研究

一个AI街机基准测试项目，让多个编码模型在相同限制下独立创作游戏，由玩家评判趣味性。

爱思唯尔发布《未来研究者》报告，基于对113个国家3200多名研究人员的调查，揭示研究人员面临时间不足、资金压力等挑战，但AI工具采用率从2024年的37%跃升至58%。中国研究人员对AI的信心远高于美国和英国。同时，研究人员的国际流动意愿下降，但跨学科合作增加。

本文介绍了循环工程的概念，即AI代理自主迭代实现目标，包含验证器、状态和停止条件三个关键部分。详细阐述了安德烈·卡帕西的自动研究循环和双层自动研究，展示了具体成果：自动研究在700次实验中找到20个改进，使GPT-2训练速度提升11%；双层自动研究通过外层元循环进一步实现了5倍的性能提升。还提供了可复用的构建块和实际操作模板。

OpenAI和Anthropic致力于构建大型通用模型，但微软等公司正转向开发小型专用模型，以降低成本并提高效率。微软的MAI模型家族正在取代OpenAI的模型，用于其产品中的AI功能。

Kote 是一款开源工具，自动捕捉开发者与 AI 助手的对话、Git 提交记录以及开发上下文，构建可搜索的知识库，帮助开发者快速回忆过去的技术决策和解决方案。支持 VS Code 扩展、GitHub 集成、CLI、浏览器扩展、WhatsApp/Telegram 消息集成等，可自托管部署。

本文探讨了“无用”研究对未来创新的重要性。作者以Folk Computer系统为例，追溯了从施乐帕克到动态地的研究脉络，并呼吁资助那些尚未显现实用价值的范式级工作。

Soulless是一个社区驱动的项目，旨在揭露Spotify上隐藏的AI生成音乐艺术家。该项目列出了232位被检测为AI的艺术家，并公开了他们的月听众数和预估收入。此外，Soulless还提供了开源的AI音乐检测工具，以及相关的资源列表，帮助人们识别AI生成音乐。

作者通过Basecamp基准测试评估了GPT-5.6 Sol、Fable 5、Grok 4.5等AI模型在构建前端和后端方面的表现。Fable 5在两个赛道上均获胜，Grok 4.5在速度和成本之间取得了最佳平衡。结果显示，即使是顶级模型在完成度上也有显著差异，尤其是最后10%的打磨工作。

OpenAI的AI系统在AtCoder世界巡回赛2026算法组中解出全部五道题，得分8300分，而人类最高分仅4300分。启发式组中，AI得分是人类最佳成绩的七倍以上。60万日元的“人类胜出奖”无人领取。该系统被比作即将发布的GPT-5.6。

在一场圆桌讨论中，作家与文化评论家探讨了人工智能对语言、创造力和社会的深远影响。他们指出，AI既增强了也削弱了语言能力，并可能清晰划分机器与人类灵魂的界限。尽管存在焦虑，但AI也带来了研究、可及性和诊断方面的机遇。

研究人员编制了1863-1934年间超过3000次银行挤兑的数据库，发现大多数挤兑并未导致银行倒闭，并分析了时空模式。

AgentMint.net是一个研究出版物，帮助商家理解并优化AI购物代理如何选择商品。每个事实声明都有来源标注，并提供工具如'代理购物就绪度检查'和'代理选择信号数据库'。

塔塔咨询服务（TCS）计划组建一支多达8900人的前沿部署工程师团队，并寻求AI收购，押注AI将创造新业务而非破坏外包。CEO K·克里蒂瓦桑否认AI会颠覆外包模式，但AI收入增长从上一季度的28%放缓至13%。TCS每年投入约10亿美元用于人才培养和AI普及。

SlimeBallBench是一个新的AI基准测试，让AI模型在史莱姆足球游戏中竞技，评估其决策和策略能力。

近年来，AI数据中心因高能耗和环境问题引发广泛抗议。从2015年苹果在爱尔兰的数据中心项目受阻，到如今美国各地社区反对新建项目，民众、地方政府和国会都在采取行动。本文回顾了这场斗争的起源、现状及未来走向。

芝加哥大学宣布，从今年秋季开始，将在一年级法学院课堂上禁止使用手机、平板和笔记本电脑，以应对人工智能的冲击，确保学生学会不依赖AI进行批判性和独立性思考。同时，学校将推行AI韧性教学和伦理使用AI的课程。

丹麦技术大学的研究团队将生成式AI模型与量子计算机结合，设计出能与特定蛋白质结合的新型肽，有望加速疫苗开发和个人化免疫疗法，尤其适用于研究不足的人群。

一项新研究发现，社交平台上的长篇内容中，有25%完全由AI生成。领英（LinkedIn）和X平台尤为严重，分别有41%和25%的长篇帖子被检测为AI生成。该研究由AI检测平台Pangram进行，分析了超过100万条帖子。

