AI 日報

AI 模型正解決越來越多數學難題，其成功模式揭示：大語言模型採用深度優先搜索，結合自動驗證器，能高效探索並驗證大量想法，從而在數學發現中取得突破。

OpenAI 發佈安全報告，詳述其如何通過離線環境、縱深防禦和大規模紅隊測試來保護前沿模型訓練與評估環境，並在一次 DNS 解析器配置錯誤導致模型短暫觸及實時互聯網後暫停訓練，完成加固後於 10 月 1 日恢復強化學習訓練。

愛丁堡大學全球公共衞生教授Devi Sridhar評論了馬薩諸塞州Mass General Brigham研發的面部AI模型：該模型基於逾4000萬張面部圖像訓練的FAHR-Face，以及分別用於估算生物學年齡的FAHR-FaceAge和用於預測癌症患者存活期的FAHR-FaceSurvival。作者認為這項研究頗具前景，但僅憑一張自拍預測個體健康忽略了太多因素，臨牀應用仍需謹慎。

You.com 發佈了 Inference Router，這是一個與 OpenAI 兼容的託管 API，可在 12 個開放權重模型之間路由請求，並提供至少 99.9% 的可用性 SLA、零數據保留、100% 美國託管、服務端網頁搜索以及零平台費。其按 token 計費的價格接近市場水平，主要賣點在於合規與可靠性保障，而非低價。

該論文提出 PhysibleMDM 框架，在不重新訓練生成模型的前提下，於推理階段優化擴散噪聲，使運動擴散模型生成的軌跡滿足物理可行性約束。作者引入無需完整軌跡仿真的代理約束，結合運動學檢查與基於逆動力學的動態可行性測試，並用 Sep-CMA-ES 求解黑箱噪聲優化問題，再通過自迴歸方式串聯片段生成長時間運動序列。實驗顯示，在 SMPL 人形模型上，地面穿透、自碰撞穿透和地面滑移分別平均降低 75%、92% 和 74%；在定製雙足機器人上，加速度重建誤差與逆動力學殘差的中位數降幅分別為 89.5% 和 79.5%。

該論文提出 FRED 框架，利用自蒸餾與時間上下文訓練世界動作模型（WAM），在單步去噪中從噪聲預測更高質量的未來視頻表徵，從而提升動作預測性能。在真實機器人操作任務中，FRED 全面超越同類方法，長時序與零樣本域外泛化任務增益尤為顯著，並將人類視頻到機器人技能遷移成功率從 19.4% 提升至 50.0%。

該論文提出Alpha框架，通過在仿真中對感知、執行、運動學和規劃環節注入故障，系統評估LLM驅動機器人操作的魯棒性。實驗對比LLM規劃器與確定性腳本規劃器，發現二者在物理和運動學故障下表現完全一致，性能差距僅源於規劃器輸出損壞，問題出在提示到JSON的序列化與驗證接口而非認知推理。

來自arXiv的新論文AVAtt構建了一個針對繪畫的自由觀看眼動追蹤數據集，覆蓋16個藝術流派、橫跨五個世紀的作品，包含多位參與者的掃描路徑與注視點數據，並對經典與深度顯著性模型及44種掃描路徑相似度度量進行了基準評測。

該論文提出一種無需訓練的視頻生成控制方法，利用預訓練視頻擴散模型，通過兩階段流程按粗略佈局控制物體位置與運動，在軌跡準確度和視覺質量上優於先前工作。

Meta 研究團隊（論文作者含 Chao-Yeh Chen、Tiffany Chen、Umar Iqbal 等項目負責人）發佈 EgoHand，一個面向第一人稱（自我中心）視頻的單目三維手部重建模型。該模型在 1400 萬張圖像上訓練，數據集融合了合成數據、野外視頻與多相機動作捕捉；採用 SOMA-Hand 參數化表示，並以 Transformer 編碼器處理 2D 手部裁剪圖，同時引入相機線索與輔助 2D 分支以提升幾何一致性和圖像對齊。在 HOT3D、ARCTIC 與 H2O 上的零樣本評測顯示其泛化能力突出，關節位置、根節點平移與加速度誤差均低於對比基線，推理延遲約 9.69 毫秒；盲測用户偏好研究也顯示其重建手部姿態優於 Apple EgoDex 與 Ropedia Xperience-10M。模型與源碼以 OpenMDW 許可證開放，允許免費商用。

