AI 日報

OpenAI將ChatGPT桌面應用與Codex合併，移除了我喜愛的截屏和“Work with”功能，轉而強推Agentic工具和ChatGPT Work。作者認為桌面版已名存實亡，瀏覽器版仍是最好選擇。

Vairfid為AI代理提供身份註冊、驗證和信任評分系統，確保AI在跨公司工作流程中的可信度。

Loam是一款專為早期創始人設計的AI驅動型申請人追蹤系統（ATS），幫助他們高效完成首批10次招聘。它集成了申請人追蹤、AI簡歷評估、人才搜索、管道聊天、MCP集成和品牌招聘網站等功能，提供從免費開始的簡單月費定價。與Spreadsheet或Notion相比，Loam提供了結構化的招聘流程；與傳統企業級ATS相比，它更便宜且更注重AI原生體驗。

Cloudflare將於9月15日起默認阻止AI智能體爬蟲訪問廣告支持的頁面，將爬蟲分為搜索、智能體和訓練三類。此舉迫使AI公司重新協商訪問權限，並催生了按使用付費模式。

DiscoMCP是一個開源工具，通過分析用户的實際使用模式，將任意MCP服務器轉化為AI代理可用的定製技能，而非通用工具列表。它保證只讀操作，一鍵啓動，並顯著減少代理與複雜服務器交互的往返次數。

AI工具能快速生成看似完整的前端界面，但在可訪問性、鍵盤導航、焦點管理、錯誤處理等關鍵方面常常存在不足。文章指出，團隊需要更強的驗證流程，包括使用設計系統和明確提示，並測試用户實際行為而非僅檢查渲染結果。

Diff Forge AI 是一個本地優先的代理開發環境（ADE），允許用户並行運行 Codex、Claude Code 和 OpenCode 等編碼代理，支持語音控制、屏幕截圖上下文捕獲以及通過網頁儀表板遠程查看。它提供多終端工作區、循環空間（Loop Spaces）調度、雲同步、設備管理等功能，定價從免費到每月 2,000 美元不等。

AI Connector 是一個 Magento 2 擴展，充當商店與大型語言模型之間的統一橋樑，支持 Claude、ChatGPT、Gemini 等，通過單一 REST API 和 PHP 集成層提供 AI 功能。

Meta 的 Muse Spark 1.1 在人工智能分析智能指數中得分為51，較三個月前的1.0版本提升8點。該模型在科學推理、編碼和知識方面進步顯著，代智能工作也有大幅改善，但仍落後於前沿模型。它是最具代幣效率的模型之一，且運行成本較低。

本文探討了如何將傳統的待辦清單演變為智能AI代理，通過自動化任務管理和決策來提升效率。

Prime Intellect 發佈了 verifiers 0.2.0，預覽了重寫的 v1 核心。v1 將環境分解為任務集（做什麼）、框架（怎麼做）和運行時（在哪裏），並通過攔截服務器記錄訓練軌跡。任何任務集均可與任何兼容框架配合使用，並直接支持 prime-rl 訓練。

本文探討了在AI時代，達克效應（能力認知差距）如何被放大。作者假設AI提升了人們的自信，並將真實能力分為“有工具”和“無工具”兩種，導致原本隨經驗而彌合的差距不再消失。這對企業而言，內在能力從生產力問題轉變為治理問題，且會在不知不覺中侵蝕。

隨着AI代理和自動化平台快速發展，內存帶寬成為關鍵瓶頸。蘋果統一內存架構、CUDIMM標準以及PC升級潮正在重塑市場，而三星、SK海力士等內存製造商因HBM產能分配而獲得結構性利好。

BeyondSight 提出了一種具有物體恆存意識的端到端駕駛框架，通過維護持久的智能體假設，將智能體存在與可觀察性解耦，從而在部分可觀測環境中依然能夠推理被遮擋的智能體。實驗表明，該方法將不可觀測智能體的檢測 mAP 從 0 提升至 0.249，同時將規劃誤差 L2avg 從 0.61 降至 0.54。

本文提出Dec-MARVEL，一種分散式預算感知探索框架，用於無通信且僅具有方向性傳感的多無人機團隊。每個機器人通過視野內隊友軌跡進行協調，利用圖注意力網絡選擇可行的路徑點。實驗表明，在多種團隊規模和預算下，Dec-MARVEL實現了最高的探索率和最低的傳感重疊，併成功進行了實物機器人驗證。

SplatCtrl是一個統一框架，利用3D高斯噴濺實現實時場景重建和反應式運動生成，使機器人能夠在未知和動態環境中實現無碰撞控制。它通過混合體素濾波和動態高斯重定位策略處理環境變化，並從各向同性高斯推導出連續有符號距離函數，用於控制障礙函數，從而實現平滑可靠的實時運動生成。實驗驗證了其在仿真、實體機器人和人機協作空間中的有效性。

