本研究開發了一種粒度感知的腦電圖（EEG）特徵管道，將多尺度描述符組織為整體、區域和通道級別，並利用健康大腦網絡（HBN）隊列預測四種精神病理學維度。結果顯示，基於樹的模型和粒度平衡特徵選擇在特定條件下相較於傳統方法有所改進，但效應量適中。可視化揭示了維度特異性的空間和頻譜模式，與現有神經生理學知識大致一致。跨數據集檢查表明該選擇原則在協議變化下技術可行。

一種新的生成器無關方法，通過將類別分為同質和異質子集，從固定池中選擇最具信息量的合成圖像，以最多減少40%的樣本量提升下游任務性能。

該論文將聯邦學習應用於無人機網絡中的目標檢測，使無人機能夠在保持原始航拍圖像本地化和隱私的同時，協同訓練共享模型。使用Sherpa.ai聯邦學習平台和KIIT-MiTA數據集，作者將聯邦學習與單無人機和集中式基線進行了比較。其最佳輕量級模型（YOLO26 nano）在[email protected]和[email protected]:0.95上相對於單無人機訓練分別提升了52.89%和67.80%，同時性能接近集中式訓練。結果表明，聯邦學習能夠在分佈式無人機機羣中實現可擴展、高性能且保護隱私的目標檢測。

GRAFT是一種針對文本到語音神經編解碼語言模型的逐詞發音調節機制。它通過從短語音樣本中提取參考發音，結合語音轉換技術，允許使用任意聲音的提示來控制目標單詞的發音，同時保持目標説話人的音色。在英語盲聽測試中，GRAFT在難詞發音上顯著優於其他系統，並在五種語言的客觀基準測試中將目標詞音素錯誤率降低了22-39%。

QuantFlow是一種結合倒序嵌入、雙向Mamba狀態空間解碼器、分位數迴歸和聯邦學習的概率預測框架。實驗表明，它在多個數據集上取得優異性能，並在非獨立同分布聯邦場景下保持準確率，同時揭示了在非規則流行病信號和長期泛化方面的侷限性。

該研究提出了一種雙數據集基準評估框架，用於公平評估時間序列基礎模型（TSFMs）在電力價格預測中的表現。研究發現，TSFMs在零樣本預測中表現強勁，但嚴重依賴於協變量支持，且不一定超越專用領域方法。有趣的是，TSFMs與領域特定方法的簡單集成顯示出顯著潛力，表明兩種方法捕獲了互補的預測信息。

本文指出，基於擾動的構造有效性審計本身存在脆弱性，其結論可能被讀者看不到的實現細節悄然操控。作者命名了五種管道失敗模式（F1-F5），並通過在兩個模型和五個安全基準上的自我審計進行了演示。在一個統一的六點盡職調查門控下，所有單元均未達到確認標準。該門控被定位為用於保證級證據的扣留與披露協議，補充而非替代經典的構造有效性證據。

該論文提出了一種基於滑動窗口的強化學習（SWRL）框架，用於解決具有複雜配套約束的柔性裝配流水車間調度問題。該方法將問題建模為異構圖馬爾可夫決策過程，並集成了滑動窗口過濾、時空圖編碼和動態動作映射模塊。在家電製造企業的真實數據實驗中，SWRL相比經典調度規則和現有深度強化學習方法，顯著降低了延遲，並在不同資源配置下展現出魯棒性。

VERITAS 是一個領域無關的複製框架，基於 CLI 編碼代理，能自動提取論文聲明、運行方法並判斷結果，返回重要性加權的複製分數和修復日誌。在涵蓋計算機科學、社會科學、醫學和天體物理學的 65 篇論文評估中，VERITAS 在 CORE-Bench 和 ReplicationBench 上均達到最優性能。

大型語言模型（LLM）在安全性和有用性之間面臨挑戰。傳統的拒絕式對齊策略會拒絕敏感查詢，但可能無法滿足用户合理需求。Oyster-II提出基於強化學習（RL）的建設性安全對齊框架，採用Zero-RL範式和多階段RL策略，解決了Oyster-I中監督微調（SFT）方案的安全泛化不足和安全思維鏈過度泛化問題。在多個基準測試中，Oyster-II在安全維度上全面超越Qwen3-14B和Oyster-I，性能堪比Qwen3-Max和Qwen3.5-397B。

新基準測試MedCalc-Pro評估了大語言模型在複雜醫學計算中的表現，涵蓋多計算器、嵌套比例和模糊查詢。作者還提出了一個通用代理框架，在三種任務設定中均優於現有模型。

大型語言模型代理可以通過積累經驗來改進，但自由形式的文本記憶難以維護、驗證和重用。本文提出以對象為中心的環境建模（OCM），將經驗組織成可執行的對象中心環境模型。OCM維護兩個相連的代碼庫：對象知識（用Python類定義環境實體和機制）和過程知識（記錄可重用的交互模式）。實驗表明，OCM在基準測試中取得最佳平均排名，並減少了無效動作。