該論文提出MemPlan框架，將大語言模型的角色從長程規劃器轉變為語言與符號規劃之間的受約束橋樑：固定PDDL領域，並在每一步利用解析出的觀測、候選假設和交互記憶重建PDDL問題，通過正負記憶引導規劃器並排除已被反駁的假設，在TextWorld、ALFWorld與Robotouille上提升了任務完成率和步驟效率，同時顯著降低在線token開銷。

該論文針對低資源語言西西里語的機器翻譯，重建了基於雙語期刊《Arba Sicula》PDF的平行語料提取流程，並將其移植到無Perl的現代實現中。研究比較了從零訓練的小型Transformer與經低秩微調的預訓練NLLB模型，發現預訓練模型明顯更優，分階段訓練對譯入西西里語的提升大於譯出；但多語適配器會損害未訓練方向的表現。

來自 arXiv 的一項新研究提出 CiteResolve 基準（包含 423 條真實世界幻覺引用，並按來源可恢復性標註）以及 CiteAnchor 來源感知接地框架。該框架針對不同來源類型調整檢索與字段級核驗，並分別判斷引用是否有效以及能否定位唯一來源。在現有檢測基準上，CiteAnchor 配合 GPT-5.6 Luna 取得 0.841 的 F1 值，配合開放權重骨幹模型取得 0.784，分別比同類基線高 7.9 和 36.8 個百分點；在 CiteResolve 上端到端任務成功率分別為 74.7% 和 70.7%，比對應的網絡搜索基線高 16.3 和 65.3 個百分點。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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…

該論文提出 AQL-Lite 框架，將高質量數據篩選流程與部分參數持續預訓練相結合，以更低成本把多語言大模型適配到現代標準阿拉伯語。在 1B token 預算下，經 AQL 精煉的數據使四項基準平均提升 3.51 分，而直接用原始網絡文本預訓練則毫無增益；在 5B token 對照實驗中，AQL-Lite 以約一半的實際耗時取得全參數持續預訓練 94% 的收益（均值 73.19 對 73.58），並在所有基準上優於僅訓練適配器的方案。擴展到 40B 現代標準阿拉伯語 token 並經過百萬條指令微調後，所得 12B 模型在 OALL v2 七項基準套件上取得 75.3 分。

一篇新論文提出 FusionEval 基準，用於系統評測大語言模型的模型融合方法。該基準構建受控的專家模型池，覆蓋數學、代碼、科學、指令遵循與工具使用等領域，並在八個公開基準上同時衡量能力保留情況與計算成本，揭示免訓練融合方法雖能保住推理能力，卻會顯著削弱工具使用能力。

來自 arXiv 的一篇論文（Lighthouse）介紹了據稱首個用於探索美國民權時期歷史的數字助手，其數據來自南卡羅來納州。該系統採用神經符號方法，將大語言模型與基於規則的符號求解相結合，以可信度和降低用户潛在傷害為核心設計原則；同時接入超過 1.8 萬份一手資料，並通過事實性問題和主觀問題（後者以專家共識為“金標準”）進行評估。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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論文指出，通常以隊列平均值報告的醫療AI模型隱私風險可能掩蓋個體患者嚴重暴露的情況。作者在四種模態、六個臨牀數據集上訓練了7,789個模型，測量逐患者級別的成員推斷風險，發現無論訓練配置如何變化，風險最高的患者羣體基本保持穩定。他們據此提出一種輕量級四模型篩查工具，可在訓練生產模型之前識別高風險患者。

一篇 arXiv 論文比較了四種模型壓縮技術，將其應用於旋轉機械預測性維護的卷積神經網絡，並在九類異構計算平台上評測。知識蒸餾表現最佳：推理速度提升逾 90%，平衡 F 值為 91.22%，模型體積縮減 98.9%，且性能下降極小。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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…

研究人員提出潛空間互連協議（LIP），通過獨立訓練的連接器把蛋白質和小分子專家模型的內部表示直接映射進大語言模型內部狀態，從而繞過以文本等多模態格式傳遞信息的瓶頸。他們在凍結的Gemma 3與Kimi K2.6上驗證了跨領域零樣本遷移和組合能力，同時指出當前LLM尚未針對專家表示進行原生訓練，可靠理解與推理仍是主要侷限。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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…

