研究

AI公司的logo普遍採用帶有中心開口的圓形漸變色設計，被調侃為像肛門。文章分析了這種現象背後的設計心理學、生物模仿和跟風效應，並回顧了科技設計的潮流演變。

本文中，數學家陶哲軒借用國際象棋和數學研究的例子，闡述了個人成長的最佳策略：不斷挑戰略高於當前能力的目標。他警告了兩種極端：只做容易的事（導致停滯）和直接挑戰極難的問題（導致挫敗）。建議採用“中等風險、中等回報”的策略，例如選擇只需新思路就能解決的難題、限制自己使用某些方法、教學相長、以及與鄰近領域的專家合作。

Google Cloud 的生成式 AI 存儲庫發佈了一個參考實現——Always-On Memory Agent，它將記憶視為一個持續運行的進程。該系統基於 Google ADK 和 Gemini 3.1 Flash-Lite，不使用向量數據庫或嵌入，而是通過編排器將請求路由到攝取、整合和查詢子代理，這些代理持續地讀取、連接和將結構化記憶寫入 SQLite。

舊金山市檢察官邱信福致信蘋果和谷歌，要求移除多款利用AI技術生成非自願親密圖像的“脱衣”應用，並援引加州深度偽造法律。研究顯示70%的換臉應用可被用於色情化處理。同時，xAI的Grok因生成兒童性虐待材料而受到關注，給應用商店帶來更大壓力。

從副駕駛式AI到代理式AI的轉變正在重塑營銷領域。自主代理現在無需人工干預即可執行多步驟活動，優化預算和渠道。儘管強大，但成功仍需人類對目標和邊界進行監督。

Sakana AI 提出的誤差擴散（Error Diffusion）是一種局部學習規則，無需權重傳輸或反向傳播即可訓練神經網絡，並遵循戴爾原則（Dale's principle）。該方法採用雙流架構，將每一層分為興奮性和抑制性流，並通過模誤差路由擴展到多類分類，在MNIST上達到96.7%，在CIFAR-10上達到61.7%。研究還發現，三項分類創新在不同任務上的重要性截然不同，併成功將誤差擴散應用於強化學習。

Anthropic 決定自2026年7月20日起，將 Claude Fable 5 永久納入 Max 和 Team Premium 訂閲計劃（額度為50%），併為 Pro 和 Team Standard 用户提供一次性100美元積分。此舉逆轉了此前因算力限制而計劃移除 Fable 5 的決定，主要受到 GPT-5.6 Sol 等競爭對手的壓力。

Retriever 推出瀏覽器內的代理式數據集豐富功能，無需導出 CSV 或使用傳統工具，即可直接從瀏覽器頁面（如 Luma 活動頁面）提取並豐富聯繫人信息，包括 LinkedIn 資料和工作郵箱，並根據理想客户畫像評分後自動聯繫前 10 名。費用僅為每條記錄 0.25 積分（1 積分=0.01 美元），且零匹配不收費。

隨着AI工具的普及，批判性思維的定義需要擴展。本文提出批判性思維包括反思和判斷兩個步驟，並強調智識謙遜的重要性。教育應培養學生在不確定中做出明智判斷的能力。

Tabstack 是 Mozilla 支持的一項服務，提供統一的 API 來提取結構化數據、進行帶引用的研究以及自動化瀏覽器任務，無需自行管理 LLM、瀏覽器或管道。其特色包括隱私保護（不訓練模型、數據及時清除）以及使用開源瀏覽器引擎 Pilo 減少令牌消耗。

PenEcho 是一款開源共享畫布工具，支持手寫、公式、圖表和空間語境與AI交互。它通過瀏覽器畫布、服務器驗證和多種執行器（OpenAI API、Codex CLI、Claude CLI）生成可編輯的AI草稿，用户可移動、縮放、接受或拒絕。畫布大小達20000x20000點，支持本地快照和稀疏渲染。安裝簡單，需Node.js 18.17+和API密鑰或CLI工具。文章詳細介紹了配置、執行器選擇、安全部署和成本估算。

儘管許多人認為AI將瓶頸從編碼轉移到了代碼審查，但本文指出真正的瓶頸在於部署批次。研究顯示超過90%的團隊以批次方式交付，而非單次變更。AI加速了代碼編寫，但變更在審查後堆積，導致下游瓶頸加劇。