AgenticFocus是一種混合現實合成流程，將普通的第一人稱視頻轉換為機器人可訓練的演示，通過恢復被遮擋的物體幾何、重建全手運動並重新定位到人形機器人，實現了更低的軌跡誤差和更平滑的手腕運動。

L-MAD框架系統評估了多智能體辯論在法律文本藴含任務中的不同結構與聚合方法。通過賦予智能體不同專家角色，相比強單智能體基線最高提升8%。研究發現增加智能體數量可降低不一致性並提高準確率，但延長討論輪次會導致“過度審議漂移”，智能體互相強化錯誤。該成果為高風險法律推理中協同多智能體系統的部署劃定了實際邊界與安全裕度。

ARCANA是一種協作式多智能體框架，用於在嚴格的測試時間和硬件約束下解決ARC-AGI-2任務。它將每個任務分解為迭代感知、假設生成、符號執行和反思性改進，通過共享可微分黑板和元控制器調度，結合結構化程序搜索與自適應多輪校正，顯著提升了抽象變換任務的推理效率和解決方案質量。

研究人員將Vlasov方程平均場推導的形式化過程重構為一場策略遊戲，由數學家指導AI系統將LaTeX文檔轉化為Lean 4證明助手代碼。該案例成功完成了非線性Vlasov方程適定性問題的完整形式化，包括存在性、唯一性、穩定性估計和平均場極限，以及短時間疊加原理。其中約六分之一的形式化代碼可作為獨立模塊被數學庫複用。核心定理約一週完成，整個開發約一個月。

AVA是一個開源自託管語音AI代理，專為Asterisk/FreePBX設計，提供快速部署、多代理管理、實時儀表盤和多AI引擎支持。最新更新包括穩定性修復、靜默看門狗和每代理語音選擇等功能。

31歲的配音演員沈安宇因AI克隆其聲音而面臨職業危機。AI語音複製品大量出現在網絡上，導致平台將其真實錄音誤標為合成內容，影響收入。他與妻子花大量時間追蹤侵權內容，但維權困難。AI語音克隆工具正在衝擊中國短劇、有聲書和短視頻行業，許多配音演員遭遇類似困境，收入下降，職業前景堪憂。

Baton 是一款 macOS 菜單欄工具，可以監控 Claude Code 和 Codex 等 AI 編碼代理，實時顯示等待你處理的會話數量。它利用 FSEvents 實現即時更新，並支持點擊跳轉到特定會話。

Clark是一個由單人開發的AI助手，旨在與Manus代理在功能和能力上匹敵。它能使用計算機、瀏覽器，進行深度研究，並與谷歌工具集成。已有數千人日常使用。

OneDev 將 AI 用户嵌入到開發平台中，使其能夠像團隊成員一樣處理問題、提交拉取請求、參與代碼審查以及響應 CI/CD 失敗。這種集成方式保持了需求、實現和審查在同一平台中可見，提高了透明度和問責性。

總部位於新澤西州澤西城的初創公司Lyzr利用其AI代理系統SivaClaw成功完成了1億美元的B輪融資。該系統處理了130多名投資者的提問，起草了投資備忘錄，並跟蹤了投資者對演示文稿的關注點，從而證明了產品的實用性。

一個Argo CD UI擴展，在資源視圖中添加AI助手選項卡，允許用户用自然語言查詢Kubernetes資源，並附加上下文（清單、事件、可選日誌）。兼容任何OpenAI兼容後端，需要Argo CD v2.13+。

xysq.ai是一個協作記憶平台，為AI原生團隊和企業構建。它連接多種AI工具和應用程序，從團隊工作流中捕獲上下文，構建動態知識圖譜，並在AI代理需要時提供正確的上下文。支持團隊記憶隔離、基於角色的訪問、文檔組織，並承諾不將用户數據用於訓練。

Adaptive Recall 是一種為AI助手設計的持久記憶系統，它利用認知科學和機器學習，通過多種檢索策略、認知評分、知識圖譜和自我改進機制，不斷提升記憶檢索質量。

Fade Engine是一個完全自主的AI系統，通過識別18種小盤股泡沫模式，在模擬賬户中實時做空並公開每筆交易。系統在交易時段每五分鐘掃描一次，收盤前平倉，所有記錄公開透明。

本文提出將AI用户未使用的推理代幣眾籌用於科學研究，類比於SETI@home項目。討論了小型團隊利用AI解決數學問題的成功案例，以及眾籌推理能力所需的設計挑戰。

本文介紹了循環工程的概念，即AI代理自主迭代實現目標，包含驗證器、狀態和停止條件三個關鍵部分。詳細闡述了安德烈·卡帕西的自動研究循環和雙層自動研究，展示了具體成果：自動研究在700次實驗中找到20個改進，使GPT-2訓練速度提升11%；雙層自動研究通過外層元循環進一步實現了5倍的性能提升。還提供了可複用的構建塊和實際操作模板。

exxperts 是一個本地優先的智能體運行時，提供持久的 AI 房間，帶有受管控的、需審批的記憶功能。所有內容都在本地運行，數據以文件形式存儲在你的磁盤上，確保隱私和控制權。它提供 Web 應用和 CLI/TUI 兩種界面。

