模型

本文介紹了一種用於AI治療的系統設計，該系統通過確定性管道決定臨牀行動，不讓LLM自行決策。系統包括評分、狀態桶、准入表、動作選擇、微實踐和危機預篩查等步驟，僅在評分和生成階段使用LLM。文章還討論了該方法的成本與侷限性。

GPT-5.6系列中，Sol和Luna在任何智能水平上的成本效率均優於Terra，尤其是Luna表現出極高的性價比。

PrismML發佈了Bonsai 27B，這是Qwen3.6-27B的低位表示，並非全新預訓練模型。提供三進制和二進制兩種變體，採用Apache 2.0許可證。三進製版本每位僅1.71比特，理想大小為5.9GB；二進制版本每位1.125比特，大小為3.9GB。性能方面，三進制保留FP16基線的94.6%，二進制保留89.5%。該模型支持多模態，上下文長度262K令牌。PrismML聲稱二進制版本是首個適合手機的27B級模型。

Simon Willison 在 Codex Desktop 中意外激活了一個“寵物”功能，並利用 GPT-5.6 Sol 和 gpt-image-2 創建了一個騎自行車的鵜鶘寵物，命名為 Pedalican。他記錄了整個生成過程，包括提示詞和中間步驟，並開源了相關技能。

本文對比了四種主流的AI編程代理：Mistral Vibe for Code、Claude Code、Cursor和OpenAI Codex，針對從功能腳手架到拉取請求的完整工作流進行評分。Mistral Vibe以22/25的總分領先，憑藉成本、開放性和控制力獲勝；Claude Code和Codex並列21/25；Cursor得16/25。文章詳細分析了每個工具在腳手架、測試循環、PR及異步工作流、覆蓋範圍、成本與開放性五個維度的表現。

MIT教授Devavrat Shah通過研究和創業，致力於設計能夠利用有限計算資源進行實時決策的AI方法。他共同創立的Ikigai Labs開發了基於表格時間序列數據的基礎模型，被Celonis收購後，有望集成到企業流程管理中，實現大規模預測和優化。

阿明·羅納赫在一篇關於AI代理和軟件工程的文章中強調，軟件項目的共享語言並非英語或Python，而是對概念、邊界、不變量、所有權和系統形態的共同理解。他指出，在AI代理出現之前，這種理解通過“摩擦”維持——如閲讀代碼、提問、協調——這種摩擦雖然緩慢且部分浪費，但同步了人們。這篇文章由Simon Willison於2026年7月14日引用。

元提示是一種先進的提示工程技術，要求模型在執行任務前先設計可複用的提示模板、清單或工作流程。本文詳細解析了元提示的定義、四步工作流程、具體模板示例及其與普通提示、少樣本提示、思維鏈提示的對比。

谷歌更新了隱私政策，現在你的圖片、語音搜索和視頻可能被用於訓練其AI模型。用户被自動默認開啓，需手動關閉以保護隱私。本指南將教你如何退出。

開放模型如NVIDIA Nemotron使企業能夠構建滿足特定需求的AI，提供完全的控制權、定製能力和成本效益，並推動從AI使用到AI擁有的轉變。

研究員Dave Kuszmar發現了多個系統性漏洞，使他能夠繞過大型語言模型的安全限制，獲取危險指令。這些漏洞幾乎影響所有主流LLM，揭示了行業範圍的安全問題。Kuszmar呼籲減緩部署、提高透明度，並在進一步將LLM融入社會前開展大規模安全研究。

本文探討了符號學歷史與大型語言模型之間的聯繫，借鑑了索緒爾、巴特和德里達等思想家的理論，分析了語言符號的差異性與AI生成內容的關係。

Mistral AI 推出了一款新型視覺模型，機器人僅需一個RGB攝像頭和自然語言指令即可在陌生環境中導航。

Mnemo AI 是一個本地代理型AI助手，利用LangGraph和LangChain集成多種LLM提供商（如Ollama、Amazon Bedrock、OpenAI、Anthropic等）。它具備MCP工具系統、RAG能力、用户檔案學習、情景記憶以及ACE劇本——一種能從成功和失敗中學習策略的機制。此外，還支持網絡搜索、圖像分析、文件操作、bash執行等功能。

