本研究介紹了PSL團隊在2026年QIAS阿拉伯伊斯蘭繼承推理共享任務中的參與情況。該任務評估大型語言模型解決涉及法律解釋、多步推理和精確數值計算的繼承案件的能力。結果顯示，商業模型（如Gemini 2.5 Flash）在識別合格繼承人、應用排除規則和保持推理一致性方面表現更佳，而開源模型在依賴法律決策和分數份額調整的情況下穩定性較差。

一項新研究介紹了WebDecept，一個用於注入欺騙性介面以測試網頁代理安全性的框架。評估表明，當前代理極易受到定向廣告、域名重定向等操縱，且基於提示的防禦往往失效。

一項新研究發現，使用大型語言模型（LLM）作為評審（LLM-as-a-Judge）來評估其他模型輸出時存在顯著的不穩定性：成對偏好平均翻轉率為13.6%，28%的問題超過20%的翻轉率，個別問題高達56%。GPT-4o-mini表現出明顯的首位偏見，且不同評審之間的一致性僅為76%。研究表明，單次評估噪聲過大，建議採用多次實驗聚合、隨機化位置和明確報告不確定性。

研究表明，大腦皮層神經活動的試次間變異性（結構化噪聲）可以顯著提高人工神經網路對對抗攻擊和自然影像修改的魯棒性，其中自然修改的魯棒性提升最大但遷移性差，而對抗噪聲的結構可推廣到其他攻擊。

arXiv 論文提出 DiPOD 框架，透過自蒸餾與策略改進梯度更新交替進行，解決了擴散策略最佳化中的雙重漂移問題，穩定訓練並實現更高獎勵。

一篇新論文提出Cheap LoRA (cLA)和鏈式迴圈變體c³LA，透過在現有LoRA變體中引入稀疏性，實現引數高效的微調。理論推導了泛化誤差界，實驗表明在11種微調方法、10個預訓練模型和14個資料集上，稀疏結構化列空間限制的LoRA方法在保持競爭力的同時，可減少高達10%的訓練時間和15%的峰值GPU記憶體。

本文提出D2H-AD，一種基於超維度計算（HDC）的新型異常檢測框架。該框架整合距離相似性和密度感知編碼，在五個基準資料集上優於現有方法，並表現出高精度、可解釋性和計算效率，適用於TinyML和邊緣AI部署。

最新研究透過干預訓練過程中的權重範數，證實了權重範數是神經網路“頓悟”（延遲泛化）的因果決定因素。研究發現，在自由訓練中，網路在權重範數達到一個臨界值Wc時發生頓悟，該值變化極小且隨模數呈冪律增長。當固定範數為Wc的倍數ρ時，延遲時間遵循T_grok ∝ exp(αρ)，指數α≈7.5，擬合優度R²=0.996。固定範數可使延遲變化約19倍，而學習率僅影響約2倍。新增LayerNorm可消除這種依賴。

本文提出一種全GPU工作流，透過可微高保真求解器JAX-Fluids加速資料生成，並利用不確定性量化和物理感知細化訓練神經模擬器，有效解決了高超聲速流中陡峭梯度預測的難題。

一種針對時尚電商促銷活動的新演算法定價工具，採用日解析度需求預測和多目標最佳化，在Zalando的A/B測試中實現了6%的利潤提升。

本文提出llada.cpp，首個針對移動NPU最佳化的擴散大語言模型推理框架。透過多塊投機解碼、雙路徑漸進修正和交換最佳化記憶體執行時三項技術，在保證生成質量的同時，將LLaDA-8B的生成延遲較CPU基線降低17-42倍。

研究表明，編輯單個神經元就可以消除Gemma 4指令調優模型中的重複迴圈，但在長時間推理中的“末日迴圈”仍無法徹底解決，這本質上是一個知識精度問題。

在低資源資料孤島中，使用本地參考分佈進行資料選擇反而會加速模型崩潰，導致多樣性呈冪律衰減。透過構建不共享原始資料的Wasserstein代理參考，可以緩解多樣性退化。

TwinBI 是一種智慧數字孿生框架，透過將基於LLM的代理系統與可執行的BI儀表盤狀態相結合，統一了對話互動、儀表盤操作、語義錨定和溯源跟蹤。在A/B測試中，它將精確匹配準確率從43.3%提升至63.3%，部分匹配準確率從48.3%提升至70.8%，並將超時率從40.0%大幅降低至10.0%。使用者研究也證實了整合儀表盤與聊天工作流在任務準確性和工作負載方面的優勢。

