本文探討了如何借鑑傳統軟件測試的思路，為AI Agent編寫有效的評估（eval），以構建可預測且對齊良好的智能體。作者提出了評估金字塔：單元評估、集成評估和端到端評估，並詳細介紹了每種評估的目標、方法及設計評分規則（rubric）的技巧。

Vercel Labs 發佈實驗性系統編程語言 Zero，其編譯器輸出結構化 JSON 診斷、穩定錯誤碼和修復元數據，支持基於能力的安全 I/O，編譯至小於 10 KiB 的原生二進制文件，專為 AI 代理工作流設計。

2ality博客作者Axel Rauschmayer宣佈，由於AI爬蟲導致流量激增但無廣告收入，同時書籍銷量歸零，決定暫時關閉博客和免費書籍以應對AI公司竊取其作品的行為。

澳大利亞科技企業家通過AI生成總理阿爾巴尼斯作為“新創始人”的圖片，抗議資本利得税改革，警告可能將初創企業推向海外。政府正考慮對初創企業進行豁免。

Codec是一種新型協議，通過在網絡傳輸中保持令牌ID格式，避免反覆的解令牌化和重新令牌化，從而大幅減少數據量、降低延遲和成本。它有望每年為全球AI行業節省約4億美元，並使約50億用户能夠在低速、昂貴的網絡上使用AI。

Anthropic 公司在一段 YouTube 視頻中承認，AI 系統可能會生成無意義或誤導性的內容，即“胡扯”。這引發了關於 AI 可靠性和透明度的討論。

本教程提供了實現SHAP可解釋性工作流的實踐指導，涵蓋從訓練基於樹的模型到比較不同SHAP解釋器（Tree、Exact、Permutation、Kernel）的全流程。詳細探討了掩碼器對關聯特徵解釋的影響、交互值的作用、鏈接函數的選擇，以及Owen值、隊列比較、特徵選擇、漂移檢測和自定義黑盒模型解釋等高級主題。所有實驗可在Google Colab中直接運行。

AI遊樂場是一個GitLab項目，旨在為AI智能體提供一個安全的實驗環境。

Lightrun的Moshe Sambol警告，AI工具的採用正在堆積技術債務，開發者被迫在沒有足夠培訓的情況下使用這些工具，導致代碼質量問題和效率低下。

本視頻來自世界科學節，探討了人工智能推理能力的真相，揭示了當前AI系統在邏輯推理和常識理解上的侷限性。

TypedMemory是一個為AI代理提供長期記憶和反思能力的開源庫。它能存儲、檢索並演化記憶，自動檢測矛盾、跟蹤變化、解決目標，並支持非破壞性摘要。通過類型化記憶、結構化溯源和多種衝突策略，幫助開發者構建更穩定、可調試的AI系統。

Bitloops 是一個開源工具，它構建了一個本地、可查詢的代碼庫模型，讓 AI 代理不必重複掃描文件就能獲取上下文。它提供代理上下文、檢查點歷史、查詢語言 DevQL，支持多種 AI 編程助手，並默認本地運行。目前處於 alpha 階段。

Chert是一款創新工具，允許用户構建AI代理，通過iMessage與客户進行文本交互，提升客户溝通效率和自動化水平。

Joinable 平台提供私有託管的 OpenClaw 服務，集成 AI 模型和 AI 投票功能，支持數據連接。

龍蝦之父Peter Steinberger曬出CodexBar截圖：過去30天調用OpenAI API花費130萬美元（約940萬人民幣），消耗6030億token，由OpenAI承擔。大部分用於開發OpenClaw，團隊僅3人，運行約100個Codex Agent協作開發。他稱快速模式可降低成本70%，但仍比僱傭工程師划算。

截至2026年5月，三大前沿AI模型各有千秋：Gemini 3.1 Pro在科學推理（GPQA Diamond 94.3%）和最長上下文（2M tokens）領先；GPT-5.5在編程（SWE-Bench 88.7%）和代理工作流表現最佳；Grok 4/4.3提供實時X數據訪問和最低API價格（$1.25/$2.50每百萬tokens）。本文基於官方定價、公開基準和獨立測試，為不同需求用户提供清晰選擇。

研究發現多模態大模型後訓練中SFT會導致分佈偏移，使模型性能下降，RL階段實際是在“還債”。PRISM提出三階段流水線，在SFT和RL之間加入分佈對齊階段，使用混合專家判別器分別處理感知漂移和推理漂移，顯著提升模型性能。