擴展LLM的關鍵不是增加GPU，而是消除每個請求中的不必要工作。本文介紹了12種實用的減少延遲和成本的方法。

谷歌DeepMind聯合創始人兼CEO德米斯·哈薩比斯呼籲建立一個全球AI監管機構，該機構有權在前沿模型過於危險時剎車。他認為美國應主導這一倡議，並希望在今年年底前成立該機構。

Hayden Bleasel 發佈了 Blume，一個開源、MIT 許可的文檔框架。它讀取 Markdown 或 MDX 文件夾，生成隱藏的 Astro 項目，輸出靜態的 AI 就緒文檔，包含本地搜索、30+ MDX 組件、llms.txt 和內建 MCP 服務器。

Mistral AI 推出了 Robostral Navigate，一個 8B 參數的具身導航模型。該模型僅使用單個 RGB 攝像頭，無需 LiDAR 或深度傳感器，即可根據自然語言指令驅動機器人。在 R2R-CE 驗證未見過的場景中，它達到了 76.6% 的成功率，這得益於其指向方法、前綴緩存訓練和 CISPO 在線強化學習。

本文提出一種人效後訓練管道，通過專業化分工（遠程操作員和地面操作員）和自動軌跡分割工具VLAC-CUT，實現少量人員監督多台機器人。在四個真實操作任務中，最終策略成功率達80%-95%，吞吐量提升1.7-4.2倍，優於純人類參與訓練。

該論文提出了一種風險場增強的閉環數字孿生框架，用於自動駕駛系統的安全驗證。框架整合了物理數據採集、虛擬重建、風險感知場景生成和算法評估，並通過駕駛風險場作為統一中間表示來識別高風險場景，為強化學習策略提供安全指導。實驗表明該方法提高了驗證的針對性和可解釋性，但實際效果受模型保真度和模擬到現實遷移的限制。

無人機蜂羣在搜索救援和環境監測中潛力巨大，但受限於態勢感知不足、連接中斷和網絡安全風險。本文提出以LLM為核心的代理型AI框架（LAUS），整合感知、記憶、推理規劃與行動，實現自適應蜂羣行為，同時分析了攻擊面擴大、優先級操縱攻擊等威脅，並指出了抗幻覺推理、SWaP約束下的機載LLM部署等開放挑戰。

EgoSteer是一個全棧系統，通過從第一人稱人類視頻中大規模預訓練視覺-語言-動作（VLA）模型，實現可控的靈巧操作。它集成了EgoSmith數據流水線（9.6K小時高質量數據，吞吐量提升9倍）、統一遙操作機器人平台和世界模型增強的VLA策略。實驗表明，EgoSteer在40多種任務中穩定執行自然語言指令，具備故障恢復和泛化能力，並可通過少量樣本適應複雜長時任務（如摺疊紙箱），成功率超75%。系統、數據和模型已開源。

本文研究了真實圖像擴散反演中的質量-成本權衡，揭示了元素級壓縮不對稱性和軌跡綁定兩個關鍵機制，並由此提出訓練無關的反演方法NARC。該方法僅需存儲單個int8潛碼錨點，在保持重建質量的同時將存儲需求降低約400倍，在PIE-Bench++上PSNR提升3.24 dB。

ECCV 2026接收的一篇論文提出了一種新的可穿戴運動捕捉方法，能夠從任意組合的消費級設備（如智能手機、智能手錶）重建全身運動，並引入了WHIP模型和一個包含50種活動的多模態數據集，同時系統研究了傳感器互補性。

多模態知識圖譜通過文本和圖像等模態豐富實體，但高度相似的多模態特徵仍難以區分。時間信息可作為額外模態進行消歧，但現有方法因時間語義稀疏和多時間戳噪聲而鮮有將時間作為獨立模態。本文提出時間印記框架，將時間視為實體級模態，通過三視角對比目標對齊時間、文本和視覺表示，並設計緊湊時間戳子集選擇與注意力池化以兼顧特異性和魯棒性。實驗表明，該方法在鏈接預測任務上達到最優，整體 Hits@1 提升最高 6.07%，在 top-1% 高歧義樣本上提升達 58%。

本文首次演示了基於低功耗MCU的邊緣設備用於自動車牌識別（ALPR）。該設計利用9核RISC-V處理器GAP8，結合QVGA超低功耗灰度成像器，採用基於SSDlite-MobilenetV2和LPRNet的多模型推理方法，在公共數據集上達到38.9%的mAP和超過99.13%的識別率。在真實世界中可識別小至30x5像素的車牌。多模型推理（687 MMAC）在GAP8上以1.09 FPS和117 mW運行，相比樹莓派3系統能效提升73倍，且無需硬連線加速引擎。

