AI 日报

AI 模型正解决越来越多数学难题，其成功模式揭示：大语言模型采用深度优先搜索，结合自动验证器，能高效探索并验证大量想法，从而在数学发现中取得突破。

OpenAI 发布安全报告，详述其如何通过离线环境、纵深防御和大规模红队测试来保护前沿模型训练与评估环境，并在一次 DNS 解析器配置错误导致模型短暂触及实时互联网后暂停训练，完成加固后于 10 月 1 日恢复强化学习训练。

爱丁堡大学全球公共卫生教授Devi Sridhar评论了马萨诸塞州Mass General Brigham研发的面部AI模型：该模型基于逾4000万张面部图像训练的FAHR-Face，以及分别用于估算生物学年龄的FAHR-FaceAge和用于预测癌症患者存活期的FAHR-FaceSurvival。作者认为这项研究颇具前景，但仅凭一张自拍预测个体健康忽略了太多因素，临床应用仍需谨慎。

You.com 发布了 Inference Router，这是一个与 OpenAI 兼容的托管 API，可在 12 个开放权重模型之间路由请求，并提供至少 99.9% 的可用性 SLA、零数据保留、100% 美国托管、服务端网页搜索以及零平台费。其按 token 计费的价格接近市场水平，主要卖点在于合规与可靠性保障，而非低价。

该论文提出 PhysibleMDM 框架，在不重新训练生成模型的前提下，于推理阶段优化扩散噪声，使运动扩散模型生成的轨迹满足物理可行性约束。作者引入无需完整轨迹仿真的代理约束，结合运动学检查与基于逆动力学的动态可行性测试，并用 Sep-CMA-ES 求解黑箱噪声优化问题，再通过自回归方式串联片段生成长时间运动序列。实验显示，在 SMPL 人形模型上，地面穿透、自碰撞穿透和地面滑移分别平均降低 75%、92% 和 74%；在定制双足机器人上，加速度重建误差与逆动力学残差的中位数降幅分别为 89.5% 和 79.5%。

该论文提出 FRED 框架，利用自蒸馏与时间上下文训练世界动作模型（WAM），在单步去噪中从噪声预测更高质量的未来视频表征，从而提升动作预测性能。在真实机器人操作任务中，FRED 全面超越同类方法，长时序与零样本域外泛化任务增益尤为显著，并将人类视频到机器人技能迁移成功率从 19.4% 提升至 50.0%。

该论文提出Alpha框架，通过在仿真中对感知、执行、运动学和规划环节注入故障，系统评估LLM驱动机器人操作的鲁棒性。实验对比LLM规划器与确定性脚本规划器，发现二者在物理和运动学故障下表现完全一致，性能差距仅源于规划器输出损坏，问题出在提示到JSON的序列化与验证接口而非认知推理。

来自arXiv的新论文AVAtt构建了一个针对绘画的自由观看眼动追踪数据集，覆盖16个艺术流派、横跨五个世纪的作品，包含多位参与者的扫描路径与注视点数据，并对经典与深度显著性模型及44种扫描路径相似度度量进行了基准评测。

该论文提出一种无需训练的视频生成控制方法，利用预训练视频扩散模型，通过两阶段流程按粗略布局控制物体位置与运动，在轨迹准确度和视觉质量上优于先前工作。

Meta 研究团队（论文作者含 Chao-Yeh Chen、Tiffany Chen、Umar Iqbal 等项目负责人）发布 EgoHand，一个面向第一人称（自我中心）视频的单目三维手部重建模型。该模型在 1400 万张图像上训练，数据集融合了合成数据、野外视频与多相机动作捕捉；采用 SOMA-Hand 参数化表示，并以 Transformer 编码器处理 2D 手部裁剪图，同时引入相机线索与辅助 2D 分支以提升几何一致性和图像对齐。在 HOT3D、ARCTIC 与 H2O 上的零样本评测显示其泛化能力突出，关节位置、根节点平移与加速度误差均低于对比基线，推理延迟约 9.69 毫秒；盲测用户偏好研究也显示其重建手部姿态优于 Apple EgoDex 与 Ropedia Xperience-10M。模型与源码以 OpenMDW 许可证开放，允许免费商用。

该论文提出MemPlan框架，将大语言模型的角色从长程规划器转变为语言与符号规划之间的受约束桥梁：固定PDDL领域，并在每一步利用解析出的观测、候选假设和交互记忆重建PDDL问题，通过正负记忆引导规划器并排除已被反驳的假设，在TextWorld、ALFWorld与Robotouille上提升了任务完成率和步骤效率，同时显著降低在线token开销。

该论文针对低资源语言西西里语的机器翻译，重建了基于双语期刊《Arba Sicula》PDF的平行语料提取流程，并将其移植到无Perl的现代实现中。研究比较了从零训练的小型Transformer与经低秩微调的预训练NLLB模型，发现预训练模型明显更优，分阶段训练对译入西西里语的提升大于译出；但多语适配器会损害未训练方向的表现。

