ZAYA1-8B是一款基於MoE++架構的推理型混合專家模型，啟用引數僅7億，總引數80億，在AMD全棧計算平臺上訓練。它在數學和程式設計基準測試中與DeepSeek-R1-0528相當甚至超越，並提出了Markovian RSA測試時計算方法，進一步提升推理效能。

本文介紹了標註者策略模型（APMs），這是一種可解釋的模型，能夠僅從標註行為中學習標註者內部的安全策略，從而揭示標註分歧的來源，包括操作失誤、政策模糊性和價值多元性。APMs在無需額外標註工作的情況下，準確率超過80%，並能透過反事實編輯進行預測。應用包括識別政策模糊性和揭示不同人口群體間的價值差異，以支援更透明、包容的安全策略設計。

一位 16 歲創業者 Audrey Fei 探討 AI 個性化與個體性的矛盾，指出 LLM 包裝器正在崩潰，真正的個性不應被水平增長所掩蓋。她介紹了自己的專利即時口音轉換技術和自然語言學習平臺。

Memori 推出智慧體原生記憶基礎設施，透過結構化的知識圖譜從智慧體執行軌跡中自動構建持久記憶，實現高精度、低成本的推理，節省95%以上推理成本。

AnamDB是一款基於Rust構建的AI原生神經符號資料庫引擎，它深度融合了機率神經感知與確定性符號推理，提供了可解釋性、安全性、多目標最佳化以及異構硬體加速等特性，旨在作為代理記憶（Agentic Memory）的核心資料庫核心。

卡內基梅隆大學、麻省理工學院、牛津大學和加州大學洛杉磯分校的一項新研究表明，使用AI聊天機器人僅10分鐘就可能對人們的思考能力和解決問題的能力產生驚人的負面影響。當AI助手突然被移除後，曾使用AI的參與者更傾向於放棄問題或答錯。研究呼籲重新設計AI工具，使其像好老師一樣優先考慮學習而非直接給出答案。

記者傑米·巴特利特調查AI越獄者現象——那些故意試圖繞過大型語言模型安全限制的人，旨在瞭解其漏洞並提升AI安全性。

本文探討了AI輔助程式碼貢獻對CPAN的版權影響，指出版權風險並非新問題，CPAN歷來存在來源不確定性，AI只是增加了貢獻數量。作者建議透過透明披露（如Co-authored-by）和人工問責來管理風險，而非完全拒絕AI。

一位開發者因不滿雅加達蘇加諾-哈達國際機場（CGK）的官方網站遮蔽國際訪問且效能不佳，自建了一個快速、易訪問的替代網站 jakartaairportcgk.com。該網站提供即時航班資訊、機場列車時刻表、設施列表等服務，並在效能基準測試中遠超官方站點。

OpenRouter 分析了 GPT-5.5 相對於 GPT-5.4 的實際成本變化。透過對比使用者切換前後的使用資料，發現成本增加了 49% 到 92%，但長提示（超過 10K tokens）的完成長度縮短了 19-34%，部分抵消了價格上漲。短提示的成本漲幅更大。

Netflix正在測試一項新的AI語音搜尋功能，允許使用者透過自然語言指令獲取影視推薦。該功能目前向部分訂閱者開放，旨在繞過智慧電視和流媒體裝置的內建語音助手，可能改變流媒體服務與電視作業系統之間的權力博弈。

如果你的Roku裝置執行緩慢、應用載入困難，可能不是Wi-Fi的問題。本文介紹了9個快速修復方法，包括重啟、清除快取、更新軟體、重灌應用等。

現代IDE仍以檔案、標籤、專案為中心，不適合AI工作流。AI需要可程式設計的操作表面，讓每個狀態物件都可定址、檢查、修改和重放。借鑑Smalltalk、Lisp機器和Emacs的設計，未來IDE應成為一個作業系統，統一管理終端、日誌、瀏覽器會話、測試、差異等，讓人類和AI透過物件圖互動。

Selvedge 是一個本地 MCP 伺服器，可即時記錄 AI 代理每次程式碼更改背後的原因，並將推理過程儲存在 SQLite 資料庫中供日後查詢。它透過跟蹤實體（如列名、環境變數、端點）而非僅僅程式碼行，彌補了 git 提交資訊缺乏上下文的不足。

經過對谷歌地圖和蘋果地圖的全面對比，谷歌地圖在導航、AI、街景等功能上勝出，但蘋果地圖介面更簡潔。

白宮已命令Anthropic不得擴大其強大AI模型Mythos的訪問許可權，並正在考慮實施全面的事先限制制度，要求釋出前沿模型前必須獲得政府批准。這一政策轉變是突然且混亂的，可能帶來創新放緩、精英捕獲等風險。文章分析了此舉的背景、潛在影響及替代方案。