ReflectWorld-MM是一種新型AI系統，使助手能夠持續處理和記憶開放視頻流，通過圍繞持久實體而非幀來組織記憶，在六個基準測試中取得了最先進的結果。

RSLoRA是一種基於激活空間幾何的免訓練、免梯度秩分配方法。它引入虛擬表示探測機制，通過有效秩和弗雷歇距離識別高敏感性模塊，在多個基準測試中優於AdaLoRA和GoRA等最新分配器。

一種名為WiCAT的新模型，利用自監督預訓練在寬場鈣成像數據上實現了跨主體建模，超越了單會話模型，並首次實現了對未見主體的零樣本行為解碼。

研究人員提出DUNE，一種無需訓練的擴散模型優化框架，通過檢測並抑制早期深層潛在波動來減少偽影和幻覺，提升生成保真度，適用於U-Net和Transformer架構。

本研究探討了訓練日語推理語言模型的可行性。通過使用GRPO對基於Qwen-3-Swallow-8B的日語持續預訓練模型進行訓練，研究者發現推理語言控制是可行的，但性能最多與英語推理基線持平。在日語文化基準測試中，模型表現甚至更差，表明日語推理並不能立即提升文化相關任務的表現。

本研究探索了在無法訪問原始訓練數據且需要多語言語音查詢交互的敏感領域（如新加坡內政團隊）中，如何高效地使開源口語語言模型（SLM）適應。通過結合LoRA微調、防止災難性遺忘的替代文本問答數據集以及針對語音任務改編的CoBa重加權方案的多任務目標，研究團隊構建了包含504,853個樣本的多語言問答數據集HTD-multilingual-QA，最終得到的HT-Moonstone（5B）模型在大多數任務上匹敵或超越規模大7倍的SLM，並在口音和性別識別上表現最佳，同時原始語音問答能力損失不到2%。

最新研究表明，後訓練量化會在任務準確率保持不變的情況下靜默改變大語言模型的推理方式。通過一個六類故障分類法（Cohen's κ=0.906），研究人員分析了30,000條鏈式思維輸出，發現弱精度量化（NF4）下“空心收斂”顯著依賴於模型大小，而“捷徑崩塌”和“信心滾雪球”等故障模式會發生定性轉變，且空心收斂無法通過表面文本特徵可靠檢測。

本報告研究針對台灣地區的設備端英文到繁體中文字幕翻譯，在短輸入、短輸出、單批次推理、低延遲和隱私約束下的優化。作者將原始151k詞表替換為64k字幕領域分詞器，並進行嵌入校準和微調，在OpenSubtitles2024子集上實現了59.2%的勝率（排除平局），並在Apple M2上獲得1.63倍加速。

一項新研究提出了一個基準框架，用於評估大型語言模型（LLM）生成的臨牀試驗摘要的忠實度，針對醫療提供者、患者和支付方三個利益相關者羣體。該框架從ClinicalTrials.gov選取了200個分層試驗，使用六維度註釋模式評估了GPT-4o、Claude Sonnet 4.6和Gemini 2.5 Flash生成的1800個摘要。研究發現，“無依據聲明”是所有模型最主要的失敗模式。通過知識圖譜增強檢索系統，忠實度得分獲得了統計顯著的提升。

研究團隊開發了一種基於語言模型的併購套利預測系統，通過專家引導的上下文工程和事後推理微調，在400多筆跨國大型交易中實現了優於市場隱含概率和前沿語言模型的預測性能。

Bilibili 發佈 Index-1.9B 系列開源小型語言模型，包含基礎模型、純數據對照模型、對話模型和角色扮演模型，在多項基準測試中表現優異。

CLIR-Bench是一個專門用於評估模型在不規則臨牀時間序列上進行問答能力的基準。它基於去標識化的ICU記錄構建，包含6,600個問答實例，覆蓋11個臨牀變量，分為4個能力維度和11個任務。實驗表明，現有通用模型難以從稀疏數據中檢索和推理證據，凸顯了加強不規則時間序列推理方法的必要性。

研究者提出了一種基於參考的成員推斷方法，用於檢測大型語言模型是否從其他模型蒸餾而來。該方法通過比較學生模型對不同候選教師模型輸出的偏好，結合早期檢查點，能夠以近完美精度識別教師模型，並適用於未知蒸餾流程和開放世界場景。