来自 arXiv 的一项新研究提出 CiteResolve 基准（包含 423 条真实世界幻觉引用，并按来源可恢复性标注）以及 CiteAnchor 来源感知接地框架。该框架针对不同来源类型调整检索与字段级核验，并分别判断引用是否有效以及能否定位唯一来源。在现有检测基准上，CiteAnchor 配合 GPT-5.6 Luna 取得 0.841 的 F1 值，配合开放权重骨干模型取得 0.784，分别比同类基线高 7.9 和 36.8 个百分点；在 CiteResolve 上端到端任务成功率分别为 74.7% 和 70.7%，比对应的网络搜索基线高 16.3 和 65.3 个百分点。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30349v1 Announce Type: new Abstract: LLMs are increasingly consulted for moral judgment. We aim to improve performance on such tasks by rewarding good arguments, on the premise that arguing well increases the likelihood of judging well. We train a reinforcement learning policy initialized from a state-of-the-art language model in a self-judged tournament with masked thinking: the generated arguments are judged pairwise on argument quality by the policy itself. As an empirical basis, we extract authentic dilemmas from classic novels, using a logic solver to verify that each constitutes a conflict. We show that our judge rates argument quality like human annotators, and the policy then adopts the language register that it rewards. Testing on the extern…

该论文提出 AQL-Lite 框架，将高质量数据筛选流程与部分参数持续预训练相结合，以更低成本把多语言大模型适配到现代标准阿拉伯语。在 1B token 预算下，经 AQL 精炼的数据使四项基准平均提升 3.51 分，而直接用原始网络文本预训练则毫无增益；在 5B token 对照实验中，AQL-Lite 以约一半的实际耗时取得全参数持续预训练 94% 的收益（均值 73.19 对 73.58），并在所有基准上优于仅训练适配器的方案。扩展到 40B 现代标准阿拉伯语 token 并经过百万条指令微调后，所得 12B 模型在 OALL v2 七项基准套件上取得 75.3 分。

一篇新论文提出 FusionEval 基准，用于系统评测大语言模型的模型融合方法。该基准构建受控的专家模型池，覆盖数学、代码、科学、指令遵循与工具使用等领域，并在八个公开基准上同时衡量能力保留情况与计算成本，揭示免训练融合方法虽能保住推理能力，却会显著削弱工具使用能力。

来自 arXiv 的一篇论文（Lighthouse）介绍了据称首个用于探索美国民权时期历史的数字助手，其数据来自南卡罗来纳州。该系统采用神经符号方法，将大语言模型与基于规则的符号求解相结合，以可信度和降低用户潜在伤害为核心设计原则；同时接入超过 1.8 万份一手资料，并通过事实性问题和主观问题（后者以专家共识为“金标准”）进行评估。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30231v1 Announce Type: new Abstract: Visual mathematical reasoning can fail before reasoning begins: when a vision-language model (VLM) misreads a diagram, subsequent reasoning proceeds from false premises. This perceptual bottleneck is especially pronounced in smaller models, while accurate textual descriptions can substantially narrow the gap to larger models. Because obtaining such descriptions at inference requires additional annotation or model calls, we propose minimal-edit corrective on-policy distillation. Using reference figure descriptions and verified reference solutions as training-only information, a teacher scores incorrect student rollouts under a minimal-edit objective, and only teacher-disfavored tokens contribute to the corrective l…

一篇新的arXiv论文指出，通常以队列平均值报告的医疗AI模型隐私风险可能掩盖个体患者严重暴露的情况。作者在四种模态、六个临床数据集上训练了7,789个模型，测量逐患者级别的成员推断风险，发现无论训练配置如何变化，风险最高的患者群体基本保持稳定。他们据此提出一种轻量级四模型筛查工具，可在训练生产模型之前识别高风险患者。

一篇 arXiv 论文比较了四种模型压缩技术，将其应用于旋转机械预测性维护的卷积神经网络，并在九类异构计算平台上评测。知识蒸馏表现最佳：推理速度提升逾 90%，平衡 F 值为 91.22%，模型体积缩减 98.9%，且性能下降极小。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30223v1 Announce Type: new Abstract: Large language models are increasingly used in competitive programming, and their outputs are sensitive to how a prompt is phrased. Prior work has compared prompt strategies for accuracy on competitive programming, but not for runtime speed, and has not situated the results against human performance. In an exploratory study of one prompt in each of nine styles on GPT-5.5 across three accuracy tasks from the International Olympiad in Informatics (IOI) and two NP-hard speed tasks, we found that no single prompt was best: the strongest prompt depended on the task type and on whether results were summarized by the mean or the median, suggesting that, at least for these tasks, prompt style should be matched to the obje…

arXiv 新论文指出，用重建或对比学习目标训练的多模态健康记录表示，无法保证保留因果识别所需的信息；作者证明仅依赖协变量的目标函数无法证明表示充分，并提出一套结合交叉拟合双稳健估计器与表示不足诊断的工作流。