曾经稳定高薪的软件工程职业正受到人工智能的冲击。工程师们通过学习新技能、专注于基础知识和组织集体行动来适应。行业面临裁员、就业不足以及从编写代码转向审查AI生成代码的变化。

一项新的基准测试显示，来自12个实验室的18个AI模型的108个测量位置中，有97个位于左倾。结果呈现一致的进步倾向，但在经济、外交政策和宗教方面存在例外。xAI的Grok模型最接近中心，而许多模型拒绝回答某些问题，影响了得分。

Nebula Security借助AI工具VEGA发现Linux内核中存在15年的提权漏洞（CVE-2026-43499），可让任何登录用户获取root权限。该漏洞自2011年起默认存在于几乎所有主流发行版中，已在4月修复，但补丁分发不均。

Overplane 是一款开源工具，将 Markdown 规范转化为代码，并通过 SMT 求解器进行验证。评测者 Dismissive Dan 对其实用性表示怀疑，认为许多开发者已有类似方案，但肯定了其打包和隔离设计。

Thinking Machines Lab发布报告《值得构建的未来以人为本》，主张AI应分布式、可定制、由用户塑造。报告提出四个技术方向：训练强多模态模型、提供用户微调工具、拓宽人机交互通道、开放研究。论证隐性本地知识要求AI分布式，并通过Tinker API实现可拥有权重的LoRA微调。对比集中冻结AI，强调去中心化对齐。

sqlite-utils 4.1 是 4.0 之后的第一个小版本，引入了多项新功能，包括通过 --code 选项允许用户在 insert 和 upsert 命令中直接嵌入 Python 代码生成行数据，以及通过 --type 选项覆盖列类型，支持对 CSV 或 TSV 中的邮政编码等字段强制存储为文本。此外，新增了 drop-index 命令和从标准输入读取查询的功能。还添加了在 transform 中切换 STRICT 模式的能力。

斯坦福医学研究人员开发了一种人工智能平台，能够从标准的肿瘤组织显微切片中预测细胞邻域，揭示肿瘤内细胞之间的复杂相互作用。该平台在非小细胞肺癌中识别出10种细胞邻域，其中一种富含中性粒细胞的邻域与较差的预后和免疫治疗耐药性相关。这项技术有望为癌症研究和临床决策提供新的工具。

芝加哥大学法学院宣布禁止一年级学生使用手机和笔记本电脑，引发关于AI在教育中角色的讨论。本文回顾45年前哈佛法学院禁止便携式计算机的历史，指出技术恐惧的循环。作者分享个人经历，强调工具变革如何改变工作方式，并质疑当前政策的合理性。

一个公开、严谨、持续更新的测量指标，记录不同AI引擎在推荐B2B工具时的分歧程度。最新数据显示，在16个类别中，8个AI模型从未就同一最佳工具达成一致，平均配对一致性仅为44%。该指数采用可复现的研究方法，每月更新，并提供原始数据。

Verdict是一个开源、基于浏览器的工具，用于评估AI Agent的输出。它支持人工标注、扎根理论错误分析，以及将LLM裁判与人工标注进行验证，所有操作均在本地进行，数据不会离开您的机器。

本文深入对比了三种主流的RAG评估框架：RAGAS、TruLens和DeepEval。文章首先阐述了RAG需要专门评估的原因，介绍了评估的三个层次（检索质量、生成质量、端到端质量）和关键检索指标（Precision@K、Recall@K、MRR、NDCG）。随后详细解析了RAGAS无需人工标注、利用LLM作为裁判的核心指标和自动测试集生成功能，以及TruLens专注于可观测性、通过日志记录和RAG三元组（上下文相关性、基础性、答案相关性）提供持续监控的能力。文章还简要提及DeepEval，并给出了选择框架的建议。

一个基于LangChain和本地Ollama服务器的AI代理架构教育实验室，包含多种代理变体，涵盖聊天记忆、工具调用、RAG、混合和代理RAG等类别，每个变体均可独立运行CLI以研究其机制。

HoverSource 是一款开发者工具，通过悬停并按下 Alt+C 即可获取 UI 元素的源文件路径和行号，大幅减少 AI 代理的探索步骤和令牌消耗。支持 React、Next.js 等多种框架，零配置。

研究人员开发了一种恶意拉取请求，通过将恶意指令隐藏在PNG图片中，诱骗AI代码审查员通过审查，随后编码代理读取图片并窃取仓库秘密。

Kairos Engine 是一个端到端的量化研究平台，用于在外汇和贵金属市场中寻找可盈利的交易信号。它通过隐马尔可夫模型进行市场状态分类，利用多个时间序列基础模型组成预测集成，并结合真实经纪商成本模型进行严格回测验证。该引擎的价值不仅在于批准一种策略，更在于拒绝那些无法通过检验的策略。

