一篇系統評估五個大型語言模型（LLM）在技術市場分析中表現的研究論文，發現GPT-4 Turbo實現最高年化收益率和夏普比率，而FinGPT通過領域微調展現出有競爭力的風險調整後表現。研究還指出了數值幻覺、上下文窗口限制等常見缺陷。

本文提出了一種新的隨機多目標優化方法MoRe，通過利用衝突避免方向的Lipschitz連續性，在非凸環境下將收斂率從O(T^{-1/4})提升至O(T^{-1/2})，並給出了每步的衝突避免保證。

本文提出一種基於伯努利樸素貝葉斯（BNB）模型的統計驅動框架，通過監督χ²引導的統計二值化將連續變量轉化為閾值，實現完全可解釋的規則化臨牀分類。在皮馬印第安人糖尿病、威斯康星乳腺癌和心力衰竭預測三個基準數據集上，AUC得分分別為0.800、0.984和0.919。概率校準通過Brier分數和beta校準得到改善。模型推理僅需參考表和基本算術，無需專有工具，為醫療AI的可信性和泛化提供實用方案。

該論文指出，將概率縮放範式應用於通用量子電路合成是一個方向性錯誤。量子電路要求嚴格遵守數學約束，存在顯著的語法-語義差距。由於有效電路設計子集隨量子比特數量呈指數衰減，事後過濾在數學上難以處理。作者提出從以人為中心的副駕駛轉向以驗證器為中心的智能體，並將層次約束、拓撲掩碼和符號代理直接集成到生成過程中。

本文揭示了當使用哈達瑪變換替代離散傅里葉變換（DFT）進行循環-二元卷積時產生的代數誤差的結構。研究給出了三項互補結果：精確誤差抵消位置、誤差算子的秩性質以及期望誤差的標量控制公式。

本研究基於OECD數據集，對可信人工智能(TAI)工具和信任標記框架進行了實證分析，揭示了倫理焦點、生命週期覆蓋、利益相關方定位及工具類型學上的顯著不對稱。研究建議擴大倫理目標、將倫理嵌入AI全生命週期，並促進更廣泛的多利益相關方參與。

本文提出將深度強化學習策略轉換為可執行的Prolog邏輯程序，使黑盒模型變得可解釋。該方法通過三階段後處理：提取凍結的PPO教師、歸納有序規則列表並生成Prolog程序，再通過擴展階段優化規則。理論證明包括返回損失界限、單調改進與終止性，以及在連續觀察空間中保真度的控制。實驗表明，在離散任務中達到最優回報，在連續控制任務中匹配或接近神經網絡性能。

互聯網模因融合了視覺、文本和文化背景，使得幽默、諷刺與惡意共存的情況難以解讀。現有多模態分類器要麼忽略這些相互依賴關係，要麼可解釋性有限。本文提出MAR-12框架，利用視覺語言模型（VLM）從12個結構化視角解讀模因，通過角色感知軟門控注意力機制學習各視角貢獻，再基於原型分類器進行預測，並綜合視角推理和注意力權重生成解釋。在PrideMM和Memotion數據集上，幽默檢測準確率達80.3%，仇恨檢測達75.9%，優於現有方法，且生成的解釋連貫可信。

一項新研究通過四種嵌套的Codex智能體實驗，揭示了可執行世界模型、計劃性簡化和精確回放驗證在ARC-AGI-3任務中的貢獻。結果表明，更強的模型和更高的推理努力始終提升性能，但各組件效果因設置而異，完整的驗證處理表現最佳但資源消耗大。

DrawingVQA 是首個專為評估多模態大語言模型（MLLM）在真實施工圖紙上表現而設計的基準。它包含33張“簽發施工”圖紙和92個專家策劃的問答對，涵蓋感知理解、上下文解釋和領域專家推理三個深度。通過雙分類框架，該基準首次將工程工作流映射到AI推理能力，評估顯示最先進的MLLM與專家性能之間仍存在顯著差距，尤其是在高推理深度上。

一項對4,181道數學問題的研究表明，在多智能體系統中，規劃-執行-評審流水線的高精度評審者並不能保證批評被實際用於改進答案。廣播式同伴討論在難題上實現了更高的準確率，凸顯了檢測與採納之間的差距。

AnovaX是一個完全在用户計算機上運行的本地優先桌面語音助手，利用單個Python進程集成喚醒詞門控、語音處理、基於Gemini的LLM規劃器（輸出JSON計劃）、安全層、多智能體協調器（將計劃轉化為類型化子智能體）以及自適應恢復循環。每個工具對應專門的智能體類，具有超時、重試策略和共享資源鎖。通過Flask服務器支持手機遠程控制，實時鏡像智能體事件並流式傳輸屏幕。項目旨在展示一個輕量級、可讀的助手足以完成複雜桌面任務。

Cura 1T是一個專為醫療場景設計的大型語言模型，通過人工門控的自我進化循環進行訓練。它能處理患者諮詢、圖文臨牀推理、交互式診斷和電子健康記錄工具使用。在醫療評估套件中，Cura 1T排名頂尖，同時在通用推理和智能體基準測試上也保持競爭力。

