大語言模型（LLM）在多輪對話中需要根據新證據更新信念，但現有評估多關注單輪最終答案。本文提出BayesBench基準，通過三個漸進複雜任務（貝葉斯估計、貝葉斯預測、潛在框架貝葉斯預測）評估LLM信念更新與理性貝葉斯推理的匹配程度。在7個LLM（3B-70B）上，規模擴大改善了潛在推理和證據積累，但提升未能可靠遷移到下游預測，揭示了推斷潛在結構與理性更新信念之間的差距。

本實驗研究利用AI通過自然語言查詢發現仿真模型，探討了數據表示、基於Transformer的嵌入模型和檢索策略的影響。結果表明，數據表示對檢索性能至關重要，開源嵌入模型可達到與專有模型相當的高性能，而重排序方法在查詢複雜度增加時尤為重要。該工作為AI驅動的模型發現提供了基線，並展望了其在推動AI驅動的可組合性和互操作性方面的作用。

本文提出對比反思框架，用於迭代優化智能信息檢索代理的提示。通過分析檢索或推理軌跡，識別錯誤行為並對比成功案例，由教師LLM提出針對性提示修改。在HotpotQA數據集上，該方法將精確匹配準確率從51.4%提升至60.4%，優於僅失敗或隨機證據變體，並與MIPROv2（59.4%）和GEPA（57.0%）等現代優化器性能相當。該框架強調可解釋性和驗證驅動的提示修復。

該研究引入了一種受控的學生-教師協議，以區分真正由反饋驅動的改進與僅因重複嘗試或重採樣帶來的提升。在多個基準測試中，自我反饋比無指導的自我改進幾乎沒有額外收益，而強大的外部教師則帶來更大的反饋特定增益。瓶頸在於學生利用反饋的能力，而非反饋的可得性。

Context.dev 提供了一個統一的 API，用於從互聯網爬取數據、豐富內容並提取信息。該產品旨在簡化數據採集流程，為開發者提供高效的工具。

韓國科學技術院（KAIST）研究團隊開發了一種名為BehaVERT的AI模型，該模型將動物的身體動作視為語言模型中的詞語，能夠自動識別自閉症小鼠模型的核心社交缺陷。該模型在不預先告知的情況下，通過觀察小鼠行為自行發現關鍵差異，為腦科學研究提供了新的可解釋AI工具。

AWS致力於安全地提供前沿AI模型，與Anthropic合作通過Project Glasswing改進防護欄，確保新模型能力不被濫用，同時為防禦者提供優勢。

本文基於Emily M. Bender和Nanna Inie的評論文章，探討如何避免在使用‘AI’相關技術時使用擬人化語言。作者分類了常見的擬人化表述，並提供了替代方案，如將‘人工智能’替換為‘概率自動化’等。文章鼓勵讀者在日常討論中堅持使用更精確的語言，以促進對技術的清晰理解。

Anthropic發佈Claude Sonnet 5，定位為最具代理能力的中端模型，具備百萬token上下文窗口，標準定價與促銷價並行。第三方評測顯示其在編程和代理基準上有顯著提升，但部分用户因任務級成本增加及缺少Fable 5發佈而失望。Fable/Mythos 5經政府批准後重新上線。

美國商務部已取消對Anthropic的Fable和Mythos AI模型的出口管制，此前該公司因國家安全風險被迫暫停對外國公民的訪問權限。Anthropic表示將於次日恢復訪問。

微軟發佈的關於美國AI採用情況的報告。

舊金山監事會推遲了一項362頁法令的投票，該法令旨在通過AI識別並刪除城市法典中的冗餘條款。多位監事及書記官對提案內容過於寬泛、難以理解表示擔憂，部分人甚至藉助AI工具進行分析。投票推遲至7月14日，以便進一步審查。

Agentic OS 是一款主動式AI助手，能夠無縫自動化任務、日程和文件管理。

作者使用NVIDIA Jetson Orin Nano Super和Kokoro-82M模型構建了一個本地文本轉語音應用StreamTTS，利用持久流（S2）而非傳統請求-響應架構，實現了可共享、可重放的實時音頻生成，並解決了慢推理、多用户公平調度和去重等問題。

Sierra代理工程主管Natalie Meurer探討前部署工程師的演變，認為該角色由對客户的負責而非特定技能定義。她指出產品工程與前部署工程正在趨同，代理工程師崛起。

本文介紹了一種利用船舶自動識別系統（AIS）航向數據追蹤從烏克蘭被佔領土向利比亞走私糧食的新方法。2026年2月，散貨船Grumant從克里米亞的費奧多西亞港裝載糧食，經過兩個月航行抵達利比亞班加西。由於黑海地區存在全球導航衞星系統（GNSS）干擾，傳統AIS位置數據不可靠，但航向數據來自不受干擾的羅盤，因此可用於確認船舶位置。通過分析Grumant的航向數據與衞星圖像，研究人員證實了其停靠在費奧多西亞港。該技術為追蹤非法航運提供了新手段。

