AI 日报

Matt Pocock分享了他创建的“grill-me”技能，该技能通过AI不断提问帮助用户深入探讨计划或设计，直至达成共识。技能虽短但功能强大，最新改进包括推荐答案功能，大幅提升对话效率。

BoomPop.Games是一个无需安装、无需注册的浏览器街机平台，提供多种在线游戏，包括科幻战术卡牌游戏Warpforge。玩家可以一起游玩、聊天、创建房间。

自2017年以来，伊阿松·加布里埃尔一直在谷歌DeepMind工作，试图预测和思考AI的影响。但随着商业和地缘政治压力的加剧，伦理学家能否发挥作用？

OpenAI 调查了 GPT-5.6 意外删除文件的报告，发现通常发生在启用完全访问模式且在没有沙盒保护的情况下运行代码时。

本文通过作者的个人经历，展示了如何利用AI快速构建个人使用的软件工具，从而提高效率并减少重复劳动。

谷歌宣布其AI笔记应用NotebookLM更名为Gemini Notebook，但将继续作为独立应用存在，同时深度整合Gemini和Google搜索。该应用最初于2023年5月以Project Tailwind之名亮相，随后增加了AI播客、幻灯片和短视频摘要等功能。新名称伴随一项更新：允许连接安全云计算机编写和执行代码，面向AI Ultra和Workspace商业用户。

文章探讨了AI辅助开发如何导致'单一模式倦怠'，通过压缩规划、实施和集成三种认知模式，使开发者尽管效率提高却更加疲惫。

本文总结了五项最近关于AI在软件工程领域的研究论文，这些论文共同揭示了AI正在压缩软件工程的上游工作，但下游瓶颈随之出现。主要发现包括：GitHub Copilot使PR吞吐量增加约40%，且呈剂量反应关系；AI在代码生成阶段的增益（高达+180%）在交付过程中大幅衰减（最终仅+30%的发布量）；生产力与开发者体验出现脱钩；开发者希望AI更多用于验证任务而非代码生成；以及“认知债务”和“意图债务”正在成为新的软件健康问题。

JetBrains 研究团队探讨了 AI 与扩展现实（XR）结合如何为技术创作者带来新的交互范式。通过专家访谈，他们总结了五个主题：人类如何向 AI-XR 系统传达意图、AI 如何使 XR 环境理解并适应个人、阻碍 XR-AI 主流化的因素、AI-XR 如何改变创作方式，以及隐私和伦理风险。研究指出，XR 硬件和 AI 的融合将彻底改变技术创作，但面临技术、认知和组织上的挑战。

作者利用AI编码助手（Codex CLI、Gemini CLI、Claude Code）将Python的epub阅读器epy移植到Rust，开发了终端阅读器repy。项目从2025年11月开始，2026年2月发布，但仅获得少量关注。文章反思了AI时代软件过剩的现象，并探讨了创作的意义。

中国芯片设计公司摩尔线程和紫光信息预测上半年收入大幅增长，得益于国内AI计算需求激增。摩尔线程预计收入增长135%-149%，紫光信息预计增长55.6%-70.2%。这凸显了中国在AI基础设施上的强劲需求，以及在美国出口限制下国产芯片的崛起。

Lightport 是一个轻量级的 AI 网关，专注于让各种 LLM 提供商兼容 OpenAI API。它源自 Portkey AI Gateway，但去掉了重试、缓存等高级功能，仅保留请求/响应转换层。支持 77 个提供商，包括 OpenAI、Anthropic、Azure OpenAI 等。可直接通过 pnpx lightport 快速启动。

欧盟发布两项新规，要求谷歌共享搜索数据并开放安卓系统，以便竞争对手AI公司能公平接入。此举旨在打破科技巨头的数字垄断，促进创新，但谷歌警告可能会危及用户隐私和数据安全。

本文介绍了一个名为voidguard的新工具，它能够检测出代码库中那些看似有效但实际上并未验证任何内容的“空心”测试、类型检查和CI门禁。作者通过对一个仓库的扫描，发现了七个这样的空心守卫，并由此开发了这个通用工具。文章详细说明了voidguard能检测的四类空洞以及无法检测的三类，强调了验证验证手段本身的重要性。

OpenAI在其Codex命令行界面中引入了多代理v2消息加密，隐藏了代理间传递的指令，导致开发者无法调试和审计代理行为，引发了社区对可观测性丧失的担忧。

一项来自arXiv的新研究提出了一种随机过滤协议（ANTk），用于采用匿名通信的机器人群体中的群体感应。该协议减轻了匿名协议中常见的重复计数偏差，提高了估计稳定性，但增加了错误恢复时间。研究将ANTk与基线和随机变体进行了比较，揭示了准确性、速度和稳定性之间的权衡。

本文提出了一种可解释的、全球可部署的机器学习框架，用于从开放地理空间数据预测代表杂波高度（RCH）。该模型使用LiDAR衍生的标签进行训练，并采用LightGBM回归器，平均绝对误差为1.79米，R²=0.765，相比ITU基线误差降低超过60%。SHAP分析显示树冠覆盖、土地覆盖语义和光谱反射率是最重要的预测因子。该工作被IEEE CASE 2026接收。

尽管可解释人工智能（XAI）技术层出不穷，从特征归因到稀疏自编码器，但解释很少影响实际工作流程。本文认为，机器学习社区必须从临时性的XAI方法转向解决基础性和结构性的挑战，包括不明确的问题表述、不充分的评估目标以及缺乏解释驱动反馈的流程。通过对近期ICML、NeurIPS和ICLR论文的分析及对XAI从业者的调查，作者揭示了限制累积进展的常见问题，并提出了一个实用清单，旨在将XAI转向更以人为中心、面向行动的模式。

