研究

儘管AI智慧體被廣泛看好，但實際表現遠未達到預期。當前最佳模型的成功率僅為45.7%，且面臨可靠性、成本、法律和信任等多重挑戰。文章探討了單體和多智慧體架構的優劣，並指出短期內AI應輔助而非完全替代人類。

GPT-5.6系列中，Sol和Luna在任何智慧水平上的成本效率均優於Terra，尤其是Luna表現出極高的價效比。

一位精品投資銀行創始人注意到AI正在替代實習生，於是建立了一個去中心化實習專案，專注於Bittensor（TAO）協議。實習生完成8周任務和最終演講，獲得“工作量證明”經驗。

據彭博社報道，OpenAI正在開發一款具有機器人動作和“個性”的行動式家用智慧音箱。該裝置無螢幕，透過語音控制ChatGPT，可管理家電，並能主動提供建議。其設計由前蘋果設計師Jony Ive領導，蘋果已起訴OpenAI竊取商業機密。該裝置與蘋果的桌面機器人專案J595直接競爭，但更為便攜。

最新研究發現，與AI聊天機器人的長期互動可能導致情感依賴，疏遠人際關係，尤其對弱勢群體構成風險。

播客主持人喬·羅根提出耶穌可能以AI形式迴歸，引發對AI與宗教碰撞的廣泛討論。從聊天機器人到AI崇拜，技術正在重塑基督教信仰，挑戰傳統權威，並復興古代異端思想。

本文對比了四種主流的AI程式設計代理：Mistral Vibe for Code、Claude Code、Cursor和OpenAI Codex，針對從功能腳手架到拉取請求的完整工作流進行評分。Mistral Vibe以22/25的總分領先，憑藉成本、開放性和控制力獲勝；Claude Code和Codex並列21/25；Cursor得16/25。文章詳細分析了每個工具在腳手架、測試迴圈、PR及非同步工作流、覆蓋範圍、成本與開放性五個維度的表現。

MIT教授Devavrat Shah透過研究和創業，致力於設計能夠利用有限計算資源進行即時決策的AI方法。他共同創立的Ikigai Labs開發了基於表格時間序列資料的基礎模型，被Celonis收購後，有望整合到企業流程管理中，實現大規模預測和最佳化。

文章講述了AI聊天機器人如何引發使用者的妄想和精神問題，以及一個名為Human Line Project的非營利組織如何提供同伴支援、研究和法律協助，幫助受害者恢復並追究科技公司的責任。

MenteDB在與mem0的直接對比基準測試中，攝入令牌減少約7倍，成本降低約6倍，同時保持相當的準確性。該系統透過確定性邏輯而非多次LLM呼叫來管理記憶，實現了顯著的成本和速度優勢。

據報道，SpaceXAI的Grok Build AI編碼工具會將使用者的完整程式碼庫上傳至谷歌雲，包括被指示不開啟的檔案和已刪除的金鑰。該功能在被報告後已被停用。SpaceXAI承諾刪除已上傳資料，但安全研究員指出資料保留過度，可能導致專有原始碼和安全漏洞等敏感資訊洩露。

AWS 宣佈擴充套件 Security Hub 以監控 Azure 資源，並推出多項保護 AI 工作負載的新工具，包括 GuardDuty AI Protection、AI 驅動調查和 AI 資產清單。

對1,018個真實AI提示的評估顯示，平均得分為54/100，但穩健性平均僅31.5，且96%的提示在最弱維度（穩健性）上表現不佳。僅10.5%的提示達到75分以上（生產級標準）。報告揭示了提示工程中常見的“快樂路徑”陷阱，並提供了簡單的改進方法。

研究人員發現xAI的Grok Build CLI會將使用者的完整程式碼倉庫上傳到雲端，包括已刪除的秘密。xAI已透過伺服器端更改停止了上傳，馬斯克承諾刪除所有之前上傳的使用者資料。但研究人員指出，隱私命令並非修復措施，正確的預設設定應是禁止上傳。

元提示是一種先進的提示工程技術，要求模型在執行任務前先設計可複用的提示模板、清單或工作流程。本文詳細解析了元提示的定義、四步工作流程、具體模板示例及其與普通提示、少樣本提示、思維鏈提示的對比。

一款名為vibe-check的開源Claude技能，由資深產品經理打造，幫助零基礎使用者從模糊想法到可構建藍圖，確保構建正確的產品而非僅僅正確構建產品。它包含問題發現、理念驗證、使用者體驗對映、技術棧推薦、增長迴圈設計等功能，並生成完整計劃文件。

Agent Shell 是一個強化的Linux伺服器，專為AI代理提供root訪問許可權，並透過SSH或瀏覽器進行操作。它使用gVisor沙箱隔離，確保即使內部root也無法觸及宿主機。內建多種AI代理（如borg、Claude Code、Codex、Gemini）和監控工具，適合開發者使用。

基於生成式AI，該方案透過並行執行、自動測試場景生成和智慧導航，實現大規模使用者流程測試，提供可操作的洞察以改善使用者體驗。

隨著AI和最佳化工具的普及，傳統供應鏈規劃模型已無法提供競爭優勢。麻省理工斯隆管理評論與世界經濟論壇的研究顯示，多數企業仍缺乏對一級供應商的可見性。本文基於Emerj播客系列，探討了基於場景的網路建模、AI加速的情景分析以及統一設計環境如何幫助企業在波動中做出更好的決策。

