本文提出了一種從阿拉伯語-英語Al-Mawrid詞典的機器可讀版本中自動提取詞彙資訊的方法。該方法結合n-gram分析和關鍵詞索引（KWIC）分析發現形態、句法或語義模式，並透過手工規則進行資訊抽取。實驗表明，該方法在所有資訊型別上精度高，同義詞召回率高，其他資訊召回率低。研究發現Al-Mawrid詞典含有大量派生詞、同義詞、領域標籤和上下位關係。

經典的語言識別極限正規化將學習建模為對抗者與學習者之間的遊戲。新的語言生成極限框架要求學習者生成有效的、未見過的目標語言字串。本文引入了精確度的新概念，將問題重述為經典的召回率-精確度權衡。關鍵貢獻是分析了並非最終有效的學習者：允許無限多的錯誤，只要其頻率趨於零，從而保持精確度為1。這種放寬可以在對抗者永久保留大部分目標語言時嚴格提高召回率。還研究了新穎性約束的連續放寬。結果朝著更現實的生成模型邁進，其中偶爾的錯誤和重複是不可避免的，但速率可控。

該研究展示了情感效價如何影響兒童識別記憶的順序依賴結構：正確回憶一系列帶有情感色彩的玩具不僅取決於玩具本身的情感效價，還取決於它前後玩具的效價。傳統心理模型準確率較低，而引入效價的經典張量網路模型達到了77.98%的準確率，顯示了量子啟發方法在建模順序依賴現象（如情感記憶）中的價值。此外，該研究提出了一種新穎的、用於探索兒童情感時間記憶的真實世界工具。

本文提出一種端到端智慧體管道，結合深度時間序列預測、變分異常檢測和LLM推理，為辦公樓裝置級能源監控生成可操作的維護建議。系統使用混合SSA-LSTM預測模型和每裝置LSTM VAE注意機制檢測異常，並透過三階段LangChain管道（上下文、診斷、報告智慧體）生成診斷，配備動態檢索減少上下文開銷。在16個場景的基準測試中，最佳後端得分90.4/100，本地7B模型透過所有場景。

一篇新論文將奇異學習理論應用於深度單項網路，表明臨界點對應於子網路，從而為神經網路傾向於更簡單函式的隱式偏差提供了數學解釋。

針對迴歸任務中資料稀缺和噪聲問題，提出了一種模型無關的反事實殘差資料增強方法（CRDA），透過利用殘差不變性生成新樣本，在多個基準資料集上使MLP迴歸器的均方誤差平均降低22.9%，XGBoost迴歸器降低6.4%，優於現有方法。

經典萬能逼近定理證明了Sigmoid多層感知機的表達能力，但未規定如何初始化權重以編碼資料分佈的幾何結構。本文提出S-GAI，一種針對單隱層Sigmoid MLP的譜幾何感知初始化框架。該框架利用SVD為每個類別估計均值、主方向和譜尺度，透過能量閾值選擇保留方向，並每個方向用兩個Sigmoid門表示。這些類別特定的門構成共享的隱層，直接從訓練集初始化。實驗表明，S-GAI初始化的MLP比Xavier初始化具有更豐富的隱藏狀態，在完全訓練下達到相近的最終精度；凍結隱層時，只訓練輸出層仍優於凍結隨機門。

提出了一種新的線上分散式感知框架，結合部分領域知識和深度神經網路，無需噪聲統計資訊即可進行潛在狀態估計。CA-NKCF在多種環境下優於傳統方法，且對模型誤指定具有魯棒性。

本文是一篇立場論文，指出強化學習研究中有兩種使用模擬器的方式：解決模擬器本身，以及將模擬器作為實際部署的代理。作者透過示例和實驗表明，混淆這兩種用法會導致誤導性結論，並呼籲社群明確區分二者的使用方式。

一篇預印本證明，在沒有中央協調的自主智慧體網格中，每個智慧體的基質必須屬於連續時間液態類，才能最優處理不規則、非同步的觀測。識別出兩個必要條件：自適應時間尺度和對間隔時間的敏感性，這些是規模無法彌補的。

現有影像生成基準無法評估科學圖表的可用性。SciDraw-Bench提出了32個任務，涵蓋8種圖表型別和10個學科，並採用四維評估協議。實驗表明，領域專用系統SciDraw AI在所有維度上均優於通用模型，文本保真度仍是最大挑戰。

本文運用進化博弈論模型，分析了在競爭市場中，一個以最小化傷害為策略的AI智慧體如何取代以尋求批准為目標的RLHF智慧體，並探討該策略在何種條件下足以防止社群傷害。研究發現，當社群情感先驗分佈滿足單調性、端點反轉和中心對稱配對性質時，採納更易發生。存在一個關鍵採納水平，高於該水平時，審計智慧體將固定下來並主導社群。然而，即使有自我審計，如果審計與社群價值觀不一致或評估傷害的時間框架不當，該策略仍可能無法防止傷害，甚至可能變成福利陷阱。

在大型語言模型對齊中，無評論家強化學習（如GRPO）可節省記憶體和計算，但其優勢估計依賴組內獎勵統計，當組內所有軌跡獲得相同獎勵時可能失效。本文提出BV-Blend框架，透過結合提示區域性統計和語義簇的歷史時刻，利用標準誤差代理的置信權重進行混合，穩定了優勢估計。實驗表明BV-Blend在可驗證推理基準上提升了訓練穩定性和效能，尤其是在組歸一化方法可能停滯的場景下表現魯棒。