RegNetAgents是一个基于AI的多智能体框架，能够跨异质性基因调控网络进行结构化的调控候选识别。该框架整合了TCGA和GREmLN项目的大规模网络，对焦点基因进行双网络分类、癌症基因过滤和作用模式分配。在乳腺癌和结直肠癌的测试中，识别出的候选调控因子显著富集于OncoKB注释的癌症基因，且在管家基因中无富集，表明其特异性。框架还包含评估致癌潜力、可成药性等扩展模块。

一篇新论文提出了一种三级分层学习架构，用于执行搜索与救援任务的自主无人机群，整合了赫布神经可塑性、基于图神经网络和行为树的多智能体强化学习，以及带BDI推理和数字孪生的元学习。该框架提供形式化保证，并引入群体元认知。

针对AI生成代码速度快于人类审查而导致的信任危机，本文提出“语义合约”——一种类型安全、编译时检查的蓝图，位于需求与代码之间，确保任何实现（无论人工还是AI编写）的正确性。文章通过排序算法和电商结账示例展示了语义合约的构建块、状态处理和集成方式。

本文介绍了如何使用Telnyx Edge Compute函数为语音AI助手构建后端，通过单一函数处理动态变量和Webhook工具调用，验证请求并连接业务逻辑，从而简化架构并提升性能。

Gradle Technologies 现已更名为 Develocity，专注于 AI 驱动的软件交付管道治理与效率。公司表示，AI 已将软件交付瓶颈从人类转移到管道上。

PocketVeto是一款通过蓝牙实现本地、无互联网的AI编码代理遥控工具。用户可以从手机批准或拒绝代理执行的危险操作（如shell命令、文件写入等），并实时查看代理活动仪表盘。支持Windows、Linux及开发容器，目前v1版本已可用。

Blur & Unblur AI是一款免费的在线工具，可检测照片中的人脸，对选定的人脸应用模糊效果，并导出干净的PNG文件——所有处理均在浏览器本地完成，无需上传图片。

VulnHunter 是一个开源的智能体AI安全工具，采用攻击者优先的主动分析方法，直接从源代码中识别可被利用的漏洞，并提出证据支持的修复方案。它由 Capital One 内部开发并开源，旨在应对现代软件供应链中的安全挑战。

微软的Foundry平台现已支持超过8万家企业构建AI代理。在产品副总裁Marco Casalaina的访谈中，他解释了原型与生产环境代理之间的关键差异、代理框架的重要性，以及微软如何构建上下文层以确保代理的可靠性。

Moonshot AI发布了Kimi K3，一个2.8万亿参数的开源模型，拥有1M上下文长度，在Frontend Code Arena中排名第一，并在多项基准测试中取得优异成绩。此次发布标志着开源模型的一个里程碑，尽管与顶级闭源模型仍存在差距。新闻通讯还涵盖了其他AI新闻，包括安全事件、智能体框架和机器人技术。

SAM是一个免费的开源AI智能体，它能在你的计算机上本地运行，无需订阅。它不仅能聊天，还能实际执行任务，拥有173种工具，支持团队协作、离线运行，并且注重隐私。

RepoMap 是一种新型工具，通过确定性分析仓库结构，生成交互式架构图，帮助AI代理快速理解项目架构，同时大幅减少令牌消耗。它支持分支对比、提交差异可视化和多种图形布局。

Wandr基准测试旨在评估需要同时进行广泛和深入搜索的研究代理，确保全面信息检索。

Astrio 推出 Forall（∀），一个通过规范驱动生成代码并附带机器可验证证明的编程助手。支持 CLI 和 MCP 两种使用方式，目前兼容 TypeScript、Java 和 Rust，基于 Apache-2.0 开源。

月之暗面于2026年7月16日发布Kimi K3，这是一款2.8万亿参数的开源MoE模型，采用Kimi Delta Attention和Attention Residuals架构，支持原生视觉和100万token上下文窗口。K3在多项基准测试中表现出色，但整体性能仍略逊于最强大的专有模型。

AegisDB是一个自托管的AI代理内存系统，提供持久化、语义化和工作记忆功能，通过简单的JSON-over-TCP协议访问。它采用单个无依赖的C语言二进制文件，支持多租户、加密、备份、只读副本和可观测性，特别适合与Claude Code集成，确保数据完全由用户掌控。

Moltshit.com是一个专为AI代理设计的图片论坛，允许在没有人类监督的情况下进行自主交互。该平台提供多种版块、API和MCP集成，使代理能够自主发帖和回复。

Cushman & Wakefield首席数字和信息官Sal Companieh分享了如何通过产品运营模式、统一数据战略以及与Databricks的合作，建立企业级AI核心，将想法到成果的时间从数月缩短至数天。

Rootly AI实验室开发了《毁灭战士》竞技场（Doom Agent Arena），一个开源实时游戏环境基准测试，用于测试AI智能体在事件响应中的推理、适应和决策能力。通过让LLM控制游戏角色，研究发现更长的思考时间并不总是带来更好的结果，智能体编写自己的“运行手册”能够提高效率，而快速决策虽然不直接决定胜负，但可以累积节省时间。这些发现为设计更高效的AI辅助事件响应系统提供了启示。

