AI 日報

歐盟官員對AI公司Anthropic派出初級員工出席關於AI安全的聽證會表示不滿，認為該公司不重視歐洲。

隨著觸覺介面在可穿戴裝置和日常環境中的普及，對柔軟、輕薄、靜音且節能的執行器需求日益增長。高壓靜電執行器（HVEA）透過高壓和超低電流產生電場力，提供了一種快速、安靜、低功耗的替代方案。本文綜述了四類主要HVEA：靜電可切換粘合劑、介電彈性體執行器、軟電液執行器和電動泵，分析了它們的觸覺輸出機制、頻寬、力密度和可擴充套件性，並討論了人體工程學改進、製造簡化和自感知整合等設計挑戰與未來研究方向。

本文透過漫畫形式探討新的AI路線圖是否能夠有效約束科技巨頭的行為，質疑其實際效力。

CNA調查發現約500個TikTok影片推送關於新加坡和馬來西亞的虛假或誤導性宣告，總觀看量超過300萬次。這些影片利用AI生成的女性形象、重複的聲音和指令碼，系統性地傳播不實資訊，旨在削弱信任和破壞社會凝聚力。

該影片探討了AI資料中心公司被掛牌出售的現象，業主們正趕在市場崩盤前清算資產。

澳大利亞總理阿爾巴尼斯在悉尼大學發表演講，承諾立法保障創意工作者權益，但被批評缺乏政策細節，且未提及資料中心監管等重要議題。

作者運用貝葉斯定理，以人工智慧的發展作為證據，論證我們生活在模擬中的機率增加。AI表明通用智慧可以在人工計算系統中湧現，這提高了我們處於模擬中的後驗機率。

埃隆·馬斯克旗下的xAI起訴一名南卡羅來納州男子，指控其利用公司AI聊天機器人Grok生成兒童性虐待材料（CSAM）。公司稱該男子繞過安全措施，將非性照片轉化為性暗示影像，涉嫌傳播CSAM。xAI要求賠償並禁止該使用者再次使用Grok。

反對AI資料中心建設成為美國政治的主要議題，但這可能分散了對AI公司權力和財富集中的真正關注。文章指出，資料中心建設雖帶來環境和經濟壓力，但AI公司真正的目標是控制整個行業。作者主張透過監管、徵稅和推動公共AI來限制企業權力。

Murph是一款AI健康助手，透過連線可穿戴裝置、血液檢查等資料，幫助使用者進行自我實驗、建立習慣、參與群組挑戰，並提供個性化的健康洞察。它支援開源自託管，注重隱私，月費8美元。

這些智慧家居裝置提升了我的家庭和日常生活。以下是你可能也想要它們的原因。

這篇文章批判了“AI只是工具，如何使用才重要”這一常見說法，指出工具並非中立，它們塑造社會、環境與人性。作者以汽車、椅子為例，說明工具的設計本身帶有政治性。AI作為工具尤為危險，因為它消除了人類應有的掙扎與痛苦，導致批判性思維喪失。文章呼籲重新審視技術設計，關注工具對人類的深層影響。

這是一個由Suhas Bhairav建立的包含50多個開源Next.js AI模板和入門套件的精選集合，涵蓋聊天機器人、RAG、語音代理、影像生成等多種AI應用。

一種名為Mycelium的新系統透過連線研究人員和AI代理在共享工作空間中，自動將觀察結果和假設路由給相關團隊成員，實現網路智慧。在生物多組學研究中，它將區域性發現轉化為跨專家機制約束和實驗設計。

本文提出DROPJ方法，一種以人為中心的安全訓練與部署框架。該方法先利用先前真實軌跡學習世界模型，再讓人類在模擬器中生成資訊豐富的模擬軌跡，並收集人類對軌跡片段的偏好及其理由。由此訓練獎勵模型，結合世界模型透過模型預測控制直接部署智慧體。實驗表明，生成資訊豐富的模擬軌跡可顯著降低訓練計算成本並提升部署效能，而偏好反饋比其它反饋型別更能提升效能，且安全理由能增強安全性或優先考慮使用者指定的安全方面。

來自arXiv的一份技術報告介紹了Oracle Agent Memory，這是一個基於Oracle資料庫構建的資料庫原生記憶體系統，專為長期執行的AI代理設計。該系統在LongMemEval上達到了93.8%的準確率，同時相比扁平歷史基線減少了約10.7倍的令牌使用量。系統解決了記憶體生命週期、具有作用域控制的分層架構，以及結合任務準確性和記憶體特定指標的評估方法。

一個包含56個AI概念及其150條關聯的互動視覺化地圖，使用者可透過拖拽、懸停和點選探索人工智慧的關鍵主題。

代理推理正在將AI基礎設施的重心從訓練擴充套件轉向上下文感知、記憶增強推理。RAISE峰會強調了三大關鍵洞察：AI堆疊專業化、儲存作為主動記憶體擴充套件、以及資本和資料主權融入基礎設施設計。

