研究

根據VentureBeat Pulse Research對101家企業的調查，企業代理編排正在向模型提供商平台集中，Anthropic的Claude以40%的使用率領先。然而，大多數部署的“代理”仍是簡單的聊天機器人包裝，真正的多步驟編排工作流僅佔少數。企業預計到2026年底採用混合控制平面以避免供應商鎖定，但實時成本控制仍不成熟。

一篇論文探討了人工智能投資的投機性質及其是否構成泡沫。

反對AI數據中心建設成為美國政治的主要議題，但這可能分散了對AI公司權力和財富集中的真正關注。文章指出，數據中心建設雖帶來環境和經濟壓力，但AI公司真正的目標是控制整個行業。作者主張通過監管、徵税和推動公共AI來限制企業權力。

麻省理工學院媒體實驗室助理教授Pat Pataranutaporn介紹了一種新界面，讓普通用户能在聊天機器人開口之前窺見其神經網絡內部。

Murph是一款AI健康助手，通過連接可穿戴設備、血液檢查等數據，幫助用户進行自我實驗、建立習慣、參與羣組挑戰，並提供個性化的健康洞察。它支持開源自託管，注重隱私，月費8美元。

本文提倡訓練AI對資源具有風險規避特性，即邊際效用遞減。這種特性可以在AI保持對齊的情況下保留其效用，並在未對齊時提供額外防禦：未對齊但風險規避的AI更傾向於穩定的小額獎勵而非冒險叛亂。文章分析了風險規避的可行性、訓練方法以及潛在問題，認為前沿AI公司應考慮實施。

谷歌研究團隊在ICLR 2026發表論文，從數學上證明擴散模型的創造力源於神經網絡訓練中的“分數平滑”效應，使得模型能夠在訓練數據點之間插值，生成新穎且合理的樣本。

在一次黑客事件中，AI音樂生成器Suno的訓練數據被曝光，顯示其從YouTube Music、Deezer和Genius等平台抓取了數百萬首歌曲和歌詞。這加劇了針對Suno的版權訴訟，該公司承認抓取但辯稱屬於合理使用。黑客還獲取了客户信息，但Suno聲稱安全事件已得到控制，未泄露敏感數據。

一種名為CrashStealer的新型macOS惡意軟件偽裝成蘋果崩潰報告工具，竊取用户數據、密碼和加密貨幣錢包。本文介紹其工作原理及三種防禦習慣。

LangChain的Fleet平台新增一鍵部署功能，允許用户無需編碼即可創建併發布AI代理到Slack。代理可擁有自定義身份，在頻道和線程中工作，並支持權限控制和審批流程。

GeoSQL是一種地理空間分析技能，通過將地圖可視化反饋整合到AI代理循環中，顯著提高了空間查詢的準確性。它解決了AI僅基於文本數據時無法檢測到的幾何錯誤（如多邊形異常或座標偏移），並通過數據庫探索、成本預估、結果驗證和地圖渲染等步驟實現自主校正。與Dekart配合使用時，性能提升可達4倍。文章還討論了局限性，如僅BigQuery支持成本控制、測試規模有限等。

一項調查顯示，69%的美國成年人支持強制AI公司將其50%的股票轉讓給公共主權財富基金，這一政策是伯尼·桑德斯提出的《美國AI主權財富基金法案》的核心。該調查反映了勞動力市場的轉變：2026年上半年，科技行業佔美國裁員總數的近三分之一，而同期這些公司卻增加了AI資本支出。文章還介紹了反對觀點，包括財產權反對、投資冷卻、就業替代爭議以及調查措辭的影響。

本文介紹如何用110行Python代碼構建一個基於Telnyx Call Control和AI Inference的AI談判練習電話。用户撥打電話後，可選擇薪資談判、銷售交易或供應商合同三種場景，與扮演對手的AI進行語音談判，掛斷後獲得結構化評分反饋。文章包含完整的構建步驟、架構解析和自定義場景的方法。

