一種名為GPLFR的新模型，結合壓縮與預測，通過高斯過程先驗和低維潛在狀態解碼高維輸出，適用於低數據量場景。首次用於構建岩石系外行星全球氣候模型的空間分辨仿真器。

研究發現，大語言模型（LLM）的層可以被動態跳過或重複，形成針對每個輸入的定製程序，通常用更少的層就能達到相同或更高的準確率。通過輕量級預測網絡，PoLar方法在數學推理基準上持續優於標準推理和先前動態深度方法。

本文論證當前次於AGI能力的生成模型對知識生產與文化傳承構成結構性風險。人類時間性學習（HTL）是指通過持續投入時間解決問題的路徑依賴式知識積累。生成模型的輸出在表面特徵上日益接近HTL密集型成果，導致驗證真實人類學習的成本相對於預期收益不斷上升。一旦驗證失去經濟合理性，評估者將獎勵所有產出而不區分生產方式，投入多年學習的人類生產者被迫與幾乎零成本的生成輸出進行價格競爭。作者將這一路徑稱為“價值崩潰”，並通過高成本檢驗框架加以形式化。跨學科證據（學術出版、法律實踐、內容平台、軟件安全）映射出四個驗證侵蝕階段。模型對齊的成功反而是正交因素：更優對齊縮小了人類與AI輸出之間的可觀察差距，使來源驗證更加困難，從而加劇了對HTL密集型工作的競爭壓力。

符號迴歸（SR）是一種系統搜索數學函數空間以發現數據中潛在關係的方法。儘管近期取得進展，但缺乏不確定性量化（UQ）支持限制了其在實際決策中的應用。本文首次系統性地介紹了UQ概念，並回顧了SR中UQ的現有文獻，主要分為頻率學派、貝葉斯和模型選擇三個方向。研究強調，SR中的UQ仍未被充分探索，需要進一步開發可靠的方法。

本文提出WAV v1，一種輕量級多分辨率殘差路由方法。標準殘差流使用固定權重聚合，而近期方法通過內容相關路由改善，但塊級摘要丟失了注意力與MLP不平衡等方向性結構。WAV v1為每個塊添加相位基和分裂基兩個方向細節基，與塊摘要一起通過深度softmax混合器路由，並採用負細節源初始化和分離RMS匹配穩定訓練。在字符級TinyStories和Text8語言建模上，WAV v1在12層時效果不顯著，24層具有競爭力，48層顯著優於所有基線，驗證損失分別從0.4960降至0.4738和從0.9363降至0.9305，參數增加可忽略。結果表明方向性殘差細節對於深層Transformer的殘差路由縮放至關重要。

MacArena是一個新的基準測試，包含421個手動驗證的任務，涵蓋50個應用程序，專門用於評估macOS上的計算機使用代理（CUA）。它結合了OSWorld和macOSWorld的任務以及49個新的macOS原生任務，運行在Apple Silicon的原生虛擬化框架上。評估表明，macOS帶來了獨特的GUI挑戰，模型在現有基準上的表現並不能反映其跨平台能力，排名在移植任務和macOS原生任務之間發生反轉，領先模型在MacArena子集上落後超過26%。

新研究提出MSFAN深度學習架構，結合太赫茲雙梳光譜技術對12種聚合物進行分類，準確率達85.2%，有望提升塑料回收分揀效率。

擴散大語言模型(dLLMs)在迭代精煉令牌時存在“穩定滯後”問題，早期決策即使已提交仍很脆弱。後訓練量化(PTQ)錯誤容易翻轉這些邊界決策並永久鎖定放大。為此，本文提出FAIR-Calib，一個兩階段PTQ框架：第一階段探測全精度教師以估計結合前沿命中與掩蔽階段可靠性的位置先驗；第二階段通過最小化重加權隱藏狀態MSE執行離策略逐層校準，優先保護脆弱的前沿狀態。理論上證明加權目標是輸出KL散度的代理。實驗表明，FAIR-Calib在LLaDA和Dream模型上持續優於最先進基線，顯著減少了前沿決策翻轉和後提交不匹配。

本文提出Elmes*框架，用於自動構建、優化和應用於教育場景的細粒度評估標準。通過多智能體引擎和自進化模塊SceneGen，構建了涵蓋11個學科、3個年級段、10種任務類型、超1000個二級指標的Edu-330基準。實驗表明教育能力是多維的，頂尖LLM在創造力和價值觀整合上差異顯著，知識型模型可能在蘇格拉底式引導中失敗，教育專用模型InnoSpark取得最佳人工評分。LLM評估者保持與人類相當的排名，但存在自我偏好等偏差。該框架為基於教學法的LLM評估提供了可擴展的診斷基礎設施。

本文研究了並行連續局部搜索（CLS）在布爾可滿足性問題（SAT）中處理對稱偽布爾約束時的應用。通過將問題鬆弛為超立方體上的連續優化，實驗發現冗餘約束會阻礙收斂；CLS在混合求解中能快速完成部分賦值；局部搜索由於目標函數鞍點密集而迅速收斂到穩定解質量分佈。這些發現為在加速器硬件上使用CLS求解SAT提供了實際指導。

本文介紹加速傅里葉SAT（AFSAT），一種基於連續局部搜索（CLS）的GPU加速偽布爾可滿足性求解器。AFSAT將概念驗證方法FastFourierSAT發展為完全工程化的求解器，支持任意異構對稱約束類型和長度的混合。利用JAX編譯器，通過純函數組合、自動向量化、自動微分和即時編譯實現大規模並行CLS。與概念驗證相比，AFSAT在數值穩定性、運行時性能和內存效率上顯著提升，通過解決內存延遲和浮點表示限制，以及利用自動並行化和緊湊表示實現。定製的離散傅里葉變換部分解決了浮點限制，通過JAX數組分片實現多加速器近線性擴展。