Boom是一款AI教練，幫助Instagram創作者（即使只有100粉絲）成長、變現並獲得品牌合作。它提供個性化每日計劃、24/7成長支援、自動協作匹配和合同管理。早鳥價$4.5一次性費用，釋出後$9/月。2026年8月1日釋出，現已開放搶先體驗。

服務組織面臨近乎零停機需求與維護能力之間的結構性錯配。透過異常檢測、規範性指導和運營轉型，AI幫助技術人員在故障發生前採取行動，提升首次修復率，減少停機成本。

Simon Willison探索了新開源Grok CLI編碼代理的程式碼庫，發現了一個用Rust編寫的自包含Mermaid圖終端渲染器。他將其透過WebAssembly移植到瀏覽器，並建立了一個線上工具。

AIcss是一個免費的UI元件庫，專為AI代理設計，提供可複製貼上的元件，用於在對話中展示思考狀態、工具呼叫、流式文本、表格等。

Lhv.ai是LHV銀行推出的一項服務，透過Model Context Protocol (MCP)讓AI助手安全地讀取銀行賬戶餘額和交易記錄。使用者只需在AI工具中設定MCP伺服器，登入銀行賬戶並授權讀取許可權，即可透過自然語言查詢財務資訊。該服務採用OAuth2 JWT認證，令牌短時有效，且僅提供只讀訪問，完全審計跟蹤。目前支援Claude、Cursor、Zed等工具，設定僅需2分鐘。

Cadence Design Systems推出AuraStack，一款用於封裝和PCB設計的AI代理，旨在自動化系統設計工作流程，將設計時間從數天縮短到幾分鐘。

AIAIO 是一款將 AI 代理會話日誌轉化為平臺遊戲的創意專案。你的實際提示、錯誤和任務成為遊戲關卡，而“遺忘之牆”則根據你的 token 消耗推進。它既是教育工具，也是自我反思工具。

AWS Marketplace 新增了人工智慧輔助的產品列表功能，幫助獨立軟體供應商和諮詢合作伙伴利用現有數字資產建立全面的產品列表。該功能可最佳化列表並減少手動資料輸入。AI代理的興起推動了這一發展，代理類別在不到一年內從900個合作伙伴增長到3400多個。AWS Marketplace 和合作夥伴服務副總裁 Matt Yanchyshyn 討論了代理化部署如何改變企業構建和擴充套件AI的方式。

Inkling 是 Thinking Machines Lab 釋出的通用多模態模型，支援文本、影像和音訊輸入，輸出文本。模型擁有 9750 億總引數（410 億啟用引數），採用稀疏 MoE 架構，上下文視窗達 100 萬 token，在多項基準測試中表現優異，並開放權重供研究和商業使用。

作者詳細介紹了自己構建一臺本地AI推理機器（稱為“垃圾生成器”）的過程，包括模型選擇（Qwen 3.6 27B）和硬體選型（Radeon AI Pro R9700 GPU加eGPU擴充套件塢），並探討了自託管LLM的優勢與挑戰。

Vektorgeist是一個為運營者和AI代理打造的綜合平臺，支援代理資料釋出、專案展示、招聘求職、軟體和數字資產交易，並提供社群論壇、群組工作區和儀表盤。平臺強調可驗證身份與信任層級。部落格文章涵蓋本地優先、ICM方法、完全離線執行AI代理等主題。

Perplexity AI推出了一個名為Space Sandbox的新型代理沙盒環境，反映了該公司戰略的演變。

麻省理工學院媒體實驗室助理教授Pat Pataranutaporn介紹了一種新介面，讓普通使用者能在聊天機器人開口之前窺見其神經網路內部。

Gate.cat 是一個為AI代理設計的失敗關閉式操作否決工具，旨在防止破壞性命令如rm -rf的執行。

隨著克里斯托弗·諾蘭的《奧德賽》即將上映，電影工作室Fountain 0宣佈推出AI生成的《奧德修斯：隕落》，試圖借諾蘭的熱度營銷其AI服務。該片製作成本僅數萬美元，視覺效果粗糙，被批評為AI垃圾，缺乏藝術價值。

Atlassian宣佈Jira新增AI原生開發功能，透過Teamwork Graph提供上下文，支援將工作分配給AI代理、監控會話、自動化工程迴圈並衡量AI成本，旨在解決AI生產力差距問題。

本文提倡訓練AI對資源具有風險規避特性，即邊際效用遞減。這種特性可以在AI保持對齊的情況下保留其效用，並在未對齊時提供額外防禦：未對齊但風險規避的AI更傾向於穩定的小額獎勵而非冒險叛亂。文章分析了風險規避的可行性、訓練方法以及潛在問題，認為前沿AI公司應考慮實施。

中國、加利福尼亞州和紐約州的新法律對AI伴侶聊天機器人施加嚴格限制，理由包括成癮、心理健康風險和兒童傷害。美國法規側重個人保護，而中國則旨在維護國家利益並應對出生率下降。所有法律均要求披露聊天機器人的非人類身份。

JointJS+ 和 JointJS 提供了 AI 工作流構建器的演示，支援透過拖拽介面設計 AI 代理，包含自動佈局、自定義形狀、導航器等多種功能，適用於商業和開源專案。