美國商務部解除了對Anthropic旗下AI模型Fable 5和Mythos 5的出口管制，允許其重新向用户開放。Anthropic同意主動檢測和解決安全風險，並與美國政府密切合作制定協議和標準。此前因所謂的“越獄”問題，Fable在發佈三天後被實施出口管制，導致全球訪問中斷。此舉緩解了行業緊張情緒，但Anthropic與政府的關係仍復雜。

經過與特朗普政府數週談判，Anthropic 終於能夠重新上線 Claude Fable 5。公司宣佈將於明天開始恢復訪問。

多令牌殘差預測（MRP）是一種針對擴散語言模型的輕量級模塊，通過預測相鄰去噪步驟之間的殘差而非完整分佈，實現了在靜態和動態兩種推理場景下的性能提升。靜態模式下可實現無質量損失的加速（高達1.56倍），動態模式下可恢復因激進閾值解碼而損失的高達+16個百分點的準確率。

Hugging Face 與 Cerebras 合作，利用 Gemma 4 模型打造實時語音 AI 系統，通過開放模塊化架構顯著降低延遲，實現更自然的對話體驗。該系統集成 Nvidia 的語音識別、Cerebras 的推理加速和 Alibaba 的語音合成，已在 9000 多台 Reachy Mini 機器人中應用。

Together AI完成8億美元C輪融資，由Aramco Ventures、NVIDIA、Vista Equity等領投，旨在加速開源AI的普及。公司強調，閉源模型的成本無法規模化，而開源模型結合全棧優化可實現6-20倍成本降低。Together AI已推出FlashAttention-4、Together Megakernel等創新，成為全球最大的AI token生產商之一。

Anthropic宣佈，美國商務部已解除對Claude Fable 5和Mythos 5的出口管制，並將於明天恢復訪問。

RunInfra是一個AI推理優化平台，可自動為開放模型選擇最佳的推理引擎、GPU和配置，並提供可部署的堆棧。它通過基準測試和調優，大幅降低延遲、提高吞吐量並降低成本。

在AI工程師世界博覽會（AIEWF）的兩場爆滿研討會之後，Ahmad Osman論證了本地AI——從筆記本電腦、手機到企業級基礎設施——正在快速追趕雲端AI。開源模型與閉源前沿模型之間的差距持續縮小，本地AI生態系統正從模型本身擴展到完整的工具和基礎設施層。

Anthropic 的 Claude Sonnet 5 在人工智能分析智能指數中得分 53，較上一代提升 6 分，與 GPT-5.5（高推理）持平，但落後於 Opus 4.7 和 4.8。其每任務成本為 2.29 美元，比 Opus 4.8 高出約 15%，主要由於 token 用量增加。在代理知識工作基準測試中，Sonnet 5 與 Opus 4.8 相當甚至更優，但在推理和知識密集型任務上仍遜色於更大模型。Sonnet 5 支持 100 萬 token 上下文窗口，定價 3/15 美元每百萬 token，並新增了“xhigh”努力級別。

本文探討了AI對高等教育的影響，並將其與互聯網、大數據和MOOC等先前技術衝擊進行比較。作者認為，儘管互聯網、大數據和MOOC對高等教育的影響有限，但AI的影響更為深刻、廣泛、系統和迅速，可能從根本上改變學習和教學的本質。

據報道，Anthropic啓動了一個新的AI藥物發現項目，旨在利用人工智能加速藥物研發過程。

儘管媒體炒作AI將取代數學家，但AI無法驗證數學證明的正確性，人類仍然是正確性的最終仲裁者。

文章指出AI能力正以超指數速度增長，前沿模型與開源模型均加速提升。AI使用方式正從聊天機器人轉向智能體，用户領域經驗比職業更重要。指數級增長帶來持續動盪，短期內不會穩定。

作者認為，出現在新聞報道、工作報告、學術論文中的數字，絕大多數情況下都存在錯誤或誤導。文章以《紐約時報》頭條將“已知新冠病例”錯誤表述為“五億”而非“五千萬”為例，説明即使主流媒體也常犯低級錯誤。更深層的陷阱在於，正確數字也可能因為定義不清（如“病例”僅指已知而非實際感染）而扭曲認知。作者還列舉了職場中的例子：管理者誤讀圖表將成本增長誇大為10萬美元，實際僅1.6萬；工程師混淆“每秒”與“每日”導致需求估算差86400倍等。結論是，數字不是理解捷徑，而是需要專業知識和多方驗證才能使用的工具。