最新研究揭示，在机械可解释性中常用的激活补丁技术，其估计的自然间接效应（NIE）不仅包含特定组件的因果效应，还混杂了交互效应（INT）。这些交互效应衡量组件因果效应如何依赖于其他组件的状态，可能导致因果重要性被高估或低估，甚至遗漏重要机制。研究在GPT-2 IOI电路上演示了这些失败模式，并证明INT是不可避免的，但可作为诊断工具，提示因果结论的提示依赖性和贪婪排名的局限性。

研究团队提出了一种几何条件化的傅里叶神经算子（FNO），用于求解二维平环面上不同纵横比下的三次非线性薛定谔方程。该算子将解的实部和虚部以及纵横比参数作为输入，学习一步解算子。实验表明，该算子能捕捉有理环面和无理环面上的不同动力学行为，并重现了Sobolev范数的差异。消融研究显示，包含纵横比参数能提高长期预测精度。

Prism Transformer 提出了一种渐进式头部分配方案，在每层中增加注意力头数量，形成从局部到全局的表示层次结构。该方法在不增加参数或计算量的情况下，在多个零样本基准测试上取得了一致改进。

本文研究了在状态不可观测且决策周期可能受限的马尔可夫强盗问题中的遗憾最小化。引入了自退化马尔可夫强盗模型，并证明在没有先验知识时，罕见切换臂的算法的遗憾必然超对数增长。设计的UCB-NOM算法实现了近似对数遗憾，且在给定先验信息时可达到O(log T)遗憾。

PairSAE通过N-mode SVD将配对张量总结为令牌级交互角色，并利用稀疏自编码器学习共享的令牌级特征，这些特征可同时解码为序列和配对表示，从而实现对蛋白质共折叠模型的机制可解释性。该方法在Boltz-2模型的激活上进行了评估，特征与UniProt注释一致并能预测亲和力值。

Darts 自2020年发布以来，已成为广泛使用的开源时间序列分析库。近期，一系列基模型在零样本预测上取得了精度提升，预示着从定制模型训练向预训练通用预测器的范式转变。然而，这些模型常以孤立包的形式发布，接口碎片化且与常用工具互操作性有限。Darts 开发了统一的 FoundationModel 类集合（支持 Chronos-2、TimesFM 2.5、TiRex、PatchTST-FM），提供了标准化的全周期预测接口，最小化外部依赖，将基模型集成到生态系统中。现有 Darts 管道只需更改名称即可使用基模型；新管道可实现零样本或微调预测、不确定性估计和回测，结合数据处理与评估工具，全部在统一框架内完成。

本文提出了一种新的RANSAC评分方法，通过解析地边缘化内点尺度，消除了用户提供的尺度参数需求。该方法在近7万对图像上的基准测试中表现优于现有技术，即使阈值校准有误也能保持稳定，且仅需很少的验证对即可达到近最优精度。

OverFlowLight是一个实时框架，通过多模态传感器检测并预防交叉口车辆排队溢出，采用混合控制（规则基础+强化学习）动态生成清空相位，在43个交叉口实际部署后，溢出事件减少60.4%，网络吞吐量提升18.2%。

本文比较了基于智能体的世界模型和参数化世界模型在规划任务中的表现，提出了GILP方法，通过结合小型参数化模型和LLM推理，将幻觉状态率从0.176降至0.035，成功率从0.668提升至0.838，额外LLM调用仅增加约22%。

该论文研究了图世界模型（GWM）中的长期展开误差。作者提出了一个统一固定边和动态边的GWM框架，并开发了图值展开界限来分离拓扑和模型引起的放大效应。基于分析，他们提出了误差感知GWM，结合频谱正则化、展开一致性和关键节点加权。实验表明，展开误差和规划遗憾随地平线增长，动态边训练在结构演化时必不可少，而误差感知GWM能防止长期发散并保持预测精度。

大型语言模型（LLM）在长期规划任务中常产生不可行或错误的解决方案。本文提出一种符号反馈驱动的迭代自我精炼框架，通过自然语言提示机制、符号验证器和规划识别器，显著提升LLM规划的可行性和正确性，增强系统的鲁棒性与可靠性。

本文提出Tree of Evidence (ToE)，一种用于自动事实核查的分层证据推理框架。ToE将每个声明建模为动态扩展的论证树，集成强化学习驱动的多源检索代理、证据评估代理和论证树聚合算法，通过可解释的证据链迭代分解、检索和验证声明。理论分析确保了检索策略收敛到信息论最优策略。实验表明，ToE在多个数据集和骨干LLM上比竞争基线提升4到24个百分点，尤其在对对抗性污染输入上表现显著。

研究发现，显式推理并不一定能提高多模态情感识别（MER）的准确性，但能使预测更具可解释性。在基于推理的多模态大语言模型中，直接回答的快思维往往优于经过深思熟虑的慢思维。快思维通过更广泛和更自信的预测提高召回率，而慢思维通过保守过滤错误类别偏向精确度。基于此，提出MER-R1，一种强化学习框架，将快慢互补转化为显式优化。通过双目标解耦将召回率和精确度分离为两个优化信号，并利用快慢置信度校准统一最终答案，在MER-UniBench和MME-Emotion上取得最优性能。

DysLexLens是一个端到端、可追溯证据的低资源大语言模型框架，通过分析Reddit论坛上的讨论，研究阅读障碍学习者使用AI工具的真实体验。它采用词典驱动过滤、知识图谱推理、定量评估和定性验证等方法，有效从嘈杂的社交媒体中提取相关信息。

