AI 日報

中國晶片設計公司摩爾線程和紫光資訊預測上半年收入大幅增長，得益於國內AI計算需求激增。摩爾線程預計收入增長135%-149%，紫光資訊預計增長55.6%-70.2%。這凸顯了中國在AI基礎設施上的強勁需求，以及在美國出口限制下國產晶片的崛起。

Lightport 是一個輕量級的 AI 閘道器，專注於讓各種 LLM 提供商相容 OpenAI API。它源自 Portkey AI Gateway，但去掉了重試、快取等高階功能，僅保留請求/響應轉換層。支援 77 個提供商，包括 OpenAI、Anthropic、Azure OpenAI 等。可直接透過 pnpx lightport 快速啟動。

歐盟釋出兩項新規，要求谷歌共享搜尋資料並開放安卓系統，以便競爭對手AI公司能公平接入。此舉旨在打破科技巨頭的數字壟斷，促進創新，但谷歌警告可能會危及使用者隱私和資料安全。

本文介紹了一個名為voidguard的新工具，它能夠檢測出程式碼庫中那些看似有效但實際上並未驗證任何內容的“空心”測試、型別檢查和CI門禁。作者透過對一個倉庫的掃描，發現了七個這樣的空心守衛，並由此開發了這個通用工具。文章詳細說明了voidguard能檢測的四類空洞以及無法檢測的三類，強調了驗證驗證手段本身的重要性。

OpenAI在其Codex命令列介面中引入了多代理v2訊息加密，隱藏了代理間傳遞的指令，導致開發者無法除錯和審計代理行為，引發了社群對可觀測性喪失的擔憂。

一項來自arXiv的新研究提出了一種隨機過濾協議（ANTk），用於採用匿名通訊的機器人群體中的群體感應。該協議減輕了匿名協議中常見的重複計數偏差，提高了估計穩定性，但增加了錯誤恢復時間。研究將ANTk與基線和隨機變體進行了比較，揭示了準確性、速度和穩定性之間的權衡。

本文提出了一種可解釋的、全球可部署的機器學習框架，用於從開放地理空間資料預測代表雜波高度（RCH）。該模型使用LiDAR衍生的標籤進行訓練，並採用LightGBM迴歸器，平均絕對誤差為1.79米，R²=0.765，相比ITU基線誤差降低超過60%。SHAP分析顯示樹冠覆蓋、土地覆蓋語義和光譜反射率是最重要的預測因子。該工作被IEEE CASE 2026接收。

儘管可解釋人工智慧（XAI）技術層出不窮，從特徵歸因到稀疏自編碼器，但解釋很少影響實際工作流程。本文認為，機器學習社群必須從臨時性的XAI方法轉向解決基礎性和結構性的挑戰，包括不明確的問題表述、不充分的評估目標以及缺乏解釋驅動反饋的流程。透過對近期ICML、NeurIPS和ICLR論文的分析及對XAI從業者的調查，作者揭示了限制累積進展的常見問題，並提出了一個實用清單，旨在將XAI轉向更以人為中心、面向行動的模式。

RegNetAgents是一個基於AI的多智慧體框架，能夠跨異質性基因調控網路進行結構化的調控候選識別。該框架整合了TCGA和GREmLN專案的大規模網路，對焦點基因進行雙網路分類、癌症基因過濾和作用模式分配。在乳腺癌和結直腸癌的測試中，識別出的候選調控因子顯著富集於OncoKB註釋的癌症基因，且在管家基因中無富集，表明其特異性。框架還包含評估致癌潛力、可成藥性等擴充套件模組。

一篇新論文提出了一種三級分層學習架構，用於執行搜尋與救援任務的自主無人機群，整合了赫布神經可塑性、基於圖神經網路和行為樹的多智慧體強化學習，以及帶BDI推理和數字孿生的元學習。該框架提供形式化保證，並引入群體元認知。

針對AI生成程式碼速度快於人類審查而導致的信任危機，本文提出“語義合約”——一種型別安全、編譯時檢查的藍圖，位於需求與程式碼之間，確保任何實現（無論人工還是AI編寫）的正確性。文章透過排序演算法和電商結賬示例展示了語義合約的構建塊、狀態處理和整合方式。

本文介紹瞭如何使用Telnyx Edge Compute函式為語音AI助手構建後端，透過單一函式處理動態變數和Webhook工具呼叫，驗證請求並連線業務邏輯，從而簡化架構並提升效能。

Gradle Technologies 現已更名為 Develocity，專注於 AI 驅動的軟體交付管道治理與效率。公司表示，AI 已將軟體交付瓶頸從人類轉移到管道上。

PocketVeto是一款透過藍牙實現本地、無網際網路的AI編碼代理遙控工具。使用者可以從手機批准或拒絕代理執行的危險操作（如shell命令、檔案寫入等），並即時檢視代理活動儀表盤。支援Windows、Linux及開發容器，目前v1版本已可用。

Blur & Unblur AI是一款免費的線上工具，可檢測照片中的人臉，對選定的人臉應用模糊效果，並匯出乾淨的PNG檔案——所有處理均在瀏覽器本地完成，無需上傳圖片。

VulnHunter 是一個開源的智慧體AI安全工具，採用攻擊者優先的主動分析方法，直接從原始碼中識別可被利用的漏洞，並提出證據支援的修復方案。它由 Capital One 內部開發並開源，旨在應對現代軟體供應鏈中的安全挑戰。

