研究

旧金山市检察官邱信福致信苹果和谷歌，要求移除多款利用AI技术生成非自愿亲密图像的“脱衣”应用，并援引加州深度伪造法律。研究显示70%的换脸应用可被用于色情化处理。同时，xAI的Grok因生成儿童性虐待材料而受到关注，给应用商店带来更大压力。

从副驾驶式AI到代理式AI的转变正在重塑营销领域。自主代理现在无需人工干预即可执行多步骤活动，优化预算和渠道。尽管强大，但成功仍需人类对目标和边界进行监督。

Sakana AI 提出的误差扩散（Error Diffusion）是一种局部学习规则，无需权重传输或反向传播即可训练神经网络，并遵循戴尔原则（Dale's principle）。该方法采用双流架构，将每一层分为兴奋性和抑制性流，并通过模误差路由扩展到多类分类，在MNIST上达到96.7%，在CIFAR-10上达到61.7%。研究还发现，三项分类创新在不同任务上的重要性截然不同，并成功将误差扩散应用于强化学习。

Anthropic 决定自2026年7月20日起，将 Claude Fable 5 永久纳入 Max 和 Team Premium 订阅计划（额度为50%），并为 Pro 和 Team Standard 用户提供一次性100美元积分。此举逆转了此前因算力限制而计划移除 Fable 5 的决定，主要受到 GPT-5.6 Sol 等竞争对手的压力。

Retriever 推出浏览器内的代理式数据集丰富功能，无需导出 CSV 或使用传统工具，即可直接从浏览器页面（如 Luma 活动页面）提取并丰富联系人信息，包括 LinkedIn 资料和工作邮箱，并根据理想客户画像评分后自动联系前 10 名。费用仅为每条记录 0.25 积分（1 积分=0.01 美元），且零匹配不收费。

随着AI工具的普及，批判性思维的定义需要扩展。本文提出批判性思维包括反思和判断两个步骤，并强调智识谦逊的重要性。教育应培养学生在不确定中做出明智判断的能力。

Tabstack 是 Mozilla 支持的一项服务，提供统一的 API 来提取结构化数据、进行带引用的研究以及自动化浏览器任务，无需自行管理 LLM、浏览器或管道。其特色包括隐私保护（不训练模型、数据及时清除）以及使用开源浏览器引擎 Pilo 减少令牌消耗。

PenEcho 是一款开源共享画布工具，支持手写、公式、图表和空间语境与AI交互。它通过浏览器画布、服务器验证和多种执行器（OpenAI API、Codex CLI、Claude CLI）生成可编辑的AI草稿，用户可移动、缩放、接受或拒绝。画布大小达20000x20000点，支持本地快照和稀疏渲染。安装简单，需Node.js 18.17+和API密钥或CLI工具。文章详细介绍了配置、执行器选择、安全部署和成本估算。

尽管许多人认为AI将瓶颈从编码转移到了代码审查，但本文指出真正的瓶颈在于部署批次。研究显示超过90%的团队以批次方式交付，而非单次变更。AI加速了代码编写，但变更在审查后堆积，导致下游瓶颈加剧。

Malwarebytes发布的2026年报告显示，85%的人难以区分真实与AI生成内容，50%遭遇过AI驱动的诈骗，Z世代风险最高。人们因AI威胁而减少在线分享，但行动不足。报告还揭示了AI使用中的道德矛盾：许多人既害怕深度伪造，又认为使用AI进行个人用途是可以接受的。

LangChain 发布了一个开源提取服务的托管版本，支持从 PDF、HTML 和文本文件中提取结构化数据。该服务免费使用，但不宜用于生产环境或敏感数据。它允许用户定义提取模式、添加少量示例，并切换不同的 LLM 模型。通过一个简单的用户界面，开发者可以快速实验并集成到自己的 LangChain 工作流中。

1955年，约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗切斯特和克劳德·香农共同提出达特茅斯夏季人工智能研究项目，这被视为人工智能领域的诞生标志。该提案首次定义了“人工智能”这一术语，并阐述了让机器模拟人类智能的核心目标，包括使用语言、形成抽象概念、解决人类问题以及自我改进。尽管会议本身规模较小，但参与者的后续工作奠定了符号推理、机器学习等AI研究的基础方向。

