該研究審計了MedAgentBench v1/v2，發現41.7%的靜默完成上限，並構建了MAB-v3（508個任務，8.9%上限）。使用Qwen3-8B訓練揭示了兩個結構性障礙：能力上限和格式知識障礙。純強化學習達到18.2%的pass@1，而基於規則的SFT為34.1%，差距完全歸因於這些障礙。研究提出了決策/格式知識/查詢分類法來預測強化學習的可學習性。

本研究探索使用可驗證獎勵的強化學習（RLVR）在特定企業SaaS工作流中訓練小語言模型，以解決傳統下一個詞預測的侷限性。在模擬Jira和Confluence API的五種合成環境中，RL訓練的模型在四個非退化場景中平均獎勵從0.35-0.92提升至0.95-1.00，尤其是在Confluence頁面建立任務中從0.35提升至1.00。但手動設計可驗證獎勵難以擴充套件，且存在獎勵飽和問題。

研究團隊將混合專家擴散語言模型DiffusionGemma-26B應用於醫學視覺問答，並與其自迴歸版本Gemma-4-26B對比。擴散模型在所有指標上匹配或超越自迴歸模型，解碼速度快3.5-4.4倍，且具備任意順序填充能力，特別適合放射科醫生互動式起草報告，而自迴歸模型在此任務上表現不佳。

CreativityNeuro是一種無需資料的方法，透過對比權重引導增大大語言模型的發散思維，在多項創造力測試中將效能提升多達14個人類百分位點，並顯著減少模式崩潰。

本文提出了一種難度路由服務控制架構，用於自主客服代理在執行退款、取消等操作任務時，透過輕量級路由器將複雜請求分流至升級工作流，集中進行衝突感知溝通和寫前重新考慮，從而在保持常規服務高效的同時防止操作錯誤。在零售和航空任務上的評估顯示，該方法能顯著提升可靠性，且改進並非來自無差別的互動擴充套件。

針對大型複雜程式碼庫摘要難題，研究人員提出Agent4cs多智慧體框架，採用自底向上的方式，透過摘要、關鍵詞提取和質量保證三個智慧體協同工作，在7個前沿模型上平均提升語義一致性8%，關鍵詞覆蓋率最高提升38%。

Wiola是一種全新的小型語言模型架構，從基本原理設計，與GPT、LLaMA、Mistral或Falcon等現有模型無結構關聯。它引入了五種獨立創新的元件：螺旋旋轉位置編碼（SRPE）、門控跨層注意力（GCLA）、自適應令牌合併（ATM）、雙流前饋（DSFF）和WiolaRMSNorm歸一化。模型提供四種規模（120M、360M、700M和1.5B引數），完全相容HuggingFace Transformers生態系統。

Auto-FL-Research (AFR) 是一個約束程式設計代理工作流，用於自動搜尋聯邦學習演算法。它在五個醫療保健FLamby任務和六個LEAF資料集上進行了評估，顯示在多個任務上取得了提升，但也揭示了種子敏感性和搜尋選擇的失敗案例。

本文介紹了PACE，一個模組化的神經符號框架，用於生成考慮可行性的反事實解釋。該框架將預測和推理分離，使用神經網路進行分類，並用符號推理層施加領域約束，確保解釋的合理性和可操作性。在Adult Income資料集上的案例研究表明，符號約束能夠產生更符合領域可行性要求的解釋，展示了神經符號方法在可解釋AI中的潛力。

本文深入調查NVIDIA DGX工作站的實際能力，揭露其748GB統一記憶體中僅252GB為高速HBM3e，其餘為低速LPDDR5X。透過Cornell、Snowflake等使用案例和GLM-5.2等基準測試，探討其能否承載本地前沿模型推理。

Imagent是一個將影像、影片和語音生成能力整合到AI代理工作流中的開源工具。它提供統一的CLI介面，支援多個AI提供商（如OpenAI、Google、ElevenLabs等），並管理生成的資產庫，方便複用。

Interfaze 開源了 diffusion-gemma-asr-small，一個多語言語音識別模型，採用擴散解碼器而非自迴歸解碼器。該模型透過一個約 42M 引數的介面卡將音訊輸入到 Google 的凍結 DiffusionGemma 模型中，單個介面卡即可處理六種語言。轉錄成本由去噪步數決定，而非轉錄長度。在 LibriSpeech 測試集上詞錯誤率為 6.6%，領先其他擴散 ASR 模型。