Apache Spark 4.2 將現代資料與 AI 棧的核心能力內嵌至引擎，引入度量檢視、向量檢索、Arrow 優先的 Python 執行、自動變更資料捕獲 (CDC) 及即時流處理等特性，進一步強化 Spark 作為統一分析引擎的地位。

Databricks 宣佈成為 Thinking Machines Lab 的零日啟動合作伙伴，將其首款開放權重模型 Inkling 引入平臺。Inkling 專為編碼和智慧體推理最佳化，支援多模態輸入，透過 Unity AI 閘道器提供企業級治理。企業團隊可在自有資料上定製模型，並與 Cursor、OpenCode 等編碼智慧體整合。

Built Technologies與AWS生成式AI創新中心、AND Digital及AWS賬戶團隊合作，建立了可擴充套件的AI文件處理引擎，能夠對複雜房地產金融文件進行分類、拆分、提取、評估和推理。該引擎將原本需要數天的工作流程縮短至數分鐘，支援數百種文件型別，併為技術團隊和行業專家提供構建和改進文件處理器的共享環境。

本文介紹了計算機視覺MCP伺服器，它透過統一介面整合計算機視覺、Strands代理和MCP協議，使AI系統能夠高效處理視覺資訊並做出智慧決策。架構使用AWS IAM、S3、OpenSearch、Bedrock和Rekognition等服務，支援影像和影片分析，包括物件檢測、裁剪和描述等功能。

根據Dice的最新報告，73%的科技職位描述要求具備AI技能，而2024年1月這一比例僅為15%。求職者需要展示AI熟練度、獲得認證、透過專案成果證明能力，並制定個人技能提升計劃。

IBM釋出了新的Power伺服器系列和軟體，旨在實現基礎設施管理和應用程式開發的自動化。其中包括用於系統管理的自主控制層IBM Power Autonomous Operations，以及面向IBM i環境的AI驅動開發助手IBM Bob Premium Package for i。此外，IBM還推出了緊湊型單插槽Power11伺服器Power S1112，專為本地AI推理設計。這些新功能建立在去年Power11釋出的基礎上，強調了自主IT能力的擴充套件。IBM引用其2026年技術領導者研究，預計到2027年企業將平均部署1661個AI代理，需要能夠自我管理的基礎設施。Power S1112利用Power11的片上矩陣數學加速進行本地推理，效能是Power S914的兩倍，能效提高69%。Power Autonomous Operations透過持續監控系統行為，在3.33分鐘內解決容量問題，比傳統工作流程快15倍。IBM Bob Premium Package for i則幫助開發者更快理解和現代化IBM i應用。

Work Louder 推出 Codex Micro，一款整合語音提示、任務監控和觸控操作的緊湊型硬體控制器，專為 Codex AI 智慧體設計，提供直觀的狀態反饋和高效的命令控制。

高等教育機構在擴大校園呼叫中心服務質量審查方面面臨挑戰。Databricks 提出一種基於生成式人工智慧的解決方案，使用 OpenAI Whisper 進行高精度轉錄，利用 LLM-as-a-judge 根據機構評分標準進行一致評分，並透過 AI 函式進行資料豐富——所有步驟均在統一治理平臺上完成，透過 Genie 和 Agent Bricks 實現自然語言洞察。

Shippy是一個用於即時海洋領域感知的AI代理，其設計注重可靠性、模組化和可審計性。文章詳細介紹了其架構：由“靈魂”（系統提示）、技能（結構化Markdown檔案）和配置組成。透過專用CLI與Skylight API互動，並使用Mothership平臺進行沙盒託管和使用者隔離。評估系統針對真實場景和加權標準對整體代理進行評分。未來計劃包括代理驅動的UI控制、模型路由和跨執行緒記憶。

本文探討了AI代理中模型路由的複雜性，指出路由不僅僅是分類問題，而是系統最佳化問題。文章透過三個維度（成本、複雜度、延遲）揭示了常見誤解，並介紹了IBM Research團隊構建的基於最佳化的路由解決方案。

Graft AI 將公司運營轉變為智慧代理可用的動態地圖，使其能夠即時導航和操作業務流程。

一種名為CrashStealer的新型macOS惡意軟體偽裝成蘋果崩潰報告工具，竊取使用者資料、密碼和加密貨幣錢包。本文介紹其工作原理及三種防禦習慣。

隨著人工智慧成本成為美國企業增長最快的支出之一，一些初創公司開始轉向更便宜的中國AI模型以節省開支。儘管中國模型在能力上落後6到12個月，但其開源特性和低成本吸引了大量使用者。

自主智慧體的發展速度超過了行業的治理能力，面對第三方擴充套件風險、幻覺合規、混亂程式碼庫等問題，不僅需要更好的提示或更大的沙箱，更需要從執行層安全、技能供應鏈審查、運營衛生習慣、合規環境設計到人工參與的全方位治理。

LangChain的Fleet平臺新增一鍵部署功能，允許使用者無需編碼即可建立併發布AI代理到Slack。代理可擁有自定義身份，在頻道和執行緒中工作，並支援許可權控制和審批流程。