本文主張，AI科學應超越僅分析事後模型的研究範式，轉向研究訓練過程中模型行為產生的動態機制。通過預測早期信號、干預異常軌跡及設計可靠的訓練流程，實現更深入的AI理解。

CARVE-Q是一種量子-AI混合架構，用於對自動駕駛中被否決的機動進行經過認證的修復。它利用量子最小搜索加速修復枚舉，同時保持安全認證的經典性，實現了可證明的加速和100%的合規性。

一項新研究表明，在代理型AI控制評估中，如果攻擊者戰略性地選擇攻擊時機，系統的實測安全性會顯著下降。研究人員將攻擊決策分解為開始和停止策略，並在BashArena和LinuxArena兩個環境中驗證，發現即使審計預算僅為1%，攻擊選擇也能使安全性降低20至28個百分點，且不改變攻擊能力本身。現有評估可能高估了系統的安全性，未來應納入攻擊選擇因素以得到更現實的評估。

大語言模型在數學推理方面取得了顯著進展，但現有基準通常評估有明確最終問題、逐步解決方案或完整證明的問題，未能捕捉協作式開放問題求解的過程。本文介紹了CrowdMath，一個包含164條專家註釋進展鏈的數據集，來源於MIT PRIMES與AoPS合作的CrowdMath項目（2016-2025）。每條鏈追蹤從開放問題到證明完成的多參與者論壇討論，帖子按功能角色標註。六種前沿模型在下一帖預測上達到83-88%的準確率，但在帖子角色分類上最佳宏F1僅為0.42，揭示了模型在理解協作式數學進展方面的不足。

本文提出Lean4Agent，據我們所知，這是首個使用依賴類型形式語言Lean4來建模和驗證大語言模型智能體行為的框架。它包含FormalAgentLib庫和LeanEvolve優化工具，實驗表明通過驗證的工作流性能平均提升11.94%，LeanEvolve進一步將軟件工程任務性能提升7.47%。

針對數獨求解中學習型求解器缺乏正確性保證、符號求解器易陷入長尾搜索的問題，研究人員提出了一種擴散模型引導的分支選擇方法DiBS。該方法在保持符號求解器完備性的同時，利用擴散模型對候選值進行排序，顯著降低了搜索成本。在Royle 17線索數獨基準測試上，DiBS減少了節點數、回溯次數和長尾百分位，證明了全局學習引導在困難實例上的有效性。

該論文將機器學習中的偏見形式化為對稱性破缺，通過損失正則化恢復對稱性，在合成數據集上實現了90%以上的違規減少，準確率成本僅約5%。該方法無需因果圖知識，計算輕量，適用於任何可定義為位翻轉的敏感屬性。

Cerebro白皮書提出了一種全新的AI治理理念：將公司本身視為基礎設施，使小型運營者能夠運營AI原生企業。該框架涵蓋內存、決策、工作流、智能體、模型和治理，所有組件都是版本化、可檢查且由運營者擁有的。它是Libro（一個面向Claude Code的開源Ops腳手架）的配套文檔。

本文介紹了一個自定義的 Claude Code 狀態欄腳本，可實時顯示上下文窗口使用率、令牌總數、代碼增減行數以及速率限制剩餘配額，幫助開發者避免中途被限制。

英偉達與LG集團宣佈合作建設AI工廠，為LG提供加速計算基礎設施，以支持其在機器人、自動駕駛、數據中心和GPU雲服務等領域的AI業務。雙方將整合英偉達的全棧AI工廠平台與LG在消費電子、機器人、移動出行組件等領域的全球領先地位，打造統一的物理AI系統開發工作流程。

TeardownHQ 為獨立 SaaS 創始人提供經過驗證的收入數據和深度研究手冊，詳細剖析初創公司如何增長，包括渠道、定價和進入市場策略。目錄免費瀏覽，完整分解報告為付費產品。前500名用户可獲創始會員終身優惠。

Solarch 是一個利用 AI 創建交互式圖表的工具，確保您的代碼始終保持同步。

Preseason.ai 是一個開源基準測試平台，通過一系列標準化提示，追蹤 AI 模型在不同開發場景下選擇的工具，並展示排名結果。測試覆蓋從初級到專家的多個級別，包括 AI 支持平台、SaaS 應用、電商等場景。結果顯示 Stripe、PostgreSQL、Auth0 等工具在多個類別中領先。

PandaProbe Cloud 是一個完全託管的代理工程平台。

OpenAI 發佈了關於人工智能未來的願景，重點在於可及性、安全性和共享繁榮，確保通用人工智能造福全人類。

OpenAI展望AI的未來，專注於可及性、安全性和共享繁榮，確保通用人工智能惠及每一個人。

本文探討了學生過度依賴AI完成寫作任務的問題，指出這可能導致未來的專業人士缺乏必備的寫作和批判性思維能力，從而影響社會。

EMILIAProtocol定義了一個便攜式、供應商中立的協議，用於高風險工作流中的信任評估和預行動信任執行。它通過信任收據、信任配置文件和信任決策等核心對象，結合握手和問責籤核機制，確保系統在執行前對具體行動進行約束。

AI代碼縫合器是一個開源工具，可將AI生成的代碼精確整合到現有代碼庫中。最新版本v1.74引入了自動更新和導入提升功能，同時保持了對用户控制的堅定承諾，區別於行業中日益自主的AI代理。