本文介紹了ACAT，一個基於網絡的協作標註工具，原生支持四種ABS工作流，並提供自動ETL管道直接計算標註者間一致性指標。在1002條餐廳評論上的初步驗證顯示，中位標註時間為31.58秒，標註者間一致性達0.78-0.86。

一項大規模實證研究分析了284個可解釋語言特徵在27個LLM和10個文本領域中的魯棒性，發現僅基於語言特徵的分類器能可靠區分AI生成與人類文本，但多數特徵依賴上下文，而詞彙豐富度是跨模型和領域的穩健信號。

這項研究將拒絕引導方法擴展到混合專家（MoE）大型語言模型，發現引導性能不受MoE複雜路由模式的影響。作者提出了兩種專家感知的拒絕引導方法，利用拒絕特定的專家路由模式和專家特定的引導方向來抑制正常拒絕行為。結果顯示，基於單個專家的輸出即可有效引導拒絕行為，且拒絕信號與專家路由行為不同，表明注意力在MoE拒絕行為中起重要作用。

一項大規模研究表明，在生物醫學問答中，檢索增強生成（RAG）帶來的提升很小且不穩定，通常僅為1-2個百分點。骨幹模型的選擇比檢索器或語料庫的選擇影響更大，專家和普通檢索來源表現相似。

SALIMORY是一個新框架，通過訓練單一語言模型管理結構化認知記憶（包括用户事實、偏好和工作記憶），解決了對話代理長期記憶難題。它引入分層階段過程獎勵和獎勵分解對比細化，端到端監督選擇性過濾、整合和線索驅動回憶等操作。該方法將記憶相關故障減少三分之一，端到端準確率提升超10%，良好個性化率翻倍。

本文回顧了在科學史、科學哲學和科學社會學中，從早期數字方法到大型語言模型（LLM）的計算概念分析方法。文章分為兩部分：第一部分探討了LLM之前的計算概念史，包括早期數字方法、分佈語義方法和詞彙語義變化檢測；第二部分則聚焦LLM時代，介紹LLM在詞彙語義變化檢測中的應用及相關案例研究，並重新審視了語料庫構建、模型選擇、操作化權衡等方法論問題。

一項新研究探討了不同話語角色標籤（如“引用：”、“指令：”、“示例：”）如何影響語言模型對上下文的採納程度。通過在500個MMLU-Pro項目上使用固定內容探針，發現標籤可將誤導採納率改變56-84個百分點。指令和引用等標籤增加採納，而示例標籤抑制採納。研究建議在RAG基準測試中報告並控制包裝器標籤。

POLARIS是一種針對小型開源模型的訓練方法，通過GRPO策略結合LLM裁判和人類參考注入，顯著提升了長文本創作能力。訓練後的9B模型在長度遵循度和質量上可與27B模型媲美，並展現出強大的長度泛化能力。

本文介紹LiftQuant，一種通過“提升-投影”機制實現連續位寬控制的新框架。該方法將低維權重向量近似為高維1比特晶格的投影，實現位寬準連續調節。實驗表明，LiftQuant可將70B模型壓縮至2.4比特，精確適配24GB GPU，性能超越現有2比特模型。該論文已被ICML 2026接收為Spotlight。

本文研究瞭如何將最大更新參數化（μP）擴展到門控Delta網絡，這是一種高效的線性模型架構。通過嚴格分析前向傳播、門控機制和循環狀態動態中的座標大小，作者推導出了縮放規則。實驗表明，在AdamW和SGD優化器下，所提出的配置能夠實現不同模型寬度間的穩定學習率遷移，而標準參數化則無法遷移。

本文為固定監督決策問題定義了“貝葉斯充分表示”。該表示依賴於損失函數，並引入貝葉斯商概念，區分了充分性與最小性。實驗表明，最小化非必需信息可提升泛化能力。

本研究提出了一種利用深度神經網絡代理建模和非參數梯度優化進行逆臨界實驗設計的方法，旨在最大化實驗與目標技術之間的中子相似性係數c_k。該方法結合U-Net編碼器-解碼器與新型多羣注意力池化層，通過直接優化幾何網格材料分配來提升c_k。應用於HALEU燃料運輸容器驗證，對三種配置分別取得0.97757、0.81324和0.93276的高分，展示了深度學習在加速核技術驗證中的潛力。

一篇系統研究查詢-鍵-值（QKV）注意力機制中投影共享的論文，發現共享鍵值投影（Q-K=V）可在僅降低3.1%困惑度的情況下減少50%的KV緩存，結合分組查詢注意力（GQA）或多查詢注意力（MQA）可分別減少87.5%和96.9%的緩存，實現設備端推理。該研究通過合成任務、視覺和語言建模實驗驗證，並公開了代碼。

本文針對耦合梯度下降算法（常見於雙層優化、兩時間尺度隨機逼近和對抗訓練）中的瞬態放大現象，提出了一個尖鋭的偽譜分析。作者證明了塊三角雅可比矩陣的Kreiss常數界限，並給出了有限時間迭代複雜度界。該理論揭示了傳統譜分析無法看到的非漸近高維學習動力學區域，在線性二次型問題和神經網絡訓練中的實驗證實了該理論。

本文提出，部署在現實世界中的強化學習系統應轉向持續學習範式，而非傳統的“先訓練再修復”模式。作者識別了部署後四種非平穩性來源，並分析了持續RL的成功案例，倡導社區變革。

