研究

Soofi聯盟釋出了Soofi S模型，這是一個300億引數的混合專家模型，基於27萬億令牌訓練，專注於德語和英語，旨在為工業應用提供可控、透明且高效的AI方案。目前模型處於測試階段，尚未公開發布。

Teya 是一個開源的AI家庭代理，利用廉價安卓手機作為硬體，透過雲端AI模型實現語音互動、記憶、日程管理、購物清單、費用記錄等功能，旨在成為家庭的“第二大腦”。它完全本地化執行，注重隱私和安全，並支援多語言。

SlopSift 是一款本地執行的寫作檢查工具，透過自定義訓練的依存句法分析器，檢測AI寫作中的套話、無依據的主張和填充內容。它並非AI檢測器，而是識別結構性問題，支援CLI和代理整合，所有處理均在裝置端完成，保護隱私。

人工智慧（AI）繁榮日益依賴債務融資，但隨著超大規模企業加大債券發行，投資者需求卻在下降。亞馬遜最近的債券發行不得不提高收益率，訂單倍數下降。AI債券供應激增，但投資者要求更高利差。同時，中國AI模型Kimi K3的突破性效能引發對美國AI支出可持續性的擔憂，可能導致經濟衰退。

PixelUp 是一款專為 Windows 設計的輕量級 AI 影片放大工具，利用 FSRCNN 和 ESPCN 深度學習模型，在本地硬體上快速將低解析度影片提升至高畫質畫質。它支援 Nvidia CUDA、Vulkan 和 CPU 處理，提供批次任務管理、無損音訊同步，並採用終身許可證模式，一次性付費 $19，無需訂閱，完全保護使用者隱私。

本文探討了如何開發具有多種推理努力模式的模型，涵蓋從o1和DeepSeek-R1到GPT-5.6的推理模型演變，以及RLVR訓練、推理縮放、思考標記和推理模式切換等關鍵技術。

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 儲存庫釋出了一個參考實現——Always-On Memory Agent，它將記憶視為一個持續執行的程序。該系統基於 Google ADK 和 Gemini 3.1 Flash-Lite，不使用向量資料庫或嵌入，而是透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、連線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影像的“脫衣”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，最佳化預算和渠道。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）是一種區域性學習規則，無需權重傳輸或反向傳播即可訓練神經網路，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，並透過模誤差路由擴充套件到多類分類，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 訂閱計劃（額度為50%），併為 Pro 和 Team Standard 使用者提供一次性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資料集豐富功能，無需匯出 CSV 或使用傳統工具，即可直接從瀏覽器頁面（如 Luma 活動頁面）提取並豐富聯絡人資訊，包括 LinkedIn 資料和工作郵箱，並根據理想客戶畫像評分後自動聯絡前 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。

隨著AI工具的普及，批判性思維的定義需要擴充套件。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 支援的一項服務，提供統一的 API 來提取結構化資料、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、資料及時清除）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，支援手寫、公式、圖表和空間語境與AI互動。它透過瀏覽器畫布、伺服器驗證和多種執行器（OpenAI API、Codex CLI、Claude CLI）生成可編輯的AI草稿，使用者可移動、縮放、接受或拒絕。畫布大小達20000x20000點，支援本地快照和稀疏渲染。安裝簡單，需Node.js 18.17+和API金鑰或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程式碼審查，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加速了程式碼編寫，但變更在審查後堆積，導致下游瓶頸加劇。

Malwarebytes釋出的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威脅而減少線上分享，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 釋出了一個開源提取服務的託管版本，支援從 PDF、HTML 和文本檔案中提取結構化資料。該服務免費使用，但不宜用於生產環境或敏感資料。它允許使用者定義提取模式、新增少量示例，並切換不同的 LLM 模型。透過一個簡單的使用者介面，開發者可以快速實驗並整合到自己的 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·夏農共同提出達特茅斯夏季人工智慧研究專案，這被視為人工智慧領域的誕生標誌。該提案首次定義了“人工智慧”這一術語，並闡述了讓機器模擬人類智慧的核心目標，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是一個瑞典公共資料與AI證據引擎，透過互動式視覺化工具展示稅收、預算、政黨立場及民意，提升政治透明度。使用者可輸入收入檢視個人稅負分配，並即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（包括人工智慧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慧活動場地運營代理，使用 MongoDB Atlas、Voyage AI 嵌入、LangGraph 和可選的 Langfuse 追蹤。透過一場虛構的網球賽事 MongoDB Open，代理能夠處理天氣變化、區分不同訪客群體，並在有限場地資源下做出即時決策。文章詳細介紹了架構設計、設定步驟、使用者介面以及記憶體儲存、向量搜尋、混合搜尋和視覺 RAG 的實現。

Zyphra於2026年7月16日釋出了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3.8億引數的掩碼擴散自編碼器，能夠處理任意通道佈局的EEG訊號，並支援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。透過改進訓練策略（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 個機場的資料，包括水深、跑道長度、座標、UN/LOCODE 及 IATA/ICAO 程式碼，所有資料均基於公共領域資料集，無需註冊即可使用。

在最新基準測試中，GPT-5.6 Sol Ultra 僅透過分析補丁提交，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，這標誌著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，並透露自己已在專案中使用“氛圍程式設計”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，從潛在客戶評分、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電腦科學系的聯合教員。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演算法，並部署在Panelot.org平臺上。

本期《下載》探討了圍絕經期錯誤資訊的泛濫，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、腦機介面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資料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，據報微軟是唯一租戶。組織表示此舉是為了抗議資料中心和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 現可透過 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 金鑰氾濫，並透過熟悉的許可權、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慧（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執行，支援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，這啟發他創造了SLOP——一個用於智慧體與應用互動的協議，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數訊號進行推理。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。模型支援擴充套件到多個超長時間序列，記憶體消耗幾乎恆定。ECG推理經7位心臟病專家驗證，正確率97%。所有程式碼、資料集和模型均開源。

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慧計分卡，透過有用工作量、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'，透過壓縮規劃、實施和整合三種認知模式，使開發者儘管效率提高卻更加疲憊。

該資料集提供了一個歐盟AI法案（法規(EU) 2024/1689）的單檔案、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、後設資料、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閱讀器epy移植到Rust，開發了終端閱讀器repy。專案從2025年11月開始，2026年2月釋出，但僅獲得少量關注。文章反思了AI時代軟體過剩的現象，並探討了創作的意義。

本文提出ConFlow框架，將約束資訊直接融入流匹配訓練目標，透過可微的障礙或成本函式以及條件高斯過程，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）腦訊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）互動任務中的智慧體訓練，並測試了多種增強RL演算法的方法，重點關注引數增強而非替換。結果表明，該框架有效：腦訊號在增強軌跡優先順序和狀態-動作Q值時改善了學習。此外，該框架能成功從離線資料中學習，為即時腦機介面設定不實用或資料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，透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。