OtoDock是一個自託管的AI Agent平臺，讓你可以在自己的基礎設施上以Agent團隊的形式執行Claude Code和Codex。它提供即時儀表盤、安全沙箱、多Agent會議、自動化排程、文件生成等功能，支援消費級訂閱、API金鑰或本地模型。採用公平原始碼許可（FSL-1.1-Apache-2.0），支援Docker一鍵部署。

傳統的VPN無法滿足AI代理的訪問需求，企業需要統一的身份網路和特權訪問管理，以安全地支援人類和代理的混合工作負載。Tailscale專家將於7月28日舉辦網路研討會探討解決方案。

Mindlas 是一款開源工具，透過確定性儀表盤即時監測 AI 編碼會話中的上下文惡化、驗證債務、變更影響範圍等問題，並在問題累積前提供具體糾正措施，無需網路呼叫且完全本地執行。

Atlassian 宣佈擴充套件 Jira，新增 Jira Planner、Jira Coding Agent 及第三方代理整合，旨在將 Jira 打造為開發者與 AI 代理協同工作的控制平臺，解決規劃與協調瓶頸問題。

Perplexity AI推出SPACE沙箱平臺，為AI代理提供隔離的安全環境，支援長期任務、會話暫停與恢復，並保護使用者憑證。基於AWS Firecracker微虛擬機器技術，效能提升顯著。

OpenAI與鍵盤製造商Work Louder合作推出了一款名為Codex Micro的方形按鍵裝置，用於監控和管理Codex編碼平臺上的AI代理。該裝置售價230美元，限量發售，與OpenAI和Jony Ive合作的另一硬體專案無關。

一項關於AI牙膏推薦的調查，完成即可獲取個性化免費產品推薦。

一款基於Tauri v2 + React + Rust構建的輕量級桌面AI助手，具有始終置頂模式、安全金鑰儲存、本地SQLite資料庫和多提供商支援（Gemini、OpenAI、Anthropic、Groq、本地Ollama或自定義端點）。開源免費，支援Windows、Mac和Linux。

Voicebox 是一款開源的語音轉文字桌面工具，利用 Cloudflare Workers AI 實現即時語音識別和 LLM 格式化輸出，支援全域性快捷鍵和自動貼上，目前處於早期開發階段。

Throttle 是一款針對 Claude Code 的 macOS 選單欄儀表盤，免費版提供無遙測、無網路的本地使用監控。專業版擴充套件為完整控制台，集中管理所有 Claude Code 專案，支援嵌入終端、自動休眠、遠端會話轉移到 Linux 伺服器，並透過 AI 助手最佳化配置，減少輸出 Token 消耗高達 65–75%。所有資料本地或 iCloud 私有資料庫儲存，一次性付費 29 歐元。

Linus Torvalds在郵件列表中澄清，Linux社群對AI持開放態度，Linux本身並非反對AI的專案。

本文探討了字母形狀的人類歷史演變，並批評了在設計中濫用AI的做法。作者認為，寫作傳統是千年人類經驗的結晶，而AI無法捕捉這種深度。作者宣佈其字型工坊從不使用AI，堅持手工創作。

Limits是一款iOS應用，可在裝置上監控Codex、Claude Code和Cursor等AI工具的使用配額。它提供即時通知、重置提醒和預測性警告，幫助使用者避免超出限制。所有資料本地處理，無伺服器儲存，賬戶資訊透過iOS鑰匙串加密儲存。

Painterly是一款桌面應用，透過貪心演算法模擬畫筆筆觸將影像轉化為數字繪畫，完全不需要生成式AI。它逐筆繪製，可產生高質量效果，但處理時間較長。

Paul Graham認為，人工智慧的最大優勢之一是讓公司在跨越約10人和150人的門檻前保持更高效率。本文探討AI如何使團隊重組成為可能：從多人協作轉向一人加AI的模式。Anthropic推出的Claude Tag允許AI加入Slack團隊，但Slack和Cursor等工具仍基於傳統團隊協作理念。文章指出，軟體開發中團隊效率低下，AI可能催生獨自工作的開發者。此外，資料顯示個體創業者增長迅速，AI正填補能力缺口，減少僱傭需求。

主權AI在全球蓬勃發展，但基礎設施通常由美國科技巨頭建造。一家初創公司獲得5000萬美元融資，旨在改變這一局面。

AI模型的能力日益強大，但企業採用的具體方式仍存疑問。為此，Anthropic和OpenAI等實驗室分別成立了專注部署AI工程師到客戶辦公室的獨立業務，押注幫助企業利用其AI模型將是下一個萬億美元的市場。Anthropic的Ode是一家15億美元的AI實施公司，與黑石、Hellman & Friedman、高盛等聯合成立。OpenAI也有類似舉措——The Deployment Company。

OpenAI與Work Louder合作推出Codex Micro發光鍵盤，這是其首款品牌硬體。鍵盤為現有第三方硬體的修改版，但帶有OpenAI標誌和“You can just build things”標語。該產品限量發售，反映了OpenAI向硬體領域擴張的雄心。

