AI 日報

本文提出字母詞形還原方法，使用一對一RNN透過自監督逆轉字元集簡化，並在HTR後校正中取得顯著改進；引入帶狀RNN從平行語料中擴充套件中世紀憲章縮寫；還開發了字元語義相似度度量啟發式方法，並提供了Python庫。

高質量資料驅動機器學習進步，但資料產品定價因資料特有屬性（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——首個資料產品定價資料集，包含全球9個主要資料市場的16,147個產品後設資料。該資料集支援訓練定價模型、建立基準，並可用於資料產品分類與檢索。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）評估分散式客戶端如何從變化的資料流中學習同時保留已學知識。現有評估由於同時改變資料集、任務劃分、客戶端資料劃分、任務順序、骨幹網路、記憶體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，透過解耦任務劃分、客戶端資料劃分和客戶端任務序列來構建基準流。HERO-Core引入α控制資料傾斜、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定下會變化，平均準確率可能掩蓋底層客戶端效能，且HERO介面可暴露域遷移難度。HERO釋出基準流、配置、方法實現和報告指令碼以支援可復現的、感知設定的FCL評估。

本文提出LieBN框架，用於李群上的黎曼批次歸一化，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例項化，包括對稱正定流形、旋轉矩陣群和滿秩相關矩陣流形，實驗驗證了其有效性。

本文探討人工智慧如何透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群。

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。程式設計師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工具如何改變程式設計的認知負荷，包括快速遇到設計瓶頸、程式碼審查中的盲點、以及需要建立新的工作習慣來適應這種變化。

一個AI街機基準測試專案，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是一個社群驅動的專案，旨在揭露Spotify上隱藏的AI生成音樂藝術家。該專案列出了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慧對語言、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。

該研究分析了11個GPT-2風格預訓練模型的權重譜，發現跨層和元件共享的深度趨勢，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訊號，但模仿譜特徵的初始化方法未能帶來效能提升，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資訊。

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、宏觀經濟資料和SEC檔案的投資者簡報。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慧LLM-RAG框架，並透過兩階段訓練（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，搜尋呼叫次數減半。

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資料集表面特徵，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。這表明當前支援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，透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，採用三層矩陣儲存格式，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倍核心加速和1.41倍端到端加速。

本文介紹了Director，一種新的分散式MoE推理系統，透過預測驅動的線上專家放置最佳化，顯著降低端到端延遲。系統採用輕量級級聯預測器或低位元量化副本預測專家啟用模式，結合近乎零停機的線上遷移模組，以及基於鬆弛最佳化的專家放置演算法，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，推理時透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資料集上對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，從而在邊緣裝置上實現記憶體高效推理。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執行時開銷。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資訊，透過LLM指導專家路由，不僅提供競爭性的預測效能，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，彌合了高效能生存分析與可解釋臨床決策支援之間的差距。

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。透過將輸出分解為多個互動，發現KD的共性機制是互動稀疏化，即學生模型保留更少互動進行推理。效能差異源於處理複雜互動的能力，並據此提出了複雜互動懲罰（CIP）損失函式。實驗表明CIP能持續提升各種KD方法的效能。

KV-PRM是一種高效的過程獎勵模型，透過直接利用大語言模型生成階段自然產生的KV快取，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效能的同時，實現了高達5000倍的FLOPs減少、37倍延遲降低和34倍記憶體佔用減少。

MedRealMM是一個基於中國網際網路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。它透過多模態臨床挑戰點（MCCP）框架提取關鍵臨床時刻，並評估19個通用和醫學專用大語言模型。結果表明，影像資訊對臨床效能至關重要，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），透過反事實物理注入機制確保物理安全，在SWaT資料集上表現優於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、軟體工程、多模態分析等9個類別。它透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智慧體的能力。評估15個前沿模型發現，最強模型在部分獎勵閾值0.95下透過率僅15.2%，完全正確透過率10.9%，平均透過率更低，表明仍有巨大改進空間。

GATS是一種新的智慧體規劃框架，透過系統性的UCB1樹搜尋和分層世界模型，在規劃過程中完全消除LLM呼叫，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。透過結構化介面（結合程式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，透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，具有可擴充套件性，且成本低廉，有望幫助平臺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524萬臨床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充套件到體積醫學影像，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，並支援報告生成、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，指對專案成敗最終負責的人。作者認為，隨著LLM驅動的智慧體融入組織，它們永遠不應被視為專案的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資料汙染。

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 訪問許可權，否則使用者會因不確定性而轉向 OpenAI。

AI效能取決於準確性、吞吐量和互動性三個維度。本文聚焦吞吐量和互動性，探討模型設計選擇如何在不犧牲準確性的情況下最佳化兩者，旨在推動帕累託前沿向外擴充套件。

作者透過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。

L-MAD框架系統評估了多智慧體辯論在法律文本蘊含任務中的不同結構與聚合方法。透過賦予智慧體不同專家角色，相比強單智慧體基線最高提升8%。研究發現增加智慧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”，智慧體互相強化錯誤。該成果為高風險法律推理中協同多智慧體系統的部署劃定了實際邊界與安全裕度。

