新研究提出MSFAN深度學習架構，結合太赫茲雙梳光譜技術對12種聚合物進行分類，準確率達85.2%，有望提升塑膠回收分揀效率。

擴散大語言模型(dLLMs)在迭代精煉令牌時存在“穩定滯後”問題，早期決策即使已提交仍很脆弱。後訓練量化(PTQ)錯誤容易翻轉這些邊界決策並永久鎖定放大。為此，本文提出FAIR-Calib，一個兩階段PTQ框架：第一階段探測全精度教師以估計結合前沿命中與掩蔽階段可靠性的位置先驗；第二階段透過最小化重加權隱藏狀態MSE執行離策略逐層校準，優先保護脆弱的前沿狀態。理論上證明加權目標是輸出KL散度的代理。實驗表明，FAIR-Calib在LLaDA和Dream模型上持續優於最先進基線，顯著減少了前沿決策翻轉和後提交不匹配。

本文提出Elmes*框架，用於自動構建、最佳化和應用於教育場景的細粒度評估標準。透過多智慧體引擎和自進化模組SceneGen，構建了涵蓋11個學科、3個年級段、10種任務型別、超1000個二級指標的Edu-330基準。實驗表明教育能力是多維的，頂尖LLM在創造力和價值觀整合上差異顯著，知識型模型可能在蘇格拉底式引導中失敗，教育專用模型InnoSpark取得最佳人工評分。LLM評估者保持與人類相當的排名，但存在自我偏好等偏差。該框架為基於教學法的LLM評估提供了可擴充套件的診斷基礎設施。

本文研究了並行連續區域性搜尋（CLS）在布林可滿足性問題（SAT）中處理對稱偽布林約束時的應用。透過將問題鬆弛為超立方體上的連續最佳化，實驗發現冗餘約束會阻礙收斂；CLS在混合求解中能快速完成部分賦值；區域性搜尋由於目標函式鞍點密集而迅速收斂到穩定解質量分佈。這些發現為在加速器硬體上使用CLS求解SAT提供了實際指導。

本文介紹加速傅立葉SAT（AFSAT），一種基於連續區域性搜尋（CLS）的GPU加速偽布林可滿足性求解器。AFSAT將概念驗證方法FastFourierSAT發展為完全工程化的求解器，支援任意異構對稱約束型別和長度的混合。利用JAX編譯器，透過純函式組合、自動向量化、自動微分和即時編譯實現大規模並行CLS。與概念驗證相比，AFSAT在數值穩定性、執行時效能和記憶體效率上顯著提升，透過解決記憶體延遲和浮點表示限制，以及利用自動並行化和緊湊表示實現。定製的離散傅立葉變換部分解決了浮點限制，透過JAX陣列分片實現多加速器近線性擴充套件。

本文主張，AI科學應超越僅分析事後模型的研究正規化，轉向研究訓練過程中模型行為產生的動態機制。透過預測早期訊號、干預異常軌跡及設計可靠的訓練流程，實現更深入的AI理解。

CARVE-Q是一種量子-AI混合架構，用於對自動駕駛中被否決的機動進行經過認證的修復。它利用量子最小搜尋加速修復列舉，同時保持安全認證的經典性，實現了可證明的加速和100%的合規性。

一項新研究表明，在代理型AI控制評估中，如果攻擊者戰略性地選擇攻擊時機，系統的實測安全性會顯著下降。研究人員將攻擊決策分解為開始和停止策略，並在BashArena和LinuxArena兩個環境中驗證，發現即使審計預算僅為1%，攻擊選擇也能使安全性降低20至28個百分點，且不改變攻擊能力本身。現有評估可能高估了系統的安全性，未來應納入攻擊選擇因素以得到更現實的評估。

大語言模型在數學推理方面取得了顯著進展，但現有基準通常評估有明確最終問題、逐步解決方案或完整證明的問題，未能捕捉協作式開放問題求解的過程。本文介紹了CrowdMath，一個包含164條專家註釋進展鏈的資料集，來源於MIT PRIMES與AoPS合作的CrowdMath專案（2016-2025）。每條鏈追蹤從開放問題到證明完成的多參與者論壇討論，帖子按功能角色標註。六種前沿模型在下一帖預測上達到83-88%的準確率，但在帖子角色分類上最佳宏F1僅為0.42，揭示了模型在理解協作式數學進展方面的不足。

本文提出Lean4Agent，據我們所知，這是首個使用依賴型別形式語言Lean4來建模和驗證大語言模型智慧體行為的框架。它包含FormalAgentLib庫和LeanEvolve最佳化工具，實驗表明透過驗證的工作流效能平均提升11.94%，LeanEvolve進一步將軟體工程任務效能提升7.47%。