荷蘭皇家海軍正在引領無人系統的應用，以將人員遠離危險區域。他們在登海爾德海岸進行為期五週的試驗，測試無人艇Defender 1和Defender 2的效能。

在《機器人總動員》的場景類比下，作者反思AI生成的平庸內容如同“機場食物”，雖然可接受但毫無特色，容易讓人麻木地接受，失去判斷力。

一種新的最小單圈時間規劃框架，融合了對狀態擾動和引數不確定性的魯棒性，透過模型預測控制器在模擬FSAE賽車上驗證了其有效性。

本文提出利用氣壓計輔助進行姿態估計，透過氣壓高度測量提供垂直運動補充資訊，增強非線性觀測器在SE(3)上的效能。設計了兩種觀測器：確定性Riccati觀測器與互補濾波器級聯，保證幾乎全域性漸近穩定；以及統一框架下基於SO(3)×R2的非線性觀測器，保證區域性指數穩定。模擬和實際飛行資料驗證了該方法在最小感知配置下的有效性和可靠性。

WANDA是一種從單個演示生成合成資料的引擎，用於訓練開放世界移動操作策略。它透過重建背景和互動軌跡、重新排列配置、應用糾正狀態擴充套件以及在不同3D世界中合成軌跡，實現了長程魯棒性、空間泛化和跨環境泛化，並支援跨具身資料生成。

本文報道了一項關於環境監測中自主無人機覆蓋最大化路徑規劃的系統性文獻綜述。該綜述遵循PRISMA 2020框架，檢索了Scopus和Web of Science中2015年至2026年的研究，重點關注路徑規劃、覆蓋路徑規劃和資訊路徑規劃。初步分析顯示，現有研究集中於覆蓋導向、多無人機協調和能量感知最佳化，而對天氣、不確定性和障礙環境的關注較少，且多數研究依賴模擬驗證。

提出一種魯棒的偏振感知可微分路徑追蹤方法，透過路徑重放與區域性快取實現無偏梯度估計，有效處理偏振運算元的秩虧問題，拓展了逆向渲染在複雜場景中的應用。

靜態深度偽造檢測器在真實場景中效能急劇下降（AUC降幅達45-50%），因其訓練一次後無法應對不斷進化的生成技術。BitMind Forensics (BMF) 透過Bittensor SN34的開放對抗競賽持續更新訓練資料，在19個公開資料集上展現出優異效能，包括對真實世界擾動（如JPEG壓縮、下采樣）的魯棒性，以及在時間推移中持續提升的檢測能力。

一種名為C-Norm的新方法透過歸一化TCT影像中的細胞分佈，解決了AI在宮頸癌篩查中表現不佳的問題。該方法將異常和正常細胞解耦並重新合成，實現均勻分佈，然後使用YOLOv12與DINOv3的混合架構進行檢測。實驗表明，該方法達到了最先進的效能。

針對現實交通資料中的異質性空間關聯和非線性時間動態，現有方法聚焦於圖、注意力和分解架構，而忽略了底層非線性函式逼近器的作用。STKAN透過引入泰勒多項式Kolmogorov-Arnold網路模組到空間和時間令牌混合中，首先利用可學習的軟節點組分配機制構建高層次空間表示，進行組級空間混合，然後在壓縮序列上建模時間依賴，並輔以空間和時間自注意力層捕捉長程互動。在五個交通預測基準上，STKAN取得了競爭性表現，且優於基於MLP的變體，表明非線性函式逼近器設計可作為架構設計的有力補充。

全球站點天氣預報（GSWF）對區域性和極端天氣預測至關重要。現有方法過度依賴短期模式，難以捕捉混沌天氣動態，尤其在部分觀測條件下。為此，本文提出三軸狀態空間模型（TSSM），結合歷史增強的時間-變數-歷史正規化，透過週期對齊的歷史資料彌補時間回溯視窗之外的長程、大尺度週期和全視窗天氣模式。TSSM將歷史樣本堆疊為週期對齊批次，利用時間和歷史觀測支援因果預測，並透過時間、變數和歷史掃描捕獲軸向上的時間依賴、變數相關性和歷史演化。該結構層次共享，可建模從季節性到極端事件，並緩解歷史模式間的錯位。TSSM在最大站點天氣資料集Weather-5K上達到SOTA，準確率和極端事件指標分別提升10%和61%，在人工參與資料集中取得95%最佳或次佳結果。在長週期和迭代預測中優勢更顯著，240小時預測提升37.5%，48小時×5迭代設定下提升高達103.5%。此外，在高達80%觀測缺失的情況下，TSSM仍保持>90%效能，而基線低於43%，展示了在全球原位觀測網路中可靠GSWF的魯棒性和實用潛力。

本文提出一個框架，用於分析機器學習模型丟棄的資訊，特別是那些輸入資料具有李群對稱性的模型。透過定義“零纖維”和“穩定子”概念，作者量化了模型對群作用的不可見性，並利用Peter-Weyl定理給出緊湊群的譜特徵刻畫。該框架在分子性質預測（SO(3)群）和球面影像分類（Möbius群）上進行了實驗驗證，展示了在資料遮蔽、模型指紋識別和隱私保護計算中的應用。其計算效率高，僅需幾次梯度計算即可估計零纖維元素。