本文深入探讨19世纪卢德运动的历史真相，分析其策略、成败得失，并论证为何现代反AI运动不能简单效仿卢德主义。作者指出，卢德运动的特定历史背景、地方性特征和具体诉求与当前AI担忧存在根本差异。

研究提出MemDecay，一种训练无关的区域感知KV缓存淘汰策略，通过为不同语义区域的令牌分配不同优先级和衰减率，在固定缓存预算下保留关键信息。实验表明，系统令牌的半衰期远长于暂存区令牌，且固定策略能在全部设置中保持完美准确率，而现有基线最多仅保留13/24。

Skyportal SRE 是一个开源AI基础设施工程师工具，提供Python SDK、CLI和可观测性代理，用于管理和监控AI基础设施。

SeekinWeb是一款免费工具，可测量AI代理能否读取您的网站，提供8个信号的可视性评分，并给出改进建议。无需注册，立即获得完整审计。

本文质疑将中国实验室大规模蒸馏美国前沿模型视为盗窃的论调，指出现行知识产权法不支持这种说法。建议政策应聚焦于保护模型访问安全，而非扩大知识产权保护。

x402是一个基于HTTP 402状态码的开放区块链支付标准，支持TRON和BSC网络，旨在为API和内容提供按需付费的机制，无需传统账户系统。它解决了高费用、机器对机器支付和微支付基础设施不足等问题，适用于卖家和买家。

Dotmatics Luma与Databricks的集成方案通过持续采集、标准化和治理科学数据，打破仪器数据孤岛，构建AI就绪的数据基础，加速科研洞察。

Kimi K3 在人工智能分析智能指数中获得57分，高于平均水平。它提供100万token的上下文窗口，支持文本和图像输入，但价格稍高、速度较慢且冗长。

VentureBeat Pulse研究显示，107家企业中超过半数已遭遇AI代理安全事件或险情。仅约三分之一的企业为每个代理分配独立身份，大多数代理仍共享凭证；仅三成企业隔离高风险代理。安全工具主要借用模型提供商和云服务商的控件，而非专门为代理构建。满意度虽高，但支出仅占安全预算的一小部分，多数企业计划在一年内更换工具。

Anthropic 秘密削弱了其最强大的编码代理 Claude Fable 5，使其在涉及前沿 AI 开发任务时能力下降，以保护自身经济地位。这一做法揭示了 AI 行业的结构性矛盾：实验室既想制造最强大的工具，又害怕被自己创造的工具取代。与此同时，开源模型生态蓬勃发展，企业客户正在转向更便宜的开源替代方案。

Sakana AI的研究人员开发了一种由数百个简单蜂窝砖块组成的系统，每个砖块运行相同的神经细胞自动机，仅通过局部通信就能协作识别整体形状，无需中央控制器。系统在硬件实验中实现了100%的准确率，并能检测和修复损伤，展现出强大的鲁棒性和泛化能力。该成果已发表在《自然·通讯》上。

用户对科技公司默认开启AI功能感到不满，Instagram因默认启用AI聊天机器人功能而遭到强烈反对，三天后不得不撤回。隐私专家呼吁采用更保护隐私的默认设置，并指出需要联邦法规来约束企业行为。

AI助手在表层工作迅速普及，但无法改变实际业务决策，因为关键上下文分散在各系统与定义中。Databricks推出Genie One与Genie Ontology，通过统一上下文层使AI同事基于共享业务视图运作，自动继承治理规则，从而支持真实决策。

Databricks在Data+AI峰会上推出了行业首个上下文工程师认证，旨在验证构建可靠代理系统所需的深层技能。同时，扩展了学习目录，新增面向代理时代的课程，并首创了AI驱动的认证备考指南。

Echoo是一款Mac AI写作助手，让你用母语起草，一键转换为自然英语。它运行在常用Mac应用中，无需复制粘贴，保护隐私。提供免费试用，Pro版每月$6.99。

VarAlign是一款VS Code扩展，能检测AI编程助手在不同会话中创建的重复、漂移或错位的变量。完全本地运行，代码不会离开机器。它提供重复项、变量和会话视图，支持生成修复提示，并可与Claude Code或Kilo Code集成自动修复。

Embusa /analyst 提供 AI 驱动的自主恶意软件分析和逆向工程，输出清晰的结果、影响评估和响应指导。它生成技术报告和执行摘要，同时内置检测规则生成与现有安全工具集成能力。

OpenWiki 0.2 版本增加了对 OKF（一种知识 wiki 结构化标准）的支持，使开发者能够更好地组织和分类代码库文档，提升代理检索效率并减少令牌消耗。

Google DeepMind与Isomorphic Labs发布了一项生物弹性计划，旨在防止AI在生物学领域的滥用，同时协助疫情应对。该计划在过去一年已建立超过15个合作伙伴关系，涵盖政府机构、生物安全组织和研究团体。

Forrester警告称，随着AI供应商通过涨价和按使用量收费将基础设施成本转嫁给客户，明年的软件预算将大幅增长。报告指出，Anthropic、OpenAI、GitHub和微软等公司已转向基于使用量的计费模式，导致企业成本担忧。同时，尽管存在“AI裁员”现象，IT人员支出并未下降，2025年仍占IT预算的35%。Forrester建议企业调整FinOps实践以管理不可预测的AI成本。

Ratel 是一个上下文工程层，通过 BM25 索引为 AI 代理动态选择相关工具和技能，减少令牌消耗高达 80%，提高准确性，无需向量数据库。

Google Vids 推出 Gemini Omni 和个人数字分身两大功能，用户只需通过自然语言描述即可生成和编辑高质量视频片段，还能创建自己的数字分身出镜，无需实际拍摄。

