提出StenCE框架，通過對比學習融合心電圖（ECG）與冠狀動脈造影特徵，從ECG中檢測嚴重冠狀動脈狹窄信號，實現無創早期篩查。實驗表明該方法在多種ECG編碼器上均優於現有技術，首次實現高精度嚴重狹窄分類。

本文提出一個確定性氣候風險智能框架，通過整合單一真相源編排、時間異常檢測、不平衡感知集成學習和可解釋性治理，解決ESG數據碎片化和缺乏可審計性的問題。框架包含合成基準、時間漂移分析、SMOTE優化、集成學習、TreeSHAP可解釋性等，並與多種基線方法對比，結果通過分層五折交叉驗證和顯著性測試。該框架旨在建立可重複、可解釋、可操作審計的確定性氣候風險治理基礎設施。

論文提出TopoMamSurv框架，針對全切片圖像生存分析中Transformer計算瓶頸和Mamba對輸入順序敏感的問題，採用拓撲感知排序和雙向Mamba模塊，結合圖卷積網絡，實現高效的長程依賴建模和空間結構利用，在五個TCGA數據集上驗證了性能優勢。

研究表明，在數據集內類別分割評估中，當保留的異常類與正常混合在表示空間重疊時，異常分數可能退化甚至反轉，且最優分數方向依賴於未知的異常類。作者提出了一種免訓練的“鄰域類泄漏”診斷方法，並在多個數據集和特徵空間上驗證了其對分數方向不穩定性的預測能力。結論是，類別分割異常檢測基準應被視為幾何依賴的應力測試，而非無條件的檢測能力證明。

研究人員提出一種輕量級CNN，以防禦針對基於EEG的腦機接口的對抗性攻擊，實驗表明其魯棒性優於現有模型。

該論文提出了譜對齊分解，解釋了神經網絡損失景觀中曲率指數α為何在不同層類型間變化（卷積層約2，Transformer注意力層約1，MLP上投影層小於1）。該分解將α的變化歸因於Kronecker因子特徵基與梯度奇異方向之間的對齊程度。此外，論文推導出一個譜傳遞恆等式s=αγ，通過獨立擬合α和γ可高精度預測Hessian衰減指數s。基於此，研究者提出架構自適應預條件子T(σ;α)，並展示Spectral Newton優化器在視覺基準上超越AdamW。

短租市場動態定價面臨財務風險高、需可解釋性、反饋稀疏等挑戰。本文提出人機協同門控情感老虎機（HITL-GB）框架，算法給出價格建議，人類運營人員有權接受、修改或拒絕。研究表明，在審批約束下，歷史定價數據（來自先前確定性策略）在結構上等同於用於初始化情感老虎機後驗的在策略預熱數據，從而避免數週至數月的冷啓動期。在真實短租生產數據（匿名城市市場，2間房，2022年4月至2026年4月，1461個夜間定價場景）上驗證，預熱程序將有效冷啓動從約150個場景壓縮至約30個場景。該方法可推廣至臨牀用藥、信貸發放、內容審核、放射診斷等高風險的監管領域。

本文介紹GAMBLe框架，用於分析AI驅動研究系統（ADRS）。該框架將ADRS行為分解為四個參數（生成器、評估器、發現機制、預算）和一個有效景觀。通過760多次實驗發現，不存在完全的排序，正確的組件選擇可大幅提升性能。

本文提出一種用於嵌入式代理系統的模塊化參考架構，通過分層設計將設備端代理與雲端增強代理解耦，並引入跨層治理層，以解決在資源受限的微控制器上部署大型語言模型（LLM）的挑戰，實現實時控制與自主智能的融合。

大型推理模型通過增加推理步驟提升性能，但研究表明，在獲得正確答案後繼續推理可能導致偏離，引入有害過度思考的概念。通過前綴軌跡評估，發現早期停止正確推理可提升準確率高達21%，而常見效率策略無法緩解有害過度思考。

本文探討了三種基於玩家碰撞信息生成敵人形態的新方法，旨在填補視頻遊戲程序化內容生成中敵人形態生成的空白。研究發現每種方法各有優劣，但均優於或等同於從機器人形態學改編的進化基線。

本文介紹Traj-Evolve，一個自進化的多智能體系統，通過經驗池（ExPool）和多智能體強化學習（MARL）從縱向電子健康記錄中建模患者軌跡，在肺癌預測任務上超越9個強基線。實驗表明，ExPool提升特異性，MARL提升靈敏度，兩者互補。

ChatHealthAI是一個多模態推理框架，通過任務感知重採樣器將預訓練的EHR基礎模型的結構化表示與凍結的大語言模型語義空間對齊，從而在保留預測性能的同時實現可解釋的自然語言臨牀推理。在EHRSHOT基準的三個臨牀預測任務上，該框架在保持競爭性預測性能的同時，顯著提升了推理質量和可解釋性。

