一項新研究調查了四種流行的大型語言模型在學術寫作中的幻覺現象，引入了新的幻覺指數（HI）來評估模型的準確性。研究發現，不同模型在不同任務上的表現存在差異，幻覺行為不僅取決於模型架構，還與任務型別和提示條件有關。

該團隊參與SemEval-2026任務13，旨在檢測多種程式語言中由大語言模型生成的程式碼。他們採用了輕量級特徵方法和決策樹，僅需CPU即可快速推理，為大型預訓練模型提供了高效替代方案。

這項研究採用資料驅動的機器學習方法，分析線上廣告中的寫作風格和影像模式，以關聯匿名賬戶並識別重複行為，從而幫助執法機構追蹤人口販運等非法網路。研究還提出了負責任使用這些技術的倫理指南。

本文提出自適應冪均值策略最佳化（APMPO），透過冪均值策略最佳化（PMPO）和反饋自適應裁剪（FAC）兩項創新，解決了現有強化學習方法中靜態策略與模型演進能力不匹配的問題。在9個資料集的3類推理任務上，APMPO顯著優於現有方法，例如在數學推理基準上比GRPO提升3.0個百分點的Pass@1得分。

本文提出FREIA演算法，透過自由能驅動獎勵（FER）和自適應優勢塑形（AAS）改進了無監督強化學習在大語言模型推理中的表現。在九個資料集上的實驗表明，FREIA在數學推理任務中平均超越基線0.5至3.5個Pass@1百分點。

本研究探討了阿爾茨海默病進展分析中深度生存模型的公平性問題，提出了新的偏見度量指標，揭示了基於性別、種族和教育等敏感屬性的顯著差異。

EdgeRazor是一種新的輕量級框架，用於在資源受限裝置上部署大語言模型。它採用混合精度量化感知蒸餾，在極低位元寬度下實現高壓縮比和優越效能，同時訓練預算遠低於現有方法。

研究發現，大型語言模型（LLM）中的上下文學習任務編碼是分散式的，而非集中於單一位置。單位置啟用幹預在所有28層均無法實現任務遷移，而多位置干預在特定層可實現高達96%的遷移率，支援分散式模板假說。

一種新的前瞻漂移模型透過計算序列漂移項來捕獲朝向正樣本的高階梯度資訊，在玩具示例和CIFAR10上優於基線方法。

隨著深度學習模型規模持續增長，儲存需求甚至超過大型資料集。為此，研究人員提出“持續蒸餾”（Continual Distillation, CD）新正規化，讓一個學生模型依次從多個教師模型學習，且無需保留早期教師。該方法面臨教師訓練資料不可用和教師專長差異兩大挑戰。研究表明，外部無標籤資料可實現“未見知識遷移”（UKT），使學生獲取教師所知但自身訓練資料未覆蓋的領域知識；同時，順序蒸餾會導致“未見知識遺忘”（UKF），即後續教師訓練時丟失已遷移知識。為權衡UKT與UKF，提出“自外部資料蒸餾”（SE2D），透過保留外部資料上的logits穩定跨異構教師的學習。實驗表明，SE2D有效減少UKF並提升跨域泛化能力。程式碼已開源。

提出MP-ISMoE框架，透過高斯噪聲擾動迭代量化（GNP-IQ）降低記憶體消耗，並利用互動式側邊混合專家（ISMoE）擴充套件側邊網路能力，在保持引數和記憶體效率的同時顯著提升遷移學習效能。

本文提出SPARK方法，透過顯式選擇功能因子進行條件編輯，解決LLM輔助神經架構搜尋中的功能糾纏問題，在CLRS-DFS上實現28.1倍樣本效率提升和22.9%的OOD準確率改進。

該研究提出一種基於引數劃分的無監督變換分類方法，透過將單一變換的引數分解為多個分量並施加同態約束，識別正規子群，從而對影像變換（旋轉、平移、縮放）進行分類。新方法消除了先前方法所需的輔助假設（如運動和等距限制），具有更廣泛的適用性。消融實驗表明，群分解約束是驅動正確分類的關鍵。

MetaAdamW是一種新型最佳化器，透過自注意力機制動態調整每個引數組的學習率和權重衰減，在五個任務上優於AdamW，最多降低17.11%訓練時間或提升11.08%效能。

該研究引入了一種新的分類法，區分標量可約動力學和標量不可約動力學，並證明標量不可約動力學能夠透過快慢變數之間的反饋實現內部生成的狀態切換，為自主智慧系統的開發提供了新途徑。

