該論文提出了一種基於滑動視窗的強化學習（SWRL）框架，用於解決具有複雜配套約束的柔性裝配流水車間排程問題。該方法將問題建模為異構圖馬爾可夫決策過程，並整合了滑動視窗過濾、時空圖編碼和動態動作對映模組。在家電製造企業的真實資料實驗中，SWRL相比經典排程規則和現有深度強化學習方法，顯著降低了延遲，並在不同資源配置下展現出魯棒性。

VERITAS 是一個領域無關的複製框架，基於 CLI 編碼代理，能自動提取論文宣告、執行方法並判斷結果，返回重要性加權的複製分數和修復日誌。在涵蓋電腦科學、社會科學、醫學和天體物理學的 65 篇論文評估中，VERITAS 在 CORE-Bench 和 ReplicationBench 上均達到最優效能。

大型語言模型（LLM）在安全性和有用性之間面臨挑戰。傳統的拒絕式對齊策略會拒絕敏感查詢，但可能無法滿足使用者合理需求。Oyster-II提出基於強化學習（RL）的建設性安全對齊框架，採用Zero-RL正規化和多階段RL策略，解決了Oyster-I中監督微調（SFT）方案的安全泛化不足和安全思維鏈過度泛化問題。在多個基準測試中，Oyster-II在安全維度上全面超越Qwen3-14B和Oyster-I，效能堪比Qwen3-Max和Qwen3.5-397B。

新基準測試MedCalc-Pro評估了大語言模型在複雜醫學計算中的表現，涵蓋多計算器、巢狀比例和模糊查詢。作者還提出了一個通用代理框架，在三種任務設定中均優於現有模型。

大型語言模型代理可以透過積累經驗來改進，但自由形式的文本記憶難以維護、驗證和重用。本文提出以物件為中心的環境建模（OCM），將經驗組織成可執行的物件中心環境模型。OCM維護兩個相連的程式碼庫：物件知識（用Python類定義環境實體和機制）和過程知識（記錄可重用的互動模式）。實驗表明，OCM在基準測試中取得最佳平均排名，並減少了無效動作。

SwarmResearch 是一種編排器-子代理架構，透過全域性上下文指導搜尋代理種群，在開放式最佳化任務中優於現有方法。

研究人員推出了REDI，這是一個開源框架，透過統一的五階段管道（攝取、預處理、轉換、結構化、輸出）自動將大規模科學資料集轉化為人工智慧就緒資料。它包含可追溯性、可復現性以及代理可呼叫技能部署。配套工具SetGo可自動化FAIR合規性和目錄釋出。在氣候、蛋白質組學、材料科學和核聚變領域進行了評估，顯示出近乎理想的並行擴充套件能力，並識別出檔案I/O為主要成本。

本文提出ASK+方法，透過為小語言模型提供軌跡感知上下文和結構化思維鏈推理，顯著提升了部分可觀測環境下強化學習代理的效能。實驗表明，ASK+在DoorKey、FourRooms等任務中超越基線，且提示設計比模型規模更重要。

成對比較常用於學習人們對決策規則的偏好，但本文指出它基於兩個強假設：區域性比較能反映全域性偏好，且人能果斷回答。在內部多元主義（個體根據多種權威優先順序評估規則）下，這些假設可能失效。全域性優先事項（如比例性）無法透過區域性比較捕捉，且優先順序衝突會導致行為扭曲。允許報告猶豫可減少查詢次數，併為直接引出優先順序的方法指明方向。

訊飛具身全模態是一個統一的多模態基礎模型，聯合建模視覺（影片和影像）、語言和動作。它採用大腦-小腦協作架構：視覺語言模型和影片生成模型充當高階大腦進行理解和規劃，動作生成模型充當低階小腦執行動作。該模型透過四階段訓練策略在包含人類演示、機器人互動和通用影像文本資料的綜合性資料集上訓練。

社交媒體正將AI眼鏡等監控技術包裝成時尚潮流，從而淡化其隱私風險，使騷擾和非自願拍攝行為正常化。本文以Alexa Chung釋出Ring安防攝像頭穿搭照為例，揭示了這一趨勢的隱患。

大學越來越多地使用AI檢測工具來識別學生作業中是否使用生成式AI，但研究表明這些工具存在高誤報率，甚至將人類寫的文章誤判為AI生成，引發公平性擔憂。

Panoptes 是一個開源工具，用於監控 AI 代理的操作，記錄所有工具呼叫、檔案讀取和 shell 命令，並提供可查詢的審計追蹤和策略執行功能。

Stitch 是一款開源、本地執行的AI桌面應用，整合記憶、會議記錄、日程管理、自動化、郵件處理等功能。支援多種AI模型及本地模型，無需建立賬戶，所有資料本地儲存，確保隱私安全。