針對數獨求解中學習型求解器缺乏正確性保證、符號求解器易陷入長尾搜尋的問題，研究人員提出了一種擴散模型引導的分支選擇方法DiBS。該方法在保持符號求解器完備性的同時，利用擴散模型對候選值進行排序，顯著降低了搜尋成本。在Royle 17線索數獨基準測試上，DiBS減少了節點數、回溯次數和長尾百分位，證明了全域性學習引導在困難例項上的有效性。

該論文將機器學習中的偏見形式化為對稱性破缺，透過損失正則化恢復對稱性，在合成資料集上實現了90%以上的違規減少，準確率成本僅約5%。該方法無需因果圖知識，計算輕量，適用於任何可定義為位翻轉的敏感屬性。

Cerebro白皮書提出了一種全新的AI治理理念：將公司本身視為基礎設施，使小型運營者能夠運營AI原生企業。該框架涵蓋記憶體、決策、工作流、智慧體、模型和治理，所有元件都是版本化、可檢查且由運營者擁有的。它是Libro（一個面向Claude Code的開源Ops腳手架）的配套文件。

本文介紹了一個自定義的 Claude Code 狀態列指令碼，可即時顯示上下文視窗使用率、令牌總數、程式碼增減行數以及速率限制剩餘配額，幫助開發者避免中途被限制。

輝達與LG集團宣佈合作建設AI工廠，為LG提供加速計算基礎設施，以支援其在機器人、自動駕駛、資料中心和GPU雲服務等領域的AI業務。雙方將整合輝達的全棧AI工廠平臺與LG在消費電子、機器人、移動出行元件等領域的全球領先地位，打造統一的物理AI系統開發工作流程。

TeardownHQ 為獨立 SaaS 創始人提供經過驗證的收入資料和深度研究手冊，詳細剖析初創公司如何增長，包括渠道、定價和進入市場策略。目錄免費瀏覽，完整分解報告為付費產品。前500名使用者可獲創始會員終身優惠。

Solarch 是一個利用 AI 建立互動式圖表的工具，確保您的程式碼始終保持同步。

Preseason.ai 是一個開源基準測試平臺，透過一系列標準化提示，追蹤 AI 模型在不同開發場景下選擇的工具，並展示排名結果。測試覆蓋從初級到專家的多個級別，包括 AI 支援平臺、SaaS 應用、電商等場景。結果顯示 Stripe、PostgreSQL、Auth0 等工具在多個類別中領先。

PandaProbe Cloud 是一個完全託管的代理工程平臺。

OpenAI 釋出了關於人工智慧未來的願景，重點在於可及性、安全性和共享繁榮，確保通用人工智慧造福全人類。

OpenAI展望AI的未來，專注於可及性、安全性和共享繁榮，確保通用人工智慧惠及每一個人。

本文探討了學生過度依賴AI完成寫作任務的問題，指出這可能導致未來的專業人士缺乏必備的寫作和批判性思維能力，從而影響社會。

EMILIAProtocol定義了一個行動式、供應商中立的協議，用於高風險工作流中的信任評估和預行動信任執行。它透過信任收據、信任配置檔案和信任決策等核心物件，結合握手和問責籤核機制，確保系統在執行前對具體行動進行約束。

AI程式碼縫合器是一個開源工具，可將AI生成的程式碼精確整合到現有程式碼庫中。最新版本v1.74引入了自動更新和匯入提升功能，同時保持了對使用者控制的堅定承諾，區別於行業中日益自主的AI代理。

蘋果釋出了第三代基礎模型系列，包含五個模型，與谷歌合作開發，涵蓋裝置端和伺服器端，強調隱私保護和新架構。這些模型驅動全新Siri和智慧工具，在評估中展現出顯著質量提升。

OpenAI 發起經濟研究交流計劃，旨在研究人工智慧對就業、生產力和經濟的影響。現已開放研究專案申請。

OpenEnv是一個用於建立智慧體執行環境（如終端、瀏覽器等）的開源工具。今天，我們宣佈OpenEnv將變得更加開放，由一個包括Meta-PyTorch、Reflection、Unsloth、Modal、Prime Intellect、Nvidia、Mercor、Fleet AI和Hugging Face在內的委員會協調。該專案旨在為開放原始碼的智慧體訓練提供通用基礎設施，並專注於作為互操作性層，而不是定義獎勵或訓練迴圈。

matchmind是一款AI驅動的求職匹配工具，每天早上6點自動掃描5個招聘板，根據使用者個人資料對職位進行評分，併傳送前10個最匹配的職位。它使用GPT-4分析職位描述，提供評分和解釋，並支援反饋迴圈以持續最佳化匹配結果。

Simon Willison 釋出了 datasette-agent-edit 0.1a0，這是一個為 Datasette Agent 外掛提供通用檔案編輯工具的基礎外掛，實現了檢視、字串替換和插入等核心功能。

本文反駁了“AI將取代法律工作”的觀點，指出法律工作並非固定總量。透過分析傑文斯效應、對抗性動態和鮑莫爾成本病，作者認為AI實際上會增加對法律服務的需求，導致更多而非更少的法律工作。