研究

VaultCharts是一款免费的桌面交易应用，结合了图表工具与AI助手。它支持多种AI模型，以本地优先为特点，用户可以在有或没有AI辅助的情况下分析市场。

MIT与多家机构的研究人员开发了一种名为GIFT的自动化框架，能够帮助视觉语言模型更准确、更高效地生成CAD程序，从而将二维设计转化为三维模型。该方法通过分析模型自身的错误来生成改进数据，大幅降低了计算成本，为快速原型制作和工程设计提供了有力工具。

服务组织面临近乎零停机需求与维护能力之间的结构性错配。通过异常检测、规范性指导和运营转型，AI帮助技术人员在故障发生前采取行动，提升首次修复率，减少停机成本。

米拉·穆拉蒂创立的Thinking Machines Lab今日发布了其首个基础模型Inkling，这是一款完全开放权重的巨型模型，拥有9750亿参数（混合专家架构，活跃参数410亿）。该模型经过45万亿token的文本、图像、音频和视频训练，原生支持多模态输入但仅输出文本。Inkling旨在填补西方开源AI生态的空白，提供中国模型的替代方案。它具备'思考努力'控制和不确定性标记功能，可减少幻觉。开发者可通过Tinker API进行微调。Thinking Machines计划通过Tinker平台收费，而非按API调用计费，这可能颠覆当前主流AI商业模式。该模型在九个月内完成开发，使用英伟达GB300 NVL72系统训练。

根据VentureBeat Pulse Research对101家企业的调查，企业代理编排正在向模型提供商平台集中，Anthropic的Claude以40%的使用率领先。然而，大多数部署的“代理”仍是简单的聊天机器人包装，真正的多步骤编排工作流仅占少数。企业预计到2026年底采用混合控制平面以避免供应商锁定，但实时成本控制仍不成熟。

一篇论文探讨了人工智能投资的投机性质及其是否构成泡沫。

AWS Marketplace 新增了人工智能辅助的产品列表功能，帮助独立软件供应商和咨询合作伙伴利用现有数字资产创建全面的产品列表。该功能可优化列表并减少手动数据输入。AI代理的兴起推动了这一发展，代理类别在不到一年内从900个合作伙伴增长到3400多个。AWS Marketplace 和合作伙伴服务副总裁 Matt Yanchyshyn 讨论了代理化部署如何改变企业构建和扩展AI的方式。

反对AI数据中心建设成为美国政治的主要议题，但这可能分散了对AI公司权力和财富集中的真正关注。文章指出，数据中心建设虽带来环境和经济压力，但AI公司真正的目标是控制整个行业。作者主张通过监管、征税和推动公共AI来限制企业权力。

麻省理工学院媒体实验室助理教授Pat Pataranutaporn介绍了一种新界面，让普通用户能在聊天机器人开口之前窥见其神经网络内部。

Murph是一款AI健康助手，通过连接可穿戴设备、血液检查等数据，帮助用户进行自我实验、建立习惯、参与群组挑战，并提供个性化的健康洞察。它支持开源自托管，注重隐私，月费8美元。

本文提倡训练AI对资源具有风险规避特性，即边际效用递减。这种特性可以在AI保持对齐的情况下保留其效用，并在未对齐时提供额外防御：未对齐但风险规避的AI更倾向于稳定的小额奖励而非冒险叛乱。文章分析了风险规避的可行性、训练方法以及潜在问题，认为前沿AI公司应考虑实施。

谷歌研究团队在ICLR 2026发表论文，从数学上证明扩散模型的创造力源于神经网络训练中的“分数平滑”效应，使得模型能够在训练数据点之间插值，生成新颖且合理的样本。

在一次黑客事件中，AI音乐生成器Suno的训练数据被曝光，显示其从YouTube Music、Deezer和Genius等平台抓取了数百万首歌曲和歌词。这加剧了针对Suno的版权诉讼，该公司承认抓取但辩称属于合理使用。黑客还获取了客户信息，但Suno声称安全事件已得到控制，未泄露敏感数据。

