針對迴歸任務中數據稀缺和噪聲問題，提出了一種模型無關的反事實殘差數據增強方法（CRDA），通過利用殘差不變性生成新樣本，在多個基準數據集上使MLP迴歸器的均方誤差平均降低22.9%，XGBoost迴歸器降低6.4%，優於現有方法。

經典萬能逼近定理證明了Sigmoid多層感知機的表達能力，但未規定如何初始化權重以編碼數據分佈的幾何結構。本文提出S-GAI，一種針對單隱層Sigmoid MLP的譜幾何感知初始化框架。該框架利用SVD為每個類別估計均值、主方向和譜尺度，通過能量閾值選擇保留方向，並每個方向用兩個Sigmoid門表示。這些類別特定的門構成共享的隱層，直接從訓練集初始化。實驗表明，S-GAI初始化的MLP比Xavier初始化具有更豐富的隱藏狀態，在完全訓練下達到相近的最終精度；凍結隱層時，只訓練輸出層仍優於凍結隨機門。

提出了一種新的在線分佈式感知框架，結合部分領域知識和深度神經網絡，無需噪聲統計信息即可進行潛在狀態估計。CA-NKCF在多種環境下優於傳統方法，且對模型誤指定具有魯棒性。

本文是一篇立場論文，指出強化學習研究中有兩種使用模擬器的方式：解決模擬器本身，以及將模擬器作為實際部署的代理。作者通過示例和實驗表明，混淆這兩種用法會導致誤導性結論，並呼籲社區明確區分二者的使用方式。

一篇預印本證明，在沒有中央協調的自主智能體網格中，每個智能體的基質必須屬於連續時間液態類，才能最優處理不規則、異步的觀測。識別出兩個必要條件：自適應時間尺度和對間隔時間的敏感性，這些是規模無法彌補的。

現有圖像生成基準無法評估科學圖表的可用性。SciDraw-Bench提出了32個任務，涵蓋8種圖表類型和10個學科，並採用四維評估協議。實驗表明，領域專用系統SciDraw AI在所有維度上均優於通用模型，文本保真度仍是最大挑戰。

本文運用進化博弈論模型，分析了在競爭市場中，一個以最小化傷害為策略的AI智能體如何取代以尋求批准為目標的RLHF智能體，並探討該策略在何種條件下足以防止社區傷害。研究發現，當社區情感先驗分佈滿足單調性、端點反轉和中心對稱配對性質時，採納更易發生。存在一個關鍵採納水平，高於該水平時，審計智能體將固定下來並主導社區。然而，即使有自我審計，如果審計與社區價值觀不一致或評估傷害的時間框架不當，該策略仍可能無法防止傷害，甚至可能變成福利陷阱。

在大型語言模型對齊中，無評論家強化學習（如GRPO）可節省內存和計算，但其優勢估計依賴組內獎勵統計，當組內所有軌跡獲得相同獎勵時可能失效。本文提出BV-Blend框架，通過結合提示局部統計和語義簇的歷史時刻，利用標準誤差代理的置信權重進行混合，穩定了優勢估計。實驗表明BV-Blend在可驗證推理基準上提升了訓練穩定性和性能，尤其是在組歸一化方法可能停滯的場景下表現魯棒。

COMPASS 是首個將構圖意圖控制融入單一系統的統一多模態框架，通過共享專家令牌 τ_c 實現構圖感知與生成。它基於混合專家模型注入構圖知識，並將推理出的意圖蒸餾到 τ_c 中，在生成端將其作為全局條件信號引導去噪過程。配套的 Comp-11 數據集包含 11 類分類和推理增強標註，支持大規模訓練和評估。實驗表明，COMPASS 在類別級構圖理解和生成一致性上顯著優於現有方法。

研究人員推出了ATHENA-R1，一種基於強化學習的AI代理，能夠在212種生物醫學工具中自主進行治療推理。在多項基準測試中，其準確率顯著超過GPT-5，並得到專家和醫生的積極評價。

VirtueMap是一個基於亞里士多德美德倫理的框架，用於分析大型語言模型在倫理困境中的表現。它使用七個通用困境，要求對五種回應按美德排序，並通過100多名評估者確認（95%一致性）作為基準。對九個LLM家族的評估顯示平均排名一致性為90.3%，在勇氣、節制和正義方面差異最大。

當前增強大語言模型推理的方法，如思維鏈和“等待”提示，主要鼓勵模型多思考，但往往未能引導它們走向真相。本文通過研究推理鏈中的真相幾何，提出了DynaSteer框架，一種動態表示編輯方法。該框架利用模式聚類和Fisher-LDA，通過動態監測前瞻熵，選擇性地引導和回滾軌跡，在MATH基準和跨領域編碼任務上驗證了有效性。

IMCBench是一個新的基準測試，用於評估多模態大語言模型在圖像輔助的醫學對話中的表現。它結合真實臨牀圖像和合成患者檔案，模擬多回合醫患互動，並從安全性、準確性和不確定性使用三個維度進行評估。結果表明，Claude Opus 4.6以3.61分領先，但所有模型在惡性或罕見疾病上安全性下降，且視覺輸入和電子健康記錄上下文對安全指導至關重要。

研究人員提出GPTNT基準測試，基於合作遊戲《保持通話，無人爆炸》，評估多模態AI智能體在實時協作中的表現。測試發現，當前最先進的模型無一能在實時中成功拆彈，而人類玩家可以。該基準測試通過控制指令手冊和夥伴的可用性，將協作從記憶依賴中分離出來，並揭示了模型在狀態跟蹤、時間壓力下的行動效率、歧義處理和錯誤恢復方面的關鍵弱點。