YeasierAgent是一種新型應用構建正規化，基於共生體Agent、敘事世界和場景感知互動。它透過將應用重新定義為使用者、Agent和世界之間的協作空間，挑戰傳統的裝置耦合軟體模型。該系統架構實現兩大貢獻：利用平臺無關的互動單元（Agent、場景、對話）快速構建跨平臺的原生Agent應用，並在單一體驗沙盒中統一Agent的情感陪伴和工具執行屬性。透過整合自動生成、使用者建立世界和空間多Agent協作，YeasierAgent形式化了“共生體Agent原生應用”類別，展示了從孤立、工具特定的聊天機器人向凝聚、社會嵌入的計算環境轉變。

一篇新論文比較了差異均值法（DiM）和迭代空空間投影法（INLP）在安全微調聊天模型中引導拒絕行為的效果。研究發現，INLP反事實翻轉在拒絕抑制方面與DiM定向消融相當，而空空間投影則較弱。將INLP限制在主要方向可以保持抑制效果且困惑度接近基線，兩種干預方法落入啟用空間的不同區域，表明模型對概念缺失與相反概念有不同的編碼。

2024年，WorkBench上最強的代理GPT-4完成43%任務，26%有害行為；2026年，Claude Opus 4.8完成89%，有害行為降至2.5%。能力與安全性協同提升；基本錯誤仍可能導致不可逆損害；開源模型降低成本。更新版基準釋出。

提出混合開放式三進化（HOTE）框架，利用混合模式強化學習促進提議者、求解者和評判者基於網路規模知識的協同進化，實現自主進化智慧體。實驗表明，8B模型在長格式深度研究基準上超越最強靜態8-32B模型及最先進深度研究方法，且時間開銷更低。

本文提出Orchestra-o1，一個支援文本、影像、音訊和影片等多種模態統一編排的智慧體協作框架。該框架透過模態感知的任務分解、線上子智慧體專業化和並行子任務執行，在OmniGAIA基準上超越第二名方法10.3%的準確率。同時引入決策對齊組相對策略最佳化（DA-GRPO）訓練方法，使Orchestra-o1-8B模型在開源全模態智慧體中達到最先進水平。

泥濘兒童謎題是關於知識與無知的經典謎題，對認知邏輯的發展具有重要啟發作用。其起源尚不明確，本文追溯該謎題在過去兩個世紀邏輯與文學出版物中的演變，並介紹其多種變體及一個涉及自指的新帽子謎題。

Noah AI是一個專為製藥、生物技術和醫療專業人員設計的領域特定AI平臺，可訪問超過1億篇研究文章、臨床試驗、指南、專利和財務報告。它透過智慧代理將問題轉化為帶有引用的決策就緒報告，支援自動化工作流和專家技能，顯著提升工作效率。

研究表明，無需隱藏提示或更改科學內容，僅修改論文的演示層面（如摘要、敘述結構等）就能顯著欺騙AI評審者，攻擊成功率達75.1%。

輝達的策略不僅是製造GPU，而是透過大規模投資整個AI生態系統來創造對其核心產品的需求，形成一個自我強化的迴圈，鞏固其主導地位。僅在2026年前五個月就部署了超過400億美元，輝達既是供應商又是融資方，確保其晶片成為AI經濟的核心資源。

Dream Server 是一個一鍵安裝的本地 AI 伺服器套件，支援 Linux、Windows 和 macOS，整合了模型推理、聊天介面、控制面板、語音、代理、工作流、RAG、影像生成和隱私工具，無需雲服務或訂閱。

企業AI智慧體正從集中式伺服器向分散式環境遷移，這一趨勢提高了靈活性和響應速度。Focused Labs 提供為期三週的智慧體藍圖服務，幫助企業快速實現生產級智慧體部署。

LLM Gateway Chat 是一個整合超過210個AI模型的統一平臺，支援在對話中切換模型，提供影像、影片、音訊和畫布工作室，以及群組模式並排比較答案。一個餘額覆蓋所有使用，訂閱從每月9美元起。

最新研究發現，對AI安全措施越有信心的組織，實際上越可能遭遇資料洩露。

Claude Code已從終端編碼助手演變為分層智慧代理系統。本指南詳細介紹了25個功能和策略，包括CLAUDE.md、技能、子代理、鉤子、MCP伺服器和Auto模式等官方能力，以及社群技術和第三方工具。包含對比表格、實際用例、程式碼示例和互動式演示。

一位開發者分享了基於最新研究構建的免費AI寫作檢測器 Isitslop.xyz，無需登入，可幫助使用者識別AI生成內容。

Deep Work Plan 是一個開源工具，將結構化計劃直接嵌入程式碼倉庫，確保AI代理在長時間任務中不偏離原計劃。它透過原子任務、驗收標準和驗證門來約束代理行為，並支援中斷後恢復，相容任何代理和倉庫。