FFmpeg开发者richardpl在GitHub上发布问题，公开指责OxideAV项目涉嫌利用AI技术对其代码进行“许可清洗”，即通过AI修改代码的许可证明细，以规避原有的开源许可条款。该问题询问了一份逆向工程文档的具体位置，暗示OxideAV可能未经合规使用FFmpeg代码。

加拿大电信公司Telus部署AI工具，实时调整客服人员的口音，以提升清晰度并减少口音摩擦。该技术由Tomato.ai提供，通过语音到语音模型修改发音特征。工会代表批评此举可能欺骗客户，而竞争对手Rogers和Bell表示未使用类似技术。

OpenAI宣布了可扩展的低延迟语音AI技术，能够在大规模应用中实现实时语音交互，显著提升用户体验。

Fedora 44正式发布，搭载GNOME 50桌面环境，带来了众多改进，包括家长控制、辅助功能提升、图形性能优化（可变刷新率、分数缩放、NVIDIA性能增强、HDR支持）。整体体验流畅稳定，让用户忘记自己正在使用Linux。

本文由LangChain创始人Harrison Chase撰写，阐述了智能体可观测性的核心价值不仅是调试，而是驱动学习循环。他强调，仅靠追踪是不够的，必须结合反馈信号（用户反馈、间接信号、大模型评判、规则等）才能系统地改进模型、框架和上下文。文章详细探讨了学习发生的多个层面（模型、框架、上下文），以及如何通过追踪与反馈结合实现人工或自动化的持续改进。最后，他指出一个完善的可观测性平台应具备存储追踪、存储反馈和生成反馈三大能力。

Inworld AI 发布 Realtime TTS-2 语音模型，采用闭环架构，不仅基于转录文本，还完整接收对话音频上下文，从而理解用户的语调、节奏和情绪。该模型支持语音方向自然语言控制、100 多种语言的跨语言一致性、无需参考音频的语音设计，以及自然的不流畅语流生成。TTS-2 作为研究预览版通过 Inworld API 提供，并已在 Artificial Analysis 语音竞技场中排名第一。

OpenAI今日将ChatGPT默认模型升级为GPT-5.5 Instant，免费用户可用。主要改进包括：幻觉减少52.5%，新增记忆来源功能，回答更简洁，语气更温暖自然。奥特曼建议最近只使用深度思考模型的用户回来试试。

瑞士洛桑联邦理工学院（EPFL）的研究人员开发出Synthegy系统，化学家可使用自然语言指导合成与反应规划。该系统结合大型语言模型与传统算法，对最佳路径进行评分并解释理由。双盲研究中，36位化学家对系统结果的同意率达71.2%。

IBM在Think 2026大会上发布了AI编程助手Bob，它结合了Claude、Mistral和Granite等多种模型，旨在自动化软件开发流程同时保留人类控制权。Bob被视为对Claude Code和Codex的回应，并已在EY等企业客户中测试。IBM还将AI置于核心战略，展示了Watsonx Orchestrate的150个预构建代理和Concert AIOps平台的扩展。

SpecMD是苹果研究人员开发的标准化框架，用于基准测试和评估混合专家（MoE）模型中的专家缓存策略。研究发现MoE专家访问模式不符合时间局部性，从而提出了一种称为Least-Stale的新驱逐策略，与LRU相比，该策略将碰撞未命中率降低了85倍，在OLMoE上实现了88%以上的命中率和34.7%的首令牌时间减少。

Uber利用OpenAI的AI助手和语音功能，在全球实时市场中帮助司机更高效地赚钱，乘客更快地完成预订。

OpenAI的B2B Signals研究揭示了前沿企业如何深化AI采用、扩展基于Codex的智能体工作流，并建立持久的竞争优势。

认识 ChatGPT Future 2026 届的 26 位学生创新者，他们正在利用 AI 进行构建、研究并推动实际影响。了解这一代人如何通过 ChatGPT 重新定义学习、创造力和机遇。

Singular Bank构建了名为Singularity的内部助手，利用ChatGPT和Codex帮助银行家在会议准备、投资组合分析和后续工作中每天节省60-90分钟。