本文將'點球成金'概念——利用資料驅動的統計分析發現低估資產——應用於物理人工智慧領域。文章認為，機器人資料目前定價錯誤，過度強調資料量和遙操作時長，而忽視了資料的新穎性和邊際效用。透過分析規模法則和資料採集的經濟學，文章提出，物理AI的資本效率取決於準確計算和定價資料的新穎性，而非最大化資料量。

韓國晶片製造商三星電子和SK海力士推動的AI晶片熱潮帶來了前所未有的財富增長，但只有少數人群受益，引發關於利潤分配和貧富差距的廣泛討論。

在內部全體會議上，Meta CEO馬克·扎克伯格承認公司的代理型AI開發速度慢於預期，這是一次罕見的坦誠表態。他透露AI代理進展未如預期加速，且裁員重組效果不佳。儘管Meta大幅增加資本支出，但購物代理等產品尚未落地。扎克伯格預計未來3-6個月將看到實質性回報，但分析師認為成功只是時間問題。

本影片討論了AI領域被認為正在崩潰的原因，以及中國如何透過戰略投資在該領域取得優勢。

Yann LeCun（前Meta AI負責人）認為，當前的LLM（如ChatGPT）缺乏真正的智慧，無法處理現實世界的複雜性。他的新公司AMI Labs正在開發一種不同的AI方法JEPA。與此同時，牛津大學的Ingmar Posner正在研究世界模型。兩者的目標都是讓AI能夠推理物理世界。

隨著AI生成內容在專業場合的泛濫，作者呼籲LLM使用者遵循基本禮儀：驗證輸出、用自己的話轉述、註明來源。透過一個假想的職場故事，揭示了不驗證AI輸出可能帶來的誤導和尷尬。

影子藝術部長安吉·貝爾要求人工智慧公司像其他人一樣“先徵求許可並付費”使用澳大利亞創意作品。同時，一名青少年被控謀殺，X公司稱平臺沒有義務阻止有害內容，以及澳大利亞民眾對以色列的看法比對中國更負面。

一項潛在協議將允許國際科技公司利用澳大利亞音樂人的創作成果，總理最喜愛的一些藝術家向《衛報》表達了他們的感受。

Yoshua Bengio等16位學者提出Scientist AI (SAI) Predictor的形式化安全論證，透過認識語境化訓練實現誠實預測，並證明在合理假設下危險預測器的訓練機率極小。

億萬富翁科技投資者彼得·蒂爾在阿斯彭思想節上發表了一系列關於人工智慧和西方未來的挑釁性警告和預言，指責教皇利奧十四世呼籲AI監管無意中充當了“中國共產黨代理人”，他還警告美國民主黨可能出現“民主社會主義接管”。

Charity Majors 指出，儘管AI強制令往往不受歡迎，但若能獲得適當資金和支援，它們可以成為有效的組織工具。她將提供資源和學習空間的強制令與懲罰性且資金不足的強制令進行了對比，並強調領導層的一致性和明確權衡的重要性。

AI不僅降低了內容創作成本，還加劇了人們對真實性的懷疑。文章探討了在資訊氾濫時代，我們如何區分資訊的價值和創作者的誠信，以及由此產生的“證明經濟”。

DocuPipe 的免費 AI 工具，可將任何 PDF（掃描件、數碼檔案或照片）轉換為結構清晰的 Excel 工作簿。每張表格獨立成表，關鍵欄位彙總，所見即所得，無需註冊。

Vox 是一個開源的 CLI 擴充套件，允許使用者透過語音與 GitHub Copilot 進行互動，實現擴音操作。它支援 Windows、macOS 和 Linux。

Vercel 首席軟體官 Andrew Qu 在訪談中解釋了代理為何是一種新型軟體，以及其代理框架 eve 的誕生過程。他強調技能（skills）、沙盒（sandboxes）和可被代理讀取的網站的重要性。Qu 分享了 Vercel 從網頁開發轉向代理的經驗，以及如何透過技能解決模型知識過時的問題，並預測未來網站需要同時為人類和代理提供不同體驗。

Rainslice 是一個AI平臺，24/7 自動執行家庭服務業務的前臺和後臺，包括接聽電話、簡訊、排程、報價和客戶服務，幫助業務增長。

芝加哥附近發生一起130萬美元的貨物盜竊案，被盜物品包括銅線和資料中心裝置，凸顯AI基礎設施供應鏈中物理安全的新風險。

一項詳細的實驗，比較了五個Claude模型（Opus、Fable、Sonnet、Sonnet 4.6、Haiku）對LangChain Python單倉的完整審計。Fable在評分上與Opus持平（A-），但在生成可操作的里程碑和快速勝利方面表現出色。文章展示了發現、優缺點，並推薦多模型流程。