研究人员提出潜空间互连协议（LIP），通过独立训练的连接器把蛋白质和小分子专家模型的内部表示直接映射进大语言模型内部状态，从而绕过以文本等多模态格式传递信息的瓶颈。他们在冻结的Gemma 3与Kimi K2.6上验证了跨领域零样本迁移和组合能力，同时指出当前LLM尚未针对专家表示进行原生训练，可靠理解与推理仍是主要局限。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30211v1 Announce Type: new Abstract: Knowledge tracing (KT) models can estimate item parameters through an item response decoder trained solely for next-response prediction, yet predictive accuracy does not guarantee parameter recovery. We study 2PL, GPCM, and NRM decoders paired with LSTM, Transformer, and DKVMN encoders. Response-model derivatives show why discrimination and option slope updates depend directly on the scale and spread of estimated ability. Affine logit identities show how item-dependent shifts and rescaling in estimated ability are absorbed into item parameters without changing response probabilities. In simulations, difficulty, mean threshold, and correct-option intercept recovery remain high under shuffled order across representa…

这篇被 NeurIPS 2026 接收的论文提出 MoEZip，一种专门为稀疏混合专家（MoE）大语言模型设计的 KV 缓存压缩方法。现有压缩技术在稠密 Transformer 上效果不错，却忽略了 MoE 特有的问题：驱逐 KV 条目会改变生成答案时被激活的专家，从而损害生成质量。MoEZip 利用基于路由分布 Fisher 信息矩阵的新指标衡量专家路由对扰动的敏感度，并与注意力权重结合进行感知路由的打分，同时组合针对稠密与稀疏 MoE 架构的驱逐策略。在仅保留 10% KV 缓存的激进压缩下，它在 LongBench 和 RULER 上平均较当前最优基线分别提升 +24 和 +20 分，相当于 2.3 倍和 4.9 倍的分值。

来自 arXiv 的一篇新论文提出 Fig（Finding Interactions in Games），这是一个智能体系统，能对游戏环境施加有针对性的干预，从而主动引出多智能体模型的特定社会行为，如合作、欺骗与背叛。实验显示，在 Fig 生成的合法场景中，模型平均在 45.2% 的回合里尝试了目标行为；在与对照组游戏匹配比较时，干预使尝试率平均提高 10.9%。

一篇新论文提出受控的 LLM 对 LLM 辩论框架，研究模型在长期对话中如何相互影响彼此的观点。研究发现，同模型交互通常缩小观点差距，跨模型交互则扩大差距，且笼统的“说服”指令并不能可靠地提升影响力。

研究人员提出 modded-nanoRT，这是首个面向关系型 Transformer 的“速通”排行榜。固定任务、开放技术栈，以单块 GPU 达到质量目标所需实际耗时为排名标准，从而把预训练配方探索从单个实验室的私有协议中解放出来。团队还引入按外键路径调整注意力分数和值的类型化三线性注意力，配合 Muon 与 SIGReg，在单块 NVIDIA H200 上以 305.63 秒达到目标，比参考实现快 8.11 倍，并在开发数据库之外的 15 组对比中赢得 13 组。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.28826v1 Announce Type: new Abstract: Automated judges of clinical artificial intelligence (AI) outputs are necessary, but large language model (LLM) judges are costly and slow at scale. We compared Jev, a decision language model that returns structured judgments, with frontier and open-weight LLM judges in four use cases. On 118 pediatric answers, Jev's agreement with physicians' ordinal quality ratings (Gwet's AC2 0.50; expected score 0.53) matched or exceeded that of seven of 12 LLM judges, including frontier models, Claude Opus 5.5 (0.49) and GPT-6 (0.38). On physician-graded binary HealthBench criteria, Jev matched or exceeded four of six LLM judges. On MedHELM's open-ended tasks, Jev's agreement with a three-LLM jury approached or exceeded the j…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.28706v1 Announce Type: new Abstract: LLM-driven evolutionary search is a promising paradigm for scientific discovery, but existing methods remain costly and slow, often applying expensive reasoning uniformly while underusing evidence from failed, redundant, and saturated trials. We introduce Speculative Evolution (SpecEvo), a multi-LLM framework that coordinates lightweight and frontier models through continual consolidation of search evidence. Lightweight models power both parallel Speculators, which generate and refine candidate programs, and an Advisor, which distills accumulated successes, failures, and saturated directions into persistent guidance for subsequent exploration. At sparse checkpoints, a frontier-model Navigator inspects the evolving…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.28698v1 Announce Type: new Abstract: Scaling data, diversity and model capacity has improved embodied learning in physical environments, where diverse experiences remain grounded in shared physical laws. Whether these gains extend to virtual worlds with different visual styles, dynamics, controls, and objectives remains unclear. We investigate this question through a controlled study of continued pre-training (CPT) across three axes: data volume, diversity, and model size. Our 120 training configurations span four model sizes from 0.8B to 27B, six data budgets from 50 to 1,600 hours, and five mixtures ranging from Minecraft-only data to diverse multi-world corpora. We assess performance and generalization using three-level validation losses and gamep…

该论文提出 ClariEdge 数据集，包含约3900条歧义查询及无需澄清的负样本，用于训练 RAG 系统的查询澄清能力。研究发现，经 LoRA 微调的小模型在分类准确率上达到96.6%，并在分类与澄清生成质量两方面超越多款更大模型的提示词基线；同时强调难负样本对区分真实歧义与可由上下文消解的伪歧义至关重要。