近期，Google Chrome被發現在使用者裝置上靜默下載約4GB的AI模型Gemini Nano，且使用者刪除後可能自動重下。此舉引發隱私、透明度和使用者信任的爭論。本文詳細分析事件原因、技術背景、使用者應對方法及潛在影響。

Radiq是一款產品智慧平臺，專為自主編碼時代設計。它透過自動化客戶到程式碼的迴圈，幫助產品經理從Slack、Jira、Confluence和會議中提取決策訊號，生成開發者就緒的規格說明，並直接推送到Cursor、Windsurf等IDE中，將原本需要一週的工作縮短至幾分鐘。

Incidentary 是一款在告警觸發時立即提供事件根本原因的工具。它透過 OpenTelemetry 匯出器持續捕獲服務呼叫、錯誤和慢查詢，即時構建因果圖，並在告警觸發時生成包含故障首發位置、傳播路徑、未知因素和下一步檢查項的工件。無需 AI 推理，所有資訊均來自服務實際報告的事件。

本文介紹如何利用AI工具Grok和Whicks Lab建立YouTube兒童頻道影片。

當前的無需評論家的RLHF方法透過算術平均聚合多目標獎勵，容易忽視約束條件：一個目標的高分可以掩蓋其他目標的嚴重失敗。我們提出獎勵方差策略最佳化（RVPO），透過在優勢聚合中懲罰獎勵間方差，將目標從“最大化總和”轉變為“最大化一致性”。泰勒展開表明，LogSumExp（SoftMin）運算元可充當平滑的方差懲罰。我們在醫療和科學推理任務（最多17個LLM評判的獎勵訊號）以及工具呼叫任務（基於規則的約束）上評估了RVPO。RVPO透過防止模型忽視困難約束來利用簡單目標，在HealthBench上取得0.261（GDPO為0.215，p<0.001），並在GPQA-Diamond上保持競爭性準確率，沒有出現其他多獎勵方法後期效能下降的現象。

Velox是一個用於學習4D物體潛在表示的框架，能夠從非結構化的動態點雲中高效壓縮時空彩色點云為動態形狀令牌，並透過4D表面解碼器和高斯解碼器分別重建幾何和外觀。實驗證明其在影片到4D生成、3D跟蹤和布料模擬等下游任務中表現優異。

蘋果於2026年初舉辦了一場為期兩天的隱私保護機器學習與AI研討會，匯聚了蘋果及全球研究社群的研究人員，探討了隱私保護ML和AI的最新進展，涵蓋聯邦學習、基礎模型隱私、攻擊與安全等關鍵領域。

我們提出了HeadsUp，一種可擴充套件的前饋方法，用於從大規模多攝像頭設定中重建高質量3D高斯頭部。該方法採用高效的編碼器-解碼器架構，將輸入檢視壓縮為緊湊的潛在表示，然後解碼為UV引數化的3D高斯分佈。該表示將3D高斯數量與輸入影像的數量和解析度解耦，支援使用多個高解析度輸入進行訓練。我們在包含超過10,000個主體的內部資料集上訓練和評估模型，實現了最先進的重建質量，並能泛化到未見身份，無需測試時最佳化。我們分析了模型在身份、檢視和模型容量上的擴充套件行為，並展示了潛在空間在生成新3D身份和動畫表情方面的應用。

學習如何在一個會話中使用Goose和Together的專用容器推理部署任何HuggingFace模型。跳過複雜設定——一個提示就能讓你的模型在釋出當天在生產級GPU環境中執行。

DeepSeek-V4透過混合注意力設計（CSA、HCA、SWA）壓縮KV快取，將百萬Token上下文從模型挑戰轉變為推理系統挑戰。Together AI在NVIDIA HGX B200上的早期部署經驗展示了快取策略、字首快取和端點配置對長上下文工作負載效能的關鍵影響。

開發者Mike Chong用AI工具（Claude Code和Codex）在半年內從零構建了ScreenKite，一款媲美甚至超越Screen Studio的螢幕錄製軟體，4K匯出速度提升3倍。他花費超過13萬美元的AI代幣，認為AGI已基本實現軟體開發執行層面的自動化，但人類創造力、產品設計、品牌和分發仍至關重要。

AI代理現在可以執行一個非常人性化的任務：送花。這一現象體現了人工智慧在模擬人類情感交流方面的進步，但也引發了關於隱私和操控的討論。

Illospace是一個專為團隊和AI代理設計的協作空間，旨在提升工作效率和創造力。

在一系列公開實驗中，包括Claude、Gemini、ChatGPT和Grok在內的先進AI模型在模擬交易競賽中大多虧損，顯示出過度交易、決策不一致等問題，表明AI目前尚無法獨立取代人類基金經理。