這篇 arXiv 論文指出，擴散模型的資料點遺忘評測通常只看刪除剛完成的那一刻，忽略了多次刪除請求連續作用於同一模型時的累積效應。作者識別出“順序重現”這一失敗模式：樣本在刪除後一度被判定為已遺忘，卻在後續針對其他目標的刪除操作後重新回到被記憶的狀態，且無需重新使用被刪資料或對抗性微調。為刻畫該現象，論文提出目標級評測協議，並發現會重現的目標在刪除後呈現更尖銳的區域性去噪損失幾何。

研究者提出一種資料驅動框架，將相對階條件顯式融入學習過程，從而訓練反饋線性化控制器。該方法用神經李導數替代傳統反饋控制器元件，實現完全資料驅動的反饋線性化，並給出在辨識誤差有界時跟蹤誤差有界的充分條件，最後在電樞控制直流電機上驗證。

一篇新論文指出深度不平衡迴歸（DIR）評估存在三大盲點：過度依賴影像基準、標準評估協議不足以支援決策、尾部區域在隨機種子間的穩定性未被系統檢驗。作者透過多模態虛擬感測基準 MuViS、平衡 MAE 與新指標 bMASE，以及多種子重複評估，揭示了被全域性指標掩蓋的尾部效能退化和不穩定性。

arXiv 預印本（2026年9月21日提交）由 Tianfeng Chen 和 Xianyue Li 撰寫，頁面標題為《用於最大獨立集的雙GNN多級粗化》，但摘要介紹的是面向歐幾里得旅行商問題的圖邊稀疏化（GES）方法。該方法利用幾何結構與組合最佳化技術為不同例項自適應生成稀疏圖，在 MATILDA 資料集上最多可剪除 95% 的邊，並在部分大規模 TSPLIB 例項上剪除率超過 99%，同時最優性差距保持在 1% 以內。

該論文提出受果蠅學習與記憶系統啟發的分層模組化原則，透過專家特化與整合整合來協調持續學習中的抗干擾與泛化，並將其例項化為預訓練基礎模型的輕量模組化適配。方法在視覺識別、視覺語言理解、自我-他人影片理解及具身VLA學習等線上不確定資料流中持續提升，具身操作任務上相較無回放方法提升超過50個百分點。

該論文提出層正則化（sheaf regularization）來抑制 Decentralized SyncMap 這一自組織系統中的區域性不一致，從而穩定無監督持續分塊過程。實驗顯示，該在多數機率性 CGCP 圖上取得最高歸一化互資訊（NMI），並在輸入分佈發生偏移後仍能保持較高表現，同時避免神經網路等系統常見的負遷移。

arXiv 上新發布的一篇 27 頁綜述性論文《The Probabilistic Structure of Large Language Models》由 Adnan Aboulalaâ 撰寫，試圖用統一的機率論框架描述大語言模型：把模型視為 token 序列上的機率測度，把訓練視為最大似然估計，把生成視為隨機過程的序貫模擬，並借 KL 散度的不對稱性解釋幻覺以及「統計上合理」與「真實」之間的區別。文章還以擴散模型作為同一視角的補充例證。

一篇新的 arXiv 論文指出，均勻離散流雖然允許在每個生成位置反覆更新，但持續的修正也會讓原本正確的中間預測被後續錯誤覆蓋——在數獨實驗中，9.4% 的生成格子在中途正確、最終卻錯誤。作者提出 LEDFlow：一種無需訓練的取樣器，透過"選擇性吸收"把生成順序引入均勻離散流，並按區域性熵自適應決定吸收順序，從而避免固化錯誤預測。該方法在數獨求解上達到 0.845 的 Nikoli 準確率，在文生圖和六項多模態理解基準上均取得提升，推理成本與標準流取樣相當。

一篇新論文（arXiv:2609.25082）評估用聯邦學習把混合量子—經典模型與經典參與方結合起來，採用 Sherpa.ai 的盲式縱向聯邦學習（SBVFL）協議，在自建的 SMPP 基準上把準確率從 0.7227 提升到 0.8757，接近非隱私的集中式訓練水平，且所需可訓練引數明顯少於經典神經網路和隨機森林。