這篇被 NeurIPS 2026 接收的論文提出 MoEZip，一種專門為稀疏混合專家（MoE）大語言模型設計的 KV 緩存壓縮方法。現有壓縮技術在稠密 Transformer 上效果不錯，卻忽略了 MoE 特有的問題：驅逐 KV 條目會改變生成答案時被激活的專家，從而損害生成質量。MoEZip 利用基於路由分佈 Fisher 信息矩陣的新指標衡量專家路由對擾動的敏感度，並與注意力權重結合進行感知路由的打分，同時組合針對稠密與稀疏 MoE 架構的驅逐策略。在僅保留 10% KV 緩存的激進壓縮下，它在 LongBench 和 RULER 上平均較當前最優基線分別提升 +24 和 +20 分，相當於 2.3 倍和 4.9 倍的分值。

來自 arXiv 的一篇新論文提出 Fig（Finding Interactions in Games），這是一個智能體系統，能對遊戲環境施加有針對性的干預，從而主動引出多智能體模型的特定社會行為，如合作、欺騙與背叛。實驗顯示，在 Fig 生成的合法場景中，模型平均在 45.2% 的回合裏嘗試了目標行為；在與對照組遊戲匹配比較時，干預使嘗試率平均提高 10.9%。

一篇新論文提出受控的 LLM 對 LLM 辯論框架，研究模型在長期對話中如何相互影響彼此的觀點。研究發現，同模型交互通常縮小觀點差距，跨模型交互則擴大差距，且籠統的“説服”指令並不能可靠地提升影響力。

研究人員提出 modded-nanoRT，這是首個面向關係型 Transformer 的“速通”排行榜。固定任務、開放技術棧，以單塊 GPU 達到質量目標所需實際耗時為排名標準，從而把預訓練配方探索從單個實驗室的私有協議中解放出來。團隊還引入按外鍵路徑調整注意力分數和值的類型化三線性注意力，配合 Muon 與 SIGReg，在單塊 NVIDIA H200 上以 305.63 秒達到目標，比參考實現快 8.11 倍，並在開發數據庫之外的 15 組對比中贏得 13 組。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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…

該論文提出 ClariEdge 數據集，包含約3900條歧義查詢及無需澄清的負樣本，用於訓練 RAG 系統的查詢澄清能力。研究發現，經 LoRA 微調的小模型在分類準確率上達到96.6%，並在分類與澄清生成質量兩方面超越多款更大模型的提示詞基線；同時強調難負樣本對區分真實歧義與可由上下文消解的偽歧義至關重要。

哈薩克斯坦的AI生態正從基礎設施規劃走向實際部署，覆蓋從底層算力到模型再到應用的完整技術棧。國有電信巨頭Kazakhtelecom已在阿斯塔納和阿拉木圖部署400塊NVIDIA H200與480塊B300 GPU，並計劃明年在Data Center Valley增加逾1000塊GPU、在埃基巴斯圖茲地區部署逾1000塊Vera Rubin GPU。與此同時，inDrive與Pony.ai正探討在哈薩克斯坦推出Robotaxi服務。

Canva推出自研圖像生成模型Canva Craft，採用兩階段架構，先規劃設計方案再生成圖像，最高支持2K分辨率和30多種寬高比，目前全球用户均可使用。

OpenAI 正式發佈 Decisions API，基於 GPT‑6 Luna，專為應用中大量細小的判斷任務設計。它支持概率、選擇、評分三類回答，速度最高可達通過 Responses API 調用 GPT‑6 Luna 的 10 倍，定價為每百萬輸入 token 0.10 美元且不收取輸出費用。

Databricks 在全面採用 AI 編程助手後，面臨成本指數級增長的問題。通過四項措施——切換默認模型、按任務路由、提高支出可見性和減少 token 開銷——將單位成本降低了高達 90%，並將內部解決方案產品化為 Unity Gateway。