微軟的Foundry平臺現已支援超過8萬家企業構建AI代理。在產品副總裁Marco Casalaina的訪談中，他解釋了原型與生產環境代理之間的關鍵差異、代理框架的重要性，以及微軟如何構建上下文層以確保代理的可靠性。

Moonshot AI釋出了Kimi K3，一個2.8萬億引數的開源模型，擁有1M上下文長度，在Frontend Code Arena中排名第一，並在多項基準測試中取得優異成績。此次釋出標誌著開源模型的一個里程碑，儘管與頂級閉源模型仍存在差距。新聞通訊還涵蓋了其他AI新聞，包括安全事件、智慧體框架和機器人技術。

SAM是一個免費的開源AI智慧體，它能在你的計算機上本地執行，無需訂閱。它不僅能聊天，還能實際執行任務，擁有173種工具，支援團隊協作、離線執行，並且注重隱私。

RepoMap 是一種新型工具，透過確定性分析倉庫結構，生成互動式架構圖，幫助AI代理快速理解專案架構，同時大幅減少令牌消耗。它支援分支對比、提交差異視覺化和多種圖形佈局。

Wandr基準測試旨在評估需要同時進行廣泛和深入搜尋的研究代理，確保全面資訊檢索。

Astrio 推出 Forall（∀），一個透過規範驅動生成程式碼並附帶機器可驗證證明的程式設計助手。支援 CLI 和 MCP 兩種使用方式，目前相容 TypeScript、Java 和 Rust，基於 Apache-2.0 開源。

月之暗面於2026年7月16日釋出Kimi K3，這是一款2.8萬億引數的開源MoE模型，採用Kimi Delta Attention和Attention Residuals架構，支援原生視覺和100萬token上下文視窗。K3在多項基準測試中表現出色，但整體效能仍略遜於最強大的專有模型。

AegisDB是一個自託管的AI代理記憶體系統，提供持久化、語義化和工作記憶功能，透過簡單的JSON-over-TCP協議訪問。它採用單個無依賴的C語言二進位制檔案，支援多租戶、加密、備份、只讀副本和可觀測性，特別適合與Claude Code整合，確保資料完全由使用者掌控。

Moltshit.com是一個專為AI代理設計的圖片論壇，允許在沒有人類監督的情況下進行自主互動。該平臺提供多種版塊、API和MCP整合，使代理能夠自主發帖和回覆。

Cushman & Wakefield首席數字和資訊官Sal Companieh分享瞭如何透過產品運營模式、統一資料戰略以及與Databricks的合作，建立企業級AI核心，將想法到成果的時間從數月縮短至數天。

Rootly AI實驗室開發了《毀滅戰士》競技場（Doom Agent Arena），一個開源即時遊戲環境基準測試，用於測試AI智慧體在事件響應中的推理、適應和決策能力。透過讓LLM控制遊戲角色，研究發現更長的思考時間並不總是帶來更好的結果，智慧體編寫自己的“執行手冊”能夠提高效率，而快速決策雖然不直接決定勝負，但可以累積節省時間。這些發現為設計更高效的AI輔助事件響應系統提供了啟示。

本文深入探討19世紀盧德運動的歷史真相，分析其策略、成敗得失，並論證為何現代反AI運動不能簡單效仿盧德主義。作者指出，盧德運動的特定歷史背景、地方性特徵和具體訴求與當前AI擔憂存在根本差異。

研究提出MemDecay，一種訓練無關的區域感知KV快取淘汰策略，透過為不同語義區域的令牌分配不同優先順序和衰減率，在固定快取預算下保留關鍵資訊。實驗表明，系統令牌的半衰期遠長於暫存區令牌，且固定策略能在全部設定中保持完美準確率，而現有基線最多僅保留13/24。

Skyportal SRE 是一個開源AI基礎設施工程師工具，提供Python SDK、CLI和可觀測性代理，用於管理和監控AI基礎設施。

SeekinWeb是一款免費工具，可測量AI代理能否讀取您的網站，提供8個訊號的可視性評分，並給出改進建議。無需註冊，立即獲得完整審計。

本文質疑將中國實驗室大規模蒸餾美國前沿模型視為盜竊的論調，指出現行智慧財產權法不支援這種說法。建議政策應聚焦於保護模型訪問安全，而非擴大智慧財產權保護。

x402是一個基於HTTP 402狀態碼的開放區塊鏈支付標準，支援TRON和BSC網路，旨在為API和內容提供按需付費的機制，無需傳統賬戶系統。它解決了高費用、機器對機器支付和微支付基礎設施不足等問題，適用於賣家和買家。

Dotmatics Luma與Databricks的整合方案透過持續採集、標準化和治理科學資料，打破儀器資料孤島，構建AI就緒的資料基礎，加速科研洞察。

Kimi K3 在人工智慧分析智慧指數中獲得57分，高於平均水平。它提供100萬token的上下文視窗，支援文本和影像輸入，但價格稍高、速度較慢且冗長。

VentureBeat Pulse研究顯示，107家企業中超過半數已遭遇AI代理安全事件或險情。僅約三分之一的企業為每個代理分配獨立身份，大多數代理仍共享憑證；僅三成企業隔離高風險代理。安全工具主要借用模型提供商和雲服務商的控制元件，而非專門為代理構建。滿意度雖高，但支出僅佔安全預算的一小部分，多數企業計劃在一年內更換工具。