一項新研究比較了編碼器 Transformer 和 LSTM 在無測站流域進行上游徑流推斷的性能。結果表明，LSTM 整體表現優於 Transformer，而結合下游信息可令中位數 NNSE 提升超過 60%。研究認為，遞歸記憶架構更適用於此類地形序列推理任務。

AURA-Mem是一種針對機器人策略的恆定大小循環記憶，通過動作門控機制僅在觀察改變未來動作時才寫入，顯著減少內存寫入次數，同時保持準確性。在合成基準和真實機器人任務中，AURA-Mem匹配或超越基線，且內存佔用恆定（4,224字節），遠小於KV緩存。

MIT和MIT-IBM計算研究實驗室的研究人員開發了ChartNet數據集，包含超過一百萬張多樣化圖表，用於訓練視覺語言模型。該數據集使小型開源模型在圖表理解任務上超越大型商業模型，有望幫助預算有限的小型企業更有效地利用AI。

Dropstone 1.5 是一款終端中的AI編程代理，每月重新評估頂級模型並切換至最佳者。當前基於DeepSeek和Kimi模型，美國服務器託管，不存儲數據。每月15美元提供約450次深度編程會話，約為Claude Code Pro的兩倍（後者20美元）。注重安全，所有操作需確認。

一項新研究探討了AI編碼代理與傳統人類程序員在錯誤消息消費上的差異，通過控制實驗發現，更詳細的類型錯誤消息能顯著提升AI代理修復錯誤的能力，並且類型系統的存在優於僅依賴測試套件失敗報告。

通過實際案例，介紹AI應用可觀測性的四個關鍵信號：版本化提示詞、trace記錄、用户評分和模型評分。

悉尼科技大學教授Cath Ellis在《悉尼先驅晨報》發表評論文章，敦促學生不要使用AI走捷徑，但文章本身卻被發現是由AI撰寫的。報紙隨後撤下該文，儘管大學認為其使用AI是“恰當的”。這一事件引發了關於學術誠信和AI使用邊界的廣泛討論，凸顯了AI在學術寫作中的倫理困境。

該工具利用AI佈局理解技術，解決傳統提取器輸出亂行的問題，確保標題、表格、標題和圖片在轉換後保持清晰。

韓國Kospi股市因AI需求創歷史新高，但專家警告過度依賴兩家芯片製造商可能帶來繁榮-蕭條週期風險。SK海力士加入三星電子和台積電，成為亞洲萬億美元俱樂部成員。

LiteHarness 是一個統一的 SDK，為多種 AI 智能體工具提供單一的 TypeScript 和 Python 接口，包括 Claude Agent SDK 和 OpenAI Agents SDK。它支持輕鬆切換不同的智能體和模型，並支持流式消息。該項目目前處於預覽階段。

本文講述作者離開艾倫·圖靈研究所，加入一個被認為具有變革性的人工智能實驗室的經歷。

Claude Code工程總監Fiona Fung在Code w/ Claude SF 2026上分享了團隊在代理編碼成為默認工作方式後，流程和結構如何變化。她討論了規劃、上下文收集、代碼審查和團隊組成的轉變，以及如何推出新規範並衡量其效果。

Replicas 今日在 Product Hunt 上線，允許開發者在隔離的雲虛擬機中運行 Claude Code、Codex 等編碼代理。它集成了 Slack、Linear 和 GitHub，支持後台代理執行並提供真實的開發環境。創始人 Connor 和 Saai 分享了他們的願景和早期成果。

本教程詳細介紹瞭如何在Google Colab上使用QLoRA、監督微調（SFT）和直接偏好優化（DPO）微調Liquid AI的LFM2模型。包括加載模型、準備數據集、訓練LoRA適配器、合併適配器以及進行DPO訓練的全流程，最終獲得一個可部署的模型檢查點。

AI搜索摘要看似進步，實則有害。本文呼籲迴歸僅返回結果的搜索方式，指出摘要會抹平細節、隱藏分歧、削弱驗證，並損害網站生態。

Instagram近日修復了一個安全漏洞，該漏洞允許攻擊者通過欺騙Meta的AI支持聊天機器人來獲取用户賬户的訪問權限。受影響的賬户包括奧巴馬時代的白宮Instagram賬號以及美國太空軍首席軍士長的賬號。

谷歌正通過一項秘密試點計劃，向Android應用開發者付費獲取其代碼庫，用於改進AI編碼工具。開發者保留知識產權，但谷歌希望藉此彌補其在AI代碼生成領域與Anthropic和微軟的差距。此舉也反映出AI公司可能面臨公開訓練數據枯竭的問題。