現有的多模態安全基準僅關注視覺輸入，無法評估處理視覺、音訊和文本的全模態大語言模型（Omni LLMs）。本文提出MCBench，包含1196個場景，涵蓋四個安全類別，每個不安全場景配有一個最小差異的安全版本來評估模型敏感性。評估表明，Omni LLMs在細微或非物理風險上表現困難，但當有顯著視覺或聽覺線索時表現較好。推理軌跡分析顯示，模型雖能提取模態特定資訊，但常無法有效整合這些線索進行安全判斷。研究發現當前Omni LLMs在安全關鍵場景中缺乏穩健的跨模態推理，強調了改進架構和訓練策略的必要性。

該論文系統研究了使用低秩適應（LoRA）對Qwen2.5-3B進行引數高效微調，以構建電信客服領域的專用對話助手。研究引入了組合式合成資料生成方法，評估了16種LoRA配置，揭示了定量驗證損失與定性人工對齊排名之間的差異，並提供了能耗-效能權衡分析。

本文研究通用三重潛在序列模型，該模型透過維護執行中的令牌狀態和壓縮的配對記憶路徑來捕獲高階令牌互動，無需特定基準解析。三重潛在族在位元組級WikiText-2和基於分詞器的MiniMind語言模型基準上改進了小型Transformer基線，而專注於回憶的門控鍵值檢索擴充套件提高了聯想回憶能力，但對種子敏感且當前參考實現速度較慢。

本研究提出了一種採用組相對策略最佳化（GRPO）結合方差感知獎勵框架的方法，用於後訓練大型語言模型（LLMs）以提升其在心臟相關醫學問答中的表現。該方法將傳統的二元標準聚合和整體Likert評分替換為連續分析獎勵函式，從而提供更豐富的最佳化訊號。在HealthBench的心臟子集上，最佳變體相對於Qwen3-14B基礎模型將準確率從0.362提升至0.502，F1從0.532提升至0.668，效能與GPT-OSS-120B相當。

本研究提出一種結合JEPA潛在空間預測損失與標準掩碼語言建模（MLM）的混合預訓練目標，旨在改進語言表示。實驗表明，該混合編碼器生成的嵌入更均勻、語義-詞彙平衡更優，但下游準確率與純MLM基線相似。

研究團隊提出了一個雙層SIR/SIRS框架來模擬AI生態系統中模型與資料語料庫之間的合成資料交叉汙染，發現合成文本檢測和群體免疫是關鍵干預策略。

DiffSlack提出一種可微投影層，透過可學習的鬆弛變數將不等式約束轉化為等式，從而在神經網路中高效實施非線性不等式約束。該方法在具有200個非線性約束的車輛路徑規劃任務中，相比基線方法實現了更高的規劃成功率和更強的幾何約束滿足能力，並在CARLA模擬和真實車輛實驗中驗證了其軌跡的可執行性。

研究人員提出可微高效運算子搜尋框架，自動尋找多模態基礎模型中的令牌縮減最優策略，在視覺令牌大幅壓縮下仍保持精度與效率的平衡。

最近對多路徑深度線性網路的分析使用梯度流預測了“贏家通吃”的專業化，其中路徑對稱性被打破，每個特徵集中在一個路徑上。本文表明，大步長的離散梯度下降（GD）講述了不同的故事。我們證明單路徑解是尖銳最小值，而將訊號分佈到多個路徑上會降低尖銳度，且降低因子隨路徑數量和深度增加而減小。因此，雖然早期訓練再現了梯度流預測的深度驅動對稱性破壞，但隨後在穩定邊緣的振盪覆蓋了這一趨勢，並將網路驅動到再平衡階段，訊號在路徑間重新分佈。這些結果共同闡明瞭深度如何塑造路徑競爭，並解釋了大步長GD為何有利於共享表示而非持續的單路徑主導。

該研究提出狀態承諾學習，透過反事實擦除強化學習（CERL）訓練語言模型區分臨時計算與持久狀態，在不犧牲準確性的前提下減少答案對隱藏思維的依賴。

研究人員在一款蒸餾版大型語言模型（Qwen3-4B-Instruct-2507）中定位了負責時間偏好的神經子圖，發現模型對未來折扣的程度遠低於人類，且這種偏好在不同上下文中不穩定，而透過引導向量可以調節時間偏好。

PyCC 是一個 Python 庫，利用特徵曲線啟發的結構骨架，從時間序列資料中自動發現常微分方程。它透過融入領域假設來解決方程發現中的病態逆問題，並具有結構可識別性屬性。

該論文提出了一種分階段分數因子篩選方法，以在預算緊張的情況下有效識別高懲罰超引數方向。透過613項實驗，研究發現總批處理量、深度和寬度在短期預算內懲罰最大，隨著預算增加而緩解。短時間設計篩選可幫助確認有前景的錨點並區域性最佳化，支援以60分鐘橋接錨點為中心的建議，但排名不是硬體不變的。