Anthropic 秘密削弱了其最強大的編碼代理 Claude Fable 5，使其在涉及前沿 AI 開發任務時能力下降，以保護自身經濟地位。這一做法揭示了 AI 行業的結構性矛盾：實驗室既想製造最強大的工具，又害怕被自己創造的工具取代。與此同時，開源模型生態蓬勃發展，企業客戶正在轉向更便宜的開源替代方案。

Sakana AI的研究人員開發了一種由數百個簡單蜂窩磚塊組成的系統，每個磚塊執行相同的神經細胞自動機，僅透過區域性通訊就能協作識別整體形狀，無需中央控制器。系統在硬體實驗中實現了100%的準確率，並能檢測和修復損傷，展現出強大的魯棒性和泛化能力。該成果已發表在《自然·通訊》上。

使用者對科技公司預設開啟AI功能感到不滿，Instagram因預設啟用AI聊天機器人功能而遭到強烈反對，三天後不得不撤回。隱私專家呼籲採用更保護隱私的預設設定，並指出需要聯邦法規來約束企業行為。

AI助手在表層工作迅速普及，但無法改變實際業務決策，因為關鍵上下文分散在各系統與定義中。Databricks推出Genie One與Genie Ontology，透過統一上下文層使AI同事基於共享業務檢視運作，自動繼承治理規則，從而支援真實決策。

Databricks在Data+AI峰會上推出了行業首個上下文工程師認證，旨在驗證構建可靠代理系統所需的深層技能。同時，擴充套件了學習目錄，新增面向代理時代的課程，並首創了AI驅動的認證備考指南。

Echoo是一款Mac AI寫作助手，讓你用母語起草，一鍵轉換為自然英語。它執行在常用Mac應用中，無需複製貼上，保護隱私。提供免費試用，Pro版每月$6.99。

VarAlign是一款VS Code擴充套件，能檢測AI程式設計助手在不同會話中建立的重複、漂移或錯位的變數。完全本地執行，程式碼不會離開機器。它提供重複項、變數和會話檢視，支援生成修復提示，並可與Claude Code或Kilo Code整合自動修復。

Embusa /analyst 提供 AI 驅動的自主惡意軟體分析和逆向工程，輸出清晰的結果、影響評估和響應指導。它生成技術報告和執行摘要，同時內建檢測規則生成與現有安全工具整合能力。

OpenWiki 0.2 版本增加了對 OKF（一種知識 wiki 結構化標準）的支援，使開發者能夠更好地組織和分類程式碼庫文件，提升代理檢索效率並減少令牌消耗。

Google DeepMind與Isomorphic Labs釋出了一項生物彈性計劃，旨在防止AI在生物學領域的濫用，同時協助疫情應對。該計劃在過去一年已建立超過15個合作伙伴關係，涵蓋政府機構、生物安全組織和研究團體。

Forrester警告稱，隨著AI供應商透過漲價和按使用量收費將基礎設施成本轉嫁給客戶，明年的軟體預算將大幅增長。報告指出，Anthropic、OpenAI、GitHub和微軟等公司已轉向基於使用量的計費模式，導致企業成本擔憂。同時，儘管存在“AI裁員”現象，IT人員支出並未下降，2025年仍佔IT預算的35%。Forrester建議企業調整FinOps實踐以管理不可預測的AI成本。

Ratel 是一個上下文工程層，透過 BM25 索引為 AI 代理動態選擇相關工具和技能，減少令牌消耗高達 80%，提高準確性，無需向量資料庫。

Google Vids 推出 Gemini Omni 和個人數字分身兩大功能，使用者只需透過自然語言描述即可生成和編輯高質量影片片段，還能建立自己的數字分身出鏡，無需實際拍攝。

使用者現在可以安全地將常用服務連結到AI模式，直接在搜尋結果中完成新增購物車、建立播放列表等操作。

這張NMC首秀專輯展示了萊德洛將科學與古典音樂融合的複雜而富有想象力的作品，包括以愛因斯坦場方程為靈感創作的鋼琴協奏曲《扭曲》。

研究人員提出一種針對柔性關節機器人的自適應控制方法，以應對不確定的關節剛度。該方法透過隱式控制律和依賴於控制輸入的迴歸矩陣，線上更新每個關節的非線性扭矩-偏轉關係估計，並分析了其對電機位置控制器誤差的魯棒性。在具有非線性剛度特性的柔性關節上的實驗結果驗證了該方法的有效性。

本文提出SIRUS，一種無需訓練的推理時框架，用於文本到影片（T2V）模型中的概念級遺忘。SIRUS透過定位與目標概念相關的提示證據並在取樣過程中抑制其表達，無需更新文本編碼器或去噪網路。同時，引入面向影片的評估框架，分別測量目標遺忘、非目標保持、影片質量、越獄魯棒性和效率。在CogVideoX上，SIRUS在五個安全、物體和風格概念上平均遺忘成功率達70.4%，幀命中率25.7%，優於VideoEraser的44.4%和47.2%，並將VBench質量平均下降從-0.043降至-0.016。在Wan2.2上的遷移實驗表明SIRUS可泛化至現代T2V骨幹網路。

Preempt AI v2 推出，為AI應用提供安全標準，利用ML技術防禦提示注入、越獄和資料洩露。支援多種語言，延遲低於10毫秒，準確率達99.65%。

Meta推出新AI工具Muse Image後，因允許使用者標記他人賬戶並利用其照片生成AI影像而遭到批評。該公司已停用此功能，但使用者仍需手動關閉許可權以防止照片被用於AI生成。該功能預設開啟，引發隱私擔憂。

