模型

儘管Anthropic聲稱其模型Claude內部出現意識跡象，但神經科學家阿尼爾·塞思認為，這不過是模擬，就像天氣預報系統不會產生真實颶風一樣。

本文介紹了一種用於AI治療的系統設計，該系統透過確定性管道決定臨床行動，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。

自監督學習在醫學影像領域潛力巨大，但標註資料稀缺。本文提出COJEPA框架，結合聯合嵌入預測架構和對比損失，在無標註的T1加權腦部MRI上訓練，實現了優異的區域性預測性和全域性判別性。在零樣本雙胞胎檢索、腦腫瘤分割和年齡迴歸任務中表現突出，尤其在同卵雙胞胎識別和年齡預測誤差方面達到最先進水平。

本文提出一種新方法，透過視覺語言模型（VLM）生成逐幀描述，並比較兩個任務影片間的幀相似度及段內自相似性，自動檢測異常幀，從而提取包含專家特定動作和情境決策知識的候選場景。在模擬配電板維護實驗（27個任務場景）中，該方法動作候選提取率達65%，決策場景候選提取率達61%，優於傳統方法的59%和33%。

GenDiff是一種新型擴散模型框架，透過聯合建模連續輻射劑量和解剖資訊，實現低劑量CT重建。它整合了劑量-解剖編碼器、冷擴散主幹、物理一致性更新和結構先驗細化模組，在多種臨床資料集上優於現有方法，展現出強大的魯棒性和泛化能力。

TSCA-Net透過三個互補模組（時空團注意力、跨行人團勢、自適應KAN網格細化）顯著提升擁擠環境中的行人軌跡預測精度，在ETH/UCY和SDD基準上達到最先進效能。

提出兩種混合持續學習方法（RA-EWC和CGKD），用於低資源澳大利亞原住民語言識別，有效緩解災難性遺忘，在Warlpiri、Dalabon和Dharawal三種語言上表現優於現有基線。

該論文揭示了語言模型如何區分角色的信念與現實。研究發現，這種分離基於兩個可分離的機制：一個通用值槽繫結屬性值，一個路由器根據查詢選擇讀取的框架。值槽可以透過兩種方式填充：直接斷言和基於可見性的推導。分離位於獨立的路由子空間中，而不是值槽本身。這些結果在多種架構中得到驗證，且該行為在3B至7B引數規模的模型中出現。

本文透過MAGE框架研究多元件提示最佳化中不同元件的相互作用，揭示了提示最佳化耦合效應（POCE）：多個隨機最佳化訊號在閉環反射回路中相互作用，同時提升效能與放大方差。關鍵發現包括：基於失敗反思不可或缺、MAGE在GSM8K-Hard上優於GEPA、增大候選多樣性使POCE訊號最明顯、POCE依賴於基礎模型能力空間、低資料場景下固定提示優於最佳化器。

本研究透過兩階段流水線（監督微調+4位量化）將LLaMA 3 (8B)微調為高效的替代重排序器，在RAG管道中替代傳統交叉編碼器，在保持高準確率的同時顯著降低推理成本。在領域特定問答基準上，微調模型在答案相關性、上下文精度、答案相似度和答案正確性上分別提升14%、16%、19%和21%。

本文提出了一種基於軌跡感知知識估計（TAKE）的文本資料集蒸餾框架，利用影響函式和訓練軌跡計算每個樣本的知識得分，並透過最優傳輸選擇原型樣本，可將語料庫壓縮至原始大小的0.1%，同時保持下游任務效能。該方法在文本分類和自然語言推理任務上驗證了有效性，為資料高效AI提供了理論支撐。

本文提出一種基於圖的框架，結合弱監督與傳播圖分析，檢測Telegram生態系統中的虛假資訊敘事。該方法將語義相關的宣告聚合為敘事級聚類，並建模其在互連頻道間的擴散，從而發現僅透過帖子級分析難以捕捉的協調放大行為。實驗表明，融合文本訊號與網路結構可提供可擴充套件的檢測方法，並揭示虛假資訊在大型訊息環境中的傳播機制。

一項新研究評估了最先進的大語言模型在韓語-盲文雙向翻譯上的表現，發現輸出質量差且不穩定，與人類判斷存在顯著分歧。相比之下，對小型T5-small模型進行監督微調後，所有標準指標均大幅提升。研究表明，當前LLM缺乏盲文感知的標記化，且與盲文模式對齊薄弱，揭示了無障礙關鍵模態中的系統性限制。