AWS 博文介紹瞭如何在 Amazon SageMaker AI 上託管 Kokoro-82M 文本轉語音模型，並將智能體生成的每一句話在產生時立即流式送入合成，從而讓語音播放在完整回覆生成完畢之前就開始。文章還比較了通過 SSE 傳輸 base64 音頻與在同一雙向會話中複用原始二進制加 JSON 控制幀兩種方案的實際成本與取捨。

Liquid AI 推出專為實時請求路徑設計的推理引擎 RIPL，可在單張 B200 上以 50 毫秒以內完成端到端生成。官方基準顯示，其 p95 延遲比運行在 vLLM 上的 Qwen3.5 低 5.6 至 28.4 倍，Shopify 已將其用於生產搜索場景。不過 RIPL 僅面向企業客户、閉源，且所有數據均為自報。

《衞報》社論指出，儘管美國現任政府阻礙全球人工智能監管，但公眾對保護的需求最終將佔上風。文章以PHP關鍵漏洞為例，説明AI既能幫助發現漏洞，也可能加速漏洞利用，並提及OpenAI模型涉及的兩起安全事件，以及英國AI部長對類似網絡攻擊“很可能、甚至不可避免”的警告。

Cohere 推出 Rerank 5 檢索重排模型，分 Pro 和 Fast 兩檔，均支持 32K 上下文與 100 多種語言。新增可選功能 Context Focus 可在一次調用中返回文檔內相關內容片段的字符區間，配合校準後的相關性分數，幫助 RAG 與智能體開發者向大模型發送更少但更精準的 token。Pro 版在 Cohere 自測的 BRIGHT 基準上得分 82.2，比 Voyage AI Rerank 3 高 5.8 分，但所有基準數據均為 Cohere 自報。

AWS 博客介紹了一種以實測數據替代猜測的自動擴縮容方法：在 Amazon SageMaker AI 實時端點上以自定義容器部署 Kokoro-82M 文本轉語音模型，通過對線上端點測量 Q_max（單實例在 SLO 內可承受的最大併發）和 T_total（端到端擴容耗時），再用算術推導出擴容閾值、縮容閾值以及兩段冷卻時間，從而避免因閾值設定偏保守造成 GPU 閒置浪費、或偏激進導致延遲 SLO 被擊穿卻不被察覺的問題。

OpenAI宣佈把Open Responses API規範捐贈給Linux基金會旗下的開源智能體AI基金會（AAIF），該規範旨在統一各LLM廠商的消息、工具調用等核心接口原語，讓開發者在切換模型時無需為每家的差異化API重複適配。AWS、Databricks、Ollama、Hugging Face、Vercel等已支持，但競爭對手Anthropic和Google仍沿用各自接口。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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將新商業條款的生效時間從10月30日推遲到11月20日。此前新聞出版機構擔心，這些條款可能讓Meta抓取新聞網站內容用於AI訓練。Meta表示，延期是為了有更多時間説明哪些內容會變、哪些不會變，並強調內容所有者仍可通過robots.txt表達抓取偏好。

物理 AI 正把人工智能推向機器人、工廠和其他現實環境；在這些場景中，理解語言只是挑戰的一部分。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：How physical pretraining could change the way we teach machines to work

一篇新論文提出了一套集成傳感與控制系統，可在CT掃描腔內自主完成呼吸門控下的針穿刺，無需患者屏氣或反覆手動調整。實驗顯示，該系統能夠跟蹤並預測患者的呼吸週期，執行自主的呼吸門控穿刺，並檢測呼吸週期異常，有望縮短CT引導肺活檢的手術時間、減輕患者不適並降低輻射暴露。

這篇綜述論文系統回顧了基於觸覺的機器人操作研究的發展歷程，將其劃分為兩個互補階段：一是通過接觸力學和任務特定推理顯式解釋觸覺信號的力學驅動方法，二是直接從數據中學習觸覺表徵和操作策略的數據驅動方法。文章還討論了實現可擴展、可泛化且魯棒的觸覺機器人系統所面臨的開放挑戰與未來機遇。