Malwarebytes發佈的2026年報告顯示，85%的人難以區分真實與AI生成內容，50%遭遇過AI驅動的詐騙，Z世代風險最高。人們因AI威脅而減少在線分享，但行動不足。報告還揭示了AI使用中的道德矛盾：許多人既害怕深度偽造，又認為使用AI進行個人用途是可以接受的。

LangChain 發佈了一個開源提取服務的託管版本，支持從 PDF、HTML 和文本文件中提取結構化數據。該服務免費使用，但不宜用於生產環境或敏感數據。它允許用户定義提取模式、添加少量示例，並切換不同的 LLM 模型。通過一個簡單的用户界面，開發者可以快速實驗並集成到自己的 LangChain 工作流中。

1955年，約翰·麥卡錫、馬文·明斯基、納撒尼爾·羅切斯特和克勞德·香農共同提出達特茅斯夏季人工智能研究項目，這被視為人工智能領域的誕生標誌。該提案首次定義了“人工智能”這一術語，並闡述了讓機器模擬人類智能的核心目標，包括使用語言、形成抽象概念、解決人類問題以及自我改進。儘管會議本身規模較小，但參與者的後續工作奠定了符號推理、機器學習等AI研究的基礎方向。

Oversikt.se是一個瑞典公共數據與AI證據引擎，通過交互式可視化工具展示税收、預算、政黨立場及民意，提升政治透明度。用户可輸入收入查看個人税負分配，並實時追蹤政府支出與收入來源。

本文探討了生物金屬的概念，並聚焦於一項關於古代生物口中發現的金屬物質的研究，揭示了生物金屬在自然界中的存在及其潛在意義。

凱撒醫療集團的護士表示，工作場所監控（包括人工智能對通話時長和同理心的監測）正在損害患者護理並導致員工壓力。

本教程演示如何構建一個具有持久記憶和操作上下文的智能活動場地運營代理，使用 MongoDB Atlas、Voyage AI 嵌入、LangGraph 和可選的 Langfuse 追蹤。通過一場虛構的網球賽事 MongoDB Open，代理能夠處理天氣變化、區分不同訪客羣體，並在有限場地資源下做出實時決策。文章詳細介紹了架構設計、設置步驟、用户界面以及內存存儲、向量搜索、混合搜索和視覺 RAG 的實現。

Zyphra於2026年7月16日發佈了ZUNA1.1，這是一個基於Apache 2.0許可的開源腦電圖（EEG）基礎模型。該模型是一個3.8億參數的掩碼擴散自編碼器，能夠處理任意通道佈局的EEG信號，並支持0.5至30秒的可變長度輸入，相比之前固定5秒的ZUNA1更加靈活。通過改進訓練策略（包括四種丟失模式和逐通道質量過濾）以及更大的語料庫（約350萬通道小時），ZUNA1.1在重建歸一化均方誤差上保持或優於ZUNA1。

The Port Index 是一個免費的全球交通樞紐參考工具，整合了 3,804 個海港和 9,640 個機場的數據，包括水深、跑道長度、座標、UN/LOCODE 及 IATA/ICAO 代碼，所有數據均基於公共領域數據集，無需註冊即可使用。

在最新基準測試中，GPT-5.6 Sol Ultra 僅通過分析補丁提交，就自主構建了一條完整的 Chrome V8 漏洞利用鏈，最終彈出計算器。其他前沿模型如 Sol Medium 和 Grok 4.5 則停滯在早期階段。作者認為，這標誌着漏洞利用開發作為一項人類技能即將終結。

Linus Torvalds 為 AI 編碼工具在 Linux 開發中的使用進行辯護，稱 AI 是基於技術價值的實用工具。他承認 AI 並不完美，但認為批評者應先審視人類自身的缺陷。儘管有研究顯示使用 AI 工具的開發者生產力可能下降，但 Torvalds 強調其實際價值，並透露自己已在項目中使用“氛圍編程”工具。

Amazon Quick 是一款 AI 銷售助手，幫助銷售人員將更多時間用於銷售，減少行政工作。它覆蓋整個銷售週期，從潛在客户評分、個性化外聯、會議準備到 CRM 自動化，提升銷售效率。