本文提出Causal-Audit框架，將因果推理顯式建模為結構化因果圖上的四階段推理，而非隱式端到端預測。核心創新包括目標感知的因果圖構建策略和路徑級因果證據聚合機制，有效抑制無關變量和虛假因果，提升複雜干預下的魯棒性。在三個基準測試上，該方法優於現有LLM方法，並提供可解釋、可審計的推理軌跡。

GraphDx是一種結合知識圖譜和多智能體協作的框架，通過自動化構建醫療診斷知識圖譜和三個智能體（感知、推理、決策）的協同工作，在序貫診斷中平衡準確性和資源成本。在MedQA和MIMIC-IV數據集上的實驗表明，GraphDx將診斷成功率從50-68%提升至79-93%，同時將測試成本降低20-54%，為自動化臨牀診斷提供了穩健、經濟且可解釋的解決方案。

在一封2022年的郵件中，Sam Altman向OpenAI董事會表示，計劃儘快發佈一個可在消費級硬件上運行的、能力接近GPT-3的開源語言模型，以阻止競爭對手並減少新項目的資金支持。該郵件在2026年的馬斯克訴Altman案中被公開。

NoteBrain 是一個 Go 語言編寫的 CLI 工具，可將 Obsidian 筆記倉庫轉為離線知識後端，供 AI 編碼智能體使用。它通過本地 ChromaDB 向量數據庫實現語義搜索、維基鏈接圖遍歷和隱藏連接發現，並支持結構化輸出。工具內置 AI 智能體技能和 OpenCode 代理配置，可輕鬆集成到自主編碼工作流中。

谷歌推出AI收件箱測試版，幫助用户管理Gmail，突出顯示優先級郵件並總結重要話題。該功能僅在美國提供，需特定Google AI或Workspace訂閲，並啓用智能功能。

Hugging Face披露了一起由自主AI代理系統全程驅動的入侵事件，凸顯了自主AI入侵、防禦不對稱和缺乏入侵指標（IOC）共享三大問題。攻擊者通過惡意數據集和代碼執行路徑建立據點，橫向移動並竊取憑證，執行了超17000次自動操作。防禦者面臨安全護欄阻礙取證分析的挑戰，需準備本地化部署的開放權重模型作為後備。

一篇研究論文評估了在近地軌道（LEO）部署大型AI數據中心是否具有成本效益。它從發射成本、發電、冷卻、輻射和網絡性能等方面比較了軌道系統與地面系統。研究發現，雖然LEO推理可能可行，但在太空中訓練前沿規模的AI模型不太可能與地面設施競爭。

一羣頂尖AI思想家和預測者發佈了“Plan A”，一個旨在通過2029年美中協議減緩AI發展的框架。他們知道幾乎沒人會採納，但認為在災難來臨前，提前準備一份計劃至關重要。文章探討了社會對末日風險的容忍度、歷史先例（如核條約、FDA），以及AI可能引發的四種末日場景。作者希望警告能促使社會在“警告信號”出現時選擇正確的計劃。

隨着硅谷大力推動人工智能和裁員，曾被視為經濟贏家的科技工作者正經歷前所未有的不安全感。文章通過個人故事和行業數據，揭示了AI如何改變就業市場、加劇不平等，並引發對未來的焦慮。

本文探討了在生成式AI時代，傳統版權法在保護創作者方面面臨的挑戰。通過分析英國Getty Images訴Stability AI案，揭示了AI模型訓練的全球複雜性使得版權維權困難重重。文章指出，版權法可能不再適用，需要改革或補充新的法律框架，並呼籲創作者尋找新的策略。

NoWreck 是一個開源工具，通過靜態代碼分析自動驗證 AI 編碼助手的解釋與實際代碼變更是否一致，能檢測出幻覺函數、解釋與差異不匹配等問題。

一位社區開發者基於OpenBMB的MiniCPM5-1B模型，使用Claude Fable 5的對話數據進行微調，發佈了一個僅657MB的本地推理模型。該模型支持128K上下文窗口、可切換的思維模式，並可在llama.cpp等工具中運行。本文驗證了其技術細節，區分了微調與真正的能力繼承，並指出了許可問題。

本文對比了六款適合單張24GB GPU（如RTX 3090/4090）的開放權重模型，涵蓋Qwen3.6、Gemma 4、Mistral Small等，並解釋了內存分配、量化策略以及各模型的優勢場景。

CBrowser 推出新功能，使AI能夠讀取和分析網站屏幕錄製內容，為自動化和數據提取開闢新可能。

一位開發者花費數小時調試一個CI冒煙測試，該測試錯誤地報告了崩潰。通過使用AI和定製的崩潰捕獲工具包，他們發現進程正常退出，但測試誤解了信號。

Headroom是一款30秒的瀏覽器內測試工具，用於測量本地AI推理時GPU內存帶寬的真實上限，無需下載模型，使用合成權重，需要WebGPU支持。它通過三種獨立方法測量帶寬，並檢測導致瀏覽器內LLM輸出錯誤的子組bug。驗證表明，當前瀏覽器引擎受發射開銷限制，硬件仍有2-3倍潛力。

Diffsmith 是一款工具，允許用户對 AI 代理生成的代碼進行評論和協作修改。通過討論和鏈接分享，團隊可以更高效地審查和改進代碼。