本研究提出G-SHARE框架，將核電站人因事件診斷的CNNP九步準則轉化為多階段診斷流程，包括證據提取、逐步推理和一致性修復。在真實資料集上，G-SHARE顯著優於一次性提示和傳統機器學習方法，表明結構化推理和一致性約束對穩健診斷至關重要。

本文介紹了CANDI-QA資料集，用於評估大型語言模型在醫學診斷和金融諮詢等專業領域的上下文對齊能力。資料集包含資訊輔助和應用推理兩類問題。研究評估了十多個模型，並提出了輕量級神經符號框架MTSS-Net作為基線。結果表明，當前LLM在專業領域實現上下文對齊仍面臨重大挑戰。

本研究透過擴充套件規模，大幅縮小了點及時語言模型與不受時間約束模型之間的效能差距。研究者訓練了多達40億引數的解碼器專用Transformer模型，使用FineWeb中1萬億按時間順序篩選的令牌，構建了從2013年到2024年的月度模型檢查點序列。在常識推理和語言理解基準測試中，這些模型接近了同等規模的領先開放權重模型（如Gemma-3-4B和LLaMA-7B）的效能。透過LoRA進行指令微調進一步提升了下游可用性。研究團隊釋出了完整的流水線，以實現可復現的點及時語言建模。

研究人員提出BattVAE-GP框架，結合變分自編碼器和高斯過程，高效模擬鋰離子電池在不同充電速率下的長期退化軌跡，並量化不確定性。該方法降低了計算成本，為電池健康預測提供了高效替代模型。

隨著大型預訓練模型規模增長，微調中的記憶體瓶頸日益突出。LoRA透過低秩適應減少引數，但啟用值儲存成為新的瓶頸。CARE-LoRA利用LoRA投影結構，將完整輸入啟用替換為低秩壓縮啟用，並計算輕量重建矩陣用於反向傳播，大幅降低記憶體佔用，同時保持或提升效能。

本文介紹了由Afonso S. Bandeira、Amit Singer和Thomas Strohmer合著的新書《資料科學的數學基礎》，該書全面涵蓋了高維詛咒與祝福、奇異值分解、線性迴歸、圖論與聚類、非線性降維、隨機投影、最佳化、分類、深度學習、圖拉普拉斯、集中不等式、壓縮感知等主題，為資料科學提供了堅實的數學基礎。

映象理論提出透過可行路徑熵（VPE）度量智慧系統在反覆反射下維持連貫延續的能力。實驗表明，增加token預算可擴充套件驗證可達性，且模型能力並非僅取決於引數數量。

線性注意力模型透過固定大小的迴圈狀態取代softmax注意力的KV快取，但限制了精確狀態跟蹤和長上下文記憶。本文提出半直積傅立葉增量注意力（SFDA），一種相位控制的泛化方法，將實對角衰減替換為塊旋轉傅立葉控制。主要貢獻是構造性塊WY分解，實現了精確的仿射塊傳輸、形式化穩定性和複雜度界限，以及相位加低秩記憶的緊湊表徵。實驗表明SFDA能學習迴圈記憶，而相位停用的KDA基線接近隨機。

本文提出GenAI Evaluation，一種配置驅動的流水線，用於大規模評估零售對話系統。透過規範化、分片、非同步執行和模式約束的LLM評分，評估有幫助性、真實性、清晰度、語氣一致性和翻譯維度。選擇性重新評估僅處理無效記錄，支援模式鎖定和版本化配置。每日處理約5萬條記錄，已評估超200萬次互動。在12,980條人工標註記錄上取得宏F1 0.93和翻譯準確率89%。

本研究探討了多智慧體語言模型系統中互動圖結構如何影響共識形成。透過命名遊戲協議，研究人員分析了開源語言模型（1.1B-32B引數）群體中的約定形成過程。研究發現，同質性閾值相似性路由會加劇碎片化，而橋樑尋找路由在有記憶的情況下可修復碎片化。在異質模型群體中，閾值相似性導致共識失敗，而狀態元件和標籤分歧橋樑可恢復共識。同質模型群體中，保留歷史通常促進共識，其中Qwen2.5-32B模型在所有保留歷史設定中均達到穩定共識。該研究還驗證了結果對狀態閾值、群體規模和詞彙表大小的魯棒性，並表明早期視窗圖能量特徵可作為有效的網格內診斷工具。

論文提出了一個“代理就緒網站”設計框架，旨在增強電商平臺對AI代理的可讀性、可解釋性、可驗證性和可操作性。實驗表明，代理就緒網站將嚴格成功率從49.3%提升至89.3%，部分成功結果從43降至3，平均步驟數從9.31降至6.49。

