大語言模型在程式碼生成方面的進步引發了關於作者身份、評估完整性和軟體信任的擔憂。SemEval-2026任務13子任務A將檢測定義為對程式碼片段的二元分類，特別關注跨未見程式語言和領域的分佈外泛化。研究提出了一種SALSA風格的方法，即單次自迴歸大語言模型結構化分類，將每個類別對映到專用輸出標記，並訓練模型在結構化響應中發出單標記標籤。透過平衡取樣、引數高效微調和保守訓練，系統在官方排行榜上取得了OOD F1=0.789，大幅超越CodeBERT基線（F1=0.305）。

隨著學術投稿量的激增，傳統同行評審面臨可擴充套件性極限。該綜述系統分析了基於大語言模型（LLM）的科學同行評審，聚焦於評語生成與評分預測兩大核心功能。文章構建了包括提示工程、監督學習、檢索增強和對齊最佳化在內的建模方法分類體系，並綜合了現有基準的實證結果。除效能指標外，文章還揭示了提示注入、資料投毒、檢索漏洞和獎勵破解等魯棒性風險，這些風險可能使自動化評審流程遭受策略性操縱。從資料探勘視角，作者指出了主觀分歧建模和跨領域泛化等關鍵開放挑戰。該綜述將自動化同行評審重新定義為高風險、多目標的決策問題，為開發魯棒、透明且可信的AI輔助科學評估系統提供了路線圖。

一項新研究引入了一個包含32,534份真實GCSE模擬考試雙評分學生回答的資料集，涵蓋五個科目328道題，包括手寫內容。測試發現，現成的大型語言模型與考官評分的一致性非常高，頂級模型的一致性甚至超過考官之間的一致性。模型在主觀任務如英語作文評分以及處理複雜手寫數學試卷方面表現出色，且一致性不受模型大小顯著影響，為自動化評分提供了經濟有效的解決方案。

Dustin是一種專為長上下文場景設計的稀疏驗證框架，透過結合草稿模型的預測訊號與目標模型的歷史注意力，僅對關鍵token進行驗證，顯著加速推測解碼中的KV快取載入瓶頸。在Qwen2.5-72B上，32k序列長度下自注意力加速27.85倍，端到端解碼加速9.17倍，精度損失可忽略。

arXiv最新研究揭示了語言模型中“檢測”與“控制”行為方向之間的幾何差異。研究發現，雖然模型可以完美檢測幻覺（AUC=1.0），但檢測方向與引起拒絕的方向餘弦僅為0.12，表明檢測不等於可控性。該差距在不同模型和規模中普遍存在，且源於預訓練階段。旋轉15度可部分緩解這一差距。

提出一種利用誤差感知TF-IDF檢索的框架來糾正ASR系統中的幻覺錯誤，在波斯語FLEURS資料集上顯著提升了詞錯誤率。

AgentOdyssey 是一個新穎的評估框架，透過程式化生成開放式文本遊戲來測試代理在持續學習環境中的能力。該框架挑戰了傳統機器學習假設，將學習與推理交織在整個部署過程中，並評估代理的世界知識獲取、情景記憶、探索能力、動作多樣性和模型成本。實驗表明，即使最強的代理也遠低於人類水平，其中短期記憶機制能顯著提升效能。

一項新研究表明，一群維基百科編輯者透過僅125次編輯，就能顯著影響大語言模型在動物福利話題上的行為。研究使用梯度歸因方法追蹤了這些編輯的影響，發現維基百科中動物福利相關的編輯內容在模型對相關查詢的響應中佔據主導地位。

針對自動語音識別（ASR）系統在命名實體、否定詞等關鍵語義標記上殘留的聲學相似性錯誤，研究人員提出G-SPIN框架，將聲學圖建模與上下文語言理解相結合，利用圖神經網路生成候選詞集，掩碼語言模型評分，最終由大語言模型重排序，實現輕量級、模組化的推理時糾錯。

MacroLens是一個全新的多工基準，涵蓋2021-2026年間4,416只美國小盤和微盤股。它整合價格、會計資料、宏觀經濟序列、SEC檔案和新聞，旨在解決金融時間序列評估中四大假設違反問題。基準包含七個任務、1,130個宏觀經濟事件，評估了19種方法，並進行了特徵消融實驗。

研究發現，全息記憶模型在知識圖譜零樣本組合查詢中表現不佳，其根源在於容量和干擾效應，而非繫結代數本身。

一篇新論文提出了一種監督強化學習（SRL）框架，用於協調分散式能源資源（DERs）。該方法先在演示資料上透過監督學習預訓練策略，然後透過離線和線上強化學習進行微調，即使在低質量資料下也能顯著優於基準方法。

該論文研究具有已知群對稱性的潛在世界模型的信任視界認證。透過分割共形乘法因子校準原始視界曲線，實驗表明準確等變性可將校準後的信任視界曲線沿群軌道傳輸，使得滾動誤差和信任視界在軌道上恆定。在2D和3D實驗中，等變模型在單校準區域內獲得安全且非空洞的軌道有效證書，而非等變基線需要額外代價。證書是保守的分佈審計，而非全域性可達性保證。

本研究探討了一個表示學習問題：物理世界模型在學習潛在表示後，守恆定律是否仍可被認證。作者提出“認證視野”的概念，即從可測量的模型缺陷出發，預先保證模擬軌跡在物理不變數水平集上保持的步數。核心創新在於認證物件是解碼後的物理不變數，而非學習到的潛在哈密頓量或標量見證。透過分解表示、讀出和潛在動力學缺陷的預算，並引入單調對齊橋，該框架在保守系統上進行了測試，發現不同的幾何先驗表現各異：硬規範辛結構在已知相座標下視野最長，但無法跨越學習圖表；而受控Lipschitz對齊的軟不變數在學習表示設定中表現良好。畫素認證可在讀出穩定的子管道中恢復，開普勒問題則暴露了幾何邊界。

