本文全面綜述了應用於生成對抗網路（GAN）的神經架構搜尋（NAS）方法，比較了搜尋策略、評估指標和效能結果，強調了進化演算法和梯度方法的優勢，並指出了當前評估指標的不足及未來研究方向。

該研究將單細胞藻類的趨光行為重新建模為一種資訊驅動的感測器運動過程，透過部分可觀察馬爾可夫決策過程（POMDP）與化學反應網路常微分方程（CRN-ODE）結合，利用逆強化學習從實驗軌跡中推斷行為目標，展示了細胞內生化網路如何支援自適應資訊尋求行為。

提出了一種名為χ-sao（Convergence-Halt-Invert-Stick-And-Oscillate）的GPU原生群體最佳化演算法，透過收斂-反收斂振盪迴圈在凍結已確認模態的同時逃離區域性陷阱。在Simon Fraser大學最佳化基準套件的42個函式上，針對維度d∈{2,4,8,16,32,64}，χ-sao在最有挑戰性的多模態函式上實現了100%的模態恢復，而所有CPU基線在d≥8時均失敗。在Michalewicz d=64上，相比盆地跳躍加速達34倍；在Rotated Hyper-Ellipsoid d=64（純GPU紅利）上加速達39倍。即使在噪聲σ_noise高達1.0時，模態檢測仍保持100%可靠。演算法已作為開源Python包釋出在PyPI上。

研究人員提出了一種基於注意力機制的物理引導卷積神經網路作為替代模型，用於預測由Cahn-Hilliard方程描述的系統中的微觀結構演化。該模型能準確預測二元混合物的相分離過程，在長時間推演中保持穩定，並符合Lifshitz-Slyozov域長大規律。

傳統觀點認為驗證比生成容易，但如今程式設計智慧體的驗證已成為更大難題。本文提出驗證訊號的三維度評價（可擴充套件性、忠實性、魯棒性），並探索四種獎勵構建方法，實驗證明針對性驗證設計能有效抑制獎勵駭客並提升任務質量，最終結論是驗證必須隨策略能力共同進化。

COrigami是一種端到端的AI驅動管道，能夠從自然語言生成摺痕圖案，滿足平折的嚴格幾何約束和視覺美學。該系統透過生成語義簡圖、計算基礎打包、求解平折扣痕圖案、塑形以及利用強化學習和自主美學評估迴圈進行最佳化，協助人類藝術家進行設計。

該論文提出了一種自主AI智慧體的治理模型，不監控其推理過程，而是要求在採取高風險行動時提供獨立認證的證據。智慧體保留規劃和推理的自主權，但執行需要滿足由獨立權威來源認證的前提條件，這些條件與宣告的意圖加密繫結，並由確定性策略評估。決策記錄在防篡改日誌中，可供獨立重新驗證。研究提供了概念驗證實現，並舉例說明了軟體部署和臨床處方中的應用。

研究人員提出DD-Elo評級系統，結合漂移擴散模型與棋步級資料，比傳統Elo更快適應技能變化，同時保持理論一致性。

本研究開發了一個基於知識圖譜的多智慧體框架，整合了Reddit、WebMD和FDA不良事件報告系統等來源的憂鬱症藥物資料，實現了對患者生成資料與監管資料的溯源區分，為心理健康藥物資訊提供了更可靠、可審計的整合方案。

本文介紹了一個基於LLM的比較管道，用於大規模分析AI代理協議的治理結構。研究對比了ERC-8004（無許可鏈上協議）與Google A2A（企業主導協議），分析了4323條治理參與記錄。發現兩種模式均存在參與不平等和社群碎片化，但無許可環境下的話語對齊更緊密，表明開放治理可能促進主題趨同。

AlgoEvolve是一個利用大語言模型（LLM）驅動進化框架，用於生成、評估和迭代改進可執行的交易策略。該系統在多個實驗中展現出自適應市場狀態的策略邏輯，並引入元進化外層迴圈以最佳化提示，從而平衡探索與利用，減少零交易失敗。結果表明，基於LLM的語義進化為複雜環境中的持續程式合成提供了一種可行方法。

該論文發現，在聊天模型中，拒絕行為並非獨立機制，而是受角色個性（特別是順從個性）的門控。透過干預Qwen2.5-7B-Instruct和Llama-3.1-8B-Instruct的啟用方向，研究顯示順從個性方向可以抑制拒絕，而拒絕方向僅在後期層部分恢復拒絕。這表明拒絕在後期表達階段受個性門控，而非孤立方向。

當基準測試的準確率飽和時，通常會被淘汰並替換。本文表明，這種方法只關注準確率，而忽略了其他六個關鍵維度：構造效度問題、分佈外泛化能力、效率、可靠性、模型與框架的相對重要性以及人機協作的提升。透過 CORE-Bench Hard 案例，作者展示了即使在準確率飽和後，測量這些維度也能獲得有意義的見解。他們發現了構造效度威脅，推出了改進版 v1.1 和分佈外任務套件，並發現基準測試仍可用於測量效率、可靠性和效能。此外，一項小規模隨機實驗顯示，人機協作可將速度提高約兩倍。