Kote 是一款開源工具，自動捕捉開發者與 AI 助手的對話、Git 提交記錄以及開發上下文，構建可搜索的知識庫，幫助開發者快速回憶過去的技術決策和解決方案。支持 VS Code 擴展、GitHub 集成、CLI、瀏覽器擴展、WhatsApp/Telegram 消息集成等，可自託管部署。

在人工智能研究中，一步陷阱是指錯誤地認為所有或大多數學習到的預測可以是一步預測，而長期預測可以通過迭代一步預測得到。雖然這種想法吸引人，但由於誤差累積和計算複雜性問題，在實踐中往往效果不佳。本文分析了這一陷阱及其危害，並提出了使用時間抽象模型（如選項和GVF）的解決方案。

本文探討了“無用”研究對未來創新的重要性。作者以Folk Computer系統為例，追溯了從施樂帕克到動態地的研究脈絡，並呼籲資助那些尚未顯現實用價值的範式級工作。

OpenAI的AI系統在AtCoder世界巡迴賽2026算法組中解出全部五道題，得分8300分，而人類最高分僅4300分。啓發式組中，AI得分是人類最佳成績的七倍以上。60萬日元的“人類勝出獎”無人領取。該系統被比作即將發佈的GPT-5.6。

伊利諾伊大學厄巴納-香檳分校的研究發現，大腦在感知早期就開始做出決策，而非傳統認為的只有信息傳遞到額葉皮層後才進行。這一發現挑戰了層級處理模型，表明決策涉及初級感覺皮層與高級腦區之間的快速反饋迴路，為設計更節能、更像生物大腦的人工智能系統提供了新思路。

Phoebe Gates的AI購物擴展Phia被指控過度收集用户數據，包括全頁HTML捕獲和Cookie填充，引發隱私擔憂。

TactiDex是一個真實世界的觸覺引導基準，旨在推動靈巧操作超越運動學模仿，實現接觸級別的類人操作。它提供了整合全手觸覺信號與多粒度運動學和物體狀態的數據集，並提出了基於觸覺獎勵的TactiSkill框架，在單雙手任務中表現出色。

本文提出了一種針對人工智能安全基礎問題——對抗魯棒性的嚴格理論框架，將對抗魯棒性問題轉化為格遍歷問題。引入聲音認證和完全認證兩種區間認證，開發了格遍歷算子，並揭示了優化複雜性的不對稱性：完全認證可在多項式時間內求解，而聲音認證具有強難解性。最後通過ParallelepipedoNN系統進行了實證評估。

Chatbrat.ai 提供免費、安全的AI媽媽聊天機器人，無需下載或註冊。用户可以創建自定義角色，擁有持久記憶和個性化性格，適用於聊天、角色扮演和遊戲場景。文章介紹了功能、優勢及與同類產品的對比，並強調其作為情感陪伴而非替代真實親人的定位。

SelfAssay是一個整合同行評審研究、真實世界報告和知識圖譜的平台，為生物黑客提供基於證據的決策支持，通過交叉驗證和校準信心來評估化合物效果。

作者將人工智能比作印刷機，認為AI並非創造了新的信息生成方式，而是大幅提升了信息生成和重組的效率。通過空氣動力學類比，解釋了AI如何通過規模定律逼近人類智能，並預測AI可能像語言一樣對人類大腦產生深遠的生物學影響。

八年前，作者開始了“算法一百天”挑戰，通過手寫代碼學習算法。如今回顧，項目存在諸多缺陷，如最大流算法不完整、圖算法錯誤等。作者反思，若當年有AI輔助，可能會促進學習但也可能導致走捷徑。最終決定保留代碼作為歷史記錄，並更新README。

愛思唯爾發佈《未來研究者》報告，基於對113個國家3200多名研究人員的調查，揭示研究人員面臨時間不足、資金壓力等挑戰，但AI工具採用率從2024年的37%躍升至58%。中國研究人員對AI的信心遠高於美國和英國。同時，研究人員的國際流動意願下降，但跨學科合作增加。

當前開源AI面臨着最嚴峻的生存考驗。白宮正討論通過行政命令限制開源模型，特別是針對中國模型和政府用途。同時，蒸餾和前沿能力的政策討論正在同時進行，可能導致在未來6個月內禁止或推遲開源模型。文章批評了Anthropic的監管捕獲行為，認為蒸餾問題的解決方案實際上有利於推動者。API並不比開源模型更安全，而全面禁止開源模型並非良策。開源社區需要團結一致，積極遊説，確保安全部署。