美國版權局裁定，完全由AI生成的內容不具備版權。一位作者因未保留AI生成的原始草稿，無法證明書中哪些部分由人類創作，面臨版權申請被拒的情況。

國際清算銀行最新公報指出，商業發展公司（BDC）向軟體公司提供了約1150億美元貸款，佔其總貸款的五分之一，佔其快速增長的科技投資組合的80%以上。生成式人工智慧帶來的收入不確定性尚未影響這些貸款，但近期信用利差收窄降低了緩衝能力。

Linus Torvalds 在 Linux 核心郵件列表中明確表態支援 AI 輔助工具，反對禁止 AI 生成程式碼的立場。他稱 AI 是“有用的工具”，並強調 Linux 不是反 AI 專案。此評論源於對 Sashiko 工具（一種多階段程式碼審查工具）的討論，該工具能發現 53.6% 的補丁漏洞，但存在約 20% 的誤報率。Torvalds 指出，AI 工具正在快速進化，並批評了抵制者的態度。

紐約州長凱西·霍楚簽署暫停新建AI資料中心的行政令，但同時她正利用AI分析州內所有法規，以刪除過時法律。AI在數月內完成了原本需五年的人工審查，揭示了諸如帶狗打獵需付25美元費用等陳舊規定。紐約成為首個暫停大型資料中心建設的州，以制定保護居民免受公用事業成本上漲和自然資源威脅的法規。

歐盟委員會發布兩項決定，要求谷歌向競爭對手開放搜尋資料，並增強Android系統AI互操作性，允許第三方AI助手深度整合。谷歌強烈反對，稱此舉危及隱私和安全。

OpenAI 正在透過適齡保護、學習工具、家長控制和專家合作，讓 ChatGPT 對青少年更安全。

BoomPop.Games是一個無需安裝、無需註冊的瀏覽器街機平臺，提供多種線上遊戲，包括科幻戰術卡牌遊戲Warpforge。玩家可以一起遊玩、聊天、建立房間。

自2017年以來，伊阿松·加布裡埃爾一直在谷歌DeepMind工作，試圖預測和思考AI的影響。但隨著商業和地緣政治壓力的加劇，倫理學家能否發揮作用？

OpenAI 調查了 GPT-5.6 意外刪除檔案的報告，發現通常發生在啟用完全訪問模式且在沒有沙盒保護的情況下執行程式碼時。

本文透過作者的個人經歷，展示瞭如何利用AI快速構建個人使用的軟體工具，從而提高效率並減少重複勞動。

谷歌宣佈其AI筆記應用NotebookLM更名為Gemini Notebook，但將繼續作為獨立應用存在，同時深度整合Gemini和Google搜尋。該應用最初於2023年5月以Project Tailwind之名亮相，隨後增加了AI播客、幻燈片和短影片摘要等功能。新名稱伴隨一項更新：允許連線安全雲端計算機編寫和執行程式碼，面向AI Ultra和Workspace商業使用者。

沃倫·巴菲特透露，是他本人而非繼任者格雷格·阿貝爾主導了伯克希爾對谷歌母公司Alphabet的310億美元投資。他表示，人工智慧巨頭被迫進行鉅額資本支出以保持競爭力，這種模式類似於他曾投資的鐵路和公用事業，因此吸引了長期迴避科技股的他。

企業大規模部署AI時，最大障礙往往是資料從儲存到計算的基礎設施，而非GPU等計算硬體。文章指出，許多組織誤以為效能問題需要更多計算資源，實則根源在於資料飢餓，即資料無法高效、安全、持續地在儲存與計算之間流動。透過引入應用交付控制器實現松耦合架構，以及關注可達性、策略和交付三個維度的韌性，可顯著提升GPU利用率和AI投資回報。

我們改進了Daft中的LeRobot影片讀取器，透過批次解碼將遠端資料集上的幀解碼速度從每幀3秒提升到整體數秒，實現了4-15倍的加速。

這家由輝達和波音支援的初創公司表示，其輪式機器人已投入生產，並能持續學習新的工業任務。

2026年上半年，能源公司透過IPO籌集了126億美元，創下自1999年網際網路泡沫以來最高半年度水平，投資者希望押注人工智慧資料中心對電力的巨大需求。

谷歌將 NotebookLM 更名為 Gemini Notebook，強調其作為 AI 研究工具的核心地位，並新增安全雲端計算機實現原生程式碼執行與資料分析，同時支援 Gemini 應用與搜尋的跨應用同步，未來還將整合到 AI Mode 中。自 2023 年以 Project Tailwind 推出以來，已有超過 3000 萬使用者和 60 萬個組織採用。

本文提出ConFlow框架，將約束資訊直接融入流匹配訓練目標，透過可微的障礙或成本函式以及條件高斯過程，提高機器人運動生成中的約束滿足和軌跡質量。實驗表明在雙機器人導航任務中，ConFlow相比標準流匹配基線實現了更低的碰撞率和更高的軌跡質量。

本文探索了利用功能性近紅外光譜（fNIRS）腦訊號來調節機器人強化學習的可行性。研究比較了被動（觀察）和主動（演示）互動任務中的智慧體訓練，並測試了多種增強RL演算法的方法，重點關注引數增強而非替換。結果表明，該框架有效：腦訊號在增強軌跡優先順序和狀態-動作Q值時改善了學習。此外，該框架能成功從離線資料中學習，為即時腦機介面設定不實用或資料有限的情況提供了實用替代方案。