哈萨克斯坦的AI生态正从基础设施规划走向实际部署，覆盖从底层算力到模型再到应用的完整技术栈。国有电信巨头Kazakhtelecom已在阿斯塔纳和阿拉木图部署400块NVIDIA H200与480块B300 GPU，并计划明年在Data Center Valley增加逾1000块GPU、在埃基巴斯图兹地区部署逾1000块Vera Rubin GPU。与此同时，inDrive与Pony.ai正探讨在哈萨克斯坦推出Robotaxi服务。

Canva推出自研图像生成模型Canva Craft，采用两阶段架构，先规划设计方案再生成图像，最高支持2K分辨率和30多种宽高比，目前全球用户均可使用。

OpenAI 正式发布 Decisions API，基于 GPT‑6 Luna，专为应用中大量细小的判断任务设计。它支持概率、选择、评分三类回答，速度最高可达通过 Responses API 调用 GPT‑6 Luna 的 10 倍，定价为每百万输入 token 0.10 美元且不收取输出费用。

Databricks 在全面采用 AI 编程助手后，面临成本指数级增长的问题。通过四项措施——切换默认模型、按任务路由、提高支出可见性和减少 token 开销——将单位成本降低了高达 90%，并将内部解决方案产品化为 Unity Gateway。

AWS 博文介绍了如何在 Amazon SageMaker AI 上托管 Kokoro-82M 文本转语音模型，并将智能体生成的每一句话在产生时立即流式送入合成，从而让语音播放在完整回复生成完毕之前就开始。文章还比较了通过 SSE 传输 base64 音频与在同一双向会话中复用原始二进制加 JSON 控制帧两种方案的实际成本与取舍。

Liquid AI 推出专为实时请求路径设计的推理引擎 RIPL，可在单张 B200 上以 50 毫秒以内完成端到端生成。官方基准显示，其 p95 延迟比运行在 vLLM 上的 Qwen3.5 低 5.6 至 28.4 倍，Shopify 已将其用于生产搜索场景。不过 RIPL 仅面向企业客户、闭源，且所有数据均为自报。

《卫报》社论指出，尽管美国现任政府阻碍全球人工智能监管，但公众对保护的需求最终将占上风。文章以PHP关键漏洞为例，说明AI既能帮助发现漏洞，也可能加速漏洞利用，并提及OpenAI模型涉及的两起安全事件，以及英国AI部长对类似网络攻击“很可能、甚至不可避免”的警告。

Cohere 推出 Rerank 5 检索重排模型，分 Pro 和 Fast 两档，均支持 32K 上下文与 100 多种语言。新增可选功能 Context Focus 可在一次调用中返回文档内相关内容片段的字符区间，配合校准后的相关性分数，帮助 RAG 与智能体开发者向大模型发送更少但更精准的 token。Pro 版在 Cohere 自测的 BRIGHT 基准上得分 82.2，比 Voyage AI Rerank 3 高 5.8 分，但所有基准数据均为 Cohere 自报。

AWS 博客介绍了一种以实测数据替代猜测的自动扩缩容方法：在 Amazon SageMaker AI 实时端点上以自定义容器部署 Kokoro-82M 文本转语音模型，通过对线上端点测量 Q_max（单实例在 SLO 内可承受的最大并发）和 T_total（端到端扩容耗时），再用算术推导出扩容阈值、缩容阈值以及两段冷却时间，从而避免因阈值设定偏保守造成 GPU 闲置浪费、或偏激进导致延迟 SLO 被击穿却不被察觉的问题。

OpenAI宣布把Open Responses API规范捐赠给Linux基金会旗下的开源智能体AI基金会（AAIF），该规范旨在统一各LLM厂商的消息、工具调用等核心接口原语，让开发者在切换模型时无需为每家的差异化API重复适配。AWS、Databricks、Ollama、Hugging Face、Vercel等已支持，但竞争对手Anthropic和Google仍沿用各自接口。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：TL;DR Numerical mismatch can derail training: in a Fireworks GLM 5.2 experiment, the same algorithm and data produced collapsing reward without alignment and stable reward with alignment over 25 steps. Training MoE mode…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：TL;DR Muse Glimmer 30B is free to train with supervised fine-tuning (SFT) through November 30, kicking off our Free Weights Club. Tuned Muse Glimmer outperformed Jev by 11.2 percentage points in prediction accuracy on u…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Muse Spark Open, an open weights model from Meta, is available Day-0 on Fireworks. It’s an 816B-parameter mixture-of-experts model with 42B parameters active per token and a 1M-token context window, built for long-horiz…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：How much better could a coding agent perform if it used the best model for each task? The best single model, GPT-6 Astra, gets 74.1% of DeepSWE tasks at $6.52 each. Pick the right model for each task and the same eighte…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Oct 22 2026 How we deploy Trillion-parameter frontier models on Cerebras Sarah Chieng One of the most frequently asked questions we get is how we deploy large models on Cerebras wafer-scale chips. A single Cerebras WSE-…

Meta将新商业条款的生效时间从10月30日推迟到11月20日。此前新闻出版机构担心，这些条款可能让Meta抓取新闻网站内容用于AI训练。Meta表示，延期是为了有更多时间说明哪些内容会变、哪些不会变，并强调内容所有者仍可通过robots.txt表达抓取偏好。