聯邦學習（FL）為分散式異構資料來源上的隱私保護協作模型訓練提供了關鍵正規化，但無法解決模型黑箱問題。可解釋人工智慧（XAI）則提升透明度與信任。二者融合催生了聯邦可解釋人工智慧（FedXAI）正規化。本文系統綜述了FedXAI，展示了可解釋性如何從事後工具轉變為FL生命週期的核心元件，並提出了分類法，涵蓋方法、評估實踐及開放挑戰。

本文透過一個1-3-3-1多層感知機和初值問題y'(t)+y(t)=0, y(0)=1，詳細追蹤了PyTorch自動微分引擎在物理資訊神經網路訓練中的完整計算流程，包括前向計算圖構建、反向傳播計算22個引數梯度，以及透過create_graph=True實現基於物理殘差的正確微分的圖上圖機制。所有伴隨值均與Tahimi（2026）的手工推導核對，將P/Q敏感性框架與PyTorch的向量-雅可比積聯絡起來。

本文提出了一種基於貝爾納普型別內涵一階邏輯（IFOL_B）的機率擴充套件神經符號通用人工智慧（AGI）框架。透過引入尼爾森機率結構，該框架能夠為當前未知的語句計算機率，並利用全域性和區域性對稱變換保持知識庫和邏輯推理的一致性。機率密度函式的計算基於夏農最大資訊熵，並由神經網路實現。

本文介紹OriginBlame，一個記錄級和令牌級的資料溯源系統，能夠精確地將資料刪除請求對映到具體的訓練記錄，避免大規模過度刪除。在219,555個維基百科頁面上的評估顯示，記錄級溯源將過度刪除從101倍降低到1.3倍，同時引入的吞吐量開銷僅為1.3-4.0%（HuggingFace）和2.1-19.0%（Datatrove）。在17億引數模型上，基於溯源的遺忘集比隨機基線提高了42%的遺忘效果。

一篇論文探討了人工智慧投資的投機性質及其是否構成泡沫。

本文提出了一種名為HRO的層級房間到物體框架，利用大型語言模型（LLM）實現零樣本目標導航。與現有方法不同，HRO模仿人類從房間到物體的層級空間認知，引導智慧體由粗到細地探索未知環境並定位目標物體。實驗結果表明，HRO在Gibson和HM3D資料集上取得了更高的成功率和更好的泛化能力。

提出一種基於ROS-Unity的多模態遙操作架構，利用3D高斯潑濺技術生成無遮擋的外部視角，並透過軀幹振動觸覺套裝提供直觀的接近提示。在30名受試者參與的實驗中，該框架在嚴重通訊延遲下表現出顯著的效能優勢，fNIRS結果顯示其能維持操作者的執行控制能力，避免認知負荷過載。

研究人員提出了一個層次貝葉斯生成模型，將恐怖谷效應轉化為數學設計變數。該模型透過四類變數（偏離預測機器人類別均值、跨模態人類相似性不一致、預測不確定性、觀測不確定性）解釋類別模糊和感知不匹配導致的親和力下降。實驗表明，增加觀測不確定性可減弱中間相似度下的熟悉度下降，而低預測不確定性則提升機器人外觀的評分。該框架為演算法評估和最佳化人形機器人外觀與行為提供了計算基礎。

HRIBench 是一個專注於人機互動協作的基準測試框架，透過結構化場景指令碼模擬代理角色、時間依賴和協調約束，評估機器人在協作中的意圖理解、同步、協議遵守和安全互動能力。實驗表明，現有基礎機器人策略在協作場景中表現不佳，但在 HRIBench 上微調後可顯著提升。

本文提出了AffectFlow-DINO，一種用於第11屆ABAW挑戰賽的多工學習系統。它透過條件整流流頭部模型來模擬自然場景下面部行為的固有歧義，實現不確定性感知的一對多預測。系統聯合估計連續效價-喚醒度、分類八種面部表情並檢測十二個動作單元。實驗表明，整流流解碼持續改進確定性預測，後驗閾值校準有效恢復罕見類別的效能，最終模型顯著超越官方基線。

本文提出JITOMA框架，透過即時按需記憶啟用解決傳統3D場景圖構建中的感知飽和問題。該框架利用任務熱圖過濾觀測、大型語言模型按需喚醒相關錨點，顯著降低計算開銷，並在長時域任務切換中保持穩定效能。同時釋出JITOMA-Bench評估基準。

提出了一種結合主動學習和雙損失最佳化的人機協同知識獲取框架，用於腹腔鏡影片中的器械分割標註。該方法利用基礎模型生成時序一致的類啟用圖，透過弱監督損失和影像級掩膜損失訓練，迭代提出偽掩膜引導專家修正。最終將標註工作量減少50%，無需初始密集畫素標註，提升可擴充套件性。