研究人員編制了1863-1934年間超過3000次銀行擠兑的數據庫，發現大多數擠兑並未導致銀行倒閉，並分析了時空模式。

三星健康應用新增AI訓練數據共享要求，用户若不授權則無法同步健康數據，可能導致手錶功能受限。

蒙蒂菲奧裏醫院解僱了12名護士，並用AI軟件替代她們。工會稱此舉違反了罷工後剛剛爭取到的合同。

本文介紹了一個用於評估個人對AI存在風險認知不確定性的框架，通過一系列問題和領域幫助用户系統性地審視自己的信念。文章強調框架本身比具體問題更重要，並鼓勵用户動態更新和貢獻新問題。

谷歌將旗艦 AI 助手 Gemini 集成到 Waze 中，讓用户通過語音指令報告路況、搜索目的地，並個性化導航體驗。此外，Waze 還新增了“少嘮叨”模式、摩托車模式以及基於過往行程的路線推薦。

全球職業中心提供免費AI工具、獎學金和職業發展資源，幫助用户規劃職業生涯。

作者分享了自己對人工智能的看法，認為其影響很大且偏向積極。他回答了關於AI是否會取代工作、SaaS是否消亡、定價變化以及資本支出是否合理等問題，認為AI將簡化搜索流程、改變商業模式，但無需過度擔憂。

克里斯托弗·諾蘭在與《奧德賽》相關的採訪中表示，許多人“鄙視”人工智能，並認為AI取代人類的想法是“胡説八道”。他相信自己的大製作實景電影能抵禦AI影響，同時駁斥了右翼對露皮塔·尼永奧飾演海倫的批評，稱其“無關緊要”。

歌手 Lorde 在馬德里的 Real Cool 音樂節上公開反對 AI 眼鏡，疑似針對贊助商 Ray-Ban 與 Meta 合作的智能眼鏡。她表示很難辨別真實與虛幻，並直言“去他媽的眼鏡，不性感”。

許多開發者未能充分發揮自動編程的潛力，因為他們仍然過度關注代碼本身，這使自己成為瓶頸。應將時間投入到新想法、質量保證、設計以及明確目標上。

高盛研究顯示，人工智能繁榮引發的供應限制正推高內存芯片和半導體等關鍵組件價格，導致美國核心PCE通脹每年上升約20個基點，年底前可能翻倍至50個基點，遠超其他發達國家的10個基點平均增幅。

Tinier 是一套免費的瀏覽器內媒體工具，支持圖像壓縮、格式轉換、AI 放大和視頻轉 GIF，所有處理均在本地設備完成，無需上傳文件，保護隱私。

OpenAI和Anthropic致力於構建大型通用模型，但微軟等公司正轉向開發小型專用模型，以降低成本並提高效率。微軟的MAI模型家族正在取代OpenAI的模型，用於其產品中的AI功能。

微軟正在測試Copilot的“PC Insights”功能，可以分析系統資源使用情況，幫助用户找出性能瓶頸。然而，Copilot本身是一個完整的Web應用，附帶私人版Edge，空閒時佔用高達1GB內存，凸顯了其資源消耗的諷刺性。該功能為可選，默認不自動掃描，用户需授予權限。

蘋果的自動駕駛汽車項目雖未成功，但其對AI處理的需求催生了神經網絡引擎。該引擎首次亮相於iPhone X的A11仿生芯片，現已成為蘋果設備端AI處理的核心，並延續至M系列芯片。未來，蘋果將加速M7芯片開發，其神經網絡引擎大幅升級，M7 Ultra服務器芯片將支持高達1.5TB內存。

印度企業越來越多地使用DeepSeek、阿里巴巴和Moonshot AI等中國大語言模型來降低人工智能成本，這進一步加深了印度對中國尖端技術的依賴，儘管兩國之間長期存在衝突。

斯坦福大學的研究團隊提出了TRACE系統，通過分析智能體失敗軌跡，診斷缺失的能力，併為每個能力合成可驗證的訓練環境，利用LoRA適配器和GRPO算法進行訓練，最後通過MoE組合實現令牌級路由。在τ²-Bench上提升15.3個百分點，在SWE-bench Verified上達到73.2%的Pass@1，超越了多個基線模型。

該研究旨在識別與導航難度相關的血管指標，並開發自動化管道進行定量血管特徵提取，以支持未來複雜性分級。研究從61名患者的CT血管造影中分割血管樹，測量了主動脈弓類型、牛型弓存在、血管長度、迂曲度、起始角、反向曲線數量等指標，並使用軟演員-評論家強化學習算法進行120秒自主導航。結果顯示，左側牛型弓和II/III型主動脈弓分別增加導航時間30.19秒和37.92秒，更大的迂曲度進一步延長手術時間並降低成功率；右側II/III型弓延長45.94秒，每個額外反向曲線增加3.96秒並降低成功率。該自動化管道為標準化複雜性分級和強化學習模型評估提供了基礎。