現有抓取基準主要關注視覺抓取姿態檢測，忽略了需要多步推理和語義理解的複雜任務。GCA-Bench基準包含複雜動作場景，評估大模型在抓取中的表現。實驗顯示，當前方法在複雜場景下成功率低於70%，揭示了關鍵侷限性。

DiMaS是一種專為流匹配視覺-語言-動作（VLA）模型設計的分佈匹配引導策略，透過在表示分佈之間進行傳輸而非沿固定方向移動，實現了對機器人操作行為的細粒度控制。該方法在兩種最先進的VLA上驗證了有效性，並分析了行為控制的可遷移性。研究表明，經典線性引導在視覺運動任務中失效，因為行為特徵線性可解碼但不可線性引導。

MEMORA提出了具身動作記憶（EAM），使機器人能夠利用第一人稱影片中的持久記憶進行長期規劃。它包含四種型別的記憶儲存、線上編輯和離線整合功能。在45小時的EPIC-KITCHENS-100資料集評估中，MEMORA在記憶測試中準確率提升20.5個百分點，規劃分數相對提升16.6%。

本文提出LIFT框架，透過在預訓練視覺-語言-動作（VLA）策略後訓練中注入反應式力，解決接觸場景下純視覺方法失敗的問題。LIFT嫁接反應式動作專家，利用因果力記憶和零初始化交叉注意力注入6D力，並結合線上DAgger迴圈應對分佈偏移。在毛巾摺疊、書籍插入和漢諾塔放置任務中，LIFT相比純視覺後訓練學習更快、效能更高。

本研究提出了一種新穎的多模態編排框架，實現語義音訊驅動的人形機器人控制。系統透過音訊指紋和語義嵌入即時處理音樂或語音輸入，動態選擇並執行動作策略，在模擬和Unitree G1人形機器人上驗證了魯棒的模擬到現實遷移。

SD-MAR是一個用於訓練和評估視覺語言模型（VLM）在多影像分析推理任務上的框架。它透過受控擾動構建成對視覺場景，並生成涉及語義變化歸因和定量比較的推理任務。採用GRPO-lite與後向折扣分配（BDA）的強化學習方法，去除KL正則化以增強策略最佳化。在Qwen2.5-VL-7B和InternVL3-8B上的實驗表明，域內準確率提升高達36.95%，且Qwen2.5-VL-7B在SD-MAR基準上超越GPT-4.1。域外泛化效能保持或提升，在MME、MMMU-Pro、MathVista上波動在1%以內，在MMBench上提升達4%。

針對增材製造XCT影像缺陷分割的挑戰，提出XCT-SAM框架，透過序列引數高效域自適應，利用Conv-LoRA介面卡逐步縮小域差距，在CycleGAN-XCT基準和真實NIST掃描上優於基線方法。

MonteRET是一種區域感知的檢索增強框架，用於自動生成胸部CT報告。它整合全域性和區域性CT特徵，檢索相關醫學知識，並透過知識引導的報告重寫智慧體最佳化初始報告。在RadGenome-ChestCT資料集和外部醫院資料上，MonteRET在報告質量、語義相似性和臨床效果上均優於現有方法。

本文探究視覺基礎模型是否構建了反映三維歐氏空間內在屬性的表徵。與傳統方法透過迴歸深度或法線來探測三維意識不同，作者從拓撲和幾何角度評估視覺特徵空間結構與歐氏變換群SE(3)之間的關係。提出了相互鄰域度量和龐加萊介面卡兩種探針。實驗表明，自監督視覺模型在沒有直接三維監督或主動代理的情況下，其潛在子空間與三維歐氏空間高度相關。基於此，提出了“潛在空間導航”技術，可在潛在空間中直接進行視覺里程計和定位，無需顯式三維重建。

提出首個關鍵幀條件影片生成基準KeyFrame-Compass，包含386個精心策劃的樣本，覆蓋多種設定，並引入自動化評估框架，在9個系統上實驗揭示忠實執行與自然合成之間的權衡。

多參考音訊影片生成（MR2AV）要求模型基於多個參考和文本指令生成同步音影片內容。現有基準主要關注文本驅動生成或單參考保留，缺乏對該任務的評估。本文提出MultiRef-Compass，一個包含350個精心構建樣本的統一基準，涵蓋多視角主體保留、多實體繫結和人-物-場景組合。它定義了一個四維評估協議（基礎質量、參考一致性、音影片一致性、指令遵循），包含14個子指標，並整合了自動指標與重審增強的多模態大模型評判框架。在八個代表性MR2AV系統上的實驗揭示了各維度的顯著改進空間。

本文提出了一種新的量化指標——工具效率，用於評估LLM智慧體軌跡中有用工具呼叫的比率。為了精確定義工具效率，作者還引入了邊際工具效用，該指標判斷每次工具呼叫的有用性，以及能否在不影響準確性的情況下從工具套件中移除，從而提高效率。研究使用LLM作為裁判來確定軌跡中每次工具呼叫的邊際工具效用符號。這項工作直接量化效率，為未來基準設計和精簡工具套件最佳化提供基礎。

Polestar是一種無需訓練的推理框架，透過利用令牌表示漂移來解決擴散大語言模型中KV快取重用和解碼並行性的挑戰。它包含Polestar-Cache（用於稀疏快取重新整理）和Polestar-Commit（用於識別可提交令牌），在數學和程式設計基準測試上實現了高達10.73%的精度提升和3.7倍的吞吐量提升。