COMPASS 是首個將構圖意圖控制融入單一系統的統一多模態框架，透過共享專家令牌 τ_c 實現構圖感知與生成。它基於混合專家模型注入構圖知識，並將推理出的意圖蒸餾到 τ_c 中，在生成端將其作為全域性條件訊號引導去噪過程。配套的 Comp-11 資料集包含 11 類分類和推理增強標註，支援大規模訓練和評估。實驗表明，COMPASS 在類別級構圖理解和生成一致性上顯著優於現有方法。

研究人員推出了ATHENA-R1，一種基於強化學習的AI代理，能夠在212種生物醫學工具中自主進行治療推理。在多項基準測試中，其準確率顯著超過GPT-5，並得到專家和醫生的積極評價。

VirtueMap是一個基於亞里士多德美德倫理的框架，用於分析大型語言模型在倫理困境中的表現。它使用七個通用困境，要求對五種回應按美德排序，並透過100多名評估者確認（95%一致性）作為基準。對九個LLM家族的評估顯示平均排名一致性為90.3%，在勇氣、節制和正義方面差異最大。

當前增強大語言模型推理的方法，如思維鏈和“等待”提示，主要鼓勵模型多思考，但往往未能引導它們走向真相。本文透過研究推理鏈中的真相幾何，提出了DynaSteer框架，一種動態表示編輯方法。該框架利用模式聚類和Fisher-LDA，透過動態監測前瞻熵，選擇性地引導和回滾軌跡，在MATH基準和跨領域編碼任務上驗證了有效性。

IMCBench是一個新的基準測試，用於評估多模態大語言模型在影像輔助的醫學對話中的表現。它結合真實臨床影像和合成患者檔案，模擬多回合醫患互動，並從安全性、準確性和不確定性使用三個維度進行評估。結果表明，Claude Opus 4.6以3.61分領先，但所有模型在惡性或罕見疾病上安全性下降，且視覺輸入和電子健康記錄上下文對安全指導至關重要。

研究人員提出GPTNT基準測試，基於合作遊戲《保持通話，無人爆炸》，評估多模態AI智慧體在即時協作中的表現。測試發現，當前最先進的模型無一能在即時中成功拆彈，而人類玩家可以。該基準測試透過控制指令手冊和夥伴的可用性，將協作從記憶依賴中分離出來，並揭示了模型在狀態跟蹤、時間壓力下的行動效率、歧義處理和錯誤恢復方面的關鍵弱點。

一種名為'能力切片'的新方法，透過將評估樣本分組（背景條件、任務型別、求解操作和輸出約束），填補了大語言模型預訓練中評估與資料之間的鴻溝，使從基準測試失敗到資料干預的推理變得系統化。兩個案例研究驗證了其有效性：一是診斷出BBH下降源於掩碼EOS損失而非推理能力減弱，二是透過針對性取樣將AIME2025/2026的Pass@128從6.67/0.00提升至26.67。

研究人員提出RSEA，一種遞迴自演化智慧體，透過演化壓縮的自然語言狀態來改進LLM智慧體，無需更新權重。它使用嚴格的保留集選擇門，在部分基準測試上超越基線，同時防止效能崩潰。研究表明沒有普遍最優的工件，並警告無保護的上下文演化的風險。

2025-2026年間，傳統軟體開發正規化終結。手工編碼、死記硬背和狹隘專業化價值歸零。新稀缺能力是廣泛思考、設定方向、解決未定義問題並與智慧體協作。以資歷和麵試流程招人的公司已過時。未來屬於具備判斷力、願景和增強協作能力的“操作者”。我們正在打造連線頂尖操作者與需求方的市場，基於作品而非出身。

這篇綜述論文探討了基於基礎模型的智慧體中記憶的核心作用，提出了一個從形式、功能和動態三個維度分類記憶的統一框架，並總結了當前研究、基準測試和開源框架，展望了未來方向。

Snap to AI 是一款 macOS 小工具，允許使用者透過快捷鍵擷取螢幕並立即傳送到 Claude、ChatGPT、Gemini 等 AI 工具。支援原生應用和瀏覽器，提供終端模式，隱私安全，一次性購買 $9。

這是一個免費的AI工具集，專為桌面角色扮演遊戲主持人設計。它能夠快速生成故事、NPC、任務鉤子、戰役劇情等內容，無需註冊即可使用，並支援戰役記憶功能。

Drifty 是一款面向 Mac 的 AI 專注代理，透過後臺記錄應用、網站和會話，利用 AI 將活動分類為專注、中性或漂移，無需手動計時或標記。它提供隱私控制，支援本地、雲端或自帶金鑰執行，並可透過極端提醒關閉干擾標籤頁，幫助使用者瞭解專注模式。

透過AI專家團隊，更快地獲得精準成果。

Flowly是一個原生AI助手，可在您的應用和瀏覽器標籤中執行操作。它支援macOS、Windows和Linux，透過全域性熱鍵召喚。最新版本v1.4.0引入了計算機使用功能、即時工具面板、知識圖譜重構、螢幕感知教練等新特性。整個代理核心已開源（Apache-2.0），使用您已有的AI金鑰，並保持私有記憶。

本文探討了人工智慧與“聰明的漢斯”這一歷史案例之間的相似之處，指出AI可能並非真正智慧，而是依賴於人類的無意識提示。

月之暗面（Moonshot AI）推出了全球首張AI原生信用卡，將Kimi會員和信用額度等核心權益整合到信用卡開卡和積分消費體系中，並透過提示詞課程和AI分享會活動，為使用者在信用卡使用過程中提供更豐富的AI體驗。