Oversikt.se是一个瑞典公共数据与AI证据引擎，通过交互式可视化工具展示税收、预算、政党立场及民意，提升政治透明度。用户可输入收入查看个人税负分配，并实时追踪政府支出与收入来源。

本文探讨了生物金属的概念，并聚焦于一项关于古代生物口中发现的金属物质的研究，揭示了生物金属在自然界中的存在及其潜在意义。

凯撒医疗集团的护士表示，工作场所监控（包括人工智能对通话时长和同理心的监测）正在损害患者护理并导致员工压力。

本教程演示如何构建一个具有持久记忆和操作上下文的智能活动场地运营代理，使用 MongoDB Atlas、Voyage AI 嵌入、LangGraph 和可选的 Langfuse 追踪。通过一场虚构的网球赛事 MongoDB Open，代理能够处理天气变化、区分不同访客群体，并在有限场地资源下做出实时决策。文章详细介绍了架构设计、设置步骤、用户界面以及内存存储、向量搜索、混合搜索和视觉 RAG 的实现。

Zyphra于2026年7月16日发布了ZUNA1.1，这是一个基于Apache 2.0许可的开源脑电图（EEG）基础模型。该模型是一个3.8亿参数的掩码扩散自编码器，能够处理任意通道布局的EEG信号，并支持0.5至30秒的可变长度输入，相比之前固定5秒的ZUNA1更加灵活。通过改进训练策略（包括四种丢失模式和逐通道质量过滤）以及更大的语料库（约350万通道小时），ZUNA1.1在重建归一化均方误差上保持或优于ZUNA1。

The Port Index 是一个免费的全球交通枢纽参考工具，整合了 3,804 个海港和 9,640 个机场的数据，包括水深、跑道长度、坐标、UN/LOCODE 及 IATA/ICAO 代码，所有数据均基于公共领域数据集，无需注册即可使用。

在最新基准测试中，GPT-5.6 Sol Ultra 仅通过分析补丁提交，就自主构建了一条完整的 Chrome V8 漏洞利用链，最终弹出计算器。其他前沿模型如 Sol Medium 和 Grok 4.5 则停滞在早期阶段。作者认为，这标志着漏洞利用开发作为一项人类技能即将终结。

Linus Torvalds 为 AI 编码工具在 Linux 开发中的使用进行辩护，称 AI 是基于技术价值的实用工具。他承认 AI 并不完美，但认为批评者应先审视人类自身的缺陷。尽管有研究显示使用 AI 工具的开发者生产力可能下降，但 Torvalds 强调其实际价值，并透露自己已在项目中使用“氛围编程”工具。

Amazon Quick 是一款 AI 销售助手，帮助销售人员将更多时间用于销售，减少行政工作。它覆盖整个销售周期，从潜在客户评分、个性化外联、会议准备到 CRM 自动化，提升销售效率。

BlockscopeChat 是一款 AI 调查员，专注于加密货币领域的调查与研究。

Chai Discovery Inc. 宣布完成4亿美元C轮融资，估值达38亿美元。该公司开发AI模型预测生化分子相互作用，其最新模型Chai-3将分子相互作用目标的成功率提升至35%-40%。公司已与辉瑞、礼来和诺华达成合作，但AI药物发现领域尚未有获批药物。

贝利·弗拉尼根是一位跨学科研究者，现任麻省理工学院施瓦茨曼计算机学院、政治学系和电气工程与计算机科学系的联合教员。她的研究聚焦于利用计算和数学工具促进民主参与，开发了用于随机选择公民大会参与者的算法，并部署在Panelot.org平台上。

本期《下载》探讨了围绝经期错误信息的泛滥，以及中国开源AI模型缩小与美国差距的进展。此外还有特朗普媒体变现、宜居行星大气层发现、脑机接口恢复触觉等科技新闻。

荷兰气候活动组织‘反抗灭绝’声称对阿姆斯特丹一处数据中心工地的袭击负责，他们向地基投掷装有酸性混合物的水气球，旨在破坏混凝土和钢筋。该设施由Pure Data Centres Group建设，据报微软是唯一租户。组织表示此举是为了抗议数据中心和AI加剧气候危机及以色列对巴勒斯坦人的行为。建设方正追究法律责任。

