本文介紹VisualLeakBench基準，用於評估視覺語言模型（VLM）在截圖、文檔等場景中是否將敏感文本複製到工具參數中。測試顯示，基線條件下PII傳播率達78.8%，不安全文本傳播率達85.5%；防禦提示可降低PII傳播至2.0%但犧牲了實用性，不安全文本仍達52.6%。

麻省理工學院的研究人員分析了對抗性微調對視覺Transformer（ViT）在圖像擾動下魯棒性的影響。他們發現，針對特定類型的圖像退化（如低頻和高頻干擾）進行微調，確實能提升模型在該類退化上的表現和置信度，但無法泛化到未見過的退化類型。儘管模型各層的視覺注意力和知識演化發生了變化，但對抗性訓練並未根本改變ViT學習到的稀疏表示。

SlideCheck是一種輕量級工具，利用凍結的病理基礎模型補丁特徵對全切片圖像中的異常和惡性進行評分，從而更好地控制預訓練數據的組成。實驗表明，SlideCheck定義的數據分佈影響下游ViT預訓練性能，策展的補丁子集可以達到全數據性能。

該博士論文提出兩種隱私保護框架，利用集體音視頻信號推斷羣體情緒，避免個體監控風險。第一種採用交叉注意力融合與幀注意力池化，第二種變分編碼器多解碼器學習共享潛空間。實驗表明無需個體特徵即可達競爭性能。

一種基於超過48,000張歷史文檔頁面圖像微調的圖像分類器，使用RegNetY-16GF達到99.16%的準確率，可實現自動分類以支持OCR和數據提取。CLIP模型雖然在測試集上表現優異，但在未標註數據上表現不佳。

本文擴展了基於Sinkhorn最優傳輸的MST-Direct方法，使其能夠處理多變量、條件和大規模場景。通過稀疏候選限制的Sinkhorn匹配器解決了可擴展性問題，利用FFT-MA高斯骨幹擴展至多變量，並通過克里金法實現硬數據條件化。驗證表明，該方法在保留精確聯合分佈的同時，優於PPMT近似方法。

本文提出CARTOGRAPH框架，為AI科學家提供可驗證的實驗引導與拒絕能力。該框架通過未解析子空間實驗引導、顯式模糊閉合和基於殘差的庫不足檢測，在多個測試中優於原始投影方法。在回顧性審計中，成功標記了A-Lab系統中所有後續被認定為不確定的主張。

擴散語言模型（DLM）中的雙向注意力機制導致傳統KV緩存方法失效，模型精度近乎歸零。本文提出雙向前綴緩存（bicache），通過動態識別安全層深度重用共享前綴KV，實現36.3%-98.3%的吞吐量提升，且精度下降僅0-1.8%。

準確監測碳排放對氣候政策至關重要，但城市級高頻監測數據極度稀缺，限制了深度學習模型的應用。TriHead-GAN是一種基於Transformer的對抗框架，其三頭判別器聯合監督聯合分佈的三個互補方面：分佈真實性、跨變量依賴性和時間平滑性。實驗表明，TriHead-GAN在多數設置下優於主流基線，生成的合成窗口能提高低資源碳監測場景的預測準確性。

STARIXNet 是一種輕量級神經網絡，通過捕捉多系統指標間的時空關係，在多變量空間內指導資源分配決策，優先保障服務穩定性與成本效率。在沃爾瑪關鍵生產微服務中部署後，實現了 10% 至 50% 的顯著成本節約，並提升了服務穩定性與客户體驗。

新提出的層級湧現框架（HEF）將湧現建模為機制景觀中的相變，解釋了機器學習、生物學和物理學中獨立演化系統趨向相似高層結構的現象。在111次模算術Transformer實驗中發現，權重範數在突現前系統性達到峯值，所有突現模型收斂到相同的0.9745±0.014準確率，支持HEF的預測。

本文提出了一種去中心化集羣控制框架SPIN，通過將聯合策略張量分解為矩陣乘積狀態鏈，將計算複雜度從指數級降低到線性級，並採用混合神經符號控制管道實現零樣本適應。

研究人員提出MedicalRec，一種基於Transformer的推薦系統，可推薦最優的醫學圖像分類模型而無需重新訓練，從而減少能源消耗和試錯浪費。該系統使用了從3000篇論文中收集的超過5000條記錄的基準數據集MedicalRec-Bench，在評估中達到了75.5%的最大HitRate@100。

離線強化學習為利用歷史託卡馬克數據開發等離子體控制器提供了有前景的途徑，但因缺乏標準化基準而難以衡量進展。本文提出RL4F，一個基於DIII-D託卡馬克真實放電數據的離線強化學習基準，涵蓋旋轉、密度、温度和壓力四個全剖面跟蹤任務。評估表明，離線基於模型的強化學習在多數任務上平均性能最優，但無單一方法統治所有任務，凸顯了複雜長時域等離子體控制中動力學建模的重要性。代碼、數據集和評估框架已開源。

本文提出了一種名為“最差維度優化”的新方法，用於改進多模態推理。傳統的過程獎勵模型（PRM）對所有維度（如視覺基礎、邏輯一致性）等權處理，可能導致個別維度的失敗被主導因素掩蓋。新方法專注於優化推理路徑中最薄弱的維度，從而保證整體推理的有效性。

