本文提出视界约束Rashomon集，首次建立混沌理论中指数发散与预测多重性之间的严格联系。证明有效Rashomon集随预測时長指数收缩，收缩速率由最大李雅普诺夫指数决定，并开发决策对齐模型选择算法，在多个混沌系统上实现18%-34%的决策质量提升。

提出一种自监督物理信息神经网络框架，通过可学习混合神经元动态调整物理残差和数据损失权重，结合迁移学习，在仅87个数据点上实现液态金属散热器热传递预测误差低于8%，优于传统方法。

SAT提出了一种无需协调器的训练范式，用于多LLM团队协作，具备单调改进和即插即用保证。实验表明，三个4B代理组成的团队在AIME基准上超越Qwen3-32B达3.9%，换入两个8B代理后性能提升10.4%。

研究利用All of Us研究计划的全国纵向电子健康记录数据，通过人口分层模型预测慢性鼻窦炎（CRS），实现了0.8461的AUC，比最佳基线提高0.0168。该方法将约11万个候选编码压缩为100个可解释特征，并针对六个成人性别和生命阶段亚组进行子组特异性调优，展示了常规电子健康记录数据支持人口代表性CRS风险分层和初级护理早期分诊的潜力。

本文质疑了平坦极小值对神经网络泛化能力起决定作用的观点。作者提出“弱度”（weakness）作为重新参数化不变的度量，能更好地预测泛化，并通过实验表明平坦性和简单性的预测能力有限。

本研究提出恒定上下文技能学习框架，将可重复使用的程序编码到轻量级任务族模块中，推理时仅依赖当前观测和紧凑状态块。在多个基准测试中表现优异，同时将每轮提示令牌减少2-7倍。

LaTA是一种开源的自动评分器，完全在本地硬件上运行，使用LaTeX原生工作流程，通过四阶段流水线（摄取、分段、评分、报告）和本地托管的开源权重链式思维LLM评分器（gpt-oss:120b）对学生的作业进行评分。在俄勒冈州立大学ME 373课程中部署，约200名学生，每份作业边际成本为零，评分错误率约0.02-0.04%，使用LaTA的班级在期中考试和期末考试中分别比传统评分班级高出约11%和8%，学生的自信心也有显著提升。

本文提出FinAgent-RAG，一种针对金融数值推理的智能检索增强生成框架，通过迭代检索-推理循环和自验证机制，结合对比学习检索器、程序化思维模块和自适应策略路由器，在FinQA、ConvFinQA和TAT-QA数据集上取得领先性能，并降低API成本41.3%。

PRISM框架通过动态问答管道紧密耦合视觉语言模型（VLM）和大型语言模型（LLM），解决了独立VLM中的感知-推理-决策差距。在ALFWorld和R2R基准测试中，PRISM显著优于最先进的图像模型，且完全自动化。

本文提出，大型语言模型（LLM）中的谄媚行为是社会对齐与认知完整性之间的边界失败。现有研究通常将谄媚行为视为对用户错误信念的附和，但本文认为谄媚应被理解为一种取代独立认知判断的对齐行为。作者提出了一个三条件框架来识别谄媚行为，并介绍了包含对齐目标、机制和严重程度的分类体系，最后讨论了评估与缓解策略。

本研究利用现有闭路电视监控系统结合人工智能和计算机视觉，评估临时行人安全岛和路缘扩展等软干预措施对车辆速度和安全的影响。在明尼阿波利斯的测试显示，无信号交叉口的平均速度和85%分位速度分别下降高达18.75%和16.56%，通过交通量减少12.2%；信号交叉口也有类似降幅。该框架为快速、低成本、基于证据的交通政策评估提供了新方法。

BALAR 是一种任务无关的算法，能够通过维护潜在状态的信念并通过互信息最大化选择澄清性问题，实现大型语言模型与用户之间的结构化多轮交互。在侦探案例、思维谜题和临床诊断基准测试上，准确率分别提升了14.6%、38.5%和30.5%。

本文介绍了“部分证据基准”（Partial Evidence Bench），这是一个确定性基准测试，用于衡量当企业AI代理在授权受限环境中运行时，因无法访问全部证据而导致答案看似完整实则遗漏关键信息的失败模式。基准包含尽职调查、合规审计和安全事件响应三个场景，共72个任务。测试结果显示，静默过滤极度不安全，而明确报告失败的行为能消除不安全完整性。

ZAYA1-8B是一款基于MoE++架构的推理型混合专家模型，激活参数仅7亿，总参数80亿，在AMD全栈计算平台上训练。它在数学和编程基准测试中与DeepSeek-R1-0528相当甚至超越，并提出了Markovian RSA测试时计算方法，进一步提升推理性能。