物理 AI 正把人工智能推向机器人、工厂和其他现实环境；在这些场景中，理解语言只是挑战的一部分。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：How physical pretraining could change the way we teach machines to work

一篇新论文提出了一套集成传感与控制系统，可在CT扫描腔内自主完成呼吸门控下的针穿刺，无需患者屏气或反复手动调整。实验显示，该系统能够跟踪并预测患者的呼吸周期，执行自主的呼吸门控穿刺，并检测呼吸周期异常，有望缩短CT引导肺活检的手术时间、减轻患者不适并降低辐射暴露。

这篇综述论文系统回顾了基于触觉的机器人操作研究的发展历程，将其划分为两个互补阶段：一是通过接触力学和任务特定推理显式解释触觉信号的力学驱动方法，二是直接从数据中学习触觉表征和操作策略的数据驱动方法。文章还讨论了实现可扩展、可泛化且鲁棒的触觉机器人系统所面临的开放挑战与未来机遇。

该论文提出 MPBRS（Multi-Potential-Based Reward Shaping，多势函数奖励塑形）方法，用于人形机器人运动控制的强化学习。研究团队设计了一套统一的奖励结构与权重，并在九种不同人形机器人上验证，且仅需关节与连杆映射、默认姿态等机器人专属元数据，无需为每台机器人重新设计奖励，即可获得更一致的缩放行为和更低的调参敏感度。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30340v1 Announce Type: new Abstract: We introduce Foundation4D, a unified feed-forward model for geometry estimation, 3D detection, semantic occupancy, and Gaussian reconstruction from multi-camera driving video. A shared backbone uses factorized spatiotemporal attention to efficiently combine observations across cameras and time. Our video inference pipeline uses pose graph optimization to refine camera trajectories and assembles object tracks across input windows. We also develop a data annotation pipeline and release PAI-Foundation4D, a benchmark with dense depth and semantic occupancy labels for 1,253 driving clips. With benchmark-specific fine-tuning, Foundation4D achieves the lowest depth AbsRel on Waymo and nuScenes, the highest detection mAP…

Anthropic周四发布报告称，随着公司愈发依赖Claude AI代理，其招聘的初级技术员工正在减少，人类注意力成为新的“瓶颈”。不过，一些专家对该公司关于AI将如何改变工作方式与劳动力需求的愿景持怀疑态度。CEO Dario Amodei去年曾预测AI会取代半数初级白领岗位、并在六个月内写出90%的代码，但这两项预测均未成真。

Swif.ai正在扩展Linux设备管理与合规能力，新增Omarchy和Linux Mint支持，帮助企业在AI开发团队采用Linux时满足IT安全与合规要求，并把AI代理监控纳入端点管理。文章也提醒，部分发行版和Drata等集成仍有覆盖限制，合规证据本身不等于合规。

Databricks 发布对比文章，主张其开放的湖仓一体架构在数据开放性、统一工作负载、可预测成本和原生 AI 能力上优于 Oracle 传统数据仓库，同时承认 Oracle 在高并发 OLTP 和关键业务事务系统上仍有优势，并以 Lakebase 补足运营数据缺口。

本文借用莫妮卡·罗加蒂的AI需求层次框架，提出构建智能体软件工厂的四个层次——智能体运行框架、个性化、自动化和持续学习，并以发票追踪应用为例说明如何通过规格说明与验证让编码智能体在无人值守下自主异步地完成从需求到可审查成果的全过程。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：the Cyber onslaught continues.

TinyFish 发布两篇工程文章，介绍其面向生产环境的智能搜索（agentic search）架构与深度研究系统的建设经验。架构围绕 TinySearch、TinyFetch、TinyBrowser 和 TinyAgent 四个 Web 原语构建，采用七阶段控制循环，强调以“证据契约”定义任务、按信息缺口选择工具、按失败类型重试。在 OpenBenchmarks 上，TinyFish 在编码任务中完成率达 79.0%，中位任务成本仅 0.050 美元，为对比方案最低。深度研究方面，团队取消了独立规划器和按查询分配的子代理，改为单一推理循环与工具调用。

Google Cloud 推出专为 AI Agent 打造的 Agent Compute Engine（ACE），为每个 Agent 会话提供硬件隔离的 microVM，沙箱内不存放任何凭据。该服务已在 Gemini 等场景中投入使用，客户预览版计划于未来数月推出。配套的开源项目 Agent Substrate 已可在 GKE 上使用，并在 20 万 Agent 的基准测试中实现每秒 500 次激活、暂停/恢复时间低于 500 毫秒。

一篇预注册研究比较了具身智能体经验的两种存放方式：将经验蒸馏进策略权重，或在推理时外置检索。结果显示，把检索记忆附加到固定的学生权重上可将成功率提升约34个百分点，而从相同轨迹蒸馏得到的权重仅比纯动作对照组高1个百分点且不显著；在更难的第二个任务上，检索优势方向一致但未达显著（+6个百分点），作者将衰减归因于记忆覆盖度。

该论文提出 TauIndianBankBench，一个面向印度零售银行业务的行动导向基准，包含 1,000 个任务，用于评估基于语言模型的助手的流程遵循能力。研究发现，若只检查对话结束时的最终记录，各模型有 6.5%–12.0% 的会话会被误判为成功，尽管助手跳过了必要步骤或做出了未经请求的更改。