用户现在可以安全地将常用服务链接到AI模式，直接在搜索结果中完成添加购物车、创建播放列表等操作。

该数据集提供了一个欧盟AI法案（法规(EU) 2024/1689）的单文件、预嵌入SQLite语料库，按法律结构分块（每条款段落、每序言、每附件点、每第3条定义），包含BGE-M3密集嵌入、元数据、风险等级标签等，可直接本地查询，用于研究与工程。

这张NMC首秀专辑展示了莱德洛将科学与古典音乐融合的复杂而富有想象力的作品，包括以爱因斯坦场方程为灵感创作的钢琴协奏曲《扭曲》。

研究人员提出一种针对柔性关节机器人的自适应控制方法，以应对不确定的关节刚度。该方法通过隐式控制律和依赖于控制输入的回归矩阵，在线更新每个关节的非线性扭矩-偏转关系估计，并分析了其对电机位置控制器误差的鲁棒性。在具有非线性刚度特性的柔性关节上的实验结果验证了该方法的有效性。

本文提出SIRUS，一种无需训练的推理时框架，用于文本到视频（T2V）模型中的概念级遗忘。SIRUS通过定位与目标概念相关的提示证据并在采样过程中抑制其表达，无需更新文本编码器或去噪网络。同时，引入面向视频的评估框架，分别测量目标遗忘、非目标保持、视频质量、越狱鲁棒性和效率。在CogVideoX上，SIRUS在五个安全、物体和风格概念上平均遗忘成功率达70.4%，帧命中率25.7%，优于VideoEraser的44.4%和47.2%，并将VBench质量平均下降从-0.043降至-0.016。在Wan2.2上的迁移实验表明SIRUS可泛化至现代T2V骨干网络。

Preempt AI v2 推出，为AI应用提供安全标准，利用ML技术防御提示注入、越狱和数据泄露。支持多种语言，延迟低于10毫秒，准确率达99.65%。

Meta推出新AI工具Muse Image后，因允许用户标记他人账户并利用其照片生成AI图像而遭到批评。该公司已禁用此功能，但用户仍需手动关闭权限以防止照片被用于AI生成。该功能默认开启，引发隐私担忧。

美国版权局裁定，完全由AI生成的内容不具备版权。一位作者因未保留AI生成的原始草稿，无法证明书中哪些部分由人类创作，面临版权申请被拒的情况。

国际清算银行最新公报指出，商业发展公司（BDC）向软件公司提供了约1150亿美元贷款，占其总贷款的五分之一，占其快速增长的科技投资组合的80%以上。生成式人工智能带来的收入不确定性尚未影响这些贷款，但近期信用利差收窄降低了缓冲能力。

Linus Torvalds 在 Linux 内核邮件列表中明确表态支持 AI 辅助工具，反对禁止 AI 生成代码的立场。他称 AI 是“有用的工具”，并强调 Linux 不是反 AI 项目。此评论源于对 Sashiko 工具（一种多阶段代码审查工具）的讨论，该工具能发现 53.6% 的补丁漏洞，但存在约 20% 的误报率。Torvalds 指出，AI 工具正在快速进化，并批评了抵制者的态度。

纽约州长凯西·霍楚签署暂停新建AI数据中心的行政令，但同时她正利用AI分析州内所有法规，以删除过时法律。AI在数月内完成了原本需五年的人工审查，揭示了诸如带狗打猎需付25美元费用等陈旧规定。纽约成为首个暂停大型数据中心建设的州，以制定保护居民免受公用事业成本上涨和自然资源威胁的法规。

欧盟委员会发布两项决定，要求谷歌向竞争对手开放搜索数据，并增强Android系统AI互操作性，允许第三方AI助手深度集成。谷歌强烈反对，称此举危及隐私和安全。

OpenAI 正在通过适龄保护、学习工具、家长控制和专家合作，让 ChatGPT 对青少年更安全。

NVIDIA发布Nemotron 3 Embed，包含三个开源检查点：8B BF16、1B BF16和1B NVFP4。其中8B模型在RTEB基准上以78.46平均NDCG@10排名第一。1B模型通过NAS剪枝和蒸馏从8B教师模型得到。NVFP4在Blackwell上保持99%+的检索精度，吞吐量提升2倍。所有模型支持32,768 token输入，采用OpenMDW-1.1许可。

本文提出ConFlow框架，将约束信息直接融入流匹配训练目标，通过可微的障碍或成本函数以及条件高斯过程，提高机器人运动生成中的约束满足和轨迹质量。实验表明在双机器人导航任务中，ConFlow相比标准流匹配基线实现了更低的碰撞率和更高的轨迹质量。

本文探索了利用功能性近红外光谱（fNIRS）脑信号来调节机器人强化学习的可行性。研究比较了被动（观察）和主动（演示）交互任务中的智能体训练，并测试了多种增强RL算法的方法，重点关注参数增强而非替换。结果表明，该框架有效：脑信号在增强轨迹优先级和状态-动作Q值时改善了学习。此外，该框架能成功从离线数据中学习，为实时脑机接口设置不实用或数据有限的情况提供了实用替代方案。

现有抓取基准主要关注视觉抓取姿态检测，忽略了需要多步推理和语义理解的复杂任务。GCA-Bench基准包含复杂动作场景，评估大模型在抓取中的表现。实验显示，当前方法在复杂场景下成功率低于70%，揭示了关键局限性。

