AI 日報

Tokenmaxxing揭示了一個關鍵問題：企業將人工智慧預算浪費在重建上，而不是創造價值。

Josh Fawaz的歌曲《Like a Prayer》翻唱版登上澳洲全國電臺播放榜榜首，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。

本文對比了六種影片相似度測量技術——GPT Vision、Gemini Flash、CLIP、感知雜湊、CV多指標和Gemini Embedding 2——使用瀑布剪輯作為基準。準確率優先於速度。Gemini Embedding 2處理完整影片，在準確率和速度之間取得了最佳平衡，超越了幀取樣方法。

Cairn是一個自主AI代理，由Omri Pitaru建立，它在GitHub上公開編輯自己的倉庫，包括身份、記憶、目標和寫作。它執行在固定預算上，並透過電子郵件與人類互動。

Cloudflare推出Precursor——一種基於客戶端會話的行為驗證系統，透過持續收集使用者互動訊號來區分人類與自動化流量，彌補傳統驗證方式的盲區，提高檢測精度並減少對合法使用者的干擾。

OpenAI將ChatGPT桌面應用與Codex合併，移除了我喜愛的截圖和“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。它整合了申請人追蹤、AI簡歷評估、人才搜尋、管道聊天、MCP整合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日起預設阻止AI智慧體爬蟲訪問廣告支援的頁面，將爬蟲分為搜尋、智慧體和訓練三類。此舉迫使AI公司重新協商訪問許可權，並催生了按使用付費模式。

DiscoMCP是一個開源工具，透過分析使用者的實際使用模式，將任意MCP伺服器轉化為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，一鍵啟動，並顯著減少代理與複雜伺服器互動的往返次數。

AI工具能快速生成看似完整的前端介面，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，並測試使用者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），允許使用者並行執行 Codex、Claude Code 和 OpenCode 等編碼代理，支援語音控制、螢幕截圖上下文捕獲以及透過網頁儀表板遠端檢視。它提供多終端工作區、迴圈空間（Loop Spaces）排程、雲同步、裝置管理等功能，定價從免費到每月 2,000 美元不等。

AI Connector 是一個 Magento 2 擴充套件，充當商店與大型語言模型之間的統一橋樑，支援 Claude、ChatGPT、Gemini 等，透過單一 REST API 和 PHP 整合層提供 AI 功能。

Meta 的 Muse Spark 1.1 在人工智慧分析智慧指數中得分為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，代智慧工作也有大幅改善，但仍落後於前沿模型。它是最具代幣效率的模型之一，且執行成本較低。

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

Prime Intellect 釋出了 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）和執行時（在哪裡），並透過攔截伺服器記錄訓練軌跡。任何任務集均可與任何相容框架配合使用，並直接支援 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。

隨著AI代理和自動化平臺快速發展，記憶體頻寬成為關鍵瓶頸。蘋果統一記憶體架構、CUDIMM標準以及PC升級潮正在重塑市場，而三星、SK海力士等記憶體製造商因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，透過維護持久的智慧體假設，將智慧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慧體。實驗表明，該方法將不可觀測智慧體的檢測 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，用於無通訊且僅具有方向性感測的多無人機團隊。每個機器人透過視野內隊友軌跡進行協調，利用圖注意力網路選擇可行的路徑點。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感測重疊，併成功進行了實物機器人驗證。

SplatCtrl是一個統一框架，利用3D高斯噴濺實現即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。它透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匯出連續有符號距離函式，用於控制障礙函式，從而實現平滑可靠的即時運動生成。實驗驗證了其在模擬、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，將普通的第一人稱影片轉換為機器人可訓練的演示，透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。

新興市場的AI初創公司透過構建針對當地條件最佳化的“小型AI”解決方案，在醫療、教育、農業等領域取得了顯著成效。文章強調，真正的機遇在於為缺乏可靠電力和網際網路的地區設計高效、可離線執行的AI工具，並呼籲建立生態系統支援這些初創公司從試點走向規模化。

