AgRefactor是一種基於LLM的多代理工作流，用於將軟體重構為HLS相容程式碼。它結合了自我進化記憶系統和自動化重構工具，在9/11個基準上優於或持平現有方法，並實現了高達6.51倍的加速。

本文形式化了基於Huber汙染模型的LLM陪審團，並證明即使只有一個評委以LLM典型方式（模式崩潰、諂媚、安全拒絕）產生偏差，任何正汙染都會導致PoLL產生無界偏差。透過將陪審團共識視為經典魯棒均值估計，作者提出RoPoLL，用幾何中位數替換聚合函式，實現了最優有限樣本崩潰點1/2。實驗表明，在13個開源評委（4B-675B）、三個獎勵模型基準和四種腐敗機制（高達50%）下，RoPoLL在每一種有偏腐敗型別上都優於PoLL：在匹配計算量的跨維度攻擊上提升約19%，在重尾拜占庭對手上提升數個數量級。一個38B引數的3評委RoPoLL委員會在30%雙模隨機腐敗下，在HelpSteer-2上以18倍引數優勢超越Mistral-Large-3（675B）1.31倍。

本文提出HASTE，一種分層多智慧體系統，將跨競賽知識組織為全域性、領域和競賽特定三個層級，透過LLM驅動的抽象促進層級間學習。在MLE-Bench Lite基準測試中，HASTE使用Claude Sonnet 4.6達到77.3%的獎牌率，熱啟動相比冷啟動減少52%的改進迭代次數，表明更好的知識組織可以部分替代模型強度和計算預算。

一項新研究探索了基於大型語言模型的多智慧體系統在法律推理任務中的應用，提出了兩種受法庭程式和辯論啟發的新型框架。實驗表明，多智慧體方法在整體效能上與單一大模型相當，但能產生顯著不同的答案，甚至能解決基線模型無法處理的問題，尤其適合需要多角度批判性思考的場景。

傳統智慧體假設使用者具有明確偏好，但現實中使用者常缺乏領域知識。本文提出CoPref模型與CoShop基準，發現前沿模型在5輪互動後準確率不超過56%，失敗原因在於未能幫助使用者擴充套件對自身需求的認識。

該研究提出了LearnStop，一種無需隱藏狀態的檢查點停止器，用於推理語言模型。實驗表明，在自由形式的數學任務上，學習多特徵停止優於簡單的標量退出策略，但在多項選擇和極難任務上，標量規則更具競爭力。主要發現是當許多問題在預算耗盡前已正確但缺乏可靠標量訊號時，學習停止有用。

大語言模型（LLM）在多輪對話中需要根據新證據更新信念，但現有評估多關注單輪最終答案。本文提出BayesBench基準，透過三個漸進複雜任務（貝葉斯估計、貝葉斯預測、潛在框架貝葉斯預測）評估LLM信念更新與理性貝葉斯推理的匹配程度。在7個LLM（3B-70B）上，規模擴大改善了潛在推理和證據積累，但提升未能可靠遷移到下游預測，揭示了推斷潛在結構與理性更新信念之間的差距。

本實驗研究利用AI透過自然語言查詢發現模擬模型，探討了資料表示、基於Transformer的嵌入模型和檢索策略的影響。結果表明，資料表示對檢索效能至關重要，開源嵌入模型可達到與專有模型相當的高效能，而重排序方法在查詢複雜度增加時尤為重要。該工作為AI驅動的模型發現提供了基線，並展望了其在推動AI驅動的可組合性和互操作性方面的作用。

本文提出對比反思框架，用於迭代最佳化智慧資訊檢索代理的提示。透過分析檢索或推理軌跡，識別錯誤行為並對比成功案例，由教師LLM提出針對性提示修改。在HotpotQA資料集上，該方法將精確匹配準確率從51.4%提升至60.4%，優於僅失敗或隨機證據變體，並與MIPROv2（59.4%）和GEPA（57.0%）等現代最佳化器效能相當。該框架強調可解釋性和驗證驅動的提示修復。

該研究引入了一種受控的學生-教師協議，以區分真正由反饋驅動的改進與僅因重複嘗試或重取樣帶來的提升。在多個基準測試中，自我反饋比無指導的自我改進幾乎沒有額外收益，而強大的外部教師則帶來更大的反饋特定增益。瓶頸在於學生利用反饋的能力，而非反饋的可得性。

Context.dev 提供了一個統一的 API，用於從網際網路爬取資料、豐富內容並提取資訊。該產品旨在簡化資料採集流程，為開發者提供高效的工具。

韓國科學技術院（KAIST）研究團隊開發了一種名為BehaVERT的AI模型，該模型將動物的身體動作視為語言模型中的詞語，能夠自動識別自閉症小鼠模型的核心社交缺陷。該模型在不預先告知的情況下，透過觀察小鼠行為自行發現關鍵差異，為腦科學研究提供了新的可解釋AI工具。