本文批判了人工智慧中的最佳化文化，指出最佳化過程雖然能衡量文本的不可預測性，但無法區分錯誤與創新。儘管如此，最佳化已在短短五年內取代了傳統機構，掌握了定義合法語言權威的地位。

GRID是一種基於語法約束的解碼引擎，透過將LALR(1)解析器狀態作為掩碼鍵，確保SQL輸出語法正確且符合角色許可權策略，提供可證明的保證、恆定時間成本及完整審計追蹤。在Spider資料集上，0.5B模型執行準確率提升13%，7B模型透過修復達到94.5%可執行率。

該研究結合了本體增強蒸餾與情境審計兩項方法，針對受資料居留規則約束的金融機構，提出租戶自有語言模型的構建與治理方案。蒸餾實驗表明，Qwen3.6-27B學生模型在40項越南語金融任務中達到36項正確，與GPT-5相當，但統計功效不足以證明等價；情境審計試點的結果表明殘存情境性為零，直接影響與構造耦合才是有效訊號。研究不支援當前模型的可部署性、安全性或優越性。

本文綜述了非平穩環境下的上下文強化學習（ICRL），即預訓練或微調的決策模型如何僅透過互動上下文推斷潛在任務規則並改進未來行為，而無需在測試時更新引數。在變化的環境中，累積的上下文可能變得過時甚至誤導，因此策略必須推斷當前決策規則並識別哪些歷史證據仍然有效。論文圍繞三個核心問題組織文獻：什麼在變化、變化如何展開以及變化對智慧體的可觀察程度，並將其與元強化學習、決策序列建模、檢索增強強化學習等方法聯絡起來。

本文提出了一個嚴格的永續期貨市場最優做市理論框架，將做市問題建模為隨機最優控制問題，貢獻包括損益分解定理、HJB方程、高APY區域定理等。數值分析揭示了盈利與非盈利區間的相變。

GPT-5.6系列中，Sol和Luna在任何智慧水平上的成本效率均優於Terra，尤其是Luna表現出極高的價效比。

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

Simon Willison 在 Codex Desktop 中意外啟用了一個“寵物”功能，並利用 GPT-5.6 Sol 和 gpt-image-2 建立了一個騎腳踏車的鵜鶘寵物，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程式設計代理：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、測試迴圈、PR及非同步工作流、覆蓋範圍、成本與開放性五個維度的表現。

MIT教授Devavrat Shah透過研究和創業，致力於設計能夠利用有限計算資源進行即時決策的AI方法。他共同創立的Ikigai Labs開發了基於表格時間序列資料的基礎模型，被Celonis收購後，有望整合到企業流程管理中，實現大規模預測和最佳化。

阿明·羅納赫在一篇關於AI代理和軟體工程的文章中強調，軟體專案的共享語言並非英語或Python，而是對概念、邊界、不變數、所有權和系統形態的共同理解。他指出，在AI代理出現之前，這種理解透過“摩擦”維持——如閱讀程式碼、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、語音搜尋和影片可能被用於訓練其AI模型。使用者被自動預設開啟，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絡，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整合多種LLM提供商（如Ollama、Amazon Bedrock、OpenAI、Anthropic等）。它具備MCP工具系統、RAG能力、使用者檔案學習、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，還支援網路搜尋、影像分析、檔案操作、bash執行等功能。

擴充套件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 釋出了 Blume，一個開源、MIT 許可的文件框架。它讀取 Markdown 或 MDX 資料夾，生成隱藏的 Astro 專案，輸出靜態的 AI 就緒文件，包含本地搜尋、30+ MDX 元件、llms.txt 和內建 MCP 伺服器。

Mistral AI 推出了 Robostral Navigate，一個 8B 引數的具身導航模型。該模型僅使用單個 RGB 攝像頭，無需 LiDAR 或深度感測器，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、字首快取訓練和 CISPO 線上強化學習。

本文提出一種人效後訓練管道，透過專業化分工（遠端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臺機器人。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。框架整合了物理資料採集、虛擬重建、風險感知場景生成和演算法評估，並透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。

無人機蜂群在搜尋救援和環境監測中潛力巨大，但受限於態勢感知不足、連線中斷和網路安全風險。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，實現自適應蜂群行為，同時分析了攻擊面擴大、優先順序操縱攻擊等威脅，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，透過從第一人稱人類影片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。它整合了EgoSmith資料流水線（9.6K小時高質量資料，吞吐量提升9倍）、統一遙操作機器人平臺和世界模型增強的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，並可透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、資料和模型已開源。