該論文提出 MPBRS（Multi-Potential-Based Reward Shaping，多勢函數獎勵塑形）方法，用於人形機器人運動控制的強化學習。研究團隊設計了一套統一的獎勵結構與權重，並在九種不同人形機器人上驗證，且僅需關節與連桿映射、默認姿態等機器人專屬元數據，無需為每台機器人重新設計獎勵，即可獲得更一致的縮放行為和更低的調參敏感度。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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週四發佈報告稱，隨着公司愈發依賴Claude AI代理，其招聘的初級技術員工正在減少，人類注意力成為新的“瓶頸”。不過，一些專家對該公司關於AI將如何改變工作方式與勞動力需求的願景持懷疑態度。CEO Dario Amodei去年曾預測AI會取代半數初級白領崗位、並在六個月內寫出90%的代碼，但這兩項預測均未成真。

Swif.ai正在擴展Linux設備管理與合規能力，新增Omarchy和Linux Mint支持，幫助企業在AI開發團隊採用Linux時滿足IT安全與合規要求，並把AI代理監控納入端點管理。文章也提醒，部分發行版和Drata等集成仍有覆蓋限制，合規證據本身不等於合規。

Databricks 發佈對比文章，主張其開放的湖倉一體架構在數據開放性、統一工作負載、可預測成本和原生 AI 能力上優於 Oracle 傳統數據倉庫，同時承認 Oracle 在高併發 OLTP 和關鍵業務事務系統上仍有優勢，並以 Lakebase 補足運營數據缺口。

本文借用莫妮卡·羅加蒂的AI需求層次框架，提出構建智能體軟件工廠的四個層次——智能體運行框架、個性化、自動化和持續學習，並以發票追蹤應用為例説明如何通過規格説明與驗證讓編碼智能體在無人值守下自主異步地完成從需求到可審查成果的全過程。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：the Cyber onslaught continues.

TinyFish 發佈兩篇工程文章，介紹其面向生產環境的智能搜索（agentic search）架構與深度研究系統的建設經驗。架構圍繞 TinySearch、TinyFetch、TinyBrowser 和 TinyAgent 四個 Web 原語構建，採用七階段控制循環，強調以“證據契約”定義任務、按信息缺口選擇工具、按失敗類型重試。在 OpenBenchmarks 上，TinyFish 在編碼任務中完成率達 79.0%，中位任務成本僅 0.050 美元，為對比方案最低。深度研究方面，團隊取消了獨立規劃器和按查詢分配的子代理，改為單一推理循環與工具調用。

Google Cloud 推出專為 AI Agent 打造的 Agent Compute Engine（ACE），為每個 Agent 會話提供硬件隔離的 microVM，沙箱內不存放任何憑據。該服務已在 Gemini 等場景中投入使用，客户預覽版計劃於未來數月推出。配套的開源項目 Agent Substrate 已可在 GKE 上使用，並在 20 萬 Agent 的基準測試中實現每秒 500 次激活、暫停/恢復時間低於 500 毫秒。

一篇預註冊研究比較了具身智能體經驗的兩種存放方式：將經驗蒸餾進策略權重，或在推理時外置檢索。結果顯示，把檢索記憶附加到固定的學生權重上可將成功率提升約34個百分點，而從相同軌跡蒸餾得到的權重僅比純動作對照組高1個百分點且不顯著；在更難的第二個任務上，檢索優勢方向一致但未達顯著（+6個百分點），作者將衰減歸因於記憶覆蓋度。

該論文提出 TauIndianBankBench，一個面向印度零售銀行業務的行動導向基準，包含 1,000 個任務，用於評估基於語言模型的助手的流程遵循能力。研究發現，若只檢查對話結束時的最終記錄，各模型有 6.5%–12.0% 的會話會被誤判為成功，儘管助手跳過了必要步驟或做出了未經請求的更改。

arXiv 新論文指出，用重建或對比學習目標訓練的多模態健康記錄表示，無法保證保留因果識別所需的信息；作者證明僅依賴協變量的目標函數無法證明表示充分，並提出一套結合交叉擬合雙穩健估計器與表示不足診斷的工作流。

該論文揭示了一個反直覺現象：隨着演化任務池擴大，現有智能體框架演化方法的性能反而下降，原因在於優化過程中的證據選擇不理想。作者提出連續規模競賽（SSR）框架，在每輪演化中自適應搜索最優證據組合，在三個基準的六個配置上均取得最優結果，並在任務池從40擴展到200時把通過率從64.3%穩定提升到68.3%，同時將驗證執行次數減少60%。