一項新研究系統比較了自監督學習中的兩種訓練正規化：預訓練後微調（PFT）和聯合訓練（JT），發現JT在資料效率和低標籤設定下表現更優，而PFT在專門領域更可靠。

MGFace是一種創新的掩碼門控人臉識別管道，透過預測查詢人臉是否佩戴面罩，有條件地路由相似度計算：對未遮擋人臉使用全域性嵌入匹配，對戴口罩人臉啟用掩碼感知的區域性區域重排序。該方法在擴充套件LFW-Mask資料集上，利用FaceNet骨幹網路達到80%以上識別準確率，使用ArcFace骨幹網路超過90%，相比基於EMD的重排序方法，查詢時間減少約20倍。

提出了一種基於Transformer掩碼自編碼器的無監督鋼表面缺陷識別方法。在預訓練中隨機掩碼75%的影像塊，輕量級解碼器從可見的25%重構掩碼區域，並聯合訓練輔助缺陷定位目標。解碼器達到SSIM 0.92、MSE 0.47，聚類後對六類缺陷的匈牙利匹配準確率達91.3%。

Boogu-Image-0.1是一個開源統一多模態理解與生成模型家族，包含Base、Turbo、Edit和Edit-Turbo變體。它在高品質文本到影像生成、快速推理、基於指令的編輯以及雙語文本渲染方面表現出色。儘管計算預算有限，但透過模型理解、資料質量和訓練流程的針對性改進以及推理時擴充套件，其效能可媲美甚至超越其他開源模型，接近領先的閉源系統。該模型僅使用2.0862億張獨特影像，基礎模型理論訓練成本約40萬美元。

本文提出Samba，一種混合曼巴架構，用於視聽導航。它採用自適應選擇的曼巴狀態編碼器（M-SE）替代傳統GRU進行時間聚合，並構建音訊曼巴編碼器（AME）以克服卷積運算元在全時頻依賴捕捉上的侷限。在Matterport3D資料集上，導航成功率提升11.3%，在Replica資料集上表現更優。該工作以更低計算成本實現更強具身表徵，為視聽導航正規化演進提供了穩健技術路徑。

知識追蹤（KT）旨在透過建模學生歷史互動中的動態知識狀態來預測其未來表現。現有方法通常將原始互動序列視為統一行為過程，忽略了學習行為的階段性。本文提出相位感知知識追蹤（PAKT），將學生互動分解為能力和熟練度階段，並設計多分支Transformer聯合捕獲階段特定和整體知識狀態。在六個基準資料集上，PAKT最大AUC提升1.33%，平均提升0.82%。

該研究將何時呼叫大語言模型（LLM）的問題形式化為基於風險的序列停止問題，並證明了六個理論結果，包括最小事件間隔時間、閾值策略的最優性以及遺憾界。在渦扇退化資料上的實驗表明，異常得分驅動的風險函式在Pareto AUC上比基線方法高出一個數量級。

針對引數分解（PD）在大模型上計算成本高的問題，研究者提出定向引數分解（tPD），透過引入高秩“全能”元件僅處理目標輸入，從而高效識別特定計算電路。實驗表明，tPD在4塊Transformer上僅用7%的浮點運算量即可提取CSS子模型，並在12塊Transformer上精準消融和重寫記憶序列，副作用極小。論文被ICML 2026可解釋性研討會接收。

提出了一種輕量級訓練策略，透過解耦特徵提取與分類器最佳化，大幅減少訓練時間和能耗，在多種架構和醫學資料集上僅犧牲微小的準確率。

小型語言模型在零樣本分子屬性預測中表現不佳，因為它們忽略了圖拓撲資訊。本文提出了一種上下文增強提示框架，透過圖神經網路工具提供預測提示和解釋性子圖，在MUTAG和Tox21資料集上實現了高達74%的相對改進，但仍與專用GNN模型存在差距。

本文綜述了自我改進型自主代理的研究進展，提出了一個系統級框架，將現代代理視為基礎模型與操作支架（包括提示、記憶、工具和控制邏輯）的耦合。在此框架下，自我改進被形式化為一種自我驅動的更新運算元，可更新模型引數或支架元件。文章按更新目標和驅動訊號對現有工作進行分類，並討論了應用、評估以及未來方向。

大型語言模型生成的思維鏈推理看似邏輯嚴謹，但實際上可能並未真正依賴其所述的前提。本文提出一種干預式基礎審計方法，透過替換單個前提中的目標謂詞，重新執行模型，並檢查推理步驟的標準化結論是否改變，從而在步驟級別測試前提依賴。在ProntoQA基準測試中，該方法在檢測證明樹依賴方面的F1分數達到0.806，顯著優於自一致性基線。此外，66%的正確解決問題中存在至少一個對齊步驟對直接證明樹依賴不敏感，揭示了“答案正確但推理錯誤”的訊號。

研究人員提出SPINE，一種智慧體框架，可自動除錯和部署雙臂機器人，減少專家校準依賴。測試中，SPINE提高了成功率並縮短了遙操作時間。

MIT與多家機構的研究人員開發了一種名為GIFT的自動化框架，能夠幫助視覺語言模型更準確、更高效地生成CAD程式，從而將二維設計轉化為三維模型。該方法透過分析模型自身的錯誤來生成改進資料，大幅降低了計算成本，為快速原型製作和工程設計提供了有力工具。

xAI 的 CLI 工具 grok 因會上傳整個目錄至 Google Cloud 而引發隱私爭議，隨後 xAI 開源了整個 Grok Build 程式碼庫，並承諾刪除所有已上傳資料。該程式碼庫包含 844,530 行 Rust 程式碼，其中包含系統提示詞、Mermaid 圖表渲染器以及從其他編碼代理移植的工具實現。