CLAP通過在數值動作序列前添加自然語言描述，將預訓練VLM高效轉換為VLA，單週期微調後2B模型在LIBERO上達90.8%，魯棒性更強。將發佈0.8B、2B、4B開源模型。

FlowDAgger是一種樣本和計算高效的方法，通過人類干預在潛在空間中自適應凍結的生成式機器人策略。其核心思想是動作反演，將人類專家動作映射為在基礎策略下產生該動作的噪聲，然後訓練輕量級潛在策略來引導基礎模型。該方法在仿真和真實雙機械臂及單臂操作任務中均優於監督微調和潛在空間強化學習基線，並能保留預訓練技能。

本文提出並驗證了大規模文本到視頻生成可作為計算機視覺的強預訓練範式，所提出的GenCeption模型在深度估計、表面法線、相機位姿估計等多個視覺任務上達到領先性能，展現出數據效率和良好的泛化能力，為通用視覺智能提供了新路徑。

C-GAP是一種新型框架，通過使用大語言模型（LLM）迭代優化語言提示，無需重新訓練或額外標註，即可顯著提升視覺語言模型對稀有類別的檢測能力。該方法由兩階段組成：首先建立複合字幕基線，結合場景描述與類別數量上下文；其次，LLM基於少數類平均精度（AP）動態閾值，逐個圖像地優化字幕，直至達到足夠的性能增益。實驗表明，C-GAP在多個基準上將少數類平均精度提升高達53%，在COCO數據集上相對基線提升約81%。

MultiView-Bench是一個專為評估視覺語言模型（VLM）多視圖集成能力而設計的診斷基準。研究表明，當前最先進的VLM在單視圖2D任務上表現優異，但在3D空間關係理解和跨視圖信息聚合方面存在顯著困難。為此，作者提出了ViewNavigator，一個多智能體框架，通過主動選擇信息豐富的視角並融合多視圖證據，顯著提升了模型在MultiView-Bench上的表現。

一項在科特迪瓦進行的研究比較了甚高分辨率（0.5米）與十米級衞星影像在可可地圖繪製中的表現，結果顯示VHR的F1得分達到0.92，而TESSERA等基礎模型嵌入（F1=0.86）提供了可擴展的替代方案。在破碎化景觀中性能差異增大。

一項新研究表明，視覺Transformer（ViT）能夠從自然圖像中學習完形心理學中的圖形-背景線索，如包圍性、凸性和對稱性。研究測試了25種ViT模型，發現它們穩健地編碼了包圍性和凸性，而對對稱性的編碼僅適用於均勻顏色區域。這項工作表明，完形線索可以從自然場景統計中學習，併為研究知覺組織的計算機制提供了模型系統。

本文介紹了作者在ICIP 2026極端野外車牌超分辨率挑戰賽中的參賽系統，該系統結合了混合注意力Transformer超分辨率前端與兩個場景文字識別器（PARSeq-S和CLIP4STR-B）的集成，採用置信度加權字符投票方案，在不確定位置棄權。在公共驗證排行榜上獲得了9.73 wECR分數，運行速度遠低於時間預算。

Lume-Palette框架通過解耦照明蒸餾和照明投射兩個階段，實現了空間可控的多視角室內場景重照明，在保持多視角一致性的同時支持精細的3D光照控制。

本文提出了一種名為探針混合（MoP）的新框架，旨在解決多模態大語言模型（MLLMs）在特權模態設置下的學習問題。該框架通過結構化的探針機制從共享模態編碼器的中間表示中提取信息，並引入MoP跨模態訓練（MoP-X）策略，有效分離模態特定和模態通用信號。實驗表明，MoP在八個任務和四種模態上比強基線模型提升高達65%。

StereoSplat+是一種基於擴散增強的前饋框架，能夠從單個立體對進行因果重建，無需多視圖觀測。該方法包括立體高斯估計器和漸進推理方案，在KITTI-360數據集上相比基線方法提升了新視角渲染質量和幾何精度。

本研究以牛津大學的二戰眾包數字檔案為例，評估了三種NLP方法（命名實體識別、關鍵詞提取、主題建模）在自動提取關鍵詞上的表現。結果表明，NLP有潛力但無單一方案完美，模型選擇至關重要，且開源提取模型比生成式AI更負責任。

本研究探索利用機器學習自動對大型文學語料庫進行主題索引，以伏爾泰作品為案例，比較了多種模型，其中Mistral系列4位量化模型F1得分達0.67，證明了自動索引的潛力。

研究表明，在小型雙曲語言模型中，可以湧現出創造力、誠實性和設計性遺忘等特性，為構建可信賴的伴侶AI提供了一條小模型路徑。這些模型包括一個行為審計器、一個創意框架播種器和一個記憶操作系統。