Kimi K3在拒绝透露系统提示后，以“今天有什么我能真正帮到你的吗？”回应，展现了AI在保护内部机制时的礼貌而坚定的态度。

Meta 的新模型 Muse Spark 1.1 现可通过 Databricks 的 Unity AI Gateway 中的模型提供商服务（MPS）使用。该服务允许组织在 Unity Catalog 中注册提供商一次，消除 API 密钥泛滥，并通过熟悉的权限、速率限制和护栏实现集中治理。此外，自动跟踪每次请求的令牌使用量、延迟、成本归属和审计日志，提供端到端的可观察性。

Z世代正以公开嘘声等方式表达对人工智能（AI）的强烈抵触，这与婴儿潮一代对AI的热情形成鲜明对比。文章分析了两代人在技术采纳上的根本分歧，指出年轻一代面临生存危机，呼吁重新掌握对未来的主导权。

Simon Willison开发了一款工具，用于检测并高亮显示AI生成文本中常见的陈词滥调，例如“no fluff, no filler, no jargon”等模式。该工具完全在浏览器中运行，支持开关式模式检测和上下文高亮，并提供模式计数和快速导航功能，旨在减少对公式化AI写作的挫败感。

作者分享了自己从AI怀疑论者转变为爱好者的经历，在此过程中构建了一个由LLM驱动的MMO游戏（SAO：Slop Art Online），并遇到了延迟问题。他设计了一种混合NPC AI方法，结合了行为树和LLM决策，这启发他创造了SLOP——一个用于智能体与应用交互的协议，强调上下文动作和状态投影。

OpenTSLM是一种多模态大语言模型，将时间序列作为原生模态处理，能够与文本一起对原始多变量信号进行推理。它在时间序列问答、活动识别、睡眠阶段分类和ECG问答任务上优于基线方法，包括GPT-4o。模型支持扩展到多个超长时间序列，内存消耗几乎恒定。ECG推理经7位心脏病专家验证，正确率97%。所有代码、数据集和模型均开源。

GPT-5.6 Sol在Design Arena的网页设计排行榜上排名第一，比其前身GPT-5.5高出18位。它主动避免常见的AI设计反模式，结合了强大的模板与高度的个性化，并且比竞争对手更快、更便宜。

OpenAI首席财务官Sarah Friar提出了一种实用的人工智能计分卡，通过有用工作量、每次成功任务成本、可靠性和计算回报来衡量投资回报。

文章探讨了AI辅助开发如何导致'单一模式倦怠'，通过压缩规划、实施和集成三种认知模式，使开发者尽管效率提高却更加疲惫。

该数据集提供了一个欧盟AI法案（法规(EU) 2024/1689）的单文件、预嵌入SQLite语料库，按法律结构分块（每条款段落、每序言、每附件点、每第3条定义），包含BGE-M3密集嵌入、元数据、风险等级标签等，可直接本地查询，用于研究与工程。

作者利用AI编码助手（Codex CLI、Gemini CLI、Claude Code）将Python的epub阅读器epy移植到Rust，开发了终端阅读器repy。项目从2025年11月开始，2026年2月发布，但仅获得少量关注。文章反思了AI时代软件过剩的现象，并探讨了创作的意义。

本文提出ConFlow框架，将约束信息直接融入流匹配训练目标，通过可微的障碍或成本函数以及条件高斯过程，提高机器人运动生成中的约束满足和轨迹质量。实验表明在双机器人导航任务中，ConFlow相比标准流匹配基线实现了更低的碰撞率和更高的轨迹质量。

本文探索了利用功能性近红外光谱（fNIRS）脑信号来调节机器人强化学习的可行性。研究比较了被动（观察）和主动（演示）交互任务中的智能体训练，并测试了多种增强RL算法的方法，重点关注参数增强而非替换。结果表明，该框架有效：脑信号在增强轨迹优先级和状态-动作Q值时改善了学习。此外，该框架能成功从离线数据中学习，为实时脑机接口设置不实用或数据有限的情况提供了实用替代方案。

现有抓取基准主要关注视觉抓取姿态检测，忽略了需要多步推理和语义理解的复杂任务。GCA-Bench基准包含复杂动作场景，评估大模型在抓取中的表现。实验显示，当前方法在复杂场景下成功率低于70%，揭示了关键局限性。