一種名為ADAPTS的新型人工智慧框架利用混合智慧體大語言模型架構，從臨床訪談中自動評估抑鬱和焦慮嚴重程度。該框架將訪談分解為症狀特定的推理任務，實現了專家級別的準確性，為可擴充套件的精神病學評估提供了基礎。

一篇立場論文認為，當前的人工智慧系統不應被用於同行評審，因為它們存在蜂巢思維效應和易被風格化改寫操縱的問題，呼籲建立一門專門的同行評審自動化科學。

Terminus-4B是一種基於Qwen3-4B微調的小語言模型，透過監督微調和強化學習訓練，專門用於智慧體終端執行任務。實驗表明，它能將主智慧體的令牌使用量減少約30%，同時在SWE-Bench Pro等基準測試中保持甚至超越Claude Sonnet/Opus/GPT-5.3-Codex等前沿模型的效能。

本文提出一種新穎演算法，僅需2-10個成功執行軌跡即可自動學習正確行為，並驗證新執行。該方法結合編譯器理論中的支配者分析和多模態大語言模型語義理解，使用字首樹接受器構建通用模型，透過多層次等價檢測合併軌跡，並透過拓撲子序列匹配驗證新執行。實驗表明，僅用3個訓練軌跡即可高精度檢測產品缺陷和假陽性，適用於UI測試、程式碼生成和機器人流程等領域。

提出一種分類框架，識別團隊對話中四種心智模型差異：無依據信念、錯誤信念、信念矛盾和資訊遺漏。實驗表明這些差異模式包含預測訊號。

該論文提出一種基於程式化上下文增強的LLM進化搜尋框架，透過程式碼與資料集互動，提取豐富資訊，超越傳統標量評估指標，顯著提升符號迴歸的效率和準確性。

一項新研究揭示了組織在採納人工智慧時普遍失敗的根本原因：工人——這些被期望與AI協作的關鍵角色——在AI的設計和使用決策中往往被忽視。研究者透過對醫療、金融和管理領域專業人士的訪談，提出了調整策略。

本文解決了Thiele規則在選民區間(VI)域上的計算複雜性公開問題，證明標準線性規劃存在最優整數解，並給出快速演算法。研究還擴充套件到選民-候選人區間(VCI)和線性一致(LC)域，揭示LC嚴格包含VCI，並發現樹形泛化導致NP難。

本文提出一種工具中介的LLM架構，透過確定性工具（Stackelberg最佳響應、貝葉斯觀測更新、攻擊圖基元）和有限動作目錄實現自主網路防禦的穩定性保證。使用Lean 4驗證的複合Lyapunov函式確保了可控性、可觀測性和輸入到狀態穩定性（ISS）魯棒性。在282個真實企業攻擊圖上驗證了宣告，並在攻防遙測中使攻擊者預期收益降低59%。

CreativityBench是一個新基準，用於評估大語言模型在創造性工具使用方面的能力，即透過推理物體的功能而非傳統用法來重新利用物體。該基準包含一個大規模功能知識庫（4000個實體，15萬+註釋）和1.4萬個任務。評估10個頂級模型發現，模型能選出合理物體，但在識別正確部件、功能及物理機制上失敗，效能大幅下降。模型擴充套件收益飽和，強推理能力不轉化為創造性功能發現，鏈式推理策略提升有限。這表明創造性工具使用仍是當前模型的主要挑戰。

一項由OpenAI高管等資助的暗中資助運動，透過支付網紅在社交媒體上傳播中國AI威脅論，以推動美國AI產業發展並影響公眾輿論。

Image2Obsidian 是一個開源工具，可將透過AirDrop接收的iPhone照片自動進行OCR、內容分類，並生成結構化Markdown文件存入Obsidian筆記庫。它支援CLI和Claude Code技能兩種方式，基於Claude的視覺模型進行語義分析。

本文詳細介紹瞭如何利用 LangChain 的 Deep Agents 進行編排和 Parallel 的 Task API 進行結構化網路研究，構建自動化公司盡職調查智慧體。該智慧體包含五個研究子智慧體，並透過 LangSmith 實現合規可觀測性，確保每項主張都有源可查。

Budgetbreeze是一款AI輔助個人理財應用，需要啟用JavaScript才能執行。

Amp團隊徹底重建了其CLI工具，推出Neo版本，支援遠端控制、自動上下文壓縮、訊息佇列和轉向功能，並引入了新的外掛API，效能大幅提升。