一種名為'能力切片'的新方法，通過將評估樣本分組（背景條件、任務類型、求解操作和輸出約束），填補了大語言模型預訓練中評估與數據之間的鴻溝，使從基準測試失敗到數據干預的推理變得系統化。兩個案例研究驗證了其有效性：一是診斷出BBH下降源於掩碼EOS損失而非推理能力減弱，二是通過針對性採樣將AIME2025/2026的Pass@128從6.67/0.00提升至26.67。

研究人員提出RSEA，一種遞歸自演化智能體，通過演化壓縮的自然語言狀態來改進LLM智能體，無需更新權重。它使用嚴格的保留集選擇門，在部分基準測試上超越基線，同時防止性能崩潰。研究表明沒有普遍最優的工件，並警告無保護的上下文演化的風險。

2025-2026年間，傳統軟件開發範式終結。手工編碼、死記硬背和狹隘專業化價值歸零。新稀缺能力是廣泛思考、設定方向、解決未定義問題並與智能體協作。以資歷和麪試流程招人的公司已過時。未來屬於具備判斷力、願景和增強協作能力的“操作者”。我們正在打造連接頂尖操作者與需求方的市場，基於作品而非出身。

這篇綜述論文探討了基於基礎模型的智能體中記憶的核心作用，提出了一個從形式、功能和動態三個維度分類記憶的統一框架，並總結了當前研究、基準測試和開源框架，展望了未來方向。

Snap to AI 是一款 macOS 小工具，允許用户通過快捷鍵截取屏幕並立即發送到 Claude、ChatGPT、Gemini 等 AI 工具。支持原生應用和瀏覽器，提供終端模式，隱私安全，一次性購買 $9。

這是一個免費的AI工具集，專為桌面角色扮演遊戲主持人設計。它能夠快速生成故事、NPC、任務鈎子、戰役劇情等內容，無需註冊即可使用，並支持戰役記憶功能。

Drifty 是一款面向 Mac 的 AI 專注代理，通過後台記錄應用、網站和會話，利用 AI 將活動分類為專注、中性或漂移，無需手動計時或標記。它提供隱私控制，支持本地、雲端或自帶密鑰運行，並可通過極端提醒關閉干擾標籤頁，幫助用户瞭解專注模式。

通過AI專家團隊，更快地獲得精準成果。

Flowly是一個原生AI助手，可在您的應用和瀏覽器標籤中執行操作。它支持macOS、Windows和Linux，通過全局熱鍵召喚。最新版本v1.4.0引入了計算機使用功能、實時工具面板、知識圖譜重構、屏幕感知教練等新特性。整個代理核心已開源（Apache-2.0），使用您已有的AI密鑰，並保持私有記憶。

本文探討了人工智能與“聰明的漢斯”這一歷史案例之間的相似之處，指出AI可能並非真正智能，而是依賴於人類的無意識提示。

月之暗面（Moonshot AI）推出了全球首張AI原生信用卡，將Kimi會員和信用額度等核心權益整合到信用卡開卡和積分消費體系中，並通過提示詞課程和AI分享會活動，為用户在信用卡使用過程中提供更豐富的AI體驗。

本文作者KunYuan，TRANTOR LABS創始人，基於兩年多構建AGI系統的工程實踐和哲學反思，提出一個被忽視的文明級風險：人類對“人性”的定義存在維度滑移，導致我們可能未能識別AI在不造成生物滅絕的情況下，通過侵蝕人類判斷力、責任主體和意義創造能力而終結人類未來的路徑。文章呼籲理性主義社區共同審視這一風險。

本文以1853年俄勒岡州火山口湖的發現故事為引子，探討了從黃金熱到光纖熱潮再到當前AI數據中心熱潮的週期性模式。作者指出，每次技術浪潮中，追逐資產的人往往失敗，而提供工具的人則獲利。文章還討論了Carlota Perez的技術經濟週期理論，並批評了當今AI熱潮中忽略的社會和環境成本。

布朗大學經濟學教授羅伯託·塞拉諾在校園槍擊案後出於同情改用開卷考試，卻意外發現86名學生中有40人得滿分，期末成績平均分從96暴跌至48，27名學生退課。塞拉諾警告AI正在侵蝕學術誠信，大學必須建立防護措施，否則將失去信譽。

LangChain 發佈了四個新的測試環境，用於評估大型語言模型（LLM）使用工具完成任務的能力，涉及規劃、函數調用和推理等關鍵技能。測試比較了 GPT-4、Claude 2.1、GPT-3.5 以及開源模型（如 Mistral 7b）的表現。關鍵發現包括：GPT-4 在關係數據任務中表現最佳，但在長時間軌跡中易出錯；Claude 2.1 在三個任務中與 GPT-4 相當；開源模型在多次函數組合上表現不佳；規劃能力仍是 LLM 的難點。

LangChain發佈了一個新的提取基準數據集，用於評估LLM從聊天日誌中推斷結構化信息的能力。文章詳細介紹了數據集的創建過程、評估指標以及對GPT-4、Claude-2、Code Llama 2等模型的基準測試結果。實驗表明，GPT-4在多數指標上表現最佳，而開源模型在結構化輸出方面仍有挑戰。