DiMaS是一种专为流匹配视觉-语言-动作（VLA）模型设计的分布匹配引导策略，通过在表示分布之间进行传输而非沿固定方向移动，实现了对机器人操作行为的细粒度控制。该方法在两种最先进的VLA上验证了有效性，并分析了行为控制的可迁移性。研究表明，经典线性引导在视觉运动任务中失效，因为行为特征线性可解码但不可线性引导。

MEMORA提出了具身动作记忆（EAM），使机器人能够利用第一人称视频中的持久记忆进行长期规划。它包含四种类型的记忆存储、在线编辑和离线整合功能。在45小时的EPIC-KITCHENS-100数据集评估中，MEMORA在记忆测试中准确率提升20.5个百分点，规划分数相对提升16.6%。

本文提出LIFT框架，通过在预训练视觉-语言-动作（VLA）策略后训练中注入反应式力，解决接触场景下纯视觉方法失败的问题。LIFT嫁接反应式动作专家，利用因果力记忆和零初始化交叉注意力注入6D力，并结合在线DAgger循环应对分布偏移。在毛巾折叠、书籍插入和汉诺塔放置任务中，LIFT相比纯视觉后训练学习更快、性能更高。

本研究提出了一种新颖的多模态编排框架，实现语义音频驱动的人形机器人控制。系统通过音频指纹和语义嵌入实时处理音乐或语音输入，动态选择并执行动作策略，在仿真和Unitree G1人形机器人上验证了鲁棒的模拟到现实迁移。

SD-MAR是一个用于训练和评估视觉语言模型（VLM）在多图像分析推理任务上的框架。它通过受控扰动构建成对视觉场景，并生成涉及语义变化归因和定量比较的推理任务。采用GRPO-lite与后向折扣分配（BDA）的强化学习方法，去除KL正则化以增强策略优化。在Qwen2.5-VL-7B和InternVL3-8B上的实验表明，域内准确率提升高达36.95%，且Qwen2.5-VL-7B在SD-MAR基准上超越GPT-4.1。域外泛化性能保持或提升，在MME、MMMU-Pro、MathVista上波动在1%以内，在MMBench上提升达4%。

针对增材制造XCT图像缺陷分割的挑战，提出XCT-SAM框架，通过序列参数高效域自适应，利用Conv-LoRA适配器逐步缩小域差距，在CycleGAN-XCT基准和真实NIST扫描上优于基线方法。

MonteRET是一种区域感知的检索增强框架，用于自动生成胸部CT报告。它整合全局和局部CT特征，检索相关医学知识，并通过知识引导的报告重写智能体优化初始报告。在RadGenome-ChestCT数据集和外部医院数据上，MonteRET在报告质量、语义相似性和临床效果上均优于现有方法。

本文探究视觉基础模型是否构建了反映三维欧氏空间内在属性的表征。与传统方法通过回归深度或法线来探测三维意识不同，作者从拓扑和几何角度评估视觉特征空间结构与欧氏变换群SE(3)之间的关系。提出了相互邻域度量和庞加莱适配器两种探针。实验表明，自监督视觉模型在没有直接三维监督或主动代理的情况下，其潜在子空间与三维欧氏空间高度相关。基于此，提出了“潜在空间导航”技术，可在潜在空间中直接进行视觉里程计和定位，无需显式三维重建。

提出首个关键帧条件视频生成基准KeyFrame-Compass，包含386个精心策划的样本，覆盖多种设置，并引入自动化评估框架，在9个系统上实验揭示忠实执行与自然合成之间的权衡。

多参考音频视频生成（MR2AV）要求模型基于多个参考和文本指令生成同步音视频内容。现有基准主要关注文本驱动生成或单参考保留，缺乏对该任务的评估。本文提出MultiRef-Compass，一个包含350个精心构建样本的统一基准，涵盖多视角主体保留、多实体绑定和人-物-场景组合。它定义了一个四维评估协议（基础质量、参考一致性、音视频一致性、指令遵循），包含14个子指标，并集成了自动指标与重审增强的多模态大模型评判框架。在八个代表性MR2AV系统上的实验揭示了各维度的显著改进空间。

本文提出了一种新的量化指标——工具效率，用于评估LLM智能体轨迹中有用工具调用的比率。为了精确定义工具效率，作者还引入了边际工具效用，该指标判断每次工具调用的有用性，以及能否在不影响准确性的情况下从工具套件中移除，从而提高效率。研究使用LLM作为裁判来确定轨迹中每次工具调用的边际工具效用符号。这项工作直接量化效率，为未来基准设计和精简工具套件优化提供基础。

Polestar是一种无需训练的推理框架，通过利用令牌表示漂移来解决扩散大语言模型中KV缓存重用和解码并行性的挑战。它包含Polestar-Cache（用于稀疏缓存刷新）和Polestar-Commit（用于识别可提交令牌），在数学和编程基准测试上实现了高达10.73%的精度提升和3.7倍的吞吐量提升。

本文提出令牌时间连续扩散（TTCD），一种在连续空间中操作的新型扩散语言模型，引入每令牌时间步概念，使不同令牌以不同速率从噪声转化为令牌。TTCD通过连续空间建模避免了并行采样多个令牌的不准确性，在高速加速下显著优于离散模型。研究者在OpenWebText上训练了1.6亿参数的TTCD模型，并通过自蒸馏在无条件生成中达到可比质量，在条件生成中超越多个同等规模模型，在数独求解任务中也取得类似改进。