該研究分析了11個GPT-2風格預訓練模型的權重譜，發現跨層和組件共享的深度趨勢，例如殘差寫入矩陣的規模增加和譜集中。研究者嘗試利用這些譜模式作為初始化信號，但模仿譜特徵的初始化方法未能帶來性能提升，而直接重用預訓練權重仍具競爭力。預訓練譜作為結構診斷有用，但有效重用需要更豐富的信息。

這項研究探索了利用GPT-4o與檢索增強生成（RAG）技術自動生成基於公司報告、宏觀經濟數據和SEC文件的投資者簡報。系統對9家公司進行了為期4周的掃描，並由9名個人投資者評估其有效性。

知識圖譜自動構建中常含事實錯誤，AgentKGV提出結合動態路由與迭代查詢重寫的智能LLM-RAG框架，並通過兩階段訓練（基於蒸餾的SFT和軌跡級GRPO）提升準確性與成本效率。在T-REx基準上，宏F1比單輪RAG提升14.9個百分點，搜索調用次數減半。

一項新研究對語言模型中的湧現性失調（EM）現象提出了質疑，發現雖能復現EM，但失調與再對齊高度依賴於數據集表面特徵，如回答長度差異，且先前報告的表徵相變並不一致關聯行為失調。這表明當前支持EM的證據不如之前聲稱的穩健，需要更嚴謹的評估協議。

HALO是一種混合自適應潛在精化方法，通過粗精化階段和基於令牌評分的選擇性第二階段的潛在精化，在凍結的預訓練語言模型上實現高效改進。在MMLU-Pro和GPQA-Diamond基準測試中，HALO的平均表現優於固定精化基線，且計算成本更低。

本文提出了一種針對大語言模型推理的高效GPU方法，採用三層矩陣存儲格式，包括稀疏張量核心層、插槽填充層和殘差層，實現稀疏矩陣乘法，在50%稀疏度下首次超越密集矩陣乘法，最高可達1.64倍內核加速和1.41倍端到端加速。

本文介紹了Director，一種新的分佈式MoE推理系統，通過預測驅動的在線專家放置優化，顯著降低端到端延遲。系統採用輕量級級聯預測器或低比特量化副本預測專家激活模式，結合近乎零停機的在線遷移模塊，以及基於鬆弛優化的專家放置算法，在多項式時間內達到(1+ε)近似比。實驗表明，在Mistral、DeepSeek和Qwen等流行MoE模型上，相比現有工作延遲降低11%~55%。

本文提出獎勵傳輸（Reward Transport）方法，利用最優傳輸耦合在訓練時將噪聲空間座標與分子獎勵對齊，推理時通過調整該座標實現屬性控制，無需額外模型或梯度。實驗表明，該方法在ZINC-250K和GuacaMol數據集上對logP和QED具有單調控制能力，且與分類器無關引導互補。

我們提出StickyMoE，一種可微分的路由一致性損失，在訓練時懲罰相鄰令牌之間的專家切換，從而在邊緣設備上實現內存高效推理。實驗顯示，專家切換率降低高達60%，困惑度下降不到4%。

本文提出有符號對稱量化方法，解決標準對稱量化器因整數範圍不平衡導致的正異常值截斷問題，同時避免非對稱量化的運行時開銷。理論分析表明該方法在ℓ2誤差上條件最優，且88-99%的LLM權重組滿足條件。實驗在Qwen3、Llama3等模型上驗證了困惑度和少樣本準確率的提升。

iLENS是一個基於大語言模型（LLM）和混合專家系統（MoE）的可解釋框架，用於預測阿爾茨海默病（AD）從前驅期向痴呆期的轉化。它整合結構化神經影像測量和非結構化信息，通過LLM指導專家路由，不僅提供競爭性的預測性能，還能進行患者分型，併為路由決策提供透明、生物學合理的解釋，彌合了高性能生存分析與可解釋臨牀決策支持之間的差距。

本文提出了一種統一的方法來解釋大型語言模型（LLM）中知識蒸餾（KD）的機制。通過將輸出分解為多個交互，發現KD的共性機制是交互稀疏化，即學生模型保留更少交互進行推理。性能差異源於處理複雜交互的能力，並據此提出了複雜交互懲罰（CIP）損失函數。實驗表明CIP能持續提升各種KD方法的性能。

KV-PRM是一種高效的過程獎勵模型，通過直接利用大語言模型生成階段自然產生的KV緩存，避免了文本重新編碼，將評分成本從O(L²)降至O(L)。實驗表明，在多個基準上，KV-PRM在匹配或超越文本PRM性能的同時，實現了高達5000倍的FLOPs減少、37倍延遲降低和34倍內存佔用減少。

MedRealMM是一個基於中國互聯網醫院真實醫患對話的大規模多模態基準，包含5,620個案例，覆蓋64個科室。它通過多模態臨牀挑戰點（MCCP）框架提取關鍵臨牀時刻，並評估19個通用和醫學專用大語言模型。結果表明，圖像信息對臨牀性能至關重要，當前前沿模型雖在某些正面指標上接近醫生，但觸發更多負面指標，安全敏感性錯誤避免仍是主要瓶頸。