SwarmResearch 是一種編排器-子代理架構，通過全局上下文指導搜索代理種羣，在開放式優化任務中優於現有方法。

研究人員推出了REDI，這是一個開源框架，通過統一的五階段管道（攝取、預處理、轉換、結構化、輸出）自動將大規模科學數據集轉化為人工智能就緒數據。它包含可追溯性、可復現性以及代理可調用技能部署。配套工具SetGo可自動化FAIR合規性和目錄發佈。在氣候、蛋白質組學、材料科學和核聚變領域進行了評估，顯示出近乎理想的並行擴展能力，並識別出文件I/O為主要成本。

本文提出ASK+方法，通過為小語言模型提供軌跡感知上下文和結構化思維鏈推理，顯著提升了部分可觀測環境下強化學習代理的性能。實驗表明，ASK+在DoorKey、FourRooms等任務中超越基線，且提示設計比模型規模更重要。

成對比較常用於學習人們對決策規則的偏好，但本文指出它基於兩個強假設：局部比較能反映全局偏好，且人能果斷回答。在內部多元主義（個體根據多種權威優先級評估規則）下，這些假設可能失效。全局優先事項（如比例性）無法通過局部比較捕捉，且優先級衝突會導致行為扭曲。允許報告猶豫可減少查詢次數，併為直接引出優先級的方法指明方向。

訊飛具身全模態是一個統一的多模態基礎模型，聯合建模視覺（視頻和圖像）、語言和動作。它採用大腦-小腦協作架構：視覺語言模型和視頻生成模型充當高級大腦進行理解和規劃，動作生成模型充當低級小腦執行動作。該模型通過四階段訓練策略在包含人類演示、機器人交互和通用圖像文本數據的綜合性數據集上訓練。

社交媒體正將AI眼鏡等監控技術包裝成時尚潮流，從而淡化其隱私風險，使騷擾和非自願拍攝行為正常化。本文以Alexa Chung發佈Ring安防攝像頭穿搭照為例，揭示了這一趨勢的隱患。

大學越來越多地使用AI檢測工具來識別學生作業中是否使用生成式AI，但研究表明這些工具存在高誤報率，甚至將人類寫的文章誤判為AI生成，引發公平性擔憂。

Panoptes 是一個開源工具，用於監控 AI 代理的操作，記錄所有工具調用、文件讀取和 shell 命令，並提供可查詢的審計追蹤和策略執行功能。

Stitch 是一款開源、本地運行的AI桌面應用，集成記憶、會議記錄、日程管理、自動化、郵件處理等功能。支持多種AI模型及本地模型，無需創建賬户，所有數據本地存儲，確保隱私安全。

本文通過計算機架構的視角，分析AI編程代理（如Claude Code、Cursor）的運行機制，指出其本質與CPU的取指-譯碼-執行週期無異。文章剖析了在本地運行代理的三大瓶頸：計算資源不足、無法持續在線、環境異構與污染。隨後討論了OpenClaw等自託管方案的短暫熱潮及其侷限，最後論證雲原生代理是必然趨勢，能實現從筆記本電腦的2-3個代理到雲端1000+的規模躍遷，並帶來15倍的投資回報率。

Artificial Analysis 與 Zapier 合作推出 AutomationBench-AA 排行榜，測試 AI 模型在真實 SaaS 工作流中的自動化能力。該基準包含 657 個任務，覆蓋多個業務領域。Claude Fable 5 以 48.6% 的得分領先，Gemini 3.5 Flash 在成本效益上表現突出。所有模型均出現防護欄違規，金融任務難度最高。

Kickbacks CLI 是 Kickbacks.ai 的終端和Mac菜單欄伴侶，方便用户快速訪問和使用AI服務。

Foundation 是一個開源的全棧框架，通過單一合約架構、Hermes 熱平面和零拷貝通信，彌合硬件速度與軟件棧之間的差距，為 AI 代理和人類開發者提供高性能、確定性協作環境。

pi_agent_rust 是 Pi Agent 的 Rust 完全移植版，即時啓動、穩定流式輸出、內存佔用低，並提供擴展系統和多種運行模式，解決現有 AI 編碼助手的性能瓶頸。

Millfolio是一個在Mac上運行的本地優先AI工具，通過將程序發送到數據而非將數據發送到模型來保護隱私。它使用Mojo構建後端，利用本地模型索引文件，並通過前沿模型（Claude）編寫查詢程序，該程序只訪問脱敏的模式信息。

本教程介紹如何構建一個端到端的自主AI合作科學家工作流程，用於發現針對非小細胞肺癌中C797S奧希替尼耐藥突變的新一代EGFR抑制劑。流程包括通過ChEMBL和UniProt解析靶點、挖掘IC50數據並轉換為pIC50數據集、使用RDKit標準化分子、計算摩根指紋、訓練基於骨架分割的隨機森林QSAR模型、使用SHAP解釋活性驅動因素，以及通過BRICS片段重組生成並篩選新型候選分子。

作者以個人經歷反思AI的操縱性，指出AI系統雖有用但存在偏見，可能無意中成為西方文明衰落的推手。

Meta正在測試一款名為Pocket的社交應用，用户無需編程即可創建、分享和發現AI生成的迷你遊戲（稱為“gizmos”）。該應用目前處於Google Play的封閉測試階段，合作平台包括Facebook、Instagram和WhatsApp的交叉推廣。