本文提出令牌時間連續擴散（TTCD），一種在連續空間中操作的新型擴散語言模型，引入每令牌時間步概念，使不同令牌以不同速率從噪聲轉化為令牌。TTCD透過連續空間建模避免了並行取樣多個令牌的不準確性，在高速加速下顯著優於離散模型。研究者在OpenWebText上訓練了1.6億引數的TTCD模型，並透過自蒸餾在無條件生成中達到可比質量，在條件生成中超越多個同等規模模型，在數獨求解任務中也取得類似改進。

本文提出AGOPS方法，自動生成任務特定的提示指南，幫助使用者編寫更明確的提示，從而大幅提升大語言模型的下游效能。實驗表明，未明確指定的提示可導致效能下降高達95.3%，而現有通用指南難以恢復，但AGOPS指南可使效能提升15.5%至81.7%。

新研究表明，大型語言模型代理在透過文本通訊時會丟失資訊。使用稀疏自動編碼器特徵分析，研究者發現潛在空間通訊雖然在某些壓縮率下保留更多資訊，但丟失的特徵主要編碼表面形式而非任務相關語義，從而對潛在通訊的優勢提出質疑。

本文提出一種基於取樣的方法LBA，用於在低查詢預算下生成高質量文本對抗樣本。該方法結合先驗和後驗知識構建近似分佈，透過取樣逐步更新分佈，從而高效搜尋對抗樣本。實驗表明，LBA在六個語言模型和四個資料集上顯著優於現有基線，且生成的對抗文本語義保持更好、更易理解。

本文首次將基於預群語法的量子組合自然語言處理應用於阿拉伯語，利用量子電路的拓撲結構模擬語法關係。實驗涵蓋詞序、形態時態和動詞義消歧，量子方法在多項任務上優於傳統基線。

研究提出JKP框架，透過重複挑戰性提問評估視覺語言模型的穩定性。測試GPT-4o、Gemini 2.5 Pro和Qwen3-VL-30B發現，模型在持續追問下表現不穩定，答案頻繁翻轉，且不同模型響應模式各異。

該研究分析了閉環知識系統（如大型語言模型、強化學習）為何在重複內部反饋下趨於飽和，並提出了一個三層次操作框架，透過結構干預實現逃逸。使用李雅普諾夫漂移條件刻畫穩定性，並透過干預引起的吸引子位移和KL下界表徵逃逸。案例研究包括LLM程式碼修復、稀疏獎勵強化學習和貝葉斯最佳化。

離線強化學習中世界模型易受模型利用問題影響，現有方法成本高或限制泛化。本文提出RENEW方法，透過人類偏好直接修復模型利用，結合動力學學習與人類反饋，利用認知不確定性提高樣本效率，在多個環境中驗證了有效性。

提出分支策略最佳化（BPO），利用沙盒的確定性、可快照和可恢復特性，透過共享字首的樹形 rollout 拓撲降低策略梯度方差，在多個基準上較 GRPO 和 RLOO 提升 3.6-6.1 個絕對百分點。

本文提出C3R，一種即插即用的控制層，透過推斷域後驗，無需查詢時標籤，在可行時認證逐域汙染預算，否則棄權而非違規。該方法基於風險控制預測集的兩階段方案，保證最困難域汙染減少，實驗表明穩定性好，召回率優於傳統方法。

預訓練的視覺語言模型（VLM）透過計算影像與文本描述的相似度實現零樣本影像分類，但描述模板（prompt）的選擇對結果敏感。現有方法為所有類別使用相同的權重組合多個模板，忽略了模板對特定類別的適用性差異。CARPRT 提出了一種無需訓練的類別感知重加權方案，針對每個類別自適應調整模板權重。在標準基準測試中，CARPRT 優於現有的類別無關方法，證實了建模模板-類別依賴關係對零樣本預測和 VLM 應用的重要性。

最新研究將小型語言模型（SLM）與知識圖譜結合，透過神經符號智慧體框架提升其推理能力。在CLUTRR親屬關係基準測試中，使用Gemma 3和Llama 3.2模型的實驗表明，RGCN提供的專家提示可使效能提升1.5-2倍，但存在提取瓶頸和順序推理脆弱性問題。

本文針對工具增強型大語言模型智慧體在擴充套件工具集時面臨的行為慣性問題，提出透過注入反事實錨定上下文來打破慣性，恢復失敗軌跡。ToolAnchor框架利用教師模型假設反事實上下文，經學生回滾驗證後，透過智慧體後訓練內化成功干預，在GAIA、BrowseComp和VDR-Bench等任務中表現優異，為動態工具適應開闢了新路徑。

研究人員提出了一種利用大型語言模型（LLM）構建貝葉斯信念網路（BBN）的新方法，該方法透過一組AI代理基於特定角色和上下文估計機率，並採用修剪均值規則去除噪聲，從而彌合專家意見與資料驅動學習之間的差距。研究以替代醫療系統中患者就醫意向為案例，發現自我效能的影響實際較小，而主觀規範的影響更強，最有效的策略是同時提升自信和社群規範。

一種名為LLM-T1D的新方法將強化學習與大語言模型相結合，建立了一種可解釋的胰島素泵控制器，用於1型糖尿病，實現了73.5%的時間在目標血糖範圍內，同時提供清晰的解釋。