研究人員推出 Agent4Sci 測試平台，涵蓋 11 個領域的 20 個科學機器學習基準，旨在評估前沿編碼智能體在真實條件下推動科學模型進步的能力。結果顯示，Claude Opus 等智能體雖能超越已發表的最佳模型，但其提升主要源於機器學習工程技巧，而非領域洞察，暴露出三大侷限：新穎性誤判、資源利用不足和過早陷入局部工程搜索。插件式技能可顯著提升性能。

企業正從追求token數量轉向追求價值最大化，通過細粒度成本歸因、智能路由和集中式網關來優化AI支出，確保AI擴展速度不超過收入增長。

Discord 最新更新修復了 Markdown 文件預覽渲染，能正確顯示錶格與格式而非一堆符號；此次更新還加入了通過側邊欄右鍵“移動到…”整理服務器與頻道，以及 Nitro 會員可上傳最大 1GB 文件的功能。

Databricks 推出面向電信欺詐的解決方案加速器，將實時風控引擎、Lakebase 事務與分析統一存儲、欺詐分析師工作台和 Genie AI 調查代理整合到同一平台，幫助運營商以機器速度對抗日益猖獗的電信欺詐。

Anthropic宣佈把Agent Skills標準捐贈給Linux基金會下屬的Agentic AI Foundation（AAIF），該基金會由Anthropic與Block、OpenAI於去年共同創辦，此前已接手Model Context Protocol（MCP）。Simon Willison指出，他早在去年12月就預測這一標準會歸入AAIF，並用Claude配合MCP插件檢索到自己當時的這條博文。

伊比利亞寵物護理公司 IskayPet 在西班牙、葡萄牙和法國運營 330 多家門店，員工此前需手工翻閲 SharePoint 中四種語言的數百份文檔來查找運營答案。該公司基於 Amazon Bedrock 託管知識庫構建了多語言企業知識助手，利用原生 SharePoint 連接器、混合搜索、託管重排序和文檔級權限控制，無需自建 RAG 基礎設施，將查找運營答案的時間從 3–5 分鐘縮短至約 7 秒。

Amazon Quick 是符合 HIPAA 資格的服務，但“符合資格”並不等於“合規”。本文解釋 HIPAA 的適用對象、PHI 在 Amazon Quick 中的兩條數據流、該平台為受監管環境提供的保障與不足，並給出在醫療環境中部署合規 AI 代理的分步實施指南。

Rescale 採用 AWS 上的 AI 驅動開發生命週期（AI-DLC）框架，結合 Strands SDK、Amazon Bedrock 和 Amazon EKS，構建了一個自動對夜間端到端測試失敗進行分類與分流的智能體。項目從問題定義到預發佈環境部署僅用五天，數週內進入生產，人工分診一致率從 44% 提升至 68%，測試失敗導致生產部署受阻的時間減少 20%。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 輔助的反編譯與重組讓復古遊戲移植項目激增，但速度、署名與保存質量等問題正在衝擊遊戲保存社區，並引發關於“粗製濫造”與創作可能性的爭論。

隨着越來越多有影響力的聲音警告人工智能可能引發大規模危機，一個古老的理念重新受到關注。文章援引經濟學家米爾頓·弗裏德曼關於危機如何讓邊緣思想進入政治主流的觀點，指出思想界與智庫應提前打磨可供政策採納的方案，以便在AI衝擊到來時有所準備。

Peras 在 Product Hunt 上發佈，定位為避免 Claude Code 和 Codex 在一週內被過度消耗或浪費時間的工具；所給材料僅包含一句中文式標語，沒有更多功能細節。

Simon Willison 在荷蘭另類搖滾樂隊 De Staat 的新音樂視頻《FREEDOM》第 00:44 處發現了他長期使用的“鵜鶘騎自行車”AI生成圖像測試提示詞，這也是他筆下該標籤首次出現在正式商業作品中，視覺特效由 Fake it or Leave it 的 Matties Grooten 負責。

Anthropic 發佈了 Claude Duet 應用，並針對專業及小型企業場景設置了嚴格的安全防護措施，然而文章指出企業目前尚未具備充分條件來採用這一工具。

一名改裝者藉助OpenAI的Codex，利用遊戲《SmileBASIC 4》在Nintendo Switch 2上實現了軟件級、需每次開機重新運行的越獄，並演示了加入新角色的自制版《馬力歐賽車世界》。這款破解目前操作複雜、實際影響尚不明確，但可能開啓Switch 2一系列漏洞利用的開端。