ARCANA是一種協作式多智慧體框架，用於在嚴格的測試時間和硬體約束下解決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，透過共享可微分黑板和元控制器排程，結合結構化程式搜尋與自適應多輪校正，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文件轉化為Lean 4證明助手程式碼。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程式碼可作為獨立模組被數學庫複用。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、即時儀表盤和多AI引擎支援。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路上，導致平臺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、有聲書和短影片行業，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 選單欄工具，可以監控 Claude Code 和 Codex 等 AI 編碼代理，即時顯示等待你處理的會話數量。它利用 FSEvents 實現即時更新，並支援點選跳轉到特定會話。

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，並與谷歌工具整合。已有數千人日常使用。

OneDev 將 AI 使用者嵌入到開發平臺中，使其能夠像團隊成員一樣處理問題、提交拉取請求、參與程式碼審查以及響應 CI/CD 失敗。這種整合方式保持了需求、實現和審查在同一平臺中可見，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，並跟蹤了投資者對簡報的關注點，從而證明了產品的實用性。

一個Argo CD UI擴充套件，在資源檢視中新增AI助手選項卡，允許使用者用自然語言查詢Kubernetes資源，並附加上下文（清單、事件、可選日誌）。相容任何OpenAI相容後端，需要Argo CD v2.13+。

xysq.ai是一個協作記憶平臺，為AI原生團隊和企業構建。它連線多種AI工具和應用程式，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。支援團隊記憶隔離、基於角色的訪問、文件組織，並承諾不將使用者資料用於訓練。

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，透過多種檢索策略、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，透過識別18種小盤股泡沫模式，在模擬賬戶中即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使用者未使用的推理代幣眾籌用於科學研究，類比於SETI@home專案。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。

本文介紹了迴圈工程的概念，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·卡帕西的自動研究迴圈和雙層自動研究，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%；雙層自動研究透過外層元迴圈進一步實現了5倍的效能提升。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慧體執行時，提供持久的 AI 房間，帶有受管控的、需審批的記憶功能。所有內容都在本地執行，資料以檔案形式儲存在你的磁碟上，確保隱私和控制權。它提供 Web 應用和 CLI/TUI 兩種介面。

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，構建可搜尋的知識庫，幫助開發者快速回憶過去的技術決策和解決方案。支援 VS Code 擴充套件、GitHub 整合、CLI、瀏覽器擴充套件、WhatsApp/Telegram 訊息整合等，可自託管部署。

在人工智慧研究中，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，而長期預測可以透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正規化級工作。

OpenAI的AI系統在AtCoder世界巡迴賽2026演算法組中解出全部五道題，得分8300分，而人類最高分僅4300分。啟發式組中，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。該系統被比作即將釋出的GPT-5.6。

本文提出了一種針對人工智慧安全基礎問題——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，開發了格遍歷運算元，並揭示了最佳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。最後透過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。使用者可以建立自定義角色，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臺，為生物駭客提供基於證據的決策支援，透過交叉驗證和校準信心來評估化合物效果。

作者將人工智慧比作印刷機，認為AI並非創造了新的資訊生成方式，而是大幅提升了資訊生成和重組的效率。透過空氣動力學類比，解釋了AI如何透過規模定律逼近人類智慧，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“演算法一百天”挑戰，透過手寫程式碼學習演算法。如今回顧，專案存在諸多缺陷，如最大流演算法不完整、圖演算法錯誤等。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。最終決定保留程式碼作為歷史記錄，並更新README。

愛思唯爾釋出《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面臨著最嚴峻的生存考驗。白宮正討論透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。開源社群需要團結一致，積極遊說，確保安全部署。

研究人員編制了1863-1934年間超過3000次銀行擠兌的資料庫，發現大多數擠兌並未導致銀行倒閉，並分析了時空模式。

三星健康應用新增AI訓練資料共享要求，使用者若不授權則無法同步健康資料，可能導致手錶功能受限。

全球職業中心提供免費AI工具、獎學金和職業發展資源，幫助使用者規劃職業生涯。

作者分享了自己對人工智慧的看法，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將簡化搜尋流程、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”人工智慧，並認為AI取代人類的想法是“胡說八道”。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 合作的智慧眼鏡。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程式設計的潛力，因為他們仍然過度關注程式碼本身，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。

《衛報》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、工廠智慧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。

Tinier 是一套免費的瀏覽器內媒體工具，支援影像壓縮、格式轉換、AI 放大和影片轉 GIF，所有處理均在本地裝置完成，無需上傳檔案，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，幫助使用者找出效能瓶頸。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記憶體，凸顯了其資源消耗的諷刺性。該功能為可選，預設不自動掃描，使用者需授予許可權。

蘋果的自動駕駛汽車專案雖未成功，但其對AI處理的需求催生了神經網路引擎。該引擎首次亮相於iPhone X的A11仿生晶片，現已成為蘋果裝置端AI處理的核心，並延續至M系列晶片。未來，蘋果將加速M7晶片開發，其神經網路引擎大幅升級，M7 Ultra伺服器晶片將支援高達1.5TB記憶體。