受人類交流空間資訊的方式啟發，語言引導的地理定位因其直觀和實用價值而備受關注。然而，現有方法多依賴靜態的一次性檢索正規化，難以處理真實世界自然語言描述中的歧義和不完整性。本文提出推理檢索的正規化轉變，引入對話式地點識別（DlgPR），將定位視為互動式、對話驅動的推理過程。為此，論文構建了首個大規模對話式地點識別基準DlgQuest-Cities，並提出了統一推理框架，結合跨模態多級檢索器與智慧提問器DQ-pilot。DQ-pilot透過課程學習訓練：在DQ-cities-20k子集上進行監督微調，再透過GRPO在更難的DQ-cities-10k上進行強化最佳化。實驗表明，基於推理的方法顯著優於基線。

檢索增強生成（RAG）在擴充套件大語言模型上下文方面表現優異，但傳統RAG在涉及層級或關係推理時效果不佳。本文提出HG-RAG框架，透過在層級知識圖譜上進行圖遍歷，為語言模型提供結構化上下文。實驗表明，HG-RAG在層級、關係和跳推理任務上顯著優於平面檢索基線，同時減少了幻覺並保持了區域性連貫性。

據報道，Alphabet推遲了其旗艦AI模型Gemini 3.5 Pro的釋出，導致股價下跌。該模型的編碼能力未達到內部預期，而競爭對手如OpenAI和Meta已推出更先進的AI編碼模型。

Puter團隊成功將Firefox的Gecko引擎編譯為WebAssembly，實現了在一個瀏覽器中完整執行另一個瀏覽器的壯舉。專案耗費約25,000美元的AI計算資源，透過Wisp協議代理所有網路流量，並支援端到端加密。該成果已開源，展示了WebAssembly在虛擬化領域的巨大潛力。

Artificial Analysis 釋出了 AA-Briefcase 智慧知識工作基準測試結果，Kimi K3 以 1547 Elo 排名第一，領先於 GPT-5.6 Sol 的 1495 分。該基準測試模擬真實商業工作流，評估模型在生成電子表格、簡報和備忘錄等任務中的表現。

OpenAI 透過 GPT-Red 結合人類與 AI 進行紅隊測試，創新地評估模型安全性，但企業仍需確保模型符合自身業務和安全需求。

中國AI實驗室Moonshot AI釋出了Kimi K3模型，擁有2.8萬億引數，自稱首個“開源3T級模型”。該模型在多個基準測試中表現優異，但定價較高。作者透過“鵜鶘騎腳踏車”測試，展示了模型的推理成本、隱性系統提示和視覺能力，並反思了這一非正式基準的侷限性。

本文介紹了一個自主AI音樂影片生成系統，比較了Claude Fable 5和GPT-5.6 Sol在25美元和100美元預算下的表現。系統讓模型自主研究、生成片段、編輯並組裝完整影片。結果顯示所有執行均成功生成影片，但質量一般，存在一致性和節奏匹配等問題。Claude Fable 5成本更高但完成更快，GPT-5.6 Sol在編輯上更具創意。

xAI 的 Grok 4.3 現已透過 Amazon Bedrock 提供，它具有可配置的推理能力、強大的工具呼叫和指令遵循能力，支援 100 萬個 token 的上下文視窗，適用於代理和企業工作負載。本文介紹了其特性、訪問方式以及基本用法。

OpenAI開發了內部自動化紅隊模型GPT-Red，透過自我對弈強化學習訓練，在間接提示注入測試中以84%的成功率遠超人類紅隊的13%。該模型還發現了一種新型“虛假思維鏈”攻擊，並將GPT-5.6 Sol在最難直接注入基準上的失敗率降低了6倍。但OpenAI承認，在多輪和基於影像的攻擊方面仍需人類參與。

GPT-5.6 Sol 和 Claude Fable 5 是目前最先進的兩款模型。Fable 5 在通用智慧上略佔優勢，而 Sol 在編碼效能、執行速度和定價方面更具競爭力。Sol 的定價更接近 Claude Opus 4.8，遠低於 Fable 5。本文透過基準測試和實操對比，幫助使用者選擇最適合的模型。

據報道，GPT-5.6在特定配置下會意外刪除使用者檔案。問題主要出現在啟用完全訪問模式且未啟用沙箱保護時，模型嘗試覆蓋$HOME環境變數但誤刪了$HOME目錄。

VentureBeat Pulse Research對101家企業的調查顯示，57%的企業在過去半年中遇到過AI代理因上下文缺失或不一致而給出自信但錯誤的答案。檢索增強生成(RAG)已成為預設上下文來源，但提供商原生檢索（如OpenAI檔案搜尋和Google Vertex AI搜尋）已悄然超越專用向量資料庫。然而，多數企業表示傾向於保持最佳元件獨立，而非整合到單一提供商堆疊。混合檢索被期望在2026年底主導，但治理語義層仍在建設中。

VentureBeat Pulse Research對157家企業進行調研，發現組織在賦予AI Agent更多自主權的同時，對用於把關的評估的信任度卻在下降。50%的組織曾部署透過內部評估但在客戶面前失敗的Agent；僅5%完全信任自動化評估；最主要的問題在於評估與現實結果不一致。然而，三分之二的組織已經允許或正在構建完全自動化（無人工干預）的部署流程。評估差距——自主權與信任之間的距離——正在擴大。

