weblica框架通过HTTP级缓存和LLM环境合成，构建可复现且可扩展的Web环境，用于训练视觉Web代理。该框架将强化学习扩展到数千个多样化环境，其Weblica-8B模型在多个Web导航基准上优于同规模开源模型，且推理步骤更少。

本文提出了一种方法，用于确定语言模型在表达答案之前何时稳定其偏好。通过在延迟判断任务中使用有限答案投影，作者发现Qwen3-4B-Instruct模型在答案可解析之前17-31个token就已经稳定了偏好。

本文提出了一种新的演化框架，将LLM智能体的记忆机制分为三个阶段：存储（轨迹保存）、反思（轨迹精炼）和经验（轨迹抽象）。驱动演化的三个核心因素包括长程一致性需求、动态环境挑战以及持续学习目标。在经验阶段，特别探讨了主动探索和跨轨迹抽象两种前沿机制，为下一代LLM智能体的设计提供了原则和路线图。

本文形式化定义了部署时学习（DTL）作为大语言模型生命周期的第三阶段，并提出了CASCADE框架，该框架通过显式的情景记忆和上下文赌博机机制，在不修改模型参数的情况下实现经验复用。在16个多样化任务中，CASCADE相比零样本提示将宏观平均成功率提高了20.9%，持续优于基于梯度和记忆的基线方法。

本文介绍一种从多智能体系统内部神经表征中检测联盟结构的新方法，通过构建隐藏状态的成对互信息图并应用频谱划分来识别最显著的联盟边界。在MARL和LLM领域的实验验证了该方法能有效恢复真实联盟并拒绝虚假阳性。

本文提出用认知状态图表示递归推理系统的演化状态，并定义“顺序间隙”作为终止迭代的判据，给出了该判据非平凡的必要充分条件。方法适用于智能体循环、思维树、定理证明和持续学习。

提出了一种复合移动禁忌搜索（CM-Tabu）方法，通过系统地扩展可行邻域空间来优化选区划分，同时保持连通性约束。该方法在费城案例中实现了人口平等的理论全局最优，支持多准则权衡，显著提高了解决方案质量和计算效率。

该论文挑战了链式思维推理能减少偏见的普遍假设，通过实验表明在多选题中，推理轨迹越长，立场偏差（位置偏好）越严重。研究涵盖13种配置，发现12种显示轨迹长度与立场偏差分数正相关，截断实验证明因果关系，且671B参数的DeepSeek-R1虽整体偏差低，但长轨迹下仍存在偏差。此外，直接回答的立场偏差是独立现象。论文建议不应默认推理模型对选项顺序鲁棒，并提供了诊断工具包。

GraphDC是一种基于分治策略的多智能体框架，通过将大图分解为子图，由专门智能体局部推理，再由主智能体整合，从而提升大语言模型在图算法任务上的表现。实验表明，该方法在多种任务和大规模图上优于现有方法。

xAI发布了Grok Connectors，这是一个集成层，可将Grok AI助手连接到Gmail、Notion、GitHub、Linear和Google Workspace等日常应用，使其能够读写数据并执行任务。该功能支持自定义MCP服务器，旨在将Grok从对话助手转变为生产力工具。

MillerWelds推出的Copilot Builder搭配Blue iQ，由NovAI驱动，利用人工智能技术提升焊接效率与精度。

SzPredict 是一个基于 CHB-MIT 头皮脑电数据集的开放癫痫发作预测基准，提供标准化的评估协议和跨患者测试平台，揭示了该领域隐藏的失败模式。所有参考基线均未通过测试，凸显了临床泛化的重要性。

新加坡外交部长维文·巴拉克里希南使用“氛围编码”方法开发了一款名为“外交官的第二大脑”的AI助手，并将在AI工程师新加坡大会上发表主题演讲。

adamsreview是一个Claude Code插件，通过并行子智能体检测、验证、持久化JSON状态和自动修复循环，显著提升代码审查质量。它包含六个命令：审查、代码审查、添加、走查、修复和提升，可捕获更多真实错误并减少误报。

MY AI Agent 是一款创新工具，用户只需输入一个目标，AI即可在30秒内组建一个由3-10名专业AI特工组成的团队，每个特工拥有独立角色、模型和工具，支持在同一聊天中通过@提及切换。产品提供免费套餐和付费专业版，并设有Agent Store允许用户出售自己构建的团队并保留80%收益。

一个精心策划的500个AI提示堆栈，经过生产环境严格测试，专为操作员量身定制，以提高效率。

LaST-R1将隐空间物理推理引入强化学习闭环，仅靠一条轨迹预热便在LIBERO基准上达到99.9%平均成功率，真实任务中比π0.5高出22.5%。

Budi 是一款开源、MIT 许可的本地优先 AI 编码成本追踪工具。它通过尾随 Cursor、Claude Code、Codex 和 Copilot Chat 等 AI 编码代理已写入磁盘的日志文件来工作，无需代理或网络拦截。Budi 提供按仓库、分支和票证归因的成本追踪，实时状态栏显示，会话健康检查，以及可选的团队仪表板。所有提示、代码和 AI 响应默认保留在本地。