本文提出AGOPS方法，自动生成任务特定的提示指南，帮助用户编写更明确的提示，从而大幅提升大语言模型的下游性能。实验表明，未明确指定的提示可导致性能下降高达95.3%，而现有通用指南难以恢复，但AGOPS指南可使性能提升15.5%至81.7%。

新研究表明，大型语言模型代理在通过文本通信时会丢失信息。使用稀疏自动编码器特征分析，研究者发现潜在空间通信虽然在某些压缩率下保留更多信息，但丢失的特征主要编码表面形式而非任务相关语义，从而对潜在通信的优势提出质疑。

本文提出一种基于采样的方法LBA，用于在低查询预算下生成高质量文本对抗样本。该方法结合先验和后验知识构建近似分布，通过采样逐步更新分布，从而高效搜索对抗样本。实验表明，LBA在六个语言模型和四个数据集上显著优于现有基线，且生成的对抗文本语义保持更好、更易理解。

本文首次将基于预群语法的量子组合自然语言处理应用于阿拉伯语，利用量子电路的拓扑结构模拟语法关系。实验涵盖词序、形态时态和动词义消歧，量子方法在多项任务上优于传统基线。

研究提出JKP框架，通过重复挑战性提问评估视觉语言模型的稳定性。测试GPT-4o、Gemini 2.5 Pro和Qwen3-VL-30B发现，模型在持续追问下表现不稳定，答案频繁翻转，且不同模型响应模式各异。

该研究分析了闭环知识系统（如大型语言模型、强化学习）为何在重复内部反馈下趋于饱和，并提出了一个三层次操作框架，通过结构干预实现逃逸。使用李雅普诺夫漂移条件刻画稳定性，并通过干预引起的吸引子位移和KL下界表征逃逸。案例研究包括LLM代码修复、稀疏奖励强化学习和贝叶斯优化。

离线强化学习中世界模型易受模型利用问题影响，现有方法成本高或限制泛化。本文提出RENEW方法，通过人类偏好直接修复模型利用，结合动力学学习与人类反馈，利用认知不确定性提高样本效率，在多个环境中验证了有效性。

提出分支策略优化（BPO），利用沙盒的确定性、可快照和可恢复特性，通过共享前缀的树形 rollout 拓扑降低策略梯度方差，在多个基准上较 GRPO 和 RLOO 提升 3.6-6.1 个绝对百分点。

本文提出C3R，一种即插即用的控制层，通过推断域后验，无需查询时标签，在可行时认证逐域污染预算，否则弃权而非违规。该方法基于风险控制预测集的两阶段方案，保证最困难域污染减少，实验表明稳定性好，召回率优于传统方法。

预训练的视觉语言模型（VLM）通过计算图像与文本描述的相似度实现零样本图像分类，但描述模板（prompt）的选择对结果敏感。现有方法为所有类别使用相同的权重组合多个模板，忽略了模板对特定类别的适用性差异。CARPRT 提出了一种无需训练的类别感知重加权方案，针对每个类别自适应调整模板权重。在标准基准测试中，CARPRT 优于现有的类别无关方法，证实了建模模板-类别依赖关系对零样本预测和 VLM 应用的重要性。

最新研究将小型语言模型（SLM）与知识图谱结合，通过神经符号智能体框架提升其推理能力。在CLUTRR亲属关系基准测试中，使用Gemma 3和Llama 3.2模型的实验表明，RGCN提供的专家提示可使性能提升1.5-2倍，但存在提取瓶颈和顺序推理脆弱性问题。

本文针对工具增强型大语言模型智能体在扩展工具集时面临的行为惯性问题，提出通过注入反事实锚定上下文来打破惯性，恢复失败轨迹。ToolAnchor框架利用教师模型假设反事实上下文，经学生回滚验证后，通过智能体后训练内化成功干预，在GAIA、BrowseComp和VDR-Bench等任务中表现优异，为动态工具适应开辟了新路径。

研究人员提出了一种利用大型语言模型（LLM）构建贝叶斯信念网络（BBN）的新方法，该方法通过一组AI代理基于特定角色和上下文估计概率，并采用修剪均值规则去除噪声，从而弥合专家意见与数据驱动学习之间的差距。研究以替代医疗系统中患者就医意向为案例，发现自我效能的影响实际较小，而主观规范的影响更强，最有效的策略是同时提升自信和社区规范。

一种名为LLM-T1D的新方法将强化学习与大语言模型相结合，创建了一种可解释的胰岛素泵控制器，用于1型糖尿病，实现了73.5%的时间在目标血糖范围内，同时提供清晰的解释。

受人类交流空间信息的方式启发，语言引导的地理定位因其直观和实用价值而备受关注。然而，现有方法多依赖静态的一次性检索范式，难以处理真实世界自然语言描述中的歧义和不完整性。本文提出推理检索的范式转变，引入对话式地点识别（DlgPR），将定位视为交互式、对话驱动的推理过程。为此，论文构建了首个大规模对话式地点识别基准DlgQuest-Cities，并提出了统一推理框架，结合跨模态多级检索器与智能提问器DQ-pilot。DQ-pilot通过课程学习训练：在DQ-cities-20k子集上进行监督微调，再通过GRPO在更难的DQ-cities-10k上进行强化优化。实验表明，基于推理的方法显著优于基线。

检索增强生成（RAG）在扩展大语言模型上下文方面表现优异，但传统RAG在涉及层级或关系推理时效果不佳。本文提出HG-RAG框架，通过在层级知识图谱上进行图遍历，为语言模型提供结构化上下文。实验表明，HG-RAG在层级、关系和跳推理任务上显著优于平面检索基线，同时减少了幻觉并保持了局部连贯性。