萊卡工作室新片《荒野之林》耗時五年、動用逾230個木偶和上千名藝術家完成。導演兼CEO特拉維斯·奈特在影片首映前接受採訪，直言生成式AI與工作室的手工創作理念相悖，認為讓技術代替藝術家創作等同於剽竊，缺乏人性與靈魂。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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…

麻省理工學院歷史學助理教授本傑明·林德奎斯特（Benjamin Lindquist）在《Past and Present》期刊發表論文，追溯了AI“幻覺”的歷史根源。他指出，20世紀50年代的早期工程師為了讓機器像人一樣思考，刻意在確定性算法中注入隨機性，以模擬創造性思維。如今商業AI系統出於法律和財務考慮壓制了這種“怪異”，但創造力與可預測性之間始終存在不可避免的權衡。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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最新論文提出SplatLab，一套面向3D高斯潑濺（3DGS）的自主科研系統。它能從研究提示、目標論文鏈接乃至零輸入出發，復現已發表基線、提出擴展方案，並在Mip-NeRF 360與LLFF數據集上完成訓練與消融實驗，最終撰寫論文手稿，且所有報告數值均綁定到可追溯的訓練日誌。論文已被NeurIPS 2026接收。

該論文提出 VisCurate，一個基於實際執行而非文本描述來整理視覺技能庫的框架與基準。它通過共享探測集給技能對分配六種行為關係，在注入缺陷的測試中避免誤合併並恢復過半可合併技能對，並在真實未整理庫中發現大量冗餘和未經證實的等價聲明。

該論文提出 FiLM-CAM，一種通過密鑰驅動的特徵級線性調製（FiLM）實現條件訪問控制的圖像水印方案。只有持有正確密鑰的一方可可靠地嵌入、提取甚至移除水印，錯誤密鑰則會導致解碼失敗。該方法與多種水印編解碼骨幹網絡兼容，論文已被 NeurIPS 2026 接收。

一篇 arXiv 論文研究在弱標籤條件下對山地自行車跳躍動作進行動作質量評估（AQA）。該研究使用 95 段僅含二分類（技術好或差）標註的實地拍攝片段，結合凍結的 V-JEPA 2 視頻特徵與二維姿態及運動測量，預測二分類分數並提出糾正提示。在五折交叉驗證中，完整評分器取得 AUROC 0.768 和平均精度 0.812，但作者強調這些屬於探索性結果，尚不能證明評分與騎手無關，也無法證明反饋可靠。

一項分析2020至2025年間1158篇同行評審論文的研究發現，儘管低資源語言相關出版物從每年52篇增至415篇，增長卻集中在已被充分代表的語言上。作者提出語言包容性框架（LIF），從研究增長、代表性擴展、代表性連續性和分佈公平性四個維度衡量包容性，結果顯示沒有任何地區在四個維度上均表現良好。

arXiv 新預印本提出 baseVultra 循環單元，將稠密循環計算預算從門變換重新分配給候選生成：用單個 H×H 候選生成矩陣替代多個循環門矩陣，門控僅保留 O(H) 對角交互。在 TinyShakespeare 字符級語言建模上，其驗證損失為 1.594，優於同參數量 LSTM（1.604）和 GRU（1.616），稠密循環矩陣向量計算量約為 GRU 的 54%；但在更大的 text8 基準上僅與全門控單元持平，形式語言探針上的優勢也只在隱藏狀態容量受限時出現，H 增大後消失。

該論文提出 GANet，一種僅 0.001M 參數的輕量級分組等變注意力網絡，可識別 38 類植物病害，在 PlantVillage 數據集上達到 99.99% 準確率，並在樹莓派 4b 和 Jetson Nano 上分別以 5 FPS 和 11 FPS 運行，面向低功耗設備的實時病害監測。

該論文提出一種基於先驗預條件前向算子奇異值結構的譜框架，可將M/EEG源成像中線性高斯貝葉斯反演的後驗協方差精確分解為數據信息分量與不確定性認知分量，從而區分可通過更好測量減少的不確定性與由傳感幾何決定的不可約不確定性。