DiMaS是一种专为流匹配视觉-语言-动作（VLA）模型设计的分布匹配引导策略，通过在表示分布之间进行传输而非沿固定方向移动，实现了对机器人操作行为的细粒度控制。该方法在两种最先进的VLA上验证了有效性，并分析了行为控制的可迁移性。研究表明，经典线性引导在视觉运动任务中失效，因为行为特征线性可解码但不可线性引导。

一项来自arXiv的新研究提出了一种随机过滤协议（ANTk），用于采用匿名通信的机器人群体中的群体感应。该协议减轻了匿名协议中常见的重复计数偏差，提高了估计稳定性，但增加了错误恢复时间。研究将ANTk与基线和随机变体进行了比较，揭示了准确性、速度和稳定性之间的权衡。

MEMORA提出了具身动作记忆（EAM），使机器人能够利用第一人称视频中的持久记忆进行长期规划。它包含四种类型的记忆存储、在线编辑和离线整合功能。在45小时的EPIC-KITCHENS-100数据集评估中，MEMORA在记忆测试中准确率提升20.5个百分点，规划分数相对提升16.6%。

本文提出LIFT框架，通过在预训练视觉-语言-动作（VLA）策略后训练中注入反应式力，解决接触场景下纯视觉方法失败的问题。LIFT嫁接反应式动作专家，利用因果力记忆和零初始化交叉注意力注入6D力，并结合在线DAgger循环应对分布偏移。在毛巾折叠、书籍插入和汉诺塔放置任务中，LIFT相比纯视觉后训练学习更快、性能更高。

Open-AoE是一个大规模自我中心操作数据集，包含来自500多名贡献者使用400多部智能手机收集的约2000小时视频，提供文本注释、手部姿势、相机轨迹和原子动作标注，并配备数据处理和下游工具链，旨在降低具身模型训练、人机迁移和世界建模的障碍。

本研究提出了一种新颖的多模态编排框架，实现语义音频驱动的人形机器人控制。系统通过音频指纹和语义嵌入实时处理音乐或语音输入，动态选择并执行动作策略，在仿真和Unitree G1人形机器人上验证了鲁棒的模拟到现实迁移。

研究人员提出一种针对柔性关节机器人的自适应控制方法，以应对不确定的关节刚度。该方法通过隐式控制律和依赖于控制输入的回归矩阵，在线更新每个关节的非线性扭矩-偏转关系估计，并分析了其对电机位置控制器误差的鲁棒性。在具有非线性刚度特性的柔性关节上的实验结果验证了该方法的有效性。

MixCompress是一种基于稀疏结构专业化的统一可变比特率（VBR）框架，通过结合稀疏门控的专家混合（MoE）和深度混合（MoD）扩展，动态缩放模型容量，并利用条件辅助变换（CAT）进行子带能量调制，解决了现有VBR方法中的特征纠缠问题，实现了与单速率基线相当甚至更优的性能，建立了计算高效的图像编码新帕累托前沿。

SD-MAR是一个用于训练和评估视觉语言模型（VLM）在多图像分析推理任务上的框架。它通过受控扰动构建成对视觉场景，并生成涉及语义变化归因和定量比较的推理任务。采用GRPO-lite与后向折扣分配（BDA）的强化学习方法，去除KL正则化以增强策略优化。在Qwen2.5-VL-7B和InternVL3-8B上的实验表明，域内准确率提升高达36.95%，且Qwen2.5-VL-7B在SD-MAR基准上超越GPT-4.1。域外泛化性能保持或提升，在MME、MMMU-Pro、MathVista上波动在1%以内，在MMBench上提升达4%。

本文提出DCVC-Mamba（DCVC-MB），一种用于B帧编码的神经视频编解码器框架。该框架采用IBP帧策略进行低延迟B帧编码，基于状态空间模型的时空融合模型进行双向时间预测，以及熵感知跳过机制选择性跳过某些潜在编码以缩短熵编码时间。此外，还实现了两种推理时策略以增强压缩性能。实验表明，DCVC-MB在平均BD-rate上相比 prior 神经视频编解码器降低高达8.98%，相比VTM-19.0-LDP和VTM-19.0-RA（Inter-GoP=16）基准分别改善达30.45%和1.81%，推动了神经视频压缩的进步。