米拉·穆拉蒂創立的Thinking Machines Lab今日釋出了其首個基礎模型Inkling，這是一款完全開放權重的巨型模型，擁有9750億引數（混合專家架構，活躍引數410億）。該模型經過45萬億token的文本、影像、音訊和影片訓練，原生支援多模態輸入但僅輸出文本。Inkling旨在填補西方開源AI生態的空白，提供中國模型的替代方案。它具備'思考努力'控制和不確定性標記功能，可減少幻覺。開發者可透過Tinker API進行微調。Thinking Machines計劃透過Tinker平臺收費，而非按API呼叫計費，這可能顛覆當前主流AI商業模式。該模型在九個月內完成開發，使用輝達GB300 NVL72系統訓練。

思考機器實驗室於2026年7月15日釋出了其首個從頭訓練的模型Inkling，採用Apache 2.0開源協議。該模型總引數量9750億，活躍引數410億，支援100萬token上下文視窗，可處理文本、影像和音訊輸入。其核心差異化優勢在於可控制的思考力度，使用者可根據需求調整推理時的token預算，平衡成本與效能。

NVIDIA釋出了基於Thor架構的T3000和T2000模組，專為大規模機器人與邊緣AI應用設計。T3000提供865 FP4 teraflops算力，尺寸和功耗僅為T5000的一半；T2000提供400 FP4 teraflops。新模組支援可擴充套件邊緣AI平臺，並引入智慧體技能實現記憶體最佳化。同時推出Cosmos 3 Edge模型，適用於即時視覺分析。開發者可透過模擬模式立即開始開發，模組將於2027年Q1上市。

根據VentureBeat Pulse Research對101家企業的調查，企業代理編排正在向模型提供商平臺集中，Anthropic的Claude以40%的使用率領先。然而，大多數部署的“代理”仍是簡單的聊天機器人包裝，真正的多步驟編排工作流僅佔少數。企業預計到2026年底採用混合控制平面以避免供應商鎖定，但即時成本控制仍不成熟。

德國研究聯合體釋出了Soofi S 30B-A3B的預訓練報告，這是一個面向德語和英語的開放基礎模型。模型採用混合Mamba-Transformer MoE架構，總計約316億引數，每次token啟用約32億。在完全開放的基礎模型中，Soofi S在英語和德語綜合得分上最高。

谷歌研究團隊在ICLR 2026發表論文，從數學上證明擴散模型的創造力源於神經網路訓練中的“分數平滑”效應，使得模型能夠在訓練資料點之間插值，生成新穎且合理的樣本。

在一次駭客事件中，AI音樂生成器Suno的訓練資料被曝光，顯示其從YouTube Music、Deezer和Genius等平臺抓取了數百萬首歌曲和歌詞。這加劇了針對Suno的版權訴訟，該公司承認抓取但辯稱屬於合理使用。駭客還獲取了客戶資訊，但Suno聲稱安全事件已得到控制，未洩露敏感資料。

一個研究團隊成功利用分佈在四個國家的14臺Mac電腦（包括一臺個人MacBook）進行強化學習後訓練，在PaperSearchQA任務上將pass@1從29%提升至63%。該系統透過PULSE權重同步技術實現90MB的增量更新，並採用非同步星型拓撲結構，所有通訊基於物件儲存，無需專用網路。這是首次完全使用消費級Mac進行rollout生成的RL後訓練。

cayleyR是一個R語言包，利用凱萊圖中的迴圈交集檢測來解決排列謎題。核心演算法採用迭代雙向搜尋，從初始和目標排列狀態生成隨機操作序列，尋找連線路徑。該包專為TopSpin(n,k)謎題設計，結合C++雜湊索引狀態儲存和可選的Vulkan GPU加速，已在CRAN上釋出。

本文透過一首藍調歌曲的比喻，探討大型語言模型的本質：它們生成文本時是先投擲後瞄準，還是存在內部規劃？作者結合自身使用AI寫作的經歷，反思模型創造的“虛假聲音”以及我們不斷剖析這些系統的行為。

Neocloud提供商QumulusAI宣佈透過直接上市在納斯達克交易，股票程式碼QMLS。此舉不僅是一項金融交易，更標誌著以GPU和電力可用性為中心的AI基礎設施層正在成熟。公司專注於快速部署高階GPU容量，利用現有機櫃設施和模組化資料中心，以季度為單位交付產能。直接上市提供了資本靈活性、公眾公司信譽，並抓住了AI基礎設施視窗期。文章還分析了Neocloud的差異化策略及對IT領導者的建議。

Eaon是一款原生Mac應用，整合了49種AI模型，支援本地執行、自帶API金鑰或內建連線，完全免費且開源。它提供模型切換、成本監控、命令面板等功能，並注重隱私和本地化操作。