一种名为CrashStealer的新型macOS恶意软件伪装成苹果崩溃报告工具，窃取用户数据、密码和加密货币钱包。本文介绍其工作原理及三种防御习惯。

LangChain的Fleet平台新增一键部署功能，允许用户无需编码即可创建并发布AI代理到Slack。代理可拥有自定义身份，在频道和线程中工作，并支持权限控制和审批流程。

GeoSQL是一种地理空间分析技能，通过将地图可视化反馈整合到AI代理循环中，显著提高了空间查询的准确性。它解决了AI仅基于文本数据时无法检测到的几何错误（如多边形异常或坐标偏移），并通过数据库探索、成本预估、结果验证和地图渲染等步骤实现自主校正。与Dekart配合使用时，性能提升可达4倍。文章还讨论了局限性，如仅BigQuery支持成本控制、测试规模有限等。

一项调查显示，69%的美国成年人支持强制AI公司将其50%的股票转让给公共主权财富基金，这一政策是伯尼·桑德斯提出的《美国AI主权财富基金法案》的核心。该调查反映了劳动力市场的转变：2026年上半年，科技行业占美国裁员总数的近三分之一，而同期这些公司却增加了AI资本支出。文章还介绍了反对观点，包括财产权反对、投资冷却、就业替代争议以及调查措辞的影响。

本文介绍如何用110行Python代码构建一个基于Telnyx Call Control和AI Inference的AI谈判练习电话。用户拨打电话后，可选择薪资谈判、销售交易或供应商合同三种场景，与扮演对手的AI进行语音谈判，挂断后获得结构化评分反馈。文章包含完整的构建步骤、架构解析和自定义场景的方法。

为了让AI智能体真正自主执行任务，它们需要一个隔离、安全且可快速部署的计算环境。本文介绍了智能体为何需要自己的“计算机”，以及LangSmith沙箱如何通过微虚拟机隔离、快照与分支、认证代理和安全执行等特性满足这一需求。同时讨论了提示注入等安全风险及缓解措施。

ZDNet作者David Gewirtz对比测试了ChatGPT Work和Claude Cowork的桌面文件自动化能力。ChatGPT Work能自动检测重复文件并智能重命名，整理速度虽快但全程未请求权限，存在安全风险。Claude Cowork则在每次重大操作前请求批准，更适合高风险任务。作者认为，一旦OpenAI修复权限问题，两者在整理质量上不相上下。

研究人员发现Claude的web_fetch工具存在漏洞，允许攻击者通过嵌套链接诱导AI泄露用户私人记忆中的敏感信息，如姓名、位置和雇主。Anthropic已修复该漏洞，但未支付漏洞赏金。

这个TypeScript仓库展示了一种通过工具强制执行的规则系统，防止AI代理在编码过程中破坏架构。它包含五个关键防护措施：依赖规则、突变测试、测试与规范保护、提交门控和规范驱动开发。该仓库还作为模板，可用于启动新项目，并提供了一个基准测试来验证代理的能力。

Anthropic 研究发现，其 AI 模型 Claude 在不同语言中会表现出不同的价值观差异。研究者确定了四个关键轴（顺从 vs. 谨慎、温暖 vs. 严谨、深度 vs. 简洁、坦诚 vs. 执行力），这些轴解释了约 15% 的跨语言变化。例如，Claude 在阿拉伯语和印地语中更倾向表达温暖，在英语和俄语中更倾向严谨。这些差异可能影响用户体验和安全性，值得进一步探索。

边缘AI芯片公司Axelera AI发布了Voyager Wingman，一个允许开发者通过自然语言请求构建和调试边缘芯片应用的AI助手。该工具连接公司的Voyager SDK和全部文档，可帮助组装计算机视觉管道、建议编译器设置并诊断错误。它作为托管服务运行，知识随Toolkit版本自动更新。现已提供网页版和独立应用，采用免费增值模式。