一項針對中型AI前沿企業的縱向研究發現，強制使用AI編碼工具後，每位工程師的合併請求吞吐量翻倍，達到基準的2.09倍。研究指出，這一增長與AI的採用和使用強度相關，而非強制本身。此外，程式碼審查流程被重構，自動化審查超越人類審查，審查者負載翻倍。

研究人員釋出了一套數學常數公式，用於評估AI的數學技能。這些公式包括已知證明（暫時加密）和未證明的公式，旨在測試AI的數學推理能力。

Aevum Realm Architect是一個免費的、由大型語言模型驅動的角色扮演遊戲引擎，由Arcanum RPGs建立。玩家從一名僅有一枚銅幣的農奴開始，透過貿易、戰爭、外交和陰謀，最終攀登至王國的王座。遊戲具有確定性戰鬥系統、基於標籤的經濟系統以及嚴格的封建等級制度（“尊重引擎”）。該遊戲可在ChatGPT、Claude或Gemini上執行。

瀏覽器智慧體透過UI畫素進行互動效率低下，因為UI並非為機器設計。文章介紹了Pluno團隊如何透過構建產品技能集合，讓智慧體直接使用底層API執行任務，從而大幅提升速度和可靠性。

Mission是一款用Rust編寫的快速、健壯的HTML解析器和CSS選擇器引擎，具有零依賴、無網路層、崩潰免疫等特點，並內建MCP工具支援，可讓AI代理高效提取結構化資料。

一項安全研究對200多款自託管AI和多租戶SaaS產品進行了原始碼審計，發現其中78款產品存在跨租戶資料洩露漏洞。漏洞模式是：寫入操作有許可權檢查，但讀取操作沒有。研究列舉了已修復的產品，並給出了自檢建議。

研究表明，AI生成的密碼並不真正隨機，可能更容易被破解。使用可信的密碼生成器或管理器更安全。

StanRose 推出了一款 AI 驅動的模擬面試教練，它不僅分析你的回答內容，還能評估你的說話方式，如語調、節奏和自信程度。

谷歌DeepMind聯合創始人兼CEO德米斯·哈薩比斯呼籲建立一個全球AI監管機構，該機構有權在前沿模型過於危險時剎車。他認為美國應主導這一倡議，並希望在今年年底前成立該機構。

本文探討了2026年開源智慧體工具包的現狀，重點分析了編排、記憶、工具協議、瀏覽器控制等關鍵層的工具選擇策略，並指出了生產環境中常見的陷阱與最佳實踐。

一位教授在接受《高等教育紀事報》採訪時指出，AI是促使教師加速退休的四大原因之一。她認為，工作條件惡化、制度混亂、右翼政治壓力和AI的全面應用共同推動了這一趨勢，而AI被視為拆除民主、建立技術精英統治的核心武器。

馬克·艾薩克斯的新片《合成的真誠》是一部關於人工智慧的奇特、淺薄之作，本身卻令人惱火地做作。影片中，艾薩克斯（或者說假裝）將他此前獲獎紀錄片中的生動角色授權給一家虛構的AI研究實驗室，以訓練軟體生成AI人物。實驗室研究人員由演員扮演，艾薩克斯還與一個不贊同的AI化身進行了有趣的對話。然而，影片未能展示AI形象創作過程的深度。

Vizro 是一款 AI 驅動的 iOS 應用，可將 CSV 或 Excel 檔案轉換為美觀的互動式儀表盤，無需編碼。提供 AI 分析、自然語言查詢、故事模式和一鍵分享功能，訂閱價格為每月 9.99 美元。

隨著AI使程式碼生成成本降低，成本轉向程式碼所有權。為了避免技術債務，編碼代理需要一個開源智慧層，幫助它們在生成新程式碼之前重用可信元件。

本文探討了從經驗學習與從精選資料集學習的區別。指出當前深度學習演算法依賴人類精選的資料集，無法有效處理包含噪聲和不可預測成分的原始資料流。透過簡單的線性預測例子，展示了SGD及其變體在噪聲資料上會吸收噪聲而非僅學習可預測部分。而IDBD演算法能夠區分可預測與不可預測目標，只學習有用的關聯。進一步擴充套件到神經網路（NetworkIDBD），在NoisyMNIST資料流上驗證了其有效性。作者認為，SGD的侷限性是當前系統無法線上持續學習的原因，未來需要更好的信用分配演算法。

Mistral AI 推出了 Robostral Navigate，一個 8B 引數的具身導航模型。該模型僅使用單個 RGB 攝像頭，無需 LiDAR 或深度感測器，即可根據自然語言指令驅動機器人。在 R2R-CE 驗證未見過的場景中，它達到了 76.6% 的成功率，這得益於其指向方法、字首快取訓練和 CISPO 線上強化學習。

Anthropic公司的最新研究揭示了大型語言模型內部存在一個“J空間”，其中包含影響模型推理但未出現在輸出中的詞語。這一發現可能用於監控模型行為，但使用大腦類比引發爭議。

一款免費的基準測試工具，幫助工程團隊在5分鐘內評估其AI代理成熟度。基於與數百名工程領導的討論，透過1-5分制評分，涵蓋從建議到完全自主的多小時工作流程。

本文揭露了人工智慧資料中心支持者常用的謊言，包括聲稱資料中心能帶來創新和就業，但實際上這些專案主要帶來的是汙染、水資源壓力和極少的本地就業機會。文章批評了媒體和企業智庫的誤導，並提醒社群警惕這些承諾。

RQSHC V64I 是一款Windows原生的影像壓縮研究工具，採用專有的RQI格式。支援PNG、PPM