即使準確率相同，不同的開源大語言模型（LLM）在錯誤嚴重性分佈上也存在顯著差異——這種差異是標量錯誤率所無法捕捉的。我們引入了Errorquake-10k基準測試，包含10,000個查詢，在8個領域和5個難度等級上對每個回答進行0-4連續嚴重性評分，併為21個開源模型擬合了嚴重性分佈。

一篇新論文提出了評估LLM基準覆蓋的體視學理論，發現基準套件的有效維度導致巨大盲點，遠超分數差異，並提出了最小基準集選擇演算法和解決了Gardner問題。

agentgateway 是一個專為 AI 和代理工作負載設計的統一開源閘道器，現已作為第四個專案加入 Linux 基金會旗下的代理 AI 基金會 (AAIF)。它透過單一平臺管理 MCP、A2A、LLM 推理、HTTP 和 gRPC 流量，提供安全、可觀測性、路由和治理能力，幫助組織應對智慧代理系統帶來的運維挑戰。

Deb Liu反思了AI驅動的持續最佳化文化以及對落後的恐懼，認為真正的生產力包括靜止，AI不應取代人類反思。

AgentNotes 是一款為AI代理提供簡明英文摘要的工具。只需安裝一個包並設定三個環境變數，即可在儀表盤中檢視代理的執行日誌和摘要。支援Python、Node.js和ClawHub，提供7天免費試用。

AISOP是一種開放協議，允許開發者使用Mermaid或JSON流程圖定義結構化AI程式，支援分支、並行執行、子任務和錯誤處理等14種以上控制流模式，以單一可移植JSON格式實現。其設計注重可移植性、機器可讀性和令牌效率，並遵循“人類主權與福祉”的零號公理。

Zilliz 推出 Vector Lakebase 公開預覽版，這是一種以語義為中心的資料平臺，統一了即時檢索、互動式發現和批次分析三種AI工作負載模式。該平臺提供分層服務、按需搜尋、外部資料湖搜尋、全光譜搜尋和統一湖原生儲存等特性，相比無伺服器方案可大幅降低成本。

在OSSNA大會上，Dirk與Linus就AI與核心開發進行了討論。本文由Joe Brockmeier於2026年5月25日報道。

許多公司在AI上投入巨大卻難以衡量實際回報。Cognition推出AI生產力保障，承諾若其AI工程師Devin創造的價值低於客戶支付費用，將提供高達1000萬美元的信用額度。該保障基於一個經過驗證的生產力估算器，透過比較AI完成任務的輸出與人類工程師所需時間來計算。

企業正迅速採用AI代理，但往往未經IT批准，導致憑證洩露等安全風險。Bitwarden提供Secrets Manager、Access Intelligence、Agent Access SDK和MCP伺服器等解決方案，以保護AI代理對憑證的安全訪問。

Bonsai 是一款利用智慧體AI、瀏覽器自動化和記憶功能來替代ChatGPT的工具，可在Google Drive下載。

Ollama 0.30 現已釋出，透過 llama.cpp 帶來更優效能和 GGUF 模型相容性，增強了 Apple Silicon 上的 MLX 引擎，支援更多硬體和模型。

一位資深工程師分享瞭如何用AI輔助構建一款面向青少年棒球隊的排陣與管理應用CalledUp。他強調了保持對程式碼和架構的掌控權、將思考與編碼分離、從小功能入手、以及像真實使用者一樣測試的重要性。AI並未替他做決策，而是加速了從想法到功能的過程。

Charity Majors 精準捕捉了AI愛好者和懷疑者之間的動態關係，兩者都在努力構建優秀的軟體，且常在同一團隊中。愛好者看到AI帶來的能力飛躍，而懷疑者則擔憂程式碼速度過快導致可靠性下降和知識流失。她建議將這一挑戰視為領導力和工程問題，核心在於缺乏連線兩方的自然反饋迴圈。

莫納什大學的科學家們建立了一種微型晶片，能夠在一個器件中產生、操縱和讀取基於光的資訊，標誌著向超快、節能計算邁出了重要一步。該突破利用原子級薄材料和奈米結構控制光的獨特量子屬性——“谷”自由度，從而以全新方式編碼資訊。

韓國新規要求所有線上論壇使用AI工具掃描使用者上傳的每張圖片以打擊非法內容，引發隱私和言論自由爭議。

Mike Caulfield介紹了他的電影推薦網站Plot.fyi，該網站透過離線使用AI（Claude Code）對一萬部電影進行標籤化處理，構建了無需即時AI呼叫的全靜態HTML頁面。這種方法避免了傳統AI包裝應用的經濟困境——要麼承擔高昂的API成本，要麼被AI模型本身取代。文章強調了資料所有權的價值，並認為即使未來AI能力再強，當前仍然存在探索替代方案的廣闊空間。