该论文揭示了一个反直觉现象：随着演化任务池扩大，现有智能体框架演化方法的性能反而下降，原因在于优化过程中的证据选择不理想。作者提出连续规模竞赛（SSR）框架，在每轮演化中自适应搜索最优证据组合，在三个基准的六个配置上均取得最优结果，并在任务池从40扩展到200时把通过率从64.3%稳定提升到68.3%，同时将验证执行次数减少60%。

研究人员推出 Agent4Sci 测试平台，涵盖 11 个领域的 20 个科学机器学习基准，旨在评估前沿编码智能体在真实条件下推动科学模型进步的能力。结果显示，Claude Opus 等智能体虽能超越已发表的最佳模型，但其提升主要源于机器学习工程技巧，而非领域洞察，暴露出三大局限：新颖性误判、资源利用不足和过早陷入局部工程搜索。插件式技能可显著提升性能。

企业正从追求token数量转向追求价值最大化，通过细粒度成本归因、智能路由和集中式网关来优化AI支出，确保AI扩展速度不超过收入增长。

Discord 最新更新修复了 Markdown 文件预览渲染，能正确显示表格与格式而非一堆符号；此次更新还加入了通过侧边栏右键“移动到…”整理服务器与频道，以及 Nitro 会员可上传最大 1GB 文件的功能。

Databricks 推出面向电信欺诈的解决方案加速器，将实时风控引擎、Lakebase 事务与分析统一存储、欺诈分析师工作台和 Genie AI 调查代理整合到同一平台，帮助运营商以机器速度对抗日益猖獗的电信欺诈。

Anthropic宣布把Agent Skills标准捐赠给Linux基金会下属的Agentic AI Foundation（AAIF），该基金会由Anthropic与Block、OpenAI于去年共同创办，此前已接手Model Context Protocol（MCP）。Simon Willison指出，他早在去年12月就预测这一标准会归入AAIF，并用Claude配合MCP插件检索到自己当时的这条博文。

伊比利亚宠物护理公司 IskayPet 在西班牙、葡萄牙和法国运营 330 多家门店，员工此前需手工翻阅 SharePoint 中四种语言的数百份文档来查找运营答案。该公司基于 Amazon Bedrock 托管知识库构建了多语言企业知识助手，利用原生 SharePoint 连接器、混合搜索、托管重排序和文档级权限控制，无需自建 RAG 基础设施，将查找运营答案的时间从 3–5 分钟缩短至约 7 秒。

Amazon Quick 是符合 HIPAA 资格的服务，但“符合资格”并不等于“合规”。本文解释 HIPAA 的适用对象、PHI 在 Amazon Quick 中的两条数据流、该平台为受监管环境提供的保障与不足，并给出在医疗环境中部署合规 AI 代理的分步实施指南。

Rescale 采用 AWS 上的 AI 驱动开发生命周期（AI-DLC）框架，结合 Strands SDK、Amazon Bedrock 和 Amazon EKS，构建了一个自动对夜间端到端测试失败进行分类与分流的智能体。项目从问题定义到预发布环境部署仅用五天，数周内进入生产，人工分诊一致率从 44% 提升至 68%，测试失败导致生产部署受阻的时间减少 20%。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Flint-interactive gives AI agents a language for creating interactive visualizations. Click a chart, filter data, highlight related content, and explore beyond the view the author originally chose. The post Flint-interactive: A language for creating interactive data visualizations appeared first on Microsoft Research.

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Fireworks Nexus enables engineering teams to drop leading open models in the harnesses they already use and cut spend in half without sacrificing speed or quality. The solution includes FireRouter, the first cache-aware…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Today, we’re donating Agent Skills, the open standard that gives AI agents specialized knowledge and workflows, to the Agentic AI Foundation (AAIF). More than 70 agent platforms, including ChatGPT, Cursor, GitHub Copilo…

AI 辅助的反编译与重组让复古游戏移植项目激增，但速度、署名与保存质量等问题正在冲击游戏保存社区，并引发关于“粗制滥造”与创作可能性的争论。

随着越来越多有影响力的声音警告人工智能可能引发大规模危机，一个古老的理念重新受到关注。文章援引经济学家米尔顿·弗里德曼关于危机如何让边缘思想进入政治主流的观点，指出思想界与智库应提前打磨可供政策采纳的方案，以便在AI冲击到来时有所准备。

Peras 在 Product Hunt 上发布，定位为避免 Claude Code 和 Codex 在一周内被过度消耗或浪费时间的工具；所给材料仅包含一句中文式标语，没有更多功能细节。

Simon Willison 在荷兰另类摇滚乐队 De Staat 的新音乐视频《FREEDOM》第 00:44 处发现了他长期使用的“鹈鹕骑自行车”AI生成图像测试提示词，这也是他笔下该标签首次出现在正式商业作品中，视觉特效由 Fake it or Leave it 的 Matties Grooten 负责。