一篇被 COLM 2026 與 KONVENS 2026 研討會接收的論文發現，聊天模板像一個開關：它的存在會抬高模型“我只是個AI”式的免責宣告口吻、壓低“我感覺”式的體驗性口吻；在啟用空間中還存在一個可引導該行為的方向向量，暗示模型關於自身的陳述並不只是權重的事實，而部分由部署方式決定。

研究人員釋出 IntLawNER，一個面向國際法成文文本的命名實體識別資料集與評測基準，涵蓋國際法院、聯合國安理會和歐洲人權法院的 2,987 條金標句子與 8,094 個實體跨度。論文還揭示領域專用 NER 中銀標到金標的質量評估陷阱，並給出多種模型的基準表現。

一篇新論文指出，LLM 裁判之間的共識常被高估，因為裁判錯誤並不獨立。十名裁判的平均兩兩誤差相關係數為 0.21，約等於 3.5 名獨立裁判；在最多 28% 的比較中，忽略共享誤差會改變顯著性結論。作者建議用可信樣本估計準確率、識別共同錯誤，並據此選擇投票方法。

一篇 arXiv 論文將人類的三階段審議正規化遷移到來自三個模型家族的大語言模型，並在四個現實風險遞增的領域進行測試。結果顯示，多模型審議能比簡單聚合獨立回答進一步降低集體誤差，審議後的個體判斷也保留了這部分增益；但該優勢依賴模型多樣性，由同一模型克隆組成的群體沒有從審議中獲益。

該論文研究託管式語言模型行為評估的可變性，區分復現、測量敏感性與永續性三類問題。作者在 Regent Chess 環境中發現，先前的 Gemini 3.1 Flash-Lite 缺陷可在歷史配置下復現，但在相同公共標識下重建評估與推理配置後端點顯著變化；重建配置下 Gemini 3.1 與 3.7 的 4K 比較甚至反轉方向。論文因此主張，對託管模型的行為結論應顯式標註被測標識、服務期、測量工具與推理配置。

該論文提出一種“目標驅動”的流程變體分類方法，顛覆了以往先聚類再人工賦予業務含義的做法：先構建組織目標模型以預先確定分類維度，再把每個流程變體轉寫為行為敘事文本，交由大語言模型結合目標模型進行語義判斷並歸類。作者完成了端到端實現，並在三個規模和多樣性差異顯著的公開日誌上驗證，結果顯示目標模型的引導會產生不同於無引導歸納的劃分，且能對目標模型中備選方案的受控修改作出響應，代價是需要額外編寫目標模型。

該研究提出一種群體監督框架，可從單張二維紅細胞影像推斷潛在生物物理量，並聚合為平均紅細胞體積、紅細胞分佈寬度和平均紅細胞血紅蛋白量。模型結合共享區域性推理、面向體積與血紅蛋白的生物物理結構化解碼器、可學習例項加權以及裝置特定校準。作者形式化了聚合觀測識別受限例項預測器的條件，並指出群體一致性本身並不能識別單細胞特性或三維幾何。在390份標本、六臺裝置共1,105次採集上，與Sysmex分析儀相比報告了0.86–0.98的Pearson相關係數。

arXiv新論文將“音樂實驗室”式的社會影響實驗搬到學術注意力市場：1,000個AI智慧體從《美國經濟評論》2025年全部114篇正式論文中挑選成果。能看見同社群先前選擇的智慧體每人少選17.2%的論文、選擇更集中，集體僅覆蓋73篇，而獨立選擇組覆蓋90篇；隨機給論文注入5次初始選擇，可使其後續被選率提高45.55個百分點。

PAANI 是一種面向河流監測機器人的裝置端感知到引導架構，在 Arduino UNO Q 上結合 YOLO11n 檢測器與 MobileNetV3 Small 語義分割器，透過時間戳對齊的證據融合和顯式走廊策略提供可檢查的引導。模型精度較高，但研究強調模型準確性與在板執行並不等同於已驗證的水上避碰能力。

一篇新論文提出售價約88美元、完全離線執行的AI智慧手杖，在Raspberry Pi Zero 2W上融合RGB視覺與ToF測距，透過距離相關的振動觸覺反饋與語音提示協助視障人士避障。室內測試宏平均F1為0.82，端到端平均延遲約330毫秒，峰值功耗2.8瓦，12人初步可用性研究給出SUS 78.5的正面評價。

