映象理論提出透過可行路徑熵（VPE）度量智慧系統在反覆反射下維持連貫延續的能力。實驗表明，增加token預算可擴充套件驗證可達性，且模型能力並非僅取決於引數數量。

本文提出一種量子位元高效的量子框架用於超維計算分解，透過引入對數超向量和對數繫結編碼，並結合改進的Dürr-Høyer搜尋過程，將表示成本從O(D)降至O(log D)，同時保持O(√N^F)的搜尋複雜度，實驗驗證了正確的相似度計算和準確的分解，在可實現規模上實現了高達2000倍的量子位元減少。

單次條紋投影輪廓測量（FPP）網路在直接回歸深度時可能利用形狀先驗捷徑，即從物體邊界而非條紋相位恢復深度。本文提出的PhiCalNet透過輸出包裹相位表示並透過固定可微校準層對映到深度，從架構上消除了這一捷徑。在包含15,600張條紋影像的光照合成基準測試中，PhiCalNet將物體平均絕對誤差降低3.3倍至4.46毫米，殘差僅集中在包裹不連續處的0.103%畫素內。三幀擴充套件版本達到1.16毫米誤差。此外，首次在FPP中實現了畫素級共形不確定性量化。

線性注意力模型透過固定大小的迴圈狀態取代softmax注意力的KV快取，但限制了精確狀態跟蹤和長上下文記憶。本文提出半直積傅立葉增量注意力（SFDA），一種相位控制的泛化方法，將實對角衰減替換為塊旋轉傅立葉控制。主要貢獻是構造性塊WY分解，實現了精確的仿射塊傳輸、形式化穩定性和複雜度界限，以及相位加低秩記憶的緊湊表徵。實驗表明SFDA能學習迴圈記憶，而相位停用的KDA基線接近隨機。

OmniPM-Net是一種新型融合模型，利用卷積條件神經過程框架，將圖神經網路站點預報與化學傳輸模型網格預報相結合。在2024年中國1,618個站點的評估中，它匹配了最佳GNN的精度，同時將CAMS平均絕對誤差降低了30%，並提供了連續的空間場。該模型在沙塵暴和高濃度事件中表現尤為出色。

本文提出GenAI Evaluation，一種配置驅動的流水線，用於大規模評估零售對話系統。透過規範化、分片、非同步執行和模式約束的LLM評分，評估有幫助性、真實性、清晰度、語氣一致性和翻譯維度。選擇性重新評估僅處理無效記錄，支援模式鎖定和版本化配置。每日處理約5萬條記錄，已評估超200萬次互動。在12,980條人工標註記錄上取得宏F1 0.93和翻譯準確率89%。

本研究探討了多智慧體語言模型系統中互動圖結構如何影響共識形成。透過命名遊戲協議，研究人員分析了開源語言模型（1.1B-32B引數）群體中的約定形成過程。研究發現，同質性閾值相似性路由會加劇碎片化，而橋樑尋找路由在有記憶的情況下可修復碎片化。在異質模型群體中，閾值相似性導致共識失敗，而狀態元件和標籤分歧橋樑可恢復共識。同質模型群體中，保留歷史通常促進共識，其中Qwen2.5-32B模型在所有保留歷史設定中均達到穩定共識。該研究還驗證了結果對狀態閾值、群體規模和詞彙表大小的魯棒性，並表明早期視窗圖能量特徵可作為有效的網格內診斷工具。

論文提出了一個“代理就緒網站”設計框架，旨在增強電商平臺對AI代理的可讀性、可解釋性、可驗證性和可操作性。實驗表明，代理就緒網站將嚴格成功率從49.3%提升至89.3%，部分成功結果從43降至3，平均步驟數從9.31降至6.49。

本文提出LP Mining with LP2Graph方法，從已發表的LP和MILP公式中挖掘結構，構建可重複資料集和分類體系，應用於鐵路重新排程領域。

本文批判了人工智慧中的最佳化文化，指出最佳化過程雖然能衡量文本的不可預測性，但無法區分錯誤與創新。儘管如此，最佳化已在短短五年內取代了傳統機構，掌握了定義合法語言權威的地位。

提出一種可復現的校準優先獎勵審計框架，用於智慧溫室強化學習控制，將標量獎勵分解為溫度、CO2、溼度等元件，並在GreenLight-Gym和自主溫室挑戰賽資料上驗證。

GRID是一種基於語法約束的解碼引擎，透過將LALR(1)解析器狀態作為掩碼鍵，確保SQL輸出語法正確且符合角色許可權策略，提供可證明的保證、恆定時間成本及完整審計追蹤。在Spider資料集上，0.5B模型執行準確率提升13%，7B模型透過修復達到94.5%可執行率。