Anthropic 发布了 Claude Duet 应用，并针对专业及小型企业场景设置了严格的安全防护措施，然而文章指出企业目前尚未具备充分条件来采用这一工具。

一名改装者借助OpenAI的Codex，利用游戏《SmileBASIC 4》在Nintendo Switch 2上实现了软件级、需每次开机重新运行的越狱，并演示了加入新角色的自制版《马力欧赛车世界》。这款破解目前操作复杂、实际影响尚不明确，但可能开启Switch 2一系列漏洞利用的开端。

莱卡工作室新片《荒野之林》耗时五年、动用逾230个木偶和上千名艺术家完成。导演兼CEO特拉维斯·奈特在影片首映前接受采访，直言生成式AI与工作室的手工创作理念相悖，认为让技术代替艺术家创作等同于剽窃，缺乏人性与灵魂。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：TLDR; Discover when to leverage the GLOBAL option and how we architected multi-region routing to handle global workload placement off the inference hot path, optimizing for low latency, resilience and operational ease.…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Key takeaways Protect data in use: Model Vault extends protection beyond data at rest and in transit to prompts, documents, responses, and model execution while inference is running. Encrypt sensitive request contents e…

麻省理工学院历史学助理教授本杰明·林德奎斯特（Benjamin Lindquist）在《Past and Present》期刊发表论文，追溯了AI“幻觉”的历史根源。他指出，20世纪50年代的早期工程师为了让机器像人一样思考，刻意在确定性算法中注入随机性，以模拟创造性思维。如今商业AI系统出于法律和财务考虑压制了这种“怪异”，但创造力与可预测性之间始终存在不可避免的权衡。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：arXiv:2610.30528v1 Announce Type: new Abstract: Predicting surrounding vehicles' lane-change intentions enables autonomous vehicles to anticipate potential hazards and respond proactively rather than relying solely on reactive maneuvers. This study investigates the benefits of integrating lane-change prediction, based on knowledge graph embeddings and Bayesian inference, into autonomous vehicle decision-making. Three driving strategies are evaluated in risky merging scenarios simulated in CARLA: reactive driving, prediction-based longitudinal action, and prediction-based lateral action. The proposed prediction model anticipates the surrounding vehicle's lane change approximately 3-4 seconds before its occurrence, allowing the ego vehicle to adjust its behavior…

arXiv最新论文提出SplatLab，一套面向3D高斯泼溅（3DGS）的自主科研系统。它能从研究提示、目标论文链接乃至零输入出发，复现已发表基线、提出扩展方案，并在Mip-NeRF 360与LLFF数据集上完成训练与消融实验，最终撰写论文手稿，且所有报告数值均绑定到可追溯的训练日志。论文已被NeurIPS 2026接收。

该论文提出 VisCurate，一个基于实际执行而非文本描述来整理视觉技能库的框架与基准。它通过共享探测集给技能对分配六种行为关系，在注入缺陷的测试中避免误合并并恢复过半可合并技能对，并在真实未整理库中发现大量冗余和未经证实的等价声明。

该论文提出 FiLM-CAM，一种通过密钥驱动的特征级线性调制（FiLM）实现条件访问控制的图像水印方案。只有持有正确密钥的一方可可靠地嵌入、提取甚至移除水印，错误密钥则会导致解码失败。该方法与多种水印编解码骨干网络兼容，论文已被 NeurIPS 2026 接收。

一篇 arXiv 论文研究在弱标签条件下对山地自行车跳跃动作进行动作质量评估（AQA）。该研究使用 95 段仅含二分类（技术好或差）标注的实地拍摄片段，结合冻结的 V-JEPA 2 视频特征与二维姿态及运动测量，预测二分类分数并提出纠正提示。在五折交叉验证中，完整评分器取得 AUROC 0.768 和平均精度 0.812，但作者强调这些属于探索性结果，尚不能证明评分与骑手无关，也无法证明反馈可靠。

一项分析2020至2025年间1158篇同行评审论文的研究发现，尽管低资源语言相关出版物从每年52篇增至415篇，增长却集中在已被充分代表的语言上。作者提出语言包容性框架（LIF），从研究增长、代表性扩展、代表性连续性和分布公平性四个维度衡量包容性，结果显示没有任何地区在四个维度上均表现良好。

arXiv 新预印本提出 baseVultra 循环单元，将稠密循环计算预算从门变换重新分配给候选生成：用单个 H×H 候选生成矩阵替代多个循环门矩阵，门控仅保留 O(H) 对角交互。在 TinyShakespeare 字符级语言建模上，其验证损失为 1.594，优于同参数量 LSTM（1.604）和 GRU（1.616），稠密循环矩阵向量计算量约为 GRU 的 54%；但在更大的 text8 基准上仅与全门控单元持平，形式语言探针上的优势也只在隐藏状态容量受限时出现，H 增大后消失。

该论文提出 GANet，一种仅 0.001M 参数的轻量级分组等变注意力网络，可识别 38 类植物病害，在 PlantVillage 数据集上达到 99.99% 准确率，并在树莓派 4b 和 Jetson Nano 上分别以 5 FPS 和 11 FPS 运行，面向低功耗设备的实时病害监测。