IEEE P3109草案標準定義了一組參數化的二進制浮點格式及相關操作，專注於支持機器學習。這些格式允許在少量比特內高效且一致地表示數值，參數包括位寬、精度、有符號性和無窮大的存在。操作通過將浮點值解碼為閉擴展實數集（包含正負無窮和NaN）來定義，明確處理NaN和無窮操作數以確保僅調用實數運算。定義了廣泛的舍入和飽和模式，包括隨機舍入。操作無異常，通過返回值（如NaN）傳達異常情況，加速了吞吐量。此外，引入了名為kappa近似的尺度不變度量，用於描述近似實現。標準函數定義和其他屬性通過形式規範進行了機械驗證和生成。

一項新研究利用XGBoost模型和八種常規臨牀指標，在ADNI數據集上實現了對正常認知、輕度認知障礙和阿爾茨海默病的高精度三分類檢測，宏AUC達到0.982，並通過SHAP值提供了可解釋性。

本文研究了在長時間任務中何時中斷自主AI智能體的挑戰。通過使用HEART情感動力學模型，作者評估了四類干預觸發器，並報告了三個主要發現：狀態飽和陷阱（挫敗感指標迅速達到最大值）、LLM法官的能力下限，以及最關鍵的——人類標註者間極低的評分者間信度，這質疑了使用單一標註者F1分數作為優化目標的有效性。

這項研究探討了數學家如何利用AI進行數學證明的形式化。通過調查和用户實驗，發現人們希望AI協助但保留高級控制權，使用AI能提高準確率，並且用户傾向於使用多種AI工具。

新基準Curation-Bench測試通用編碼智能體能否自主篩選訓練數據。現成智能體在十次迭代內達到強基線水平，但傾向於調整局部策略而非探索新策略族。要求每次迭代引用並改編先前方法的腳手架智能體，自主發現了一種以十分之一數據預算超越基線的策略，表明結構化方法適應是關鍵。

StepPRM-RTL是一個結合逐步軌跡建模、過程獎勵模型（PRM）和檢索增強微調（RAFT）的框架，用於提升LLM生成RTL代碼的功能正確性和推理保真度。在基準測試中，功能正確性和推理保真度指標相比最佳先前方法提升超過10%。

多模態大語言模型在複雜推理中表現優秀，但在需要藉助工具進行可視化輔助時性能下降。為此，研究者提出了VAMPS基準，包含1168道雙語選擇題，源自伊朗大學入學考試，用於評估模型在構造圖形並基於圖形推理方面的能力。實驗表明，直接分析求解方式優於工具輔助的視覺求解。

SMAC-Talk 是星際爭霸多智能體挑戰（SMAC）的自然語言擴展，專為評估基於大語言模型（LLM）的智能體在協作多智能體環境中的表現而設計。該環境保留了分散控制、部分可觀測性和長期決策等關鍵特性，並新增了一個自然語言通信通道，用於探測智能體的協調與信任。研究設置了包含欺騙性通信者的場景，並使用 Qwen3.5 系列中的四個模型進行了基準測試，考察了推理結構、記憶和模型規模對協調的影響。SMAC-Talk 已作為開放基準發佈。

大型語言模型正在重塑研究實踐，同時悄然削弱研究者的認識論責任。PEEL框架結合了Voyant Tools的確定性遠讀和Claude的LLM解釋，以皮爾斯符號學和溯因推理為基礎，揭示了AI生成文本中的系統性扭曲。關鍵啓示：確定性工具必須伴隨AI工具，流暢性不等於保真度，認識論權威必須被設計進去。

本文質疑了公眾對AI情感支持的常見假設，指出AI情感支持通常是在通用平台的任務導向互動中偶然發生，而非用户刻意尋求。這種偶然的積極體驗會改變人們對AI情感能力的看法，導致未來更傾向於向AI而非人類尋求支持。與OpenAI合作的一項為期28天的縱向研究發現，每天僅5分鐘的AI對話就使得向人類尋求支持的偏好下降10.3%，對AI的偏好上升11.6%。這表明當前針對專用伴侶應用的政策不足，需要監管通用AI系統並關注累積性變化。

本文提出一種基於本體的驗證框架，用於企業AI代理的部署前保障。該框架包含三個組件：代理操作包絡、本體到場景生成管道以及信任證書。在四個受監管行業（金融科技、銀行、保險、醫療）的試點中，生成了1800個場景，並通過125個監管要求和25個注入故障進行評估。結果表明，基於本體的場景生成在監管覆蓋率和領域特異性方面優於基於角色的基線方法。

歐盟委員會新出台的《雲與人工智能發展法案》（CADA）引入了雄心勃勃的‘開源優先’原則，設立200億歐元投資和主權認證框架。然而，法案在強制要求開源軟件優於專有軟件方面仍顯不足，缺乏可執行的法律程序。

OpenAI首席執行官山姆·奧特曼宣佈，將為Y Combinator 2026年春夏兩期初創公司提供一項試點計劃：以200萬美元的OpenAI代幣換取公司股權。該交易採用無上限的SAFE協議，且不含最惠國待遇條款。此舉標誌着AI正在改變創業公司的融資模式，也延續了奧特曼與YC的長期合作關係。

今天的AI新聞涵蓋了多個重要發佈：微軟的MAI-Thinking-1技術報告及其透明度；Gemma 4 12B開源多模態模型；Ideogram 4.0開源權重成為最佳開源圖像模型；文本到語音模型Miso One等。此外，還討論了AI代理框架向執行層的轉變，以及模型路由和成本控制的現實考量。

本文探討模型中立性對AI代理的重要性，並指出各大實驗室正通過工具層鎖定客户，而開源的抽象層解決方案是關鍵。