該研究結合了本體增強蒸餾與情境審計兩項方法，針對受資料居留規則約束的金融機構，提出租戶自有語言模型的構建與治理方案。蒸餾實驗表明，Qwen3.6-27B學生模型在40項越南語金融任務中達到36項正確，與GPT-5相當，但統計功效不足以證明等價；情境審計試點的結果表明殘存情境性為零，直接影響與構造耦合才是有效訊號。研究不支援當前模型的可部署性、安全性或優越性。

本文綜述了非平穩環境下的上下文強化學習（ICRL），即預訓練或微調的決策模型如何僅透過互動上下文推斷潛在任務規則並改進未來行為，而無需在測試時更新引數。在變化的環境中，累積的上下文可能變得過時甚至誤導，因此策略必須推斷當前決策規則並識別哪些歷史證據仍然有效。論文圍繞三個核心問題組織文獻：什麼在變化、變化如何展開以及變化對智慧體的可觀察程度，並將其與元強化學習、決策序列建模、檢索增強強化學習等方法聯絡起來。

本文提出了一個嚴格的永續期貨市場最優做市理論框架，將做市問題建模為隨機最優控制問題，貢獻包括損益分解定理、HJB方程、高APY區域定理等。數值分析揭示了盈利與非盈利區間的相變。

本文介紹了Millwright——一種三層資料契約架構，使模型生成的分析結果在不接觸標記、樣式或DOM的情況下渲染。透過型別化的結果構件、語義化版本控制的看板以及僅允許新增的導航頁面，確保安全、可審計且可撤銷的AI整合。

Syncless 的 Devices 功能允許使用者將多個環境（如 MacBook、伺服器、瀏覽器）連線到一個 AI 代理，實現跨機器無縫協作，無需 SSH 隧道或埠轉發。文章介紹了設定方法、使用場景及解決實際痛點。

時間線工作室是一款免費的開源AI影片編輯器和語音生成器，執行在瀏覽器中，無需下載安裝。它利用人工智慧技術簡化影片製作流程，適合內容創作者和開發者。

儘管AI智慧體被廣泛看好，但實際表現遠未達到預期。當前最佳模型的成功率僅為45.7%，且面臨可靠性、成本、法律和信任等多重挑戰。文章探討了單體和多智慧體架構的優劣，並指出短期內AI應輔助而非完全替代人類。

GPT-5.6系列中，Sol和Luna在任何智慧水平上的成本效率均優於Terra，尤其是Luna表現出極高的價效比。

澳大利亞總理阿爾巴尼斯在悉尼大學闡述AI應對策略，承諾加快資料中心審批以吸引投資。文章強調連貫決策和內部問責制的重要性，並指出AI帶來的經濟和社會挑戰亟需有效監管。

文章探討了“AI例外主義”現象，即人們對AI的態度因自身利益而異：當AI威脅自身職業時被視為不道德，而當其帶來便利時則被接受。透過記者、版權糾紛、好萊塢罷工和大學等例子，揭示了這種雙重標準的普遍性。

Gomoku AI Edu 是一款專為 macOS 設計的五子棋遊戲，提供 AI 對手、棋局分析、區域網對戰、SGF 匯出等功能。介面簡潔，支援離線使用，並針對 Apple Silicon 最佳化，適合從新手到進階玩家。

Nitrosend是一個為AI代理提供電子郵件服務的平臺，允許AI代理註冊、傳送和回覆郵件，旨在簡化AI與人類之間的通訊。

Vehir是一個實驗性的AI原生計算平臺，專為代理與計算機互動設計。它擁有自託管本地編譯器、使用者空間微核心、內容定址儲存和宣告式協調等核心特性，目前處於積極開發階段。

bunny是一個開源工具，透過共享遠端環境、聊天原生工作流和並行驗證，幫助團隊在AI時代進行協作開發。它允許人類和AI代理在統一上下文中討論、執行和迭代，並提供了基於RBAC的治理層。

Meta下一代智慧AI眼鏡的“超級感知”功能將啟用攝像頭而不閃爍指示燈，引發隱私擔憂。儘管Meta正打擊篡改指示燈行為，其自身卻計劃在某些AI功能中停用該燈，可能助長秘密錄製。

一位精品投資銀行創始人注意到AI正在替代實習生，於是建立了一個去中心化實習專案，專注於Bittensor（TAO）協議。實習生完成8周任務和最終演講，獲得“工作量證明”經驗。

首次評估了LLM函式呼叫中的不確定性量化方法，發現多采樣方法不優於單取樣方法，並提出基於抽象語法樹聚類和語義標記選擇的改進策略。

CLaRa是一種統一的檢索增強生成框架，透過將文件壓縮為連續向量並端到端聯合最佳化重排序器和生成器，顯著減少了上下文長度，提高了問答效能。其關鍵創新包括基於問答和釋義的SCP資料合成以及可微分的top-k估計器，實現了高達16倍的壓縮率，超越了基於文本的基線方法。