BlockscopeChat 是一款 AI 調查員，專注於加密貨幣領域的調查與研究。

Chai Discovery Inc. 宣佈完成4億美元C輪融資，估值達38億美元。該公司開發AI模型預測生化分子相互作用，其最新模型Chai-3將分子相互作用目標的成功率提升至35%-40%。公司已與輝瑞、禮來和諾華達成合作，但AI藥物發現領域尚未有獲批藥物。

貝利·弗拉尼根是一位跨學科研究者，現任麻省理工學院施瓦茨曼計算機學院、政治學系和電氣工程與計算機科學系的聯合教員。她的研究聚焦於利用計算和數學工具促進民主參與，開發了用於隨機選擇公民大會參與者的算法，並部署在Panelot.org平台上。

本期《下載》探討了圍絕經期錯誤信息的泛濫，以及中國開源AI模型縮小與美國差距的進展。此外還有特朗普媒體變現、宜居行星大氣層發現、腦機接口恢復觸覺等科技新聞。

荷蘭氣候活動組織‘反抗滅絕’聲稱對阿姆斯特丹一處數據中心工地的襲擊負責，他們向地基投擲裝有酸性混合物的水氣球，旨在破壞混凝土和鋼筋。該設施由Pure Data Centres Group建設，據報微軟是唯一租户。組織表示此舉是為了抗議數據中心和AI加劇氣候危機及以色列對巴勒斯坦人的行為。建設方正追究法律責任。

Kimi K3在拒絕透露系統提示後，以“今天有什麼我能真正幫到你的嗎？”回應，展現了AI在保護內部機制時的禮貌而堅定的態度。

Meta 的新模型 Muse Spark 1.1 現可通過 Databricks 的 Unity AI Gateway 中的模型提供商服務（MPS）使用。該服務允許組織在 Unity Catalog 中註冊提供商一次，消除 API 密鑰氾濫，並通過熟悉的權限、速率限制和護欄實現集中治理。此外，自動跟蹤每次請求的令牌使用量、延遲、成本歸屬和審計日誌，提供端到端的可觀察性。

Z世代正以公開噓聲等方式表達對人工智能（AI）的強烈牴觸，這與嬰兒潮一代對AI的熱情形成鮮明對比。文章分析了兩代人在技術採納上的根本分歧，指出年輕一代面臨生存危機，呼籲重新掌握對未來的主導權。

Simon Willison開發了一款工具，用於檢測並高亮顯示AI生成文本中常見的陳詞濫調，例如“no fluff, no filler, no jargon”等模式。該工具完全在瀏覽器中運行，支持開關式模式檢測和上下文高亮，並提供模式計數和快速導航功能，旨在減少對公式化AI寫作的挫敗感。

作者分享了自己從AI懷疑論者轉變為愛好者的經歷，在此過程中構建了一個由LLM驅動的MMO遊戲（SAO：Slop Art Online），並遇到了延遲問題。他設計了一種混合NPC AI方法，結合了行為樹和LLM決策，這啓發他創造了SLOP——一個用於智能體與應用交互的協議，強調上下文動作和狀態投影。

OpenTSLM是一種多模態大語言模型，將時間序列作為原生模態處理，能夠與文本一起對原始多變量信號進行推理。它在時間序列問答、活動識別、睡眠階段分類和ECG問答任務上優於基線方法，包括GPT-4o。模型支持擴展到多個超長時間序列，內存消耗幾乎恆定。ECG推理經7位心臟病專家驗證，正確率97%。所有代碼、數據集和模型均開源。

GPT-5.6 Sol在Design Arena的網頁設計排行榜上排名第一，比其前身GPT-5.5高出18位。它主動避免常見的AI設計反模式，結合了強大的模板與高度的個性化，並且比競爭對手更快、更便宜。

OpenAI首席財務官Sarah Friar提出了一種實用的人工智能計分卡，通過有用工作量、每次成功任務成本、可靠性和計算回報來衡量投資回報。

文章探討了AI輔助開發如何導致'單一模式倦怠'，通過壓縮規劃、實施和集成三種認知模式，使開發者儘管效率提高卻更加疲憊。

該數據集提供了一個歐盟AI法案（法規(EU) 2024/1689）的單文件、預嵌入SQLite語料庫，按法律結構分塊（每條款段落、每序言、每附件點、每第3條定義），包含BGE-M3密集嵌入、元數據、風險等級標籤等，可直接本地查詢，用於研究與工程。