研究團隊提出 Sketch2Sim 系統，可將手繪電路圖照片轉換為可執行的 SPICE 兼容網表，並自動求解節點電壓與電流；研究同時構建了包含 1000 個手繪 RLC 電路的標註數據集，用於訓練組件檢測、文字識別與節點映射等模塊。

OpenAI與波蘭國家研究院NASK簽署協議，將在AI安全、網絡安全和技術研究方面開展合作。NASK的人工智能安全研究中心（同時承擔波蘭AI安全研究所職能）將與OpenAI共同評估日益強大的AI系統、識別潛在漏洞並強化防護措施。此舉延續了OpenAI與美國CAISSI、英國AISI等公共研究機構的合作路線，也建立在雙方此前網絡安全合作的基礎上。

MIT CSAIL與天津大學的研究人員開發出X-Hinges軟件，用户可自定義設計，軟件自動在3D打印物體中嵌入互不干擾的兩種材料，分別用於傳感器和導線，使物品能夠感知並響應人的動作。由該軟件製作的智能手套、摺紙枱燈和物體識別裝置可沿三個軸向感知運動，不過目前每個打印件都需要重新校準。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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.

本文是一份實操教程，介紹如何復現並審計 Datalab 的開放文檔解析基準 OmniParseBench。該基準用 2,937 頁文檔上的 16,288 個通過/失敗單元測試為解析器打分。作者沒有直接採信排行榜，而是根據 Datalab 公佈的 27 個解析器判定結果重建排名，用手工構造的頁面理解評分器邏輯，評估排名的統計確定性並按文檔類型切分，還自行在 50 頁樣本上運行了 Tesseract 和 Indra OCR。結論包括：排名前兩位的解析器在統計上並列、多數切片下榜首會變化，以及一項發佈數字與公開文件不一致。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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…

劍橋大學與初創公司GlitterinTech的研究團隊開發出一款成本約10美元、僅幾釐米見方的光學光譜儀。它基於卷積定理在光域直接處理信號，在塑料、藥品、咖啡、麪粉和茶葉識別測試中實現100%分類準確率，並在濃度測量上達到約0.01%的精度，還演示了對皮膚水分、血酒精、血乳酸和血糖等人體生物標誌物的無創檢測。

受數據中心和芯片成本擔憂影響，AI板塊股票週四大幅下挫，並拖累全球主要股指走低；與此同時，對伊朗戰事的憂慮推動油價升至5月以來最高水平。標普500指數跌1.2%，創7月以來最差單日表現，納斯達克綜合指數重挫2.6%。不過科技股的疲軟掩蓋了美國市場其他板塊的相對強勢，多數個股實際上上漲，道瓊斯工業平均指數微漲11點。

亞馬遜雲科技（AWS）宣佈 SageMaker AI 無服務器模型定製功能全面推出訓練會話（training sessions）。用户可自行編寫並協調後訓練循環，包括自定義損失函數、獎勵信號和多輪強化學習，而 GPU 分配、分佈式執行、故障恢復與檢查點存儲均由 SageMaker AI 託管。該功能支持 gpt-oss-20b、gemma-4-31B-it、Qwen3.6-27B 和 Qwen3.8-27B，按處理的 token 計費。

Modal 在完成 7.5 億美元 D 輪融資、估值達 160 億美元后，CEO Erik Bernhardsson 與 Latent Space 對話，講述公司如何將 GPU 容量從“矩形”合約轉化為按需彈性算力、沙箱業務意外成為約三分之一收入來源，以及 AI 基礎設施的經濟學與工程文化。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：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修改了商業條款，刪除了暗示可自由用新聞網站內容訓練AI模型的表述，但法律專家認為修改仍不充分。“與你的產品或服務相關”的措辭未被限制，Meta仍可據此抓取整個網站。Meta堅稱新條款並非為免費抓取新聞內容而設，用户可用robots.txt表達偏好。

SpaceX和特斯拉已成立特別委員會討論合併事宜。馬斯克在財報電話會議上表示合併有諸多好處，特別是合作開發超級智能軟件。合併可能讓馬斯克獲得特斯拉投票控制權，並整合兩家公司的AI資源，但也引發利益衝突和監管擔憂。