一項新研究顯示，編碼代理在編輯代碼時真正需要的上下文極少：信號只存在於被編輯的代碼本身，自然語言摘要幾乎無法替代源代碼回答行為問題，周圍上下文（如UML骨架）與刪除它效果無異，而壓縮上下文（如類別簽名）能以三分之一token達到完整文件的效果。此外，温度-0 API推理在相同輸入下約有9%的結果翻轉，構成了SWE-bench上所有小效果檢測的噪聲底線。研究團隊發佈了包含驗證環境、確定性補丁和預註冊假設的工具。

這篇論文介紹了MawForge系統，通過將完整模型存儲在磁盤上，按需將路由專家物化到有限執行緩存中，使得在內存受限的統一內存機器上實現稀疏混合專家（MoE）語言模型的實用本地推理成為可能。研究發現MawForge作為有限執行機制和測量基板有效，但並非緩存最大化策略。

本文提出了一種新的雙層分類框架，系統回顧了基於圖神經網絡（GNN）的知識圖譜技術，覆蓋了知識圖譜構建、嵌入、推理和應用，分析了不同GNN模型的優缺點，並指出了未來研究方向。

本文研究了一種基於小型語言模型（SLM）的閉環控制框架，通過GRPO對齊的Qwen2.5-1.5B模型，結合動作智能體、數字孿生驗證層和重提示智能體，實現了從自然語言需求規範生成控制策略。在隨機熱控制模擬中，該框架達到91.5%的動作對齊準確率，平均推理延遲3.84秒，展示了在邊緣設備上實現可重構自主控制的可行性。

YUKTI是一種新的自動決策制定框架，它通過不確定性類型命題圖表示和假設魯棒帕累託前沿（ARPF），顯著降低了決策遺憾。實驗表明，在受控誤設定下，平均和尾部遺憾減少超過90%，在真實數據集上，樣本外回測比基線優34%，而LLM的遺憾約為YUKTI的47倍。該框架還引入了SRJANA數據基礎，並提供了可審計的可追溯性。

一項新研究探討了消息格式在多跳LLM智能體中繼中的影響，發現格式效應依賴於中繼能力層級。在強中繼下，忠實指令下幾乎無損失，而弱中繼下格式間差異顯著擴大。結構化格式提供了忠實、錯誤定位的通道，而非糾錯碼。

本研究引入格式敏感度指數（FSI）和可解析性敏感度指數（PSI），評估提示包裝對LLM準確性和答案可解析性的影響。實驗發現不同模型間FSI差異超過30倍，主要由合規失敗解釋。可解析性是準確性的強預測因子，建議在基準測試中報告包裝方差和合規性。

本文提出了一種基於Toulmin論證模型的結構化診斷輔助框架，將基於圖像的ML診斷分解為聲明、依據、正當理由、限定、反駁和支持等組件。通過專用生物標誌物提取模型、MedGemma醫學知識代理和MedSigLip圖像相似度計算，為人類專家提供可解釋的評估，增強對ML診斷的批判性審查。

一本新書指出，自艾倫·圖靈1950年著名論文以來，人工智能建立在一個有缺陷的假設上。計算機科學家彼得·J·丹寧認為，人類智能最重要的部分——包括常識、直覺、文化和實踐技能——無法編碼進計算機。他認為無論大語言模型變得多大，真正的人類水平AI都不可能實現。

Anthropic發佈了Claude Sonnet 5，這是其最強的中端代理模型，在多項基準測試中超越前代Sonnet 4.6，並縮小了與旗艦Opus 4.8的差距。Sonnet 5引入了努力水平（effort levels）以控制推理成本，在低/中努力水平下性價比極高，但高努力水平下成本可能超過Opus 4.8。它已作為Free和Pro計劃的默認模型，並可通過API調用。

Apple Music為150多個地區、數十種語言的用户提供服務，每天新增數十萬首曲目。針對拼寫錯誤、音譯和跨語言查詢的搜索召回率成為影響用户體驗的關鍵。蘋果研究人員提出了一種基於3.05億參數Siamese雙編碼器的多語言語義檢索系統，通過混合檢索架構與現有索引結合，實現了69%的Hit@10相對改進，在線A/B測試中整體轉化率提升2.28%，無結果率降低86%，長尾查詢轉化率提升7.93%。