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資訊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階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慧系統提供了新思路。

Phoebe Gates的AI購物擴充套件Phia被指控過度收集使用者資料，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訊號與多粒度運動學和物體狀態的資料集，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。

一種名為'SociaLLM工程'的新型社會工程攻擊正針對大型語言模型驅動的AI代理。這些攻擊透過利用LLM的隱式社交理解和缺乏信任邊界，操縱其洩露敏感資訊或執行未授權操作。真實案例包括Instagram賬戶接管、GitHub工作流資料洩露以及AI瀏覽器的'BioShock'攻擊。文章分析了LLM為何特別脆弱——因其設計追求服從、單一通道處理以及無記憶力——並提出了人工監督和強化防護欄等緩解措施。

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慧成本，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，透過分析智慧體失敗軌跡，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介面卡和GRPO演算法進行訓練，最後透過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，以支援未來複雜性分級。研究從61名患者的CT血管造影中分割血管樹，測量了主動脈弓型別、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-評論家強化學習演算法進行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透過在數值動作序列前新增自然語言描述，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。將釋出0.8B、2B、4B開源模型。

FlowDAgger是一種樣本和計算高效的方法，透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，將人類專家動作對映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。該方法在模擬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影片生成可作為計算機視覺的強預訓練正規化，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效能，展現出資料效率和良好的泛化能力，為通用視覺智慧提供了新路徑。

C-GAP是一種新型框架，透過使用大語言模型（LLM）迭代最佳化語言提示，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，逐個影像地最佳化字幕，直至達到足夠的效能增益。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資料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）多檢視整合能力而設計的診斷基準。研究表明，當前最先進的VLM在單檢視2D任務上表現優異，但在3D空間關係理解和跨檢視資訊聚合方面存在顯著困難。為此，作者提出了ViewNavigator，一個多智慧體框架，透過主動選擇資訊豐富的視角並融合多檢視證據，顯著提升了模型在MultiView-Bench上的表現。

一項在象牙海岸進行的研究比較了甚高解析度（0.5米）與十米級衛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）提供了可擴充套件的替代方案。在破碎化景觀中效能差異增大。

一項新研究表明，視覺Transformer（ViT）能夠從自然影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極端野外車牌超解析度挑戰賽中的參賽系統，該系統結合了混合注意力Transformer超解析度前端與兩個場景文字識別器（PARSeq-S和CLIP4STR-B）的整合，採用置信度加權字元投票方案，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，執行速度遠低於時間預算。

Lume-Palette框架透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援精細的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）在特權模態設定下的學習問題。該框架透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資訊，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訊號。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，無需多檢視觀測。該方法包括立體高斯估計器和漸進推理方案，在KITTI-360資料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作業系統。

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。

蒙蒂菲奧裡醫院解僱了12名護士，並用AI軟體替代她們。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，透過一系列問題和領域幫助使用者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，並鼓勵使用者動態更新和貢獻新問題。

谷歌將旗艦 AI 助手 Gemini 整合到 Waze 中，讓使用者透過語音指令報告路況、搜尋目的地，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。

高盛研究顯示，人工智慧繁榮引發的供應限制正推高記憶體晶片和半導體等關鍵元件價格，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。

“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。

本文探討了人工智慧對寫作和思考過程的衝擊。作者透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等平臺上的高水平專家使用者大量流失，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，將生成的影片運動轉化為可執行的機器人操作軌跡。透過從真實第一幀取樣語義錨點並在生成影片中跟蹤，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組減少執行誤差，從而顯著提升生成影片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路（ResNet）的物理資訊神經網路（PINN），用於學習無刷直流（BLDC）電機的連續時間六狀態動力學。該網路以模擬時間、三相電壓和勵磁引數為輸入，直接預測轉子角度、角速度、三相電流和繞組溫度，同時透過複合物理資料損失滿足機電和熱ODE約束。採用課程排程策略逐步啟用物理懲罰，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，適用於即時觀測和控制。

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。

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。

《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。