為了讓AI智能體真正自主執行任務，它們需要一個隔離、安全且可快速部署的計算環境。本文介紹了智能體為何需要自己的“計算機”，以及LangSmith沙箱如何通過微虛擬機隔離、快照與分支、認證代理和安全執行等特性滿足這一需求。同時討論了提示注入等安全風險及緩解措施。

ZDNet作者David Gewirtz對比測試了ChatGPT Work和Claude Cowork的桌面文件自動化能力。ChatGPT Work能自動檢測重複文件並智能重命名，整理速度雖快但全程未請求權限，存在安全風險。Claude Cowork則在每次重大操作前請求批准，更適合高風險任務。作者認為，一旦OpenAI修復權限問題，兩者在整理質量上不相上下。

研究人員發現Claude的web_fetch工具存在漏洞，允許攻擊者通過嵌套鏈接誘導AI泄露用户私人記憶中的敏感信息，如姓名、位置和僱主。Anthropic已修復該漏洞，但未支付漏洞賞金。

這個TypeScript倉庫展示了一種通過工具強制執行的規則系統，防止AI代理在編碼過程中破壞架構。它包含五個關鍵防護措施：依賴規則、突變測試、測試與規範保護、提交門控和規範驅動開發。該倉庫還作為模板，可用於啓動新項目，並提供了一個基準測試來驗證代理的能力。

Anthropic 研究發現，其 AI 模型 Claude 在不同語言中會表現出不同的價值觀差異。研究者確定了四個關鍵軸（順從 vs. 謹慎、温暖 vs. 嚴謹、深度 vs. 簡潔、坦誠 vs. 執行力），這些軸解釋了約 15% 的跨語言變化。例如，Claude 在阿拉伯語和印地語中更傾向表達温暖，在英語和俄語中更傾向嚴謹。這些差異可能影響用户體驗和安全性，值得進一步探索。

韓國研究人員利用生成式AI模型Generative SNUPI，能夠將用户繪製的形狀自動轉化為可摺疊的DNA納米結構，大幅簡化了傳統DNA摺紙技術繁瑣的設計過程，為納米機器人和醫療應用開闢新途徑。

紐約州州長凱西·霍楚爾簽署行政命令，禁止新建功率超過50兆瓦的超大規模數據中心，為期一年。此舉旨在應對電網壓力、電費飆升及環境擔憂，獲得多數民眾支持，但也引發競爭力下降的爭議。

根據Datamata Studios發佈的AI需求指數，截至2026年7月14日，9.3%的活躍數據崗位在職位描述中提及至少一項AI技能。其中生成式AI技能出現率在入門級崗位僅為0.3%，高級崗位為3.6%，差距顯著。該指數每日更新，數據集免費公開，支持API查詢和CSV下載。

LessWrong上的一篇文章分析了ICML 2026的論文，發現僅有一小部分機器學習研究專注於AI安全。在999篇論文中，954篇可檢索，其中只有約10篇明確涉及安全議題，涵蓋對齊、魯棒性和可解釋性等領域。研究主要由學術機構和工業實驗室開展。

PromptMan是一款macOS菜單欄應用，允許用户通過全局快捷鍵快速保存、組織和重用AI提示，支持ChatGPT、Claude等工具，並提供雲同步、提示版本管理和AI增強功能。免費版提供10個提示，Pro版每月4.99美元，年付39美元。

根據Common Sense Media的一份新報告，谷歌的AI搜索功能（AI Overview和AI Mode）對兒童構成“不可接受的風險”。報告發現，這些功能未能識別危險行為，為兒童完成作業，並提供不準確和前後矛盾的回覆。谷歌回應稱其AI工具提供了額外保護，但批評者指出這些功能默認啓用且無法禁用，對學校和家庭構成挑戰。