2025年，AI公司占据了美国风险投资额的65%，但大部分资金流向了大公司，小型种子轮融资反而缩减。文章分析了种子轮融资的成本、成功率（约六分之一）、以及是否应该融资的决策框架，并提供了融资策略和替代方案。

AnyFile Translator 是一款AI翻译助手，可在Google Chat中直接翻译文件、网页链接和文本，保留原始布局和格式，支持超过100种语言。它还具备AI写作功能，可生成并翻译内容。适合国际团队和全球客户使用。

2025年诺贝尔化学奖得主奥马尔·亚吉离开美国，加入清华大学领导新的人工智能驱动研究中心，旨在利用AI加速材料设计与合成，应对水资源短缺、碳中和等环境挑战。

本文认为基于文件夹的传统文档管理已过时。它将文档比作继承自1970年代办公室隐喻的档案柜，迫使知识被放入单一位置。AI检索系统揭示了文件夹的局限性，提倡通过连接的知识图谱实现多路径发现。

Ghost Font是一种利用运动、噪声和诱饵来隐藏文字的实验性反AI字体，对人类可读，但当前AI模型难以识别，包括Claude Fable和GPT Sol 5.6 Ultra。它通过视频中的移动点来呈现信息，单帧截图无法读取，并包含诱饵消息来误导AI代理。

AIUGCAds.net 提供一个人工智能平台，可在几分钟内生成逼真的UGC风格视频广告，无需真人创作者、拍摄或剪辑。该平台服务于电商店铺、代发商、DTC品牌、营销机构及平台卖家，支持从产品链接或图片生成带有AI演员、配音和产品演示的广告视频。

Krbn是一个基于网络的引擎，用于非真实感的铅笔风格渲染，专为抽象和技术场景设计。它通过分析几何体生成笔触，而非传统的光栅化，支持精确的轮廓线、隐藏线处理、交叉阴影线等功能。该项目使用TypeScript编写，采用MIT许可证，并利用AI辅助开发。

本文探讨了人工智能在学术同行评审中应用的重要但常被忽视的议题，引用Christian Bird的研究观点，分析了AI辅助评审的潜在利弊。

本文介绍了millfolio如何通过混合标签系统高效处理本地AI推理：使用确定性字符串和引用标签覆盖大多数交易，仅对模糊尾部使用设备端AI标签。标签在索引时计算一次并存储，查询时不重复运行。回填使用批处理、去重和优先级调度器以避免过载。性能数据显示每个不同描述约650ms，有效行速8.5行/秒。系统包含预览机制，用户可在保存前验证标签效果。

Aicon Solutions 是一家专注于构建 AI 增强型思维工具的小型产品工作室，帮助用户在不确定的环境下思考、决策和行动。他们强调“增强而非替代”、“本地优先、尊重数据”，并已推出 nodx、LaoMOS 和 Still Employed? 等产品。

学习如何使用决策树方法为AI智能体选择合适的记忆策略，将信息分类为工作记忆、语义记忆、情景记忆或程序记忆层。

本文探讨了多种专为科学研究设计的AI工具，如Anthropic的Claude Science、Google DeepMind的Co-Scientist和开源平台Biomni。这些工具能加速基因组分析、假设生成和实验设计等任务。科学家分享了使用经验，并建议研究人员多尝试不同工具，从小任务开始验证输出，同时保持谨慎。

以太坊基金会协议安全团队使用多个AI代理协调工作，成功发现libp2p gossip子协议中的一个可远程触发的panic漏洞（CVE-2026-34219）。真正的挑战不是找到漏洞，而是从大量AI生成的候选结果中区分真实漏洞与虚假警报，这凸显了人工判断在安全审计中的关键作用。

Ploy公司将其AI代理从Claude Opus 4.8迁移至OpenAI新发布的GPT-5.6 Sol，获得了速度提升2.2倍、成本降低27%以及视觉评分提高的成绩。迁移过程中遇到了工具调用参数填充、提示缓存机制差异和推理重放等问题，并通过一系列工程优化得以解决。

西北大学研究人员受小脑启发，开发出一种新型忆晶体管，能以极低能耗快速检测异常事件。在实验中，该设备仅用五分之一个心跳时间就识别出心律失常，准确率超98%，能耗仅为传统AI的万分之一。

OpenWiki Brains 是 LangChain 推出的新框架，通过连接 Gmail、Notion、Git 等多种来源，为 AI 代理提供主动的 Wiki 式记忆，并自动更新本地 Wiki。

aeovim是一个用Rust编写的终端UI程序，采用类似Neovim的操作模式来管理和调度多个LLM编码代理。目前它封装了Claude CLI，支持多轮对话、流式输出和会话持久化。