一項被 NLPCC 2026 接收的研究透過詞元對齊實驗，系統考察了教科書式教學資料與真實臨床記錄在醫療大語言模型訓練中的不同作用。結果顯示兩類資料存在不對稱遷移：臨床資料能提升面向臨床的任務，同時在知識密集型任務上保持競爭力；教學資料則主要改善知識密集型任務。錯誤分析還揭示了“知—行鴻溝”，即知識記憶的改善未必能穩定轉化為臨床推理能力。

SpeakON 推出一枚重 25 克的 MagSafe 磁吸語音按鍵，自帶麥克風和電池，透過 iOS 鍵盤擴充套件把經過潤色的文字直接寫入任意應用的輸入框。它支援鎖屏與離線使用，內建 Smart Polish、Smart List、Style、Translation 等文本處理功能，美國一次性售價 129 美元，含 Pro 終身授權，無訂閱費。

Simon Willison 與 Jesse Vincent 將於 10 月 14 日（週三）晚在舊金山舉辦一場面向編碼智慧體（coding agents）構建者的非正式交流活動，形式接近「智慧體版作品展示會」，鼓勵分享尚未公開的奇怪實驗、未完成專案與早期探索，而非產品推銷。

9 月 22 日至 23 日，NVIDIA AI Day 新加坡在萊佛士城會議中心舉行。NVIDIA 與東南亞合作伙伴圍繞公共部門 AI 從試點走向生產、Nemotron 開源模型的區域化應用，以及 Vera Rubin 平臺的落地公佈了一系列進展，覆蓋新加坡、馬來西亞、越南、泰國、汶萊等地。

OpenAI 將 ChatGPT 廣告陸續推向印度尼西亞、馬來西亞、菲律賓、新加坡、泰國、越南和臺灣，使該廣告產品覆蓋 60 多個國家。廣告僅向 Free 和 Go 套餐使用者展示，Plus、Pro 和 Enterprise 訂閱繼續保持無廣告。

Kaiku 是一款面向 AI 代理的任務追蹤工具，其 Product Hunt 標語稱它是“你的 AI 代理已經知道如何使用”的任務追蹤器。

OpenAI 於 2026 年 9 月 23 日宣佈，Airbnb 依據一項新協議，為其工程與產品開發團隊擴大對 OpenAI 前沿模型（含 GPT‑6 Astra）的訪問。該擴充套件建立在 Airbnb 長期使用 Codex 的基礎上，模型可透過 OpenAI API 與 Amazon Bedrock 呼叫；早期實踐顯示 Astra 在排查缺陷、系統設計與非編碼任務上同樣成效顯著。

衛報評論文章從 AI 研究員 Jacob Coxon 從 Anthropic 辭職一事切入，引出業內對“AI 可能在本十年內滅絕人類”的公開擔憂，並梳理了從新型生物武器到社會全面崩潰等五種最被討論的末日情景。

在把一連串耀眼的數學成果變成聲譽危機後，OpenAI 成立了由九名頂尖數學家組成的獨立顧問組 AGMAI，由普林斯頓高等研究院（IAS）承辦，就 AI 公司如何呈現與釋出數學成果提供建議。研究者歡迎這一接觸，但質疑其遴選透明度、代表性以及實際影響力，而小組的首要任務恰是協調 OpenAI 內部模型產出的大量成果的釋出。

Apple 研究團隊提出 probe guidance，利用現有擴散模型凍結的內部狀態構建引導訊號，無需在推理時增加額外前向傳播。該方法在連續擴散語言模型的無條件生成上取得新 SOTA，並在 1.7B 模型上提升多項選擇題問答基準，同時為理解 autoguidance 的實際機制提供了新線索。

Together AI 釋出實操教程，介紹如何以約 17 美元、約 25 分鐘把 Qwen3.5 4B 微調成類 Jev 的分類模型：輸入 state 與預設問題，返回分數、布林值或多選答案，完成後部署為專用 HTTP 端點。不想自行訓練的開發者也可直接使用託管在無伺服器平臺上的 together/Tev1-4B-experimental。