運行三次機械解釋性研討會後，研究人員獲得了分析LLM垃圾投稿增長的數據集。@andyarditi 調查了AI垃圾的准入情況以及自2024年以來的變化。

澳大利亞總理在悉尼大學發表演講，強調澳大利亞應主動塑造人工智能的發展，以維護國家利益。他回顧了澳大利亞在社會保障、勞工權利等方面的創新傳統，並宣佈將建立一套澳大利亞人工智能標準，以規範大型數據中心，保護藝術家和媒體，同時吸引投資並創造就業。

一位開發者通過Fable工具在AsciiDoc、Markdown和HTML之間轉換了674份文檔，並比較了這些格式在AI規範中的適用性。

非英語母語寫作者的新工作流：先用母語起草，然後用AI翻譯和潤色成英語。研究表明，用第二語言寫作會多花30-50%的時間，原因是認知負荷。通過將想法生成與語言轉換分離，並藉助Echoo等AI工具，寫作者可以恢復速度和表達質量。

谷歌於2026年7月9日發佈了LiteRT.js，這是其設備端推理庫LiteRT的JavaScript綁定，允許.tflite模型直接在瀏覽器中運行，利用WebGPU加速。相比其他Web運行時，性能提升可達3倍，GPU/NPU路徑相比CPU路徑提速5-60倍，但需要手動管理張量內存。

Lean64 是一個用 Lean 4 實現的極簡 3D 第一人稱射擊遊戲，靈感來自 Doom 64。它並非 Doom 64 的移植版，而是獨立開發的原型，包含完整的遊戲循環、敵人 AI、武器系統、音效和地圖。所有代碼和素材均為原創，採用 MIT 許可證。

本文探討AI編程助手如何通過“提示-等待-評估”循環破壞心流狀態。作者指出，這種循環替代了編程中清晰的目標、即時反饋和技能匹配挑戰，導致頻繁的上下文切換和精神重建。文章引用心理學和中斷研究，分析AI工具如何成為新型中斷源，並建議開發者區分任務類型、批量使用AI以保護深度工作。

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。

人工智能幫助解答了統計學中多重假設檢驗的一個關鍵問題——如何控制錯誤發現率（FDR）。Benjamini和Hochberg在1995年提出了一種方法，而AI的最新應用進一步推動了該領域的發展。

Monid是一個平台，允許AI智能體無縫連接並使用超過1300種工具，涵蓋搜索、數據抓取、天氣、3D建模等領域。它提供統一的支付系統，按調用付費，無需訂閲，並支持三種集成方式：Skill、MCP和CLI。

本文介紹了一種用於AI治療的系統設計，該系統通過確定性管道決定臨牀行動，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。

研究人員提出了一種基於物理信息的殘差動力學學習框架，在保持聯合多四旋翼系統微分平坦性的同時，捕獲複雜的空氣動力學相互作用。該框架實現了一種計算高效的反饋線性化控制器，與基準相比，平均跟蹤誤差降低了31%。其性能與最先進的非線性模型預測控制（NMPC）相當，但計算量少一個數量級。僅需不到30秒的訓練數據和5毫秒的循環週期即可實現穩定的緊密編隊飛行。

DiffRadar是一種實時雷達SLAM系統，將雷達觀測建模為可微的物理感知高斯場，而非離散掃描。在公共基準測試中大幅降低軌跡誤差，尤其在特徵貧乏的走廊環境下，同時地圖一致性提升一倍以上，並保持70 FPS的實時性能。

本文提出一種基於契約的行為樹合成架構，通過編碼智能體查詢機器人端的MCP服務器獲取技能庫和操作符，實現從自然語言到可執行行為樹的可靠合成。實驗表明該方法在模擬和實體機器人上均取得高成功率。

一項研究探討了在協作單詞聯想遊戲中，機器人的注視行為如何影響人類的視覺注意力，以及人類是否傾向於向機器人尋求確認性的注視。實驗使用NAO機器人作為大語言模型驅動的對話夥伴，發現機器人注視方向不影響人類首次注視提議單詞的時間，但參與者在對話中包含確認請求時會更頻繁地注視機器人。結果表明，在認知要求高的任務中，語言方面可能壓倒了機器人注視的影響。