本文介紹了一種神經代理控制框架，結合LLM規劃器與時間序列基礎模型（TimesFM），通過反事實物理注入機制確保物理安全，在SWaT數據集上表現優於LSTM和TCN，零幻覺動作執行。

Long-Horizon-Terminal-Bench是一個包含46個長時任務的終端基準測試，涵蓋實驗復現、軟件工程、多模態分析等9個類別。它通過細粒度子任務提供密集中間獎勵和部分分數，更全面地評估AI智能體的能力。評估15個前沿模型發現，最強模型在部分獎勵閾值0.95下通過率僅15.2%，完全正確通過率10.9%，平均通過率更低，表明仍有巨大改進空間。

GATS是一種新的智能體規劃框架，通過系統性的UCB1樹搜索和分層世界模型，在規劃過程中完全消除LLM調用，同時實現100%的成功率。與LATS和ReAct相比，GATS不僅在合成任務中表現優異，在12個挑戰性場景中也保持100%成功率，且計算成本更低。

新研究CogniConsole提出，大型語言模型的可靠性不僅取決於模型能力，還受推理時控制影響。通過結構化接口（結合程序化協調與有界提示推理），實驗證明增加結構支架可系統性地降低輸出方差和失敗率，表明許多失效模式源於控制不足。

麻省理工學院和Thorn的研究人員開發了一種審計技術，通過分析模型的內部調整而非生成輸出，來檢測生成式AI模型是否被專門用於生成兒童性虐待材料（CSAM）。該方法在測試中達到100%準確率，具有可擴展性，且成本低廉，有望幫助平台和執法機構識別並移除有害模型。

密歇根大學研究團隊推出NeuroVFM，一種基於524萬臨牀MRI和CT體積訓練的通用神經影像基礎模型。其Vol-JEPA方法將自監督學習擴展到體積醫學影像，無需放射報告標籤即可學習大腦解剖和病理。在156項診斷任務中達到92.68（CT）和92.49（MRI）的AUROC，並支持報告生成、分診和跨模態遷移。

本文探討了“直接負責人（DRI）”的概念，該術語源自蘋果公司，指對項目成敗最終負責的人。作者認為，隨着LLM驅動的智能體融入組織，它們永遠不應被視為項目的DRI，因為只有人類才能承擔責任，而機器不能。文章還引用了IBM 1979年的培訓幻燈片，其中指出計算機永遠不能承擔責任，因此絕不能做出管理決策。

最新基準測試顯示，GPT-5.6 Sol在拉取請求（PR）安全審查中表現最佳，實現100%召回率和0.91的F1分數，每次PR成本僅0.70美元。Anthropic的模型（如Fable 5）未能進入前沿表現，且成本更高。Grok 4.5和Gemini 3.1 Flash Lite提供了經濟高效的替代方案。測試使用私有合成倉庫以避免數據污染。

由於 GPT-5.6 Sol 被明確歸類為 Fable/Mythos 級模型，Anthropic 再次延長了 Claude Max 計劃中 Fable 模型的可用期限至 7 月 19 日。此舉原因為計算資源限制，而 OpenAI 則對 GPT-5.6 的訪問限制顯得更有信心。作者認為 Anthropic 應永久保留 Fable 訪問權限，否則用户會因不確定性而轉向 OpenAI。

AI性能取決於準確性、吞吐量和交互性三個維度。本文聚焦吞吐量和交互性，探討模型設計選擇如何在不犧牲準確性的情況下優化兩者，旨在推動帕累託前沿向外擴展。

作者通過Basecamp基準測試評估了GPT-5.6 Sol、Fable 5、Grok 4.5等AI模型在構建前端和後端方面的表現。Fable 5在兩個賽道上均獲勝，Grok 4.5在速度和成本之間取得了最佳平衡。結果顯示，即使是頂級模型在完成度上也有顯著差異，尤其是最後10%的打磨工作。

“AI垃圾”這個批評術語更多揭示的是評論者而非創作者的問題。作者探討了該詞的模糊性、缺乏可操作的反饋，並建議創作者審視自己的信念和目的，而不被這樣的標籤左右。

本文探討了人工智能對寫作和思考過程的衝擊。作者通過個人經歷和文學引用，強調了人類寫作中不可或缺的停頓、掙扎和靈感閃現，批評了AI試圖消除這些“空白”以追求效率的做法，並指出這種趨勢可能導致人類認知的萎縮。

研究表明，生成式AI如ChatGPT導致Stack Overflow等平台上的高水平專家用户大量流失，他們感到自己的專業知識不再被重視。這種趨勢可能蔓延到課堂、辦公室和研究領域，引發‘知識重置’。