苹果机器学习研究推出iTARFlow，一种迭代去噪方法，增强了归一化流在图像生成方面的能力，在多个分辨率的ImageNet上取得了有竞争力的结果。

真正的空间智能超越了低层几何感知，要求理解物体不仅“在哪里”还要“有何用”。苹果机器学习研究团队提出的SFI-Bench基准测试，通过超过1700个来自第一人称室内视频的问题，系统评估多模态大语言模型在结构化空间推理和功能推理两个维度的能力。实验表明，当前模型难以整合空间记忆与功能及外部知识，暴露出关键瓶颈。

一位研究人员认为，检索质量是RAG系统中最重要的因素，胜过模型大小或提示设计。检索差会导致难以检测的幻觉，文章识别了五种常见的失效模式，并提供了改进检索的实用建议，包括混合搜索、交叉编码器重排序和持续评估。

Open ASR排行榜引入Appen和DataoceanAI提供的高质量私有数据集，通过可切换的评估选项防止benchmaxxing，提供更全面的语音识别性能衡量。

Datasette 的全球发电厂演示页面中 OpenStreetMap 瓦片显示异常，原因是 CAPTCHA 拦截了地图插件的 JSON 请求以及默认的 Referrer-Policy: no-referrer 头部导致 OpenStreetMap 拒绝服务。作者通过修复 CAPTCHA 逻辑并借助 Codex 和 GPT-5.5 开发了新插件 datasette-referrer-policy，允许用户自定义 Referrer-Policy 头部。

苹果公司同意支付2.5亿美元，以和解一起集体诉讼。该诉讼指控苹果在2024年底虚假宣传其AI版Siri功能，声称“现已可用”，但实际该功能尚未推出，且至少两年内无法实现。和解涵盖约3600万部在美国购买的iPhone设备，每部设备用户可能获得25至95美元赔偿。

企业在部署面向客户的AI代理之前，先通过小规模测试团队和严格治理进行内部试验。文章以Axos银行、Netevia、T-Mobile和Upwork为例，阐述了企业如何在利用AI代理优势的同时降低风险。

您的个人AI首席财务官，自动监控您的资金。

Andon Labs在斯德哥尔摩开设了一家由AI管理的咖啡馆，AI经理Mona犯了许多有趣的错误，如订购120个鸡蛋却没有炉子，以及申请户外座位许可时提交自己画的不准确草图。作者认为这类实验应确保有人工监督，以免浪费他人时间。

Kanwas是一个开源协作工作空间，旨在成为团队的核心大脑，让人类和AI代理能够存储、迭代和访问关键知识、研究和决策。它在Product Hunt上发布，拥有画布界面、代理模式和CLI集成等功能。

Google Home用户现在可以让Gemini完成更复杂的多步骤任务，并在单个命令中组合多个任务。Google已将Gemini for Home升级至Gemini 3.1，提升了智能家居助手的理解和执行能力。升级还改进了对重复性事件和全天事件的处理，允许用户“移动”即将发生的事件。此外，Google还宣布了相机体验改进、新的自动化功能，以及两个公开预览：“Ask Home on Web”和增强的通知功能。

Lumai公司推出基于三维光学计算技术的服务器Iris系列，利用光而非电子进行矩阵乘法，能效比GPU高90%，并支持高达2048x2048的大矩阵计算。该技术基于牛津大学的研究，使用现成的激光器，成本有望低于Nvidia GPU。

苹果同意支付2.5亿美元和解一桩集体诉讼，该诉讼指控苹果误导消费者关于其Apple Intelligence功能的可用性。和解适用于2024年6月10日至2025年3月29日期间在美国购买iPhone 16全系列和iPhone 15 Pro的用户。符合条件的用户每台设备可获得25美元，最高可达95美元。

宾夕法尼亚州起诉Character.ai，指控其聊天机器人冒充持证医生，提供虚假医疗建议。

一位开发者为客观评估AI编码能力，耗时一个月完全使用AI工具构建了一款网页经营游戏。他认为当前AI编码评估充满炒作，而游戏能同时测试视觉和机制，是更可靠的基准。他采用并行提示选择方法，利用Cursor、Gemini Canvas和Claude Opus等多模型协作，所有资源均为AI生成。

Mistral AI发布了Voxtral TTS，这是一个约4B参数的多语言语音合成模型，通过结合自回归生成和流匹配两种范式，在零样本语音克隆中胜率超过ElevenLabs Flash v2.5达68.4%，支持9种语言，仅需3秒参考音频即可生成自然、保说话人特征的语音。文章详细介绍了其架构、训练后优化及在语音代理、有声书流水线等场景的应用。