本研究提出了GNOVA框架，一種結合門控循環單元和神經常微分方程的變分自編碼器，旨在通過常規臨牀數據（無需MRI、PET或CSF）雙向預測阿爾茨海默病患者的認知評分（CDR-SB和MMSE），實現疾病軌跡的重建與預測，並提供不確定性估計。在ADNI數據集的1727名患者中，模型取得了1.35和2.28的平均絕對誤差，年齡、BMI和APOE4狀態是關鍵預測因素。

該研究利用Prithvi-EO-2.0模型分析了19次全球洪水事件（2017-2025）的衞星檢測能力，發現檢測精度取決於土地覆蓋和洪水類型：農田區域一致性最高（IoU=52%），河源洪水檢測最強（F1=0.69），而樹木覆蓋和建築區域幾乎無法檢測（IoU=4%）。雙參考驗證表明部分誤差源於參考產品定義不一致，而非模型失效。研究還識別出23種失敗模式，其中管道工程初期誤差佔主導。

一項跨學科研究探討了聊天機器人在問題解決對話中的本質。研究者認為，基礎聊天機器人（由大型語言模型和簡單界面構成）無法成為真正的人類思維夥伴，因為其訓練數據僅部分模仿了人類的“隱喻問題傳播”過程。該結論與Yann LeCun的觀點一致，即當前AI遠不及人類的學習能力，與大型科技公司的樂觀預期形成對比。論文強調，儘管存在這些侷限，聊天機器人的大規模使用使其社會和政治理解至關重要。

一項新研究評估了開源大語言模型LLaMA 3.1從荷蘭語腦MRI報告中自動提取結構化信息的能力。模型在視覺評分等分類變量上表現優異，但在數值變量上表現較差，而少樣本提示能顯著提升數值變量的提取準確率。

大型語言模型在數學和多跳規劃任務中展現了強大的推理能力。CoCoNuT範式允許模型在潛在空間同時探索多條推理路徑，但研究者發現了一個“概念瓶頸”問題：每次推理時中間隱藏狀態被覆蓋，導致模型在深度推理中丟失早期步驟的關鍵事實。為解決此問題，他們提出AGCLR（自適應門控持續潛在推理），通過寫、讀、忘三個門控機制維護持久殘差記憶。在GSM8K、HotpotQA和ProsQA上使用GPT-2的評估顯示，AGCLR在所有數據集上取得一致改進，且隨着課程深度增加，性能差距擴大，直接解決了概念瓶頸。

本實證研究評估了通用編碼代理在果蠅光遺傳學數據到發現流水線上的表現。代理可以解決單個階段，但在缺乏預定義標準、需要科學判斷時表現掙扎。端到端自動化仍超出當前能力。

PathoSage是一個三階段框架，用於病理學中的分塊級多模態推理。它通過結構化證據審議獨立評估來自不同工具的異質證據，進行衝突分析，並在全新上下文中生成最終判斷，以減少錨定偏差。同時引入無需訓練的Beta-Bernoulli經驗系統，利用連續信用分配建模工具的長期可靠性。實驗表明，PathoSage有效緩解了視覺問答中的幻覺問題和分類器之間的分歧，顯著優於現有最強病理學多模態大語言模型及智能體基線方法。

ClawEase是一款專為中小企業設計的AI預約工具，能夠自動處理客户預約，節省時間並提高效率。

VirusTotal將Knostic的AgentMesh引擎加入其眾包AI陣容，專門分析VS Code擴展文件，幫助開發者和安全團隊在安裝前檢測供應鏈威脅。

本文探討了當AI和機器人實現物質極大豐富後，人類如何創造價值。文章提出，隨着傳統經濟生產被自動化，價值可能來自獨特慾望、品味工作、社會地位和遊戲等非生產性活動。人類不再是‘上班’，而是‘購物’——通過選擇和消費來定義價值。

Lead Qualifier 是一款研究助手，通過LinkedIn個人資料自動生成潛在客户檔案，包括公司信息、技術棧、社交聲音和接觸策略，並幫助起草個性化外聯信息，讓初次接觸更有效。

本研究系統分析了Claude Code、GitHub Copilot、Cursor、Gemini和Codex等五種智能體AI編碼工具的配置機制，通過對2853個GitHub倉庫的實證研究，發現上下文文件（尤其是AGENTS$.md）是最普遍的配置方式，而高級機制如技能和子代理採用率較低，且不同工具間形成了差異化的配置實踐。

Apple開發者現在可以通過Foundation Models框架直接調用Gemini模型，並在Xcode中利用Gemini進行多步驟編碼任務，無需切換窗口。該集成基於Firebase AI Logic，提供預覽版。

Deep Memory 是一個開源庫，為 AI 代理提供基於詞彙的知識圖譜結構化、持久化記憶。它通過預定義實體類型、關係和屬性約束，解決了知識圖譜的冷啓動問題，使代理能夠高效創建和遍歷實體。支持多種存儲後端、MCP 服務器集成和領域入門套件。

AI-noleak 是一個本地反向代理，可攔截AI編碼代理無意中泄露的本地秘密（如API密鑰、令牌），並用確定性佔位符替換它們，防止秘密通過提示泄露給上游AI模型。它通過三層保護（PTY包裝器、HTTP代理、文件監視器）實現零配置、無需安裝CA證書的本地安全隔離。