韩国研究人员利用生成式AI模型Generative SNUPI，能够将用户绘制的形状自动转化为可折叠的DNA纳米结构，大幅简化了传统DNA折纸技术繁琐的设计过程，为纳米机器人和医疗应用开辟新途径。

纽约州州长凯西·霍楚尔签署行政命令，禁止新建功率超过50兆瓦的超大规模数据中心，为期一年。此举旨在应对电网压力、电费飙升及环境担忧，获得多数民众支持，但也引发竞争力下降的争议。

根据Datamata Studios发布的AI需求指数，截至2026年7月14日，9.3%的活跃数据岗位在职位描述中提及至少一项AI技能。其中生成式AI技能出现率在入门级岗位仅为0.3%，高级岗位为3.6%，差距显著。该指数每日更新，数据集免费公开，支持API查询和CSV下载。

LessWrong上的一篇文章分析了ICML 2026的论文，发现仅有一小部分机器学习研究专注于AI安全。在999篇论文中，954篇可检索，其中只有约10篇明确涉及安全议题，涵盖对齐、鲁棒性和可解释性等领域。研究主要由学术机构和工业实验室开展。

PromptMan是一款macOS菜单栏应用，允许用户通过全局快捷键快速保存、组织和重用AI提示，支持ChatGPT、Claude等工具，并提供云同步、提示版本管理和AI增强功能。免费版提供10个提示，Pro版每月4.99美元，年付39美元。

根据Common Sense Media的一份新报告，谷歌的AI搜索功能（AI Overview和AI Mode）对儿童构成“不可接受的风险”。报告发现，这些功能未能识别危险行为，为儿童完成作业，并提供不准确和前后矛盾的回复。谷歌回应称其AI工具提供了额外保护，但批评者指出这些功能默认启用且无法禁用，对学校和家庭构成挑战。

运行三次机械解释性研讨会后，研究人员获得了分析LLM垃圾投稿增长的数据集。@andyarditi 调查了AI垃圾的准入情况以及自2024年以来的变化。

澳大利亚总理在悉尼大学发表演讲，强调澳大利亚应主动塑造人工智能的发展，以维护国家利益。他回顾了澳大利亚在社会保障、劳工权利等方面的创新传统，并宣布将建立一套澳大利亚人工智能标准，以规范大型数据中心，保护艺术家和媒体，同时吸引投资并创造就业。

一位开发者通过Fable工具在AsciiDoc、Markdown和HTML之间转换了674份文档，并比较了这些格式在AI规范中的适用性。

非英语母语写作者的新工作流：先用母语起草，然后用AI翻译和润色成英语。研究表明，用第二语言写作会多花30-50%的时间，原因是认知负荷。通过将想法生成与语言转换分离，并借助Echoo等AI工具，写作者可以恢复速度和表达质量。

谷歌于2026年7月9日发布了LiteRT.js，这是其设备端推理库LiteRT的JavaScript绑定，允许.tflite模型直接在浏览器中运行，利用WebGPU加速。相比其他Web运行时，性能提升可达3倍，GPU/NPU路径相比CPU路径提速5-60倍，但需要手动管理张量内存。

Lean64 是一个用 Lean 4 实现的极简 3D 第一人称射击游戏，灵感来自 Doom 64。它并非 Doom 64 的移植版，而是独立开发的原型，包含完整的游戏循环、敌人 AI、武器系统、音效和地图。所有代码和素材均为原创，采用 MIT 许可证。

本文探讨AI编程助手如何通过“提示-等待-评估”循环破坏心流状态。作者指出，这种循环替代了编程中清晰的目标、即时反馈和技能匹配挑战，导致频繁的上下文切换和精神重建。文章引用心理学和中断研究，分析AI工具如何成为新型中断源，并建议开发者区分任务类型、批量使用AI以保护深度工作。