GenVid2Robot 提出了一種剛體幾何一致性框架，將生成的視頻運動轉化為可執行的機器人操作軌跡。通過從真實第一幀採樣語義錨點並在生成視頻中跟蹤，利用稀疏相對SE(3)模型驗證幾何一致性，僅將一致的運動傳遞給機器人，並結合有界深度補償模塊減少執行誤差，從而顯著提升生成視頻引導的機器人操作的可靠性。

本文提出一種基於深度殘差網絡（ResNet）的物理信息神經網絡（PINN），用於學習無刷直流（BLDC）電機的連續時間六狀態動力學。該網絡以仿真時間、三相電壓和勵磁參數為輸入，直接預測轉子角度、角速度、三相電流和繞組温度，同時通過複合物理數據損失滿足機電和熱ODE約束。採用課程調度策略逐步激活物理懲罰，防止過早收斂。在標準CPU上訓練時間不到兩分鐘。推理延遲為0.1–22微秒，比傳統ODE求解器快118倍，適用於實時觀測和控制。

本文提出字母詞形還原方法，使用一對一RNN通過自監督逆轉字符集簡化，並在HTR後校正中取得顯著改進；引入帶狀RNN從平行語料中擴展中世紀憲章縮寫；還開發了字符語義相似度度量啓發式方法，並提供了Python庫。

高質量數據驅動機器學習進步，但數據產品定價因數據特有屬性（如近乎零邊際成本、收益不可預測）而極具挑戰。傳統方法中，成本法和收益法失效，市場比較法因缺乏標準化基準而難以應用。為此，研究者推出DaDaDa——首個數據產品定價數據集，包含全球9個主要數據市場的16,147個產品元數據。該數據集支持訓練定價模型、建立基準，並可用於數據產品分類與檢索。實驗和原型系統證明了其在定價、分類、檢索方面的有效性。

聯邦持續學習（FCL）評估分佈式客户端如何從變化的數據流中學習同時保留已學知識。現有評估由於同時改變數據集、任務劃分、客户端數據劃分、任務順序、骨幹網絡、內存假設和報告規則而難以比較。本文提出HERO，一個異構感知的FCL基準庫，通過解耦任務劃分、客户端數據劃分和客户端任務序列來構建基準流。HERO-Core引入α控制數據傾斜、ρ控制任務順序不匹配。在CIFAR-100和TinyImageNet上的評估顯示，方法行為在簡單和異構設置下會變化，平均準確率可能掩蓋底層客户端性能，且HERO接口可暴露域遷移難度。HERO發佈基準流、配置、方法實現和報告腳本以支持可復現的、感知設置的FCL評估。

本文提出LieBN框架，用於李羣上的黎曼批量歸一化，利用左右不變度量提供理論保證，並在九個不同幾何結構上進行實例化，包括對稱正定流形、旋轉矩陣羣和滿秩相關矩陣流形，實驗驗證了其有效性。

本文探討人工智能如何通過提供個性化輔導和互動學習，縮小教育差距，使更多人獲得專業知識。研究表明，AI在適當設計下能顯著提升學習效果，尤其是對教育背景較弱的人羣。

AI輔助開發帶來了顯著的效率提升，但也引發了新的認知疲勞。程序員從解決實現細節的疲勞，轉變為持續進行高層次架構設計決策的疲勞。文章討論了AI工具如何改變編程的認知負荷，包括快速遇到設計瓶頸、代碼審查中的盲點、以及需要建立新的工作習慣來適應這種變化。

一個AI街機基準測試項目，讓多個編碼模型在相同限制下獨立創作遊戲，由玩家評判趣味性。

Soulless是一個社區驅動的項目，旨在揭露Spotify上隱藏的AI生成音樂藝術家。該項目列出了232位被檢測為AI的藝術家，並公開了他們的月聽眾數和預估收入。此外，Soulless還提供了開源的AI音樂檢測工具，以及相關的資源列表，幫助人們識別AI生成音樂。

在一場圓桌討論中，作家與文化評論家探討了人工智能對語言、創造力和社會的深遠影響。他們指出，AI既增強了也削弱了語言能力，並可能清晰劃分機器與人類靈魂的界限。儘管存在焦慮，但AI也帶來了研究、可及性和診斷方面的機遇。

Josh Fawaz的歌曲《Like a Prayer》翻唱版登上澳洲全國電台播放榜榜首，但音樂專家和同行質疑其是否由AI生成，引發關於生成式AI在音樂中的應用及披露的廣泛討論。

作者原本認為聊天機器人在體面社會中無立足之地，並對AI話題感到排斥，但不禁好奇自己是否會被AI“誘惑”。這篇播客文章講述了她與AI男友互動的個人體驗。

《衞報》資深中國事務記者艾米·霍金斯探討了中國對AI的全面擁抱，從醫療數字人、工廠智能機器人到長城上的無人機送餐，以及國家在監控領域的應用。