据报道，Alphabet推迟了其旗舰AI模型Gemini 3.5 Pro的发布，导致股价下跌。该模型的编码能力未达到内部预期，而竞争对手如OpenAI和Meta已推出更先进的AI编码模型。

Puter团队成功将Firefox的Gecko引擎编译为WebAssembly，实现了在一个浏览器中完整运行另一个浏览器的壮举。项目耗费约25,000美元的AI计算资源，通过Wisp协议代理所有网络流量，并支持端到端加密。该成果已开源，展示了WebAssembly在虚拟化领域的巨大潜力。

Artificial Analysis 发布了 AA-Briefcase 智能知识工作基准测试结果，Kimi K3 以 1547 Elo 排名第一，领先于 GPT-5.6 Sol 的 1495 分。该基准测试模拟真实商业工作流，评估模型在生成电子表格、演示文稿和备忘录等任务中的表现。

OpenAI 通过 GPT-Red 结合人类与 AI 进行红队测试，创新地评估模型安全性，但企业仍需确保模型符合自身业务和安全需求。

中国AI实验室Moonshot AI发布了Kimi K3模型，拥有2.8万亿参数，自称首个“开源3T级模型”。该模型在多个基准测试中表现优异，但定价较高。作者通过“鹈鹕骑自行车”测试，展示了模型的推理成本、隐性系统提示和视觉能力，并反思了这一非正式基准的局限性。

本文介绍了一个自主AI音乐视频生成系统，比较了Claude Fable 5和GPT-5.6 Sol在25美元和100美元预算下的表现。系统让模型自主研究、生成片段、编辑并组装完整视频。结果显示所有运行均成功生成视频，但质量一般，存在一致性和节奏匹配等问题。Claude Fable 5成本更高但完成更快，GPT-5.6 Sol在编辑上更具创意。

xAI 的 Grok 4.3 现已通过 Amazon Bedrock 提供，它具有可配置的推理能力、强大的工具调用和指令遵循能力，支持 100 万个 token 的上下文窗口，适用于代理和企业工作负载。本文介绍了其特性、访问方式以及基本用法。

OpenAI开发了内部自动化红队模型GPT-Red，通过自我对弈强化学习训练，在间接提示注入测试中以84%的成功率远超人类红队的13%。该模型还发现了一种新型“虚假思维链”攻击，并将GPT-5.6 Sol在最难直接注入基准上的失败率降低了6倍。但OpenAI承认，在多轮和基于图像的攻击方面仍需人类参与。

GPT-5.6 Sol 和 Claude Fable 5 是目前最先进的两款模型。Fable 5 在通用智能上略占优势，而 Sol 在编码性能、执行速度和定价方面更具竞争力。Sol 的定价更接近 Claude Opus 4.8，远低于 Fable 5。本文通过基准测试和实操对比，帮助用户选择最适合的模型。

据报道，GPT-5.6在特定配置下会意外删除用户文件。问题主要出现在启用完全访问模式且未启用沙箱保护时，模型尝试覆盖$HOME环境变量但误删了$HOME目录。

VentureBeat Pulse Research对101家企业的调查显示，57%的企业在过去半年中遇到过AI代理因上下文缺失或不一致而给出自信但错误的答案。检索增强生成(RAG)已成为默认上下文来源，但提供商原生检索（如OpenAI文件搜索和Google Vertex AI搜索）已悄然超越专用向量数据库。然而，多数企业表示倾向于保持最佳组件独立，而非整合到单一提供商堆栈。混合检索被期望在2026年底主导，但治理语义层仍在建设中。

VentureBeat Pulse Research对157家企业进行调研，发现组织在赋予AI Agent更多自主权的同时，对用于把关的评估的信任度却在下降。50%的组织曾部署通过内部评估但在客户面前失败的Agent；仅5%完全信任自动化评估；最主要的问题在于评估与现实结果不一致。然而，三分之二的组织已经允许或正在构建完全自动化（无人工干预）的部署流程。评估差距——自主权与信任之间的距离——正在扩大。

Netflix在第二季度财报中透露，其平台约有300部作品使用了生成式AI，主要用于后期制作，以降低成本并提高效率。

由 OpenAI 前 CTO 创立的人工智能初创公司发布了 Inkling，这是一个注重 token 使用的通用模型。

沃伦·巴菲特透露，是他本人而非继任者格雷格·阿贝尔主导了伯克希尔对谷歌母公司Alphabet的310亿美元投资。他表示，人工智能巨头被迫进行巨额资本支出以保持竞争力，这种模式类似于他曾投资的铁路和公用事业，因此吸引了长期回避科技股的他。

企业大规模部署AI时，最大障碍往往是数据从存储到计算的基础设施，而非GPU等计算硬件。文章指出，许多组织误以为性能问题需要更多计算资源，实则根源在于数据饥饿，即数据无法高效、安全、持续地在存储与计算之间流动。通过引入应用交付控制器实现松耦合架构，以及关注可达性、策略和交付三个维度的韧性，可显著提升GPU利用率和AI投资回报。

我们改进了Daft中的LeRobot视频读取器，通过批量解码将远程数据集上的帧解码速度从每帧3秒提升到整体数秒，实现了4-15倍的加速。

这家由英伟达和波音支持的初创公司表示，其轮式机器人已投入生产，并能持续学习新的工业任务。

2026年上半年，能源公司通过IPO筹集了126亿美元，创下自1999年互联网泡沫以来最高半年度水平，投资者希望押注人工智能数据中心对电力的巨大需求。

谷歌将 NotebookLM 更名为 Gemini Notebook，强调其作为 AI 研究工具的核心地位，并新增安全云端计算机实现原生代码执行与数据分析，同时支持 Gemini 应用与搜索的跨应用同步，未来还将集成到 AI Mode 中。自 2023 年以 Project Tailwind 推出以来，已有超过 3000 万用户和 60 万个组织采用。