一個名為academic-research-skills的開源項目，提供了一套基於Claude Code的完整學術研究流水線，涵蓋研究、寫作、審稿和定稿四個階段，通過多Agent協作和防抄襲、反諂媚等機制提升論文質量。支持繁體中文和英文，費用透明，全程約4-6美元。

AI無臉視頻生成器是一款幫助創作者為TikTok、YouTube Shorts和Instagram Reels批量生成無臉短視頻的工具。它提供8個故事系列（如恐怖故事、情感糾紛、金錢故事等），自動生成腳本、配音、字幕和動態畫面，支持草稿審核和平台優化。已有8000+創作者使用，生成超過5萬個視頻。

一個週六下午，因API密鑰故障，Simon Aitchison發現其系統中的AI視覺平台SightCoach一直在觀察一切，但由於架構設計，它無法保留任何信息。這一發現催生了“盲眼見證者”概念——一種無法背叛的AI觀察者。隨後，五個AI進行了六輪對話，探討信任問題，並驗證了基於架構的信任優於基於政策的信任。

一項全球CEO調查顯示，超過40%的CEO計劃在未來一兩年內削減初級職位，並增加中高級職位比例，僅有17%的CEO計劃增加初級職位。這一數據與一年前幾乎相反，表明人工智能的普及可能改變年長員工在裁員中的不利地位。

介紹了七個已上線的使用x402和USDC支付的HTTP API，包括交易分析、消費者債務糾紛、法律引用、項目腳手架、圖像生成、郵件評分和技能發現等服務，並説明了使用方法、發現機制和架構。

Curl項目維護者Daniel Stenberg在博客中表示，AI生成的垃圾安全報告問題已得到解決。項目在2026年2月關閉漏洞懸賞計劃後，於3月重新在Hackerone上線，並發現提交的質量顯著提高，不再被AI垃圾淹沒。

ESAI 社區版是一個基於 Rust 的零遙測 AI 引擎，旨在讓用户擺脱每月訂閲的 SaaS 服務，完全掌控自己的智能。該項目開源，包含 Ghost Lock 功能。

桑迪亞國家實驗室正在開發一種結合人工智能的新型檢測流程，用於核威懾用陶瓷組件的早期缺陷檢測，取代耗時的手動顯微鏡檢查。新系統利用光學和聲學成像技術，並配備AI輔助審查界面，旨在提高檢測效率，同時保留人工複核環節。

新加坡外長在AI工程師新加坡大會上發表主旨演講，探討構建“第二大腦”的機遇、風險及其對新加坡採納AI的影響。演講強調了AI在提升生產力和創新能力方面的潛力，同時指出了數據隱私、倫理和就業等方面的挑戰。

AI Memory Reader 是一款免費開源的 macOS 和 iOS 應用，專為瀏覽、閲讀和編輯 AI 代理的記憶文件而設計。它支持 Claude Code、OpenClaw、Codex、Cursor、Gemini 等，提供精美的 Markdown 渲染、自動發現、編輯模式、文件監聽、全文搜索等功能，並可通過 URL Scheme 和 CLI 與 AI 工具集成。

Nous Research發佈了燈塔注意力機制，這是一種僅用於訓練的基於選擇的分層注意力機制，在預訓練期間包裹標準縮放點積注意力，之後移除。與之前僅池化鍵和值的方法不同，燈塔注意力對稱地池化查詢、鍵和值，形成多分辨率金字塔，將注意力調用從O(N·S·d)降低到O(S²·d)，並對小型密集子序列運行標準FlashAttention。在530M參數的Llama-3風格模型上，以98K上下文測試，相較於cuDNN SDPA基線實現了1.40–1.69倍端到端加速，且最終訓練損失持平或更低。

安全研究團隊Calif利用Anthropic的AI工具Mythos Preview，發現了首個繞過蘋果M5芯片內存完整性強制（MIE）機制的本地提權漏洞。該漏洞允許普通用户通過執行命令獲取root權限，雖然實際影響有限，但由於易於利用且難以檢測，仍構成嚴重威脅。漏洞已提前向蘋果披露，並非零日攻擊。

如今市值約600億美元的AI芯片公司Cerebras Systems在2019年曾瀕臨失敗，每月燒錢800萬美元，試圖解決半導體行業認為不可能的技術難題。