本文提出了一種用於二元少樣本分類的飽和指數，幫助決定何時停止收集標註樣本。該指數基於類內協方差的有效秩，可在無測試標籤的情況下計算。實驗表明該指數與準確率增益高度相關，並定義了探索、過渡和飽和三個階段。作為停止規則，AUC達到0.752，同時可用於診斷表徵不足問題。

本調查將工業LLM的持續學習重新定義為版本化生態系統中的閉環更新與釋出問題，識別出三大核心挑戰（適應性侵蝕、能力傳承斷裂、可持續性約束），並提出五項生命週期設計原則，評估了各原則的成熟度並勾勒出實際部署藍圖。

本文提出一種在部署裝置上直接執行輕量級神經架構搜尋（NAS）的方法，以找到最佳的小型神經網路分析感測器即時資料。該方法特別適用於人機介面，可根據使用者變化重新設計網路。在義大利手語資料集（ISL）和CWRU資料集上的驗證表明，在樹莓派4上，該NAS在減少RAM佔用的同時提升了準確率。

一篇新論文展示了人類與AI如何協同工作，將模糊的研究直覺轉化為具體的數學發現。該案例研究聚焦於符號嵌入量子演算法，這是量子線性代數中的基礎原語。AI系統AIM在擴充套件直覺、比較候選公式和連線已知恆等式方面發揮了關鍵作用，但最終的科學判斷（如選擇研究方向、拒絕無效近似、最佳化實現）始終由人類做出。作者認為，人類-AI共同發現工作流最有價值的是作為研究夥伴，而非獨立的定理證明器。

麻省理工學院和微軟的研究人員開發了一種名為 Murakkab 的系統，用於最佳化 AI 代理工作流的設計和部署。該系統讓開發者用自然語言描述意圖，自動選擇最佳模型、工具和硬體配置，並動態調整以滿足使用者對速度或成本的要求。測試顯示，與傳統方法相比，Murakkab 僅需約35%的計算資源、27%的能耗和不到25%的成本，同時保持效能。

swarm-test 是一個多智慧體 AI 系統的靜態可靠性測試工具，無需即時 LLM 呼叫即可識別級聯故障、單點故障和上下文洩漏等問題，並提供 Swarm 評分和互動式報告。

參議員伯尼·桑德斯提出《美國人工智慧主權財富基金法案》，透過對大型AI公司徵收一次性50%的股票稅，建立約7萬億美元的公共基金。該基金由獨立委員會管理，每年將5%的價值分配給美國人。桑德斯認為，AI依賴公共知識和納稅人資助的研究，因此公眾應享有股權。儘管該概念獲得兩黨支援，但批評者指出50%的稅收可能抑制資本形成，並引發治理和過早分紅等問題。

Artificial Analysis 推出了全新的語音到語音指數，綜合評估原生語音模型的效能，包括語音推理、對話動態和代理能力。OpenAI GPT-Realtime-2 (High) 以77.2%的總分領先，xAI Grok Voice Think Fast 1.0 (75.7%)緊隨其後。Deepslate Opal 響應最快，而 Gemini 3.1 Flash 成本最低。

chrome-use 是一個開源工具，允許AI代理（如Claude Code、Cursor等）控制您真實且已登入的Chrome瀏覽器。它透過瀏覽器擴充套件和原生訊息傳遞實現，無需重新登入、避免驗證碼，並擁有真實瀏覽器指紋，反機器人系統無法檢測。

人工智慧初創公司Ornn AI Inc.獲得3300萬美元種子輪融資，由Andreessen Horowitz的加密基金等領投，旨在構建計算力交易市場。該公司推出了計算力指數OCPI和交易平臺Ornn Compute，幫助買賣雙方以商品形式交易GPU資源，提高市場透明度和流動性。

本文回顧了AI領域的最新動態，包括元工具（Meta-Harness）架構的興起、OpenAI自研晶片Jalapeño、Agent使用者體驗從工具向協作者轉變、Qwen-AgentWorld開放世界模型、中國開源模型GLM-5.2的進展，以及政策與人才競爭。重點討論了各領域的技術突破、行業影響及未來趨勢。

TronBrowser是一款基於Ungoogled Chromium的開源瀏覽器，注重隱私，內建AI側邊欄（自帶金鑰），支援無廣告、無遙測、無贊助標籤，並提供代理友好的CLI。免費開源，採用MIT許可證。

OpenAI的最新研究論文深入探討了AI代理如何透過處理更長時間、更復雜的任務，提高各類角色的生產力，從而變革工作方式。

文章討論了AI代理在修改系統時可能破壞自身執行環境的問題（洗車問題），以及企業IT如何適應AI驅動的超迴圈開發模式。提出了三大挑戰：安全遙測與爆炸半徑控制、供應鏈完整性、以及FinOps和代幣經濟學。建議IT部門從單一生產源轉變為分散式生產的安全運營環境提供者。

Paybond CLI 是一個用於AI代理安全支出的命令列工具，支援設定預算、審批、結果檢查和退款，確保代理花錢時安全可控。

Seltz Inc. 已獲得1250萬美元種子輪融資，用於構建針對AI演算法最佳化的搜尋基礎設施，使AI代理能夠從網路中找到結構化證據，超越傳統搜尋引擎。該公司建立了自己的爬蟲、索引和排名系統，在新聞搜尋中已達到89%的準確率，響應時間低於250毫秒。