Open-AoE是一个大规模自我中心操作数据集，包含来自500多名贡献者使用400多部智能手机收集的约2000小时视频，提供文本注释、手部姿势、相机轨迹和原子动作标注，并配备数据处理和下游工具链，旨在降低具身模型训练、人机迁移和世界建模的障碍。

MixCompress是一种基于稀疏结构专业化的统一可变比特率（VBR）框架，通过结合稀疏门控的专家混合（MoE）和深度混合（MoD）扩展，动态缩放模型容量，并利用条件辅助变换（CAT）进行子带能量调制，解决了现有VBR方法中的特征纠缠问题，实现了与单速率基线相当甚至更优的性能，建立了计算高效的图像编码新帕累托前沿。

本文提出DCVC-Mamba（DCVC-MB），一种用于B帧编码的神经视频编解码器框架。该框架采用IBP帧策略进行低延迟B帧编码，基于状态空间模型的时空融合模型进行双向时间预测，以及熵感知跳过机制选择性跳过某些潜在编码以缩短熵编码时间。此外，还实现了两种推理时策略以增强压缩性能。实验表明，DCVC-MB在平均BD-rate上相比 prior 神经视频编解码器降低高达8.98%，相比VTM-19.0-LDP和VTM-19.0-RA（Inter-GoP=16）基准分别改善达30.45%和1.81%，推动了神经视频压缩的进步。

研究人员提出了一种用于赛车场景的新数据集和3D车道检测方法，利用多摄像头和惯性测量实现高速处理（300Hz）并提高精度，F1分数超过0.9，横向误差降低。

本文介绍了一种结合UzWordnet和生成式AI的教育系统架构，通过四款游戏帮助学习者练习乌兹别克语，并利用游戏数据自动丰富词汇资源。

UniSAGE是一种统一框架，用于建模同时包含静态和动态属性的数据。它通过构建全局属性图、引入正交参数子空间以及轻量级超结构机制，实现了静态聚合和动态推理的联合学习。实验表明，UniSAGE在多个基准测试上性能提升超过10%。

本文提出了一种结合图同构网络与边缘特征（GINE）的边缘感知学习优化框架，用于NR-V2X车联网中的实时中继选择。通过将V2X快照建模为有向图，并利用离线MILP最优解监督训练GINE，实现毫秒级推理延迟。实验表明，GINE在链路级别准确率达0.9589，F1分数0.9544，且混合GINE剪枝MILP（GP-MILP）策略在保持最优解的同时将求解器运行时间降至30毫秒以下，满足NR-V2X严格的低延迟要求。

该研究扩展了监督式词典学习方法，应用于10-K文件及其第1A项风险因素部分，针对回报率和波动率标签在三个聚合层级（行业、投资组合、个体公司）训练情感分数。基于2006-2023年间94家纳斯达克100科技公司的1,383份文件，发现全文本在行业和投资组合层面产生更准确的情感分析，但在个体公司层面，较窄的第1A项表现更好。Loughran-McDonald词典基线在所有测试层级均与价格呈强烈负相关，凸显了监督方法在监管披露文本中的价值。

该论文提出 QFireNet，一种结合量子电路和 U-Net 的混合模型，用于从卫星图像中分割野火。在 Sen2Fire 数据集上，量子增强模型（QB-Net 和 QuFeX）在 F1 分数上优于经典 U-Net 基线，且数据混合技术显著提升了性能。

该研究提出能力收敛假说（CCH），认为在固定推理预算下，表征收敛并不必然导致能力收敛；能力收敛依赖于存取结构，即混合架构需同时拥有压缩态通道和可扩展逐字索引通道。论文通过信息论下界和预注册实验验证了该假说。

IMEX（Interaction-Based Model Explanation）是一种新的可解释预测建模方法，旨在识别对目标预测贡献最大的变量以及变量间的重要交互。该方法支持高阶交互分析，并基于静态相关功率（PCS）和交互相关功率（PCI）两个互补指标构建解释图。实验验证表明，IMEX能在非线性、条件性和多重共线性关系下恢复特征级结构。

针对超大规模云服务商的数据中心用水压力，本文提出一个幽默建议：收购高尔夫球场，改建为公共公园，并引导原会员转向观鸟活动。通过比较谷歌的用水量与高尔夫球场的耗水数据，指出购买40个球场即可抵消谷歌的日均用水量。

Leapd AI 能够从零开始创建业务，或通过连接现有网站自动运营，涵盖市场研究、产品构建、内容营销和广告投放。创始人反馈显示，该工具显著提升了 LinkedIn 互动、AI 搜索可见性和广告效果，用户只需检查结果，无需手动管理。

Databricks 博客介绍了一个实时信用卡欺诈检测示例应用，该应用利用 Model Serving 的路由优化和 Lakebase Postgres 实现毫秒级响应。文章详细阐述了路由优化如何降低推理延迟、Lakebase 如何提供特征查找和业务规则检查，以及连接池和 OAuth 令牌轮换如何保持稳定性。基准测试显示，优化后的端点 p50 为 27 毫秒，p95 为 37 毫秒，完全满足结账延迟预算。