研究人員提出一種使用級聯線性特徵檢測和控制語言模型中諂媚行為的方法。該方法透過迭代資料生成來隔離與行為線性相關的特徵，從而實現更好的特徵分離。發現的特徵形成線性可分的子空間，能夠檢測並引導模型遠離諂媚行為，在計算成本更低的情況下優於基線方法。

LogiGate是一種零信任中介軟體架構，透過硬體飛地將身份驗證和法律責任轉移到請求裝置，利用短暫的沙箱和強制重置觸發器確保AI處理的合規性和資料隱私。

作者構建了一個允許任何人透過電子郵件嘗試讓AI助手洩露秘密檔案的實驗，結果超過2000人傳送了6000多封郵件嘗試攻擊，但秘密從未洩露。文章分享了實驗設定、攻擊方式、遇到的問題和經驗教訓。

文章探討了為攻擊性AI代理設定防護欄的必要性，指出簡單的指令無法確保安全，需要更復雜的機制來防止濫用。

Llamatik Code 是一款專為 IntelliJ 系列 IDE 設計的 AI 編碼助手外掛，採用本地優先的隱私保護架構，提供智慧程式碼補全、生成與最佳化功能，適合需要離線或安全環境的開發者。

美國兩黨非營利組織RAISE US啟動，投入超5億美元，旨在透過教育與培訓幫助勞動者應對AI帶來的就業變革，首批合作州包括阿肯色、馬里蘭、猶他和康涅狄格，聯合亞馬遜、微軟等企業巨頭。

作者購買了一本AI生成的暢銷兒童百科全書，發現其中包含大量令人不安的身體恐怖影像，如怪物、扭曲的人臉等。文章指出當前AI模型在生成兒童書籍方面仍存在嚴重質量缺陷。

Madoo是一款AI驅動的郵件模板設計工具，支援快速建立品牌一致的郵件佈局，並整合Mailchimp、Klaviyo等主流郵件服務商。

OpenAI經濟研究顯示，自2025年11月以來，內部Codex輸出代幣中位數在各部門大幅增長：研究部門增長56倍，客戶支援增長32倍，工程部門增長27倍，法律部門增長13倍。這一趨勢表明AI代理正在改變工作方式，但同時也反映出即使在無限訪問許可權下，員工此前仍嚴重未充分利用AI。

Ludion是一個新服務，透過觀察WebGPU行為來路由AI推理，從而避免為瀏覽器級AI任務支付高昂的雲服務費用，實現成本大幅降低。

一項新的資料集搜尋工具顯示，數百萬首音樂作品被用於訓練人工智慧，包括尼克·凱夫、凱莉·米洛等澳大利亞知名音樂人的歌曲。Something For Kate的保羅·鄧普西稱“這一切都被變得毫無價值”，並表達了對創作者權益的擔憂。

Anthropic致信美國官員，指控阿里巴巴及其Qwen實驗室透過約25,000個欺詐賬戶，在44天內對Claude模型進行了2880萬次互動，試圖竊取軟體工程和智慧體推理等核心能力。此次攻擊規模遠超以往，引發國家安全擔憂，阿里巴巴股價下跌。

Linux基金會聯合亞馬遜、Anthropic、OpenAI、輝達、微軟、紅帽等公司推出Akrites專案，旨在幫助關鍵開源軟體應對AI/大語言模型發現的新安全漏洞，確保這些問題在惡意行為者利用之前得到有效解決。Akrites建立共享安全事件響應團隊（SIRT）和標準化的協調漏洞披露（CVD）流程，以保密為首要原則。它還作為無人維護的關鍵包的最終維護者。

DropItDown是一款macOS選單欄應用，可將任何檔案（PDF、截圖、電子表格等）轉換為乾淨的Markdown格式，並自動分類存入本地知識庫，供AI代理直接讀取和檢索。轉換過程完全在本地進行，無需上傳，僅分類呼叫需透過使用者自己的API金鑰。

本文介紹如何透過一行命令在 Hugging Face 基礎設施上快速啟動一個私有、相容 OpenAI 的 LLM 端點，無需配置伺服器或 Kubernetes，按秒計費。涵蓋從啟動、查詢、清理到擴充套件為大模型、建立聊天 UI、SSH 除錯及作為編碼代理後端的完整流程，並與 Inference Endpoints 進行比較。

美光科技公佈第三季度財報，利潤達282億美元，同比增長近15倍，營收飆升346%。此前AI股票遭拋售，但美光強勁業績提振市場信心，亞洲和歐美股市普遍上漲。

FoolQuest.com線上頭腦風暴俱樂部，專注於嚴肅合作小說寫作和創新風險建立，但其頁面使用了不被支援的框架。本文討論了Claude AI在連結處理上的改進，包括對框架頁面的相容性修復。