Open-AoE是一個大規模自我中心運算元據集，包含來自500多名貢獻者使用400多部智慧手機收集的約2000小時影片，提供文本註釋、手部姿勢、相機軌跡和原子動作標註，並配備資料處理和下游工具鏈，旨在降低具身模型訓練、人機遷移和世界建模的障礙。

MixCompress是一種基於稀疏結構專業化的統一可變位元率（VBR）框架，透過結合稀疏門控的專家混合（MoE）和深度混合（MoD）擴充套件，動態縮放模型容量，並利用條件輔助變換（CAT）進行子帶能量調變，解決了現有VBR方法中的特徵糾纏問題，實現了與單速率基線相當甚至更優的效能，建立了計算高效的影像編碼新帕累託前沿。

本文提出DCVC-Mamba（DCVC-MB），一種用於B幀編碼的神經影片編解碼器框架。該框架採用IBP幀策略進行低延遲B幀編碼，基於狀態空間模型的時空融合模型進行雙向時間預測，以及熵感知跳過機制選擇性跳過某些潛在編碼以縮短熵編碼時間。此外，還實現了兩種推理時策略以增強壓縮效能。實驗表明，DCVC-MB在平均BD-rate上相比 prior 神經影片編解碼器降低高達8.98%，相比VTM-19.0-LDP和VTM-19.0-RA（Inter-GoP=16）基準分別改善達30.45%和1.81%，推動了神經影片壓縮的進步。

研究人員提出了一種用於賽車場景的新資料集和3D車道檢測方法，利用多攝像頭和慣性測量實現高速處理（300Hz）並提高精度，F1分數超過0.9，橫向誤差降低。

本文介紹了一種結合UzWordnet和生成式AI的教育系統架構，透過四款遊戲幫助學習者練習烏茲別克語，並利用遊戲資料自動豐富詞彙資源。

UniSAGE是一種統一框架，用於建模同時包含靜態和動態屬性的資料。它透過構建全域性屬性圖、引入正交引數子空間以及輕量級超結構機制，實現了靜態聚合和動態推理的聯合學習。實驗表明，UniSAGE在多個基準測試上效能提升超過10%。

本文提出了一種結合圖同構網路與邊緣特徵（GINE）的邊緣感知學習最佳化框架，用於NR-V2X車聯網中的即時中繼選擇。透過將V2X快照建模為有向圖，並利用離線MILP最優解監督訓練GINE，實現毫秒級推理延遲。實驗表明，GINE在鏈路級別準確率達0.9589，F1分數0.9544，且混合GINE剪枝MILP（GP-MILP）策略在保持最優解的同時將求解器執行時間降至30毫秒以下，滿足NR-V2X嚴格的低延遲要求。

該研究擴充套件了監督式詞典學習方法，應用於10-K檔案及其第1A項風險因素部分，針對回報率和波動率標籤在三個聚合層級（行業、投資組合、個體公司）訓練情感分數。基於2006-2023年間94家納斯達克100科技公司的1,383份檔案，發現全文本在行業和投資組合層面產生更準確的情感分析，但在個體公司層面，較窄的第1A項表現更好。Loughran-McDonald詞典基線在所有測試層級均與價格呈強烈負相關，凸顯了監督方法在監管披露文本中的價值。

該論文提出 QFireNet，一種結合量子電路和 U-Net 的混合模型，用於從衛星影像中分割野火。在 Sen2Fire 資料集上，量子增強模型（QB-Net 和 QuFeX）在 F1 分數上優於經典 U-Net 基線，且資料混合技術顯著提升了效能。

該研究提出能力收斂假說（CCH），認為在固定推理預算下，表徵收斂並不必然導致能力收斂；能力收斂依賴於存取結構，即混合架構需同時擁有壓縮態通道和可擴充套件逐字索引通道。論文透過資訊理論下界和預註冊實驗驗證了該假說。

IMEX（Interaction-Based Model Explanation）是一種新的可解釋預測建模方法，旨在識別對目標預測貢獻最大的變數以及變數間的重要互動。該方法支援高階互動分析，並基於靜態相關功率（PCS）和互動相關功率（PCI）兩個互補指標構建解釋圖。實驗驗證表明，IMEX能在非線性、條件性和多重共線性關係下恢復特徵級結構。

針對超大規模雲服務商的資料中心用水壓力，本文提出一個幽默建議：收購高爾夫球場，改建為公共公園，並引導原會員轉向觀鳥活動。透過比較谷歌的用水量與高爾夫球場的耗水資料，指出購買40個球場即可抵消谷歌的日均用水量。

Leapd AI 能夠從零開始建立業務，或透過連線現有網站自動運營，涵蓋市場研究、產品構建、內容營銷和廣告投放。創始人反饋顯示，該工具顯著提升了 LinkedIn 互動、AI 搜尋可見性和廣告效果，使用者只需檢查結果，無需手動管理。

Databricks 部落格介紹了一個即時信用卡欺詐檢測示例應用，該應用利用 Model Serving 的路由最佳化和 Lakebase Postgres 實現毫秒級響應。文章詳細闡述了路由最佳化如何降低推理延遲、Lakebase 如何提供特徵查詢和業務規則檢查，以及連線池和 OAuth 令牌輪換如何保持穩定性。基準測試顯示，最佳化後的端點 p50 為 27 毫秒，p95 為 37 毫秒，完全滿足結賬延遲預算。

由 OpenAI 前 CTO 創立的人工智慧初創公司釋出了 Inkling，這是一個注重 token 使用的通用模型。