研究表明，在藥物發現中使用的邊際共形預測在類別不平衡數據集上會嚴重低估少數類的覆蓋概率，而類別條件（Mondrian）共形預測能有效恢復。

TriRoute是一種輕量級的統一控制器，能夠為每個令牌在每一層協調注意力模式、專家選擇和KV緩存位寬，從而在相同計算和內存預算下超越獨立優化方法的性能。

來自arXiv的一項研究指出，現有AI在與人類動態交互中常失敗，原因在於未能量化潛在的社會規範。研究者通過行人-車輛交互實驗，識別出結果可預測性、價值一致性和優勢意識三條規範原則，並將其融入大語言模型，使AI在閉環任務中總分提升近四倍，超過人類間互動43%，為AI更自然融入社會提供了新路徑。

本文提出大型行為模型（LBM），通過統一的人物-環境框架直接從大規模零售交易中學習客户決策。模型利用歷史購買行為構建客户狀態，通過檢索增強生成整合產品上下文，並採用持續預訓練、監督微調和基於可驗證獎勵的強化學習進行訓練。在多個零售任務上，LBM顯著優於前沿通用語言模型，並展示了強大的零樣本和微調遷移能力。消融實驗表明，持續預訓練是行為泛化的主要驅動力，檢索在訓練和推理時均應用效果最佳，強化學習能增強對顯式行為證據的依賴。

研究表明，通過優化編排層（Harness）而非僅關注模型本身，可顯著降低企業代理型AI的運營成本並提升效率。實驗顯示，使用Writer Agent Harness可使每任務成本降低41%，時間縮短44%，代幣消耗減少38%，且質量保持不變或略有提升。

本研究提出一種ReAct風格的智能體架構，將LLM推理與SageMath可驗證反饋及Context7最新文檔結合，在RealMath基準上評估前沿模型解決研究級數學問題的能力。實驗表明，SageMath訪問平均提升9.7個百分點，縮小了開源與閉源模型的差距。Qwen 3.7-Max受益最大，GPT-5.5達到75.2%的最高解決率。該工作已被ICML 2026第三屆AI for Math研討會接收。

研究者提出了兩種成本效益高的代理架構——探索-定義管道和反思性協調器，在ARC-AGI-1基準上分別達到57.50%和67.25%的pass@2，成本僅為每任務0.25美元和0.62美元，無需基準特定訓練或大量測試時計算。

QANTIS將量子處理器視為一個經過校準的信念更新服務，接收先驗和觀測模型，估計稀有事件證據項，並返回後驗給經典規劃器。本文通過IBM Heron硬件上的老虎POMDP案例研究，檢驗該服務能否在序列決策中重複使用而不破壞後驗。全步固定點放大（FPAA）在8步和12步中保持了後驗，20步和32步控制也在同一工作帶內。所有決策檢查中，硬件後驗與精確貝葉斯後驗選擇了相同的即時動作。

研究人員提出了一個可擴展的混合智能體與語言驅動流行病（HALE）建模框架，利用大型語言模型（LLM）預測智能體建模（ABM）中的人類決策，並以COVID-19在猶他州鹽湖縣的模擬作為概念驗證。

該論文對大型語言模型中的上下文搜索進行了理論分析，將其建模為推理軌跡的近似推斷。研究表明，當反射能夠可靠地定位早期錯誤時，上下文搜索相比基礎模型可實現指數級改進，僅需多項式次數的順序嘗試即可解決零樣本通過率極低的問題；反之，則無漸近優勢。此外，這些收益是穩健且可學習的，並可與強化學習中的最優策略擴展相聯繫。

AgentLens 是一個面向交互式編碼智能體的生產級基準測試，它評估智能體的完整執行軌跡，包括指令遵循、工具使用、自我驗證、錯誤恢復和溝通等方面。通過結合形式化驗證與LLM撰寫的軌跡審查，AgentLens 提供了可讀的評分解釋，適用於模型行為診斷、版本比較和迴歸檢測。該基準已作為開源項目發佈。

中國正實施大規模高等教育改革，2021至2025年間取消或暫停了12,200個本科專業，同時新增約10,200個專業，超過30%的本科課程受到影響。此舉旨在應對青年失業率高企（16-24歲非學生羣體失業率16.9%）以及國家科技戰略需求。人文學科、藝術、外語等被視為“過時”的專業被大幅削減，而人工智能、機器人、半導體工程等新興領域則得到優先發展。與美國因財政壓力削減專業不同，中國是政府主導的戰略性資源重新分配，旨在使高等教育更貼合國家經濟目標。

Figment是一個可通過短信交流的個人AI，具有好奇心和主動性，能主動探索網絡並分享有趣內容。作者的朋友在兩週內體驗到了許多神奇瞬間。

美國擁有足夠的電力來支持AI數據中心，但將其輸送到需要的地方才是問題所在。電網互聯排隊時間從2005年的20個月增加到2023年的55個月，成為AI發展的主要障礙。市場機制本身能有效調配發電資源，但電網基礎設施規劃滯後。

本文探討了人工智能自動化如何威脅貧窮國家依賴廉價勞動力出口的經濟發展模式。文章回顧了從農業到製造業再到服務業的發展階梯，指出製造業就業在發展中國家更早出現下滑，而服務業出口（如呼叫中心和IT）也面臨風險。雖然廉價勞動力可能暫時保持競爭力，但快速下降的AI成本可能最終消除這一優勢。