AWS致力於安全地提供前沿AI模型，與Anthropic合作透過Project Glasswing改進防護欄，確保新模型能力不被濫用，同時為防禦者提供優勢。

本文基於Emily M. Bender和Nanna Inie的評論文章，探討如何避免在使用‘AI’相關技術時使用擬人化語言。作者分類了常見的擬人化表述，並提供了替代方案，如將‘人工智慧’替換為‘機率自動化’等。文章鼓勵讀者在日常討論中堅持使用更精確的語言，以促進對技術的清晰理解。

Anthropic釋出Claude Sonnet 5，定位為最具代理能力的中端模型，具備百萬token上下文視窗，標準定價與促銷價並行。第三方評測顯示其在程式設計和代理基準上有顯著提升，但部分使用者因任務級成本增加及缺少Fable 5釋出而失望。Fable/Mythos 5經政府批准後重新上線。

美國商務部已取消對Anthropic的Fable和Mythos AI模型的出口管制，此前該公司因國家安全風險被迫暫停對外國公民的訪問許可權。Anthropic表示將於次日恢復訪問。

微軟釋出的關於美國AI採用情況的報告。

舊金山監事會推遲了一項362頁法令的投票，該法令旨在透過AI識別並刪除城市法典中的冗餘條款。多位監事及書記官對提案內容過於寬泛、難以理解表示擔憂，部分人甚至藉助AI工具進行分析。投票推遲至7月14日，以便進一步審查。

Agentic OS 是一款主動式AI助手，能夠無縫自動化任務、日程和檔案管理。

作者使用NVIDIA Jetson Orin Nano Super和Kokoro-82M模型構建了一個本地文本轉語音應用StreamTTS，利用持久流（S2）而非傳統請求-響應架構，實現了可共享、可重放的即時音訊生成，並解決了慢推理、多使用者公平排程和去重等問題。

Sierra代理工程主管Natalie Meurer探討前部署工程師的演變，認為該角色由對客戶的負責而非特定技能定義。她指出產品工程與前部署工程正在趨同，代理工程師崛起。

本文介紹了一種利用船舶自動識別系統（AIS）航向資料追蹤從烏克蘭被佔領土向利比亞走私糧食的新方法。2026年2月，散貨船Grumant從克里米亞的費奧多西亞港裝載糧食，經過兩個月航行抵達利比亞班加西。由於黑海地區存在全球導航衛星系統（GNSS）干擾，傳統AIS位置資料不可靠，但航向資料來自不受干擾的羅盤，因此可用於確認船舶位置。透過分析Grumant的航向資料與衛星影像，研究人員證實了其停靠在費奧多西亞港。該技術為追蹤非法航運提供了新手段。

美國商務部解除了對Anthropic旗下AI模型Fable 5和Mythos 5的出口管制，允許其重新向使用者開放。Anthropic同意主動檢測和解決安全風險，並與美國政府密切合作制定協議和標準。此前因所謂的“越獄”問題，Fable在釋出三天後被實施出口管制，導致全球訪問中斷。此舉緩解了行業緊張情緒，但Anthropic與政府的關係仍復雜。

經過與特朗普政府數週談判，Anthropic 終於能夠重新上線 Claude Fable 5。公司宣佈將於明天開始恢復訪問。

多令牌殘差預測（MRP）是一種針對擴散語言模型的輕量級模組，透過預測相鄰去噪步驟之間的殘差而非完整分佈，實現了在靜態和動態兩種推理場景下的效能提升。靜態模式下可實現無質量損失的加速（高達1.56倍），動態模式下可恢復因激進閾值解碼而損失的高達+16個百分點的準確率。

Hugging Face 與 Cerebras 合作，利用 Gemma 4 模型打造即時語音 AI 系統，透過開放模組化架構顯著降低延遲，實現更自然的對話體驗。該系統整合 Nvidia 的語音識別、Cerebras 的推理加速和 Alibaba 的語音合成，已在 9000 多臺 Reachy Mini 機器人中應用。

Together AI完成8億美元C輪融資，由Aramco Ventures、NVIDIA、Vista Equity等領投，旨在加速開源AI的普及。公司強調，閉源模型的成本無法規模化，而開源模型結合全棧最佳化可實現6-20倍成本降低。Together AI已推出FlashAttention-4、Together Megakernel等創新，成為全球最大的AI token生產商之一。

Anthropic宣佈，美國商務部已解除對Claude Fable 5和Mythos 5的出口管制，並將於明天恢復訪問。

RunInfra是一個AI推理最佳化平臺，可自動為開放模型選擇最佳的推理引擎、GPU和配置，並提供可部署的堆疊。它透過基準測試和調優，大幅降低延遲、提高吞吐量並降低成本。

在AI工程師世界博覽會（AIEWF）的兩場爆滿研討會之後，Ahmad Osman論證了本地AI——從筆記型電腦、手機到企業級基礎設施——正在快速追趕雲端AI。開源模型與閉源前沿模型之間的差距持續縮小，本地AI生態系統正從模型本身擴充套件到完整的工具和基礎設施層。