本文透過計算機架構的視角，分析AI程式設計代理（如Claude Code、Cursor）的執行機制，指出其本質與CPU的取指-譯碼-執行週期無異。文章剖析了在本地執行代理的三大瓶頸：計算資源不足、無法持續線上、環境異構與汙染。隨後討論了OpenClaw等自託管方案的短暫熱潮及其侷限，最後論證雲原生代理是必然趨勢，能實現從筆記型電腦的2-3個代理到雲端1000+的規模躍遷，並帶來15倍的投資回報率。

Artificial Analysis 與 Zapier 合作推出 AutomationBench-AA 排行榜，測試 AI 模型在真實 SaaS 工作流中的自動化能力。該基準包含 657 個任務，覆蓋多個業務領域。Claude Fable 5 以 48.6% 的得分領先，Gemini 3.5 Flash 在成本效益上表現突出。所有模型均出現防護欄違規，金融任務難度最高。

Kickbacks CLI 是 Kickbacks.ai 的終端和Mac選單欄伴侶，方便使用者快速訪問和使用AI服務。

Foundation 是一個開源的全棧框架，透過單一合約架構、Hermes 熱平面和零複製通訊，彌合硬體速度與軟體棧之間的差距，為 AI 代理和人類開發者提供高效能、確定性協作環境。

pi_agent_rust 是 Pi Agent 的 Rust 完全移植版，即時啟動、穩定流式輸出、記憶體佔用低，並提供擴充套件系統和多種執行模式，解決現有 AI 編碼助手的效能瓶頸。

Millfolio是一個在Mac上執行的本地優先AI工具，透過將程式傳送到資料而非將資料傳送到模型來保護隱私。它使用Mojo構建後端，利用本地模型索引檔案，並透過前沿模型（Claude）編寫查詢程式，該程式只訪問脫敏的模式資訊。

本教程介紹如何構建一個端到端的自主AI合作科學家工作流程，用於發現針對非小細胞肺癌中C797S奧希替尼耐藥突變的新一代EGFR抑制劑。流程包括透過ChEMBL和UniProt解析靶點、挖掘IC50資料並轉換為pIC50資料集、使用RDKit標準化分子、計算摩根指紋、訓練基於骨架分割的隨機森林QSAR模型、使用SHAP解釋活性驅動因素，以及透過BRICS片段重組生成並篩選新型候選分子。

作者以個人經歷反思AI的操縱性，指出AI系統雖有用但存在偏見，可能無意中成為西方文明衰落的推手。

Meta正在測試一款名為Pocket的社交應用，使用者無需程式設計即可建立、分享和發現AI生成的迷你遊戲（稱為“gizmos”）。該應用目前處於Google Play的封閉測試階段，合作平臺包括Facebook、Instagram和WhatsApp的交叉推廣。

明智地使用AI要求團隊優先考慮價值而非採用率。本文透過電影《Obsession》中的角色誤用魔法捷徑的類比，強調了治理和審慎決策的重要性。

使用者批評Anthropic的Claude Fable 5在7月1日重新發布後表現下降，認為其安全護欄過於嚴格。基準測試分數大幅下滑，但Anthropic堅稱模型未變，歸因於增強的安全分類器。

澳大利亞支付Plus（AP+）使用ChatGPT Enterprise和Codex來應對支付複雜性，提高效率和質量，同時保持人工判斷的核心地位。

SkyPilot與Hugging Face合作，允許使用者將模型和資料集儲存在Hugging Face Hub上，並透過SkyPilot在任何雲上執行計算任務，無需支付資料傳輸費用。

研究表明，語言模型的安全對齊透過兩種機械上不同的系統運作：拒絕對話的神經元和編碼有害知識的概念神經元。透過針對每個系統中的單個神經元，研究人員展示了兩種失敗模式——透過抑制繞過明確有害請求的安全性，以及透過放大從無害提示中誘導有害內容——涉及7個模型、兩個系列、引數規模從1.7B到70B，無需任何訓練或提示工程。這表明安全對齊並未穩健地分佈在模型權重中，而是由單個神經元介導，這些神經元在因果上足以控制拒絕行為。

大型語言模型和編碼代理常用於使用者介面開發，但準確評估其視覺與互動設計能力仍具挑戰。現有方法或依賴人工專家（準確但緩慢昂貴），或採用自動化評判（可擴充套件但不夠準確且不透明）。為此，我們提出 FlowEval，一種基於參考的評估框架，透過比較真實網站與生成介面的導航軌跡，衡量生成的 UI 是否支援真實互動流程。

蘋果機器學習研究團隊提出 Weblica 框架，利用 HTTP 快取和 LLM 環境合成，為視覺網頁智慧體構建可復現、可擴充套件的訓練環境。其最佳模型 Weblica-8B 在多個基準測試中超越同規模開源模型，並與 API 模型競爭。此外，文章還介紹了“重述網頁”研究，透過資料重述提升語言模型訓練效率。