本文深入評測了2026年最熱門的Character AI替代品，包括Polybuzz、Chai、Silly Tavern、Swerve和chatbrat.ai，分析了各自的優缺點，並指出chatbrat.ai在個性、記憶和社交體驗上脱穎而出，成為真正有靈魂的角色扮演平台。

SlopWatch是一款Chrome擴展，允許用户對網頁進行AI生成內容評級。社區評級產生“Slop分數”，表明內容由AI生成的可能性。目前評分4.3/5，旨在提高網絡透明度。

Current AI發佈了開源AI堆棧差距圖譜v0.1，該圖譜基於對24,626個項目的調查，評估了開源AI生態系統的開放性、能力和採用率，旨在識別關鍵缺口並引導社區努力填補它們。

Ghost是一款實時AI面試教練，能在面試中快速提供自然流暢的回答，支持多種語調模式，幫助用户自信應對各種面試場景。免費開始，Pro版每月$12。

螞蟻集團旗下的Robbyant發佈了LingBot-VLA 2.0，一個基於Apache-2.0協議的視覺-語言-動作模型，用於跨體現機器人操作。該模型擁有6B參數，在約6萬小時數據上預訓練，涵蓋50,000小時20種機器人配置的軌跡和10,000小時以自我為中心的人類視頻。它通過55維規範動作空間統一各種體現，並採用無輔助損失混合專家（MoE）動作專家擴展容量。雙查詢蒸餾從LingBot-Depth和DINO-Video引入幾何和時間監督。在GM-100基準測試中，它在兩個評估平台上均優於π0.5和LingBot-VLA-1.0。

KPMG調查顯示近三分之一的企業領導者難以理解和控制AI運營成本。隨着Anthropic、OpenAI、GitHub等公司轉向按使用量計費，企業正在重新評估AI部署計劃。調查還發現近半組織因成本超預期價值而推遲了AI部署。同時，亞馬遜和微軟大幅增加資本支出以支持AI基礎設施，但在治理方面仍面臨挑戰。

螞蟻集團旗下的Robbyant發佈了LingBot-VLA 2.0，一個基於Apache-2.0協議的視覺-語言-動作模型，用於跨體現機器人操作。該模型擁有6B參數，在約6萬小時數據上預訓練，涵蓋50,000小時20種機器人配置的軌跡和10,000小時以自我為中心的人類視頻。它通過55維規範動作空間統一各種體現，並採用無輔助損失混合專家（MoE）動作專家擴展容量。雙查詢蒸餾從LingBot-Depth和DINO-Video引入幾何和時間監督。在GM-100基準測試中，它在兩個評估平台上均優於π0.5和LingBot-VLA-1.0。

儘管在線策略蒸餾為訓練推理模型提供了密集的逐令牌監督，但其在不同條件下的有效性尚不明確。本文引入了一種無需訓練的診斷框架，能夠在令牌級別量化蒸餾信號與理想梯度的對齊程度。研究發現，蒸餾指導在錯誤滾動輸出上的對齊度顯著高於正確輸出，且最佳蒸餾上下文依賴於學生模型容量和目標任務，不存在通用最優配置。

本文提出了SRLM框架，通過自反式程序搜索增強遞歸語言模型，利用自一致性、推理痕跡長度和置信度信號來評估上下文交互程序。實驗顯示，SRLM在長上下文任務中比傳統RLM提升高達22%，且遞歸本身並非性能關鍵。

瞭解 GPT-5.6 如何為 Microsoft 365 Copilot 提供更強大的 AI 能力，涵蓋 Word、Excel、PowerPoint、Chat 和 Cowork，助力更快速、更高質量的工作。

多模態大語言模型在視覺理解上表現出色，但在時間感知方面存在不足，尤其在自我中心場景中。蘋果研究團隊提出時間全局策略優化（TGPO）算法，通過強化學習和可驗證獎勵來激勵模型的時間推理能力，避免依賴幀級空間捷徑。

Ollama，一個讓開發者輕鬆運行開放模型的平台，已從Benchmark、Theory Ventures、8VC等投資者處籌集了8800萬美元。該平台服務於890萬開發者，堅持所有權、可負擔性和隱私三大原則，並已被85%的財富500強公司使用。

Jarred Sumner詳細介紹了使用AI編碼代理將Bun從Zig重寫為Rust的過程。TypeScript測試套件充當了合規套件，使得自動化移植成為可能。重寫花費了約16.5萬美元的API令牌，新的Rust版本已在Claude Code中上線，Linux上啓動速度提升了10%。

SpaceXAI發佈了其迄今為止最智能的模型Grok 4.5，該模型與AI編碼編輯器Cursor聯合訓練，專注於編碼、代理任務和知識工作。定價為每百萬輸入tokens 2美元、每百萬輸出tokens 6美元，服務速度達80 TPS，並在Harvey法律代理基準測試中排名第一。Grok 4.5在令牌效率方面表現出色，在SWE Bench Pro上輸出tokens數量比Opus 4.8少約4.2倍。該模型現已在Grok Build和Cursor中提供，並有限時免費使用。

Skillburst是一個平台，使非技術團隊成員無需編寫代碼即可在Claude、Cursor或ChatGPT等AI工具中使用專家構建的工作流。它解決了工作流在聊天記錄中丟失、版本過時以及非技術人員無法訪問的問題。工程師通過GitHub管理工作流，而團隊其他成員則可以在AI助手內部直接使用它們。平台提供同步、治理、版本控制和回滾功能。定價從免費開始，提供Pro、Business和Enterprise等級別。