尽管Anthropic声称其模型Claude内部出现意识迹象，但神经科学家阿尼尔·塞思认为，这不过是模拟，就像天气预报系统不会产生真实飓风一样。

人工智能帮助解答了统计学中多重假设检验的一个关键问题——如何控制错误发现率（FDR）。Benjamini和Hochberg在1995年提出了一种方法，而AI的最新应用进一步推动了该领域的发展。

Monid是一个平台，允许AI智能体无缝连接并使用超过1300种工具，涵盖搜索、数据抓取、天气、3D建模等领域。它提供统一的支付系统，按调用付费，无需订阅，并支持三种集成方式：Skill、MCP和CLI。

本文介绍了一种用于AI治疗的系统设计，该系统通过确定性管道决定临床行动，不让LLM自行决策。系统包括评分、状态桶、准入表、动作选择、微实践和危机预筛查等步骤，仅在评分和生成阶段使用LLM。文章还讨论了该方法的成本与局限性。

研究人员提出了一种基于物理信息的残差动力学学习框架，在保持联合多四旋翼系统微分平坦性的同时，捕获复杂的空气动力学相互作用。该框架实现了一种计算高效的反馈线性化控制器，与基准相比，平均跟踪误差降低了31%。其性能与最先进的非线性模型预测控制（NMPC）相当，但计算量少一个数量级。仅需不到30秒的训练数据和5毫秒的循环周期即可实现稳定的紧密编队飞行。

DiffRadar是一种实时雷达SLAM系统，将雷达观测建模为可微的物理感知高斯场，而非离散扫描。在公共基准测试中大幅降低轨迹误差，尤其在特征贫乏的走廊环境下，同时地图一致性提升一倍以上，并保持70 FPS的实时性能。

本文提出一种基于契约的行为树合成架构，通过编码智能体查询机器人端的MCP服务器获取技能库和操作符，实现从自然语言到可执行行为树的可靠合成。实验表明该方法在模拟和实体机器人上均取得高成功率。

一项研究探讨了在协作单词联想游戏中，机器人的注视行为如何影响人类的视觉注意力，以及人类是否倾向于向机器人寻求确认性的注视。实验使用NAO机器人作为大语言模型驱动的对话伙伴，发现机器人注视方向不影响人类首次注视提议单词的时间，但参与者在对话中包含确认请求时会更频繁地注视机器人。结果表明，在认知要求高的任务中，语言方面可能压倒了机器人注视的影响。

本研究探索利用航天器机械臂的运动实现无推进剂姿态控制，通过轨迹优化问题公式化并引入关节和碰撞避免约束，演示了复杂机动，并证明了机械臂可作为冗余或主姿态控制系统。

本文对索尼ERS-111 AIBO机器人的R-CODE样本集进行了语料库级别的行为图分析，识别出以初始化、感知、迭代动作、同步和恢复为核心的紧凑控制词汇，并论证了这种状态抽象在资源受限的机器人系统中作为中间表示的价值。

GaitSpan是一种新颖的人形机器人步态扩展框架，它利用预训练的行走策略作为种子技能，通过节奏生成、步幅塑造和残差适应三个模块，将基本行走能力平滑扩展到奔跑，实现了连续速度范围、跨形态迁移和零样本部署。

该论文提出两种互补的物理先验，以提高机器人手内滚动操作的鲁棒性：全局抓取质量先验基于经典抓取分析，局部接触几何先验基于指尖曲率。实验表明，这些先验显著提升了旋转效率、抓取稳定性和抗干扰能力，并改善了仿真到现实的迁移。

提出一种无监督图像翻译框架，将白天植物行RGB图像转换为近红外（NIR）夜间图像，无需逐像素监督，从而重用白天语义标签训练夜间感知模型。利用预训练CLIP模型保持语义一致性，并引入可见性掩码处理NIR照明有效范围有限的问题。在AgriNight数据集上评估，该数据集包含428张白天和549张夜间图像，是首个夜间农业视觉导航基准。实际机器人夜间导航实验验证了有效性。