作者利用AI編碼助手（Codex CLI、Gemini CLI、Claude Code）將Python的epub閲讀器epy移植到Rust，開發了終端閲讀器repy。項目從2025年11月開始，2026年2月發佈，但僅獲得少量關注。文章反思了AI時代軟件過剩的現象，並探討了創作的意義。

本文提出ConFlow框架，將約束信息直接融入流匹配訓練目標，通過可微的障礙或成本函數以及條件高斯過程，提高機器人運動生成中的約束滿足和軌跡質量。實驗表明在雙機器人導航任務中，ConFlow相比標準流匹配基線實現了更低的碰撞率和更高的軌跡質量。

本文探索了利用功能性近紅外光譜（fNIRS）腦信號來調節機器人強化學習的可行性。研究比較了被動（觀察）和主動（演示）交互任務中的智能體訓練，並測試了多種增強RL算法的方法，重點關注參數增強而非替換。結果表明，該框架有效：腦信號在增強軌跡優先級和狀態-動作Q值時改善了學習。此外，該框架能成功從離線數據中學習，為實時腦機接口設置不實用或數據有限的情況提供了實用替代方案。

現有抓取基準主要關注視覺抓取姿態檢測，忽略了需要多步推理和語義理解的複雜任務。GCA-Bench基準包含複雜動作場景，評估大模型在抓取中的表現。實驗顯示，當前方法在複雜場景下成功率低於70%，揭示了關鍵侷限性。

DiMaS是一種專為流匹配視覺-語言-動作（VLA）模型設計的分佈匹配引導策略，通過在表示分佈之間進行傳輸而非沿固定方向移動，實現了對機器人操作行為的細粒度控制。該方法在兩種最先進的VLA上驗證了有效性，並分析了行為控制的可遷移性。研究表明，經典線性引導在視覺運動任務中失效，因為行為特徵線性可解碼但不可線性引導。

一項來自arXiv的新研究提出了一種隨機過濾協議（ANTk），用於採用匿名通信的機器人羣體中的羣體感應。該協議減輕了匿名協議中常見的重複計數偏差，提高了估計穩定性，但增加了錯誤恢復時間。研究將ANTk與基線和隨機變體進行了比較，揭示了準確性、速度和穩定性之間的權衡。

MEMORA提出了具身動作記憶（EAM），使機器人能夠利用第一人稱視頻中的持久記憶進行長期規劃。它包含四種類型的記憶存儲、在線編輯和離線整合功能。在45小時的EPIC-KITCHENS-100數據集評估中，MEMORA在記憶測試中準確率提升20.5個百分點，規劃分數相對提升16.6%。

本文提出LIFT框架，通過在預訓練視覺-語言-動作（VLA）策略後訓練中注入反應式力，解決接觸場景下純視覺方法失敗的問題。LIFT嫁接反應式動作專家，利用因果力記憶和零初始化交叉注意力注入6D力，並結合在線DAgger循環應對分佈偏移。在毛巾摺疊、書籍插入和漢諾塔放置任務中，LIFT相比純視覺後訓練學習更快、性能更高。

Open-AoE是一個大規模自我中心操作數據集，包含來自500多名貢獻者使用400多部智能手機收集的約2000小時視頻，提供文本註釋、手部姿勢、相機軌跡和原子動作標註，並配備數據處理和下游工具鏈，旨在降低具身模型訓練、人機遷移和世界建模的障礙。

本研究提出了一種新穎的多模態編排框架，實現語義音頻驅動的人形機器人控制。系統通過音頻指紋和語義嵌入實時處理音樂或語音輸入，動態選擇並執行動作策略，在仿真和Unitree G1人形機器人上驗證了魯棒的模擬到現實遷移。

研究人員提出一種針對柔性關節機器人的自適應控制方法，以應對不確定的關節剛度。該方法通過隱式控制律和依賴於控制輸入的迴歸矩陣，在線更新每個關節的非線性扭矩-偏轉關係估計，並分析了其對電機位置控制器誤差的魯棒性。在具有非線性剛度特性的柔性關節上的實驗結果驗證了該方法的有效性。