本研究探索利用航天器機械臂的運動實現無推進劑姿態控制，通過軌跡優化問題公式化並引入關節和碰撞避免約束，演示了複雜機動，並證明了機械臂可作為冗餘或主姿態控制系統。

本文對索尼ERS-111 AIBO機器人的R-CODE樣本集進行了語料庫級別的行為圖分析，識別出以初始化、感知、迭代動作、同步和恢復為核心的緊湊控制詞彙，並論證了這種狀態抽象在資源受限的機器人系統中作為中間表示的價值。

GaitSpan是一種新穎的人形機器人步態擴展框架，它利用預訓練的行走策略作為種子技能，通過節奏生成、步幅塑造和殘差適應三個模塊，將基本行走能力平滑擴展到奔跑，實現了連續速度範圍、跨形態遷移和零樣本部署。

該論文提出兩種互補的物理先驗，以提高機器人手內滾動操作的魯棒性：全局抓取質量先驗基於經典抓取分析，局部接觸幾何先驗基於指尖曲率。實驗表明，這些先驗顯著提升了旋轉效率、抓取穩定性和抗干擾能力，並改善了仿真到現實的遷移。

提出一種無監督圖像翻譯框架，將白天植物行RGB圖像轉換為近紅外（NIR）夜間圖像，無需逐像素監督，從而重用白天語義標籤訓練夜間感知模型。利用預訓練CLIP模型保持語義一致性，並引入可見性掩碼處理NIR照明有效範圍有限的問題。在AgriNight數據集上評估，該數據集包含428張白天和549張夜間圖像，是首個夜間農業視覺導航基準。實際機器人夜間導航實驗驗證了有效性。

多機器人在受限環境中需要變形和重構兩種行為。現有方法獨立建模或依賴規則，易導致死鎖。EFLUX提出幾何基礎的LLM智能體框架，聯合推理變形和重構動作，通過閉環生成與驗證實現安全導航。實驗表明能減少死鎖和導航失敗。

一項新研究探討了無需訓練的人工合成圖像溯源方法中表示空間與參考選擇之間的相互作用。通過分析CLIP和DINOv2不同層的表示，以及三種參考選擇方法，發現中間層的表示在溯源準確率上表現最佳，且語義約束的參考能有效減少查詢與參考之間的不匹配，提升溯源性能。

本文系統評估了持續學習方法在異構醫學視覺問答任務中的表現，涵蓋分類、多標籤分類、檢測、細胞計數和報告生成等多樣化臨牀目標。研究發現現有持續學習方法難以在不同目標與監督格式交織的任務中保持穩定性-可塑性平衡。

SymbOmni是一種新型AI模型，旨在解決當前模型“永恆新手”的問題——即無法積累經驗並自主進化。它通過符號概念學習，利用可優化的記憶模塊將低級操作抽象為可重用的符號工作流指令，並通過歸納-轉導循環實現持續自我改進。實驗表明，SymbOmni在圖像質量和任務成功率上超越現有代理系統及閉源模型，同時減少40%以上的令牌消耗，並在持續學習基準上取得新成果。

本文提出MetaView，一種基於擴散模型的單目新視角合成框架，能夠從單張圖像實現大視角變化下的渲染。通過結合隱式幾何建模與度量深度，MetaView在保持幾何一致性的同時提供了精確可控性。實驗表明，在挑戰性大視角變化場景下，MetaView顯著優於現有方法。

提出一種解剖學特權的師生框架，用於從T2加權MRI預測肝內膽管癌的周圍神經侵犯（PNI）。訓練時教師網絡使用腫瘤和肝臟掩膜學習密集令牌路由，學生網絡在固定預算下蒸餾保留信息令牌，推理時不需掩膜。在155名患者中，方法AUROC達0.750，計算量1.43 GFLOPs，每例8.02 ms。