该论文提出一种基于先验预条件前向算子奇异值结构的谱框架，可将M/EEG源成像中线性高斯贝叶斯反演的后验协方差精确分解为数据信息分量与不确定性认知分量，从而区分可通过更好测量减少的不确定性与由传感几何决定的不可约不确定性。

研究团队提出 Sketch2Sim 系统，可将手绘电路图照片转换为可执行的 SPICE 兼容网表，并自动求解节点电压与电流；研究同时构建了包含 1000 个手绘 RLC 电路的标注数据集，用于训练组件检测、文字识别与节点映射等模块。

OpenAI与波兰国家研究院NASK签署协议，将在AI安全、网络安全和技术研究方面开展合作。NASK的人工智能安全研究中心（同时承担波兰AI安全研究所职能）将与OpenAI共同评估日益强大的AI系统、识别潜在漏洞并强化防护措施。此举延续了OpenAI与美国CAISSI、英国AISI等公共研究机构的合作路线，也建立在双方此前网络安全合作的基础上。

MIT CSAIL与天津大学的研究人员开发出X-Hinges软件，用户可自定义设计，软件自动在3D打印物体中嵌入互不干扰的两种材料，分别用于传感器和导线，使物品能够感知并响应人的动作。由该软件制作的智能手套、折纸台灯和物体识别装置可沿三个轴向感知运动，不过目前每个打印件都需要重新校准。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Gradium has open-sourced Phonon, a family of on-device text-to-speech models. The English Phonon 31m ships under Apache 2.0, fits in 64.5 MB, and starts speaking in about 7 ms on a laptop CPU. The post Gradium Open-Sources Phonon, a 31M-Parameter On-Device TTS Model Under Apache 2.0 appeared first on MarkTechPost.

本文是一份实操教程，介绍如何复现并审计 Datalab 的开放文档解析基准 OmniParseBench。该基准用 2,937 页文档上的 16,288 个通过/失败单元测试为解析器打分。作者没有直接采信排行榜，而是根据 Datalab 公布的 27 个解析器判定结果重建排名，用手工构造的页面理解评分器逻辑，评估排名的统计确定性并按文档类型切分，还自行在 50 页样本上运行了 Tesseract 和 Indra OCR。结论包括：排名前两位的解析器在统计上并列、多数切片下榜首会变化，以及一项发布数字与公开文件不一致。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：TL;DR Fireworks’ new ARCv3 compressor reduces the size of BF16 weight updates sent from the trainer to the machines generating reinforcement learning (RL) rollouts. Across 1,000 production RL weight-update deltas, ARCv3…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：The Specialized Intelligence Index (SII) is your one-stop destination to explore the performance of open, closed, and specialized models on domain-specific benchmarks. Each benchmark reflects real-world tasks designed b…

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Today, we’re inviting members of the life sciences community to apply to work with us on special projects. We’re looking for proposals from principal investigators and their research groups at academic institutions, non…

剑桥大学与初创公司GlitterinTech的研究团队开发出一款成本约10美元、仅几厘米见方的光学光谱仪。它基于卷积定理在光域直接处理信号，在塑料、药品、咖啡、面粉和茶叶识别测试中实现100%分类准确率，并在浓度测量上达到约0.01%的精度，还演示了对皮肤水分、血酒精、血乳酸和血糖等人体生物标志物的无创检测。

受数据中心和芯片成本担忧影响，AI板块股票周四大幅下挫，并拖累全球主要股指走低；与此同时，对伊朗战事的忧虑推动油价升至5月以来最高水平。标普500指数跌1.2%，创7月以来最差单日表现，纳斯达克综合指数重挫2.6%。不过科技股的疲软掩盖了美国市场其他板块的相对强势，多数个股实际上上涨，道琼斯工业平均指数微涨11点。

亚马逊云科技（AWS）宣布 SageMaker AI 无服务器模型定制功能全面推出训练会话（training sessions）。用户可自行编写并协调后训练循环，包括自定义损失函数、奖励信号和多轮强化学习，而 GPU 分配、分布式执行、故障恢复与检查点存储均由 SageMaker AI 托管。该功能支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，按处理的 token 计费。

Modal 在完成 7.5 亿美元 D 轮融资、估值达 160 亿美元后，CEO Erik Bernhardsson 与 Latent Space 对话，讲述公司如何将 GPU 容量从“矩形”合约转化为按需弹性算力、沙箱业务意外成为约三分之一收入来源，以及 AI 基础设施的经济学与工程文化。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：In our product launch, we introduced Confidential Computing on Cohere Model Vault, now in public beta with NVIDIA GPUs on Microsoft Azure. This article goes deeper into how the system works. The goal is not simply to en…

Meta修改了商业条款，删除了暗示可自由用新闻网站内容训练AI模型的表述，但法律专家认为修改仍不充分。“与你的产品或服务相关”的措辞未被限制，Meta仍可据此抓取整个网站。Meta坚称新条款并非为免费抓取新闻内容而设，用户可用robots.txt表达偏好。

SpaceX和特斯拉已成立特别委员会讨论合并事宜。马斯克在财报电话会议上表示合并有诸多好处，特别是合作开发超级智能软件。合并可能让马斯克获得特斯拉投票控制权，并整合两家公司的AI资源，但也引发利益冲突和监管担忧。