本文介绍了标注者策略模型（APMs），这是一种可解释的模型，能够仅从标注行为中学习标注者内部的安全策略，从而揭示标注分歧的来源，包括操作失误、政策模糊性和价值多元性。APMs在无需额外标注工作的情况下，准确率超过80%，并能通过反事实编辑进行预测。应用包括识别政策模糊性和揭示不同人口群体间的价值差异，以支持更透明、包容的安全策略设计。

一位 16 岁创业者 Audrey Fei 探讨 AI 个性化与个体性的矛盾，指出 LLM 包装器正在崩溃，真正的个性不应被水平增长所掩盖。她介绍了自己的专利实时口音转换技术和自然语言学习平台。

Memori 推出智能体原生记忆基础设施，通过结构化的知识图谱从智能体执行轨迹中自动构建持久记忆，实现高精度、低成本的推理，节省95%以上推理成本。

AnamDB是一款基于Rust构建的AI原生神经符号数据库引擎，它深度融合了概率神经感知与确定性符号推理，提供了可解释性、安全性、多目标优化以及异构硬件加速等特性，旨在作为代理记忆（Agentic Memory）的核心数据库内核。

卡内基梅隆大学、麻省理工学院、牛津大学和加州大学洛杉矶分校的一项新研究表明，使用AI聊天机器人仅10分钟就可能对人们的思考能力和解决问题的能力产生惊人的负面影响。当AI助手突然被移除后，曾使用AI的参与者更倾向于放弃问题或答错。研究呼吁重新设计AI工具，使其像好老师一样优先考虑学习而非直接给出答案。

记者杰米·巴特利特调查AI越狱者现象——那些故意试图绕过大型语言模型安全限制的人，旨在了解其漏洞并提升AI安全性。

本文探讨了AI辅助代码贡献对CPAN的版权影响，指出版权风险并非新问题，CPAN历来存在来源不确定性，AI只是增加了贡献数量。作者建议通过透明披露（如Co-authored-by）和人工问责来管理风险，而非完全拒绝AI。

一位开发者因不满雅加达苏加诺-哈达国际机场（CGK）的官方网站屏蔽国际访问且性能不佳，自建了一个快速、易访问的替代网站 jakartaairportcgk.com。该网站提供实时航班信息、机场列车时刻表、设施列表等服务，并在性能基准测试中远超官方站点。

OpenRouter 分析了 GPT-5.5 相对于 GPT-5.4 的实际成本变化。通过对比用户切换前后的使用数据，发现成本增加了 49% 到 92%，但长提示（超过 10K tokens）的完成长度缩短了 19-34%，部分抵消了价格上涨。短提示的成本涨幅更大。

Netflix正在测试一项新的AI语音搜索功能，允许用户通过自然语言指令获取影视推荐。该功能目前向部分订阅者开放，旨在绕过智能电视和流媒体设备的内置语音助手，可能改变流媒体服务与电视操作系统之间的权力博弈。

如果你的Roku设备运行缓慢、应用加载困难，可能不是Wi-Fi的问题。本文介绍了9个快速修复方法，包括重启、清除缓存、更新软件、重装应用等。

现代IDE仍以文件、标签、项目为中心，不适合AI工作流。AI需要可编程的操作表面，让每个状态对象都可寻址、检查、修改和重放。借鉴Smalltalk、Lisp机器和Emacs的设计，未来IDE应成为一个操作系统，统一管理终端、日志、浏览器会话、测试、差异等，让人类和AI通过对象图交互。

Selvedge 是一个本地 MCP 服务器，可实时记录 AI 代理每次代码更改背后的原因，并将推理过程存储在 SQLite 数据库中供日后查询。它通过跟踪实体（如列名、环境变量、端点）而非仅仅代码行，弥补了 git 提交信息缺乏上下文的不足。

经过对谷歌地图和苹果地图的全面对比，谷歌地图在导航、AI、街景等功能上胜出，但苹果地图界面更简洁。

白宫已命令Anthropic不得扩大其强大AI模型Mythos的访问权限，并正在考虑实施全面的事先限制制度，要求发布前沿模型前必须获得政府批准。这一政策转变是突然且混乱的，可能带来创新放缓、精英捕获等风险。文章分析了此举的背景、潜在影响及替代方案。

近期，Google Chrome被发现在用户设备上静默下载约4GB的AI模型Gemini Nano，且用户删除后可能自动重下。此举引发隐私、透明度和用户信任的争论。本文详细分析事件原因、技术背景、用户应对方法及潜在影响。