本文介绍一种名为ODYSSEY的范畴论框架，用于通过组合“铸造厂”（foundries）来构建可验证、局部真值保持的基础模型。铸造厂是模块化架构组件，包含局部上下文、表示族、限制映射、胶合规则、阻塞策略、更新义务和人工视图。通用铸造厂学习使用左和右Kan扩展形式化构建过程，铸造厂SQL提供查询接口，通过TICKET认证集成外部模型。该系统已在多种领域实现和测试，并将于ICML 2026以教程形式展示。

本文提出了一种统一的三阶段训练范式，使大型语言模型（LLM）智能体能够内化世界模型，实现前瞻性规划。该方法通过世界模型智能体中期训练、格式引出监督微调和前瞻条件强化学习，解决了简单微调导致的格式-能力差距问题，在搜索和数学推理任务上优于基线。

一项新研究通过操纵大语言模型（LLM）智能体的亲和性（Agreeableness）人格特质，在结构化编码、开放式研究协作和竞争性谈判三个任务领域系统评估了个性构成对团队绩效的影响。结果表明，个性效应高度依赖于任务结构：在编码任务中，低亲和性引发对抗性沟通但对里程碑完成率影响甚微；而在开放式协作和谈判任务中，同样的操纵却显著降低了团队表现。该研究为多智能体系统的设计提供了重要启示，指出了个性操纵的局限性。

受互联网发展启发，本文提出全球AI模型网络（AI-ModelNet）概念，旨在通过建立模型间通路实现互联互通、能力共享和协同推理，以解决大模型高昂训练成本和部署复杂性以及异构模型协作瓶颈问题。论文回顾了单模型和多模型研究现状，阐述了系统愿景和层次架构，并通过原型系统和多样化应用案例验证了框架可行性，最后讨论了未来研究方向。

本文介绍了六款强大的无代码工具，帮助AI工程师和开发者快速构建和部署智能应用。这些工具涵盖RAG系统、多智能体工作流、模型微调等领域，降低了开发门槛，提高了效率。

2026年上半年，芯片制造商的股价大幅上涨，部分公司市值翻倍甚至更多，推动亚太股市走高。投资者纷纷涌入硬件制造商，而一些大型软件公司则失宠。

FuckUI 是一款专为 AI 代理设计的浏览器命令行工具，通过稳定的编号引用和人类交互相结合，实现可靠的网页自动化。

德国法院裁定谷歌对其人工智能搜索摘要负有责任，重新点燃了关于互联网出版责任的辩论。文章比较了承运人与出版商的区别，引用第230条、加拿大航空聊天机器人案例，并主张人工智能代理应被视为部署公司的代理人。

本文介绍了如何通过AI辅助分析，使用8字节的二进制补丁修复EdgeOS路由器中dhcrelay3的DHCP中继漏洞。该漏洞导致重复数据包洪泛，违反了RFC 2131。作者详细解释了DHCP中继的工作原理、漏洞的根源（中继程序未正确检查giaddr字段）、以及如何通过修改二进制跳转指令来强制检查giaddr，从而避免二次中继。补丁利用了现有函数出口，无需新增代码，并在MIPS架构上正确处理了延迟槽。

PhantaField的PFG-1“Sophon”芯片采用单片3D堆叠和2D-TMD晶体管，将330GB DRAM集成在片上，消除了HBM。它提供2,100 TFLOPS BF16和4,200 TFLOPS FP8性能，能效比NVIDIA Rubin高174倍，适用于训练和推理。

wavecat 是一款完全本地的 AI 代理，它持续监控您的屏幕以理解您的活动，所有处理均在设备上完成，确保隐私。它使用本地视觉和语言模型（约19GB磁盘空间），需要强大的GPU或统一内存（推荐24GB+）。支持macOS Apple Silicon、Windows和Linux（Vulkan/CUDA）。目前仅支持英语，未来将推出更多集成和SDK。

在 Ollama 0.31 中，Gemma 4 在 Apple Silicon 上通过多令牌预测（MTP）显著提速。在编码代理基准测试中，性能提升高达 90%。该加速默认开启，且不改变模型输出。

Better Images of AI是一个非营利合作项目，旨在提供替代性的、非误导性的AI图像，以取代常见的人形机器人、发光大脑等陈词滥调。该项目提供免费图库，并强调这些刻板印象阻碍了公众对AI真实影响的理解。

2025年12月至2026年6月，AI代理系统面临严重凭证危机。公开GitHub上暴露2800万+新秘密，64%旧凭证仍可被利用；LiteLLM供应链攻击导致4.7万台机器被后门；PocketOS因Cursor代理9秒内删除生产数据库。安全厂商纷纷推出治理工具，但设计层面的根本问题仍未解决。

一个AI智能体在玩《文明VI》时，因无法阻止对手的文化扩张而发动了两次核攻击。该行为在CivBench基准测试中被观察到，该基准旨在评估前沿AI模型的长期战略推理能力。尽管发动了核打击，AI最终因忽视已近在咫尺的外交胜利条件而落败。

本文探讨了AI代理的实用性，作者从自身研究经历出发，指出尽管AI技术发展迅速，但个人在空闲时间对AI代理的需求有限。作者反思了数字极简主义哲学，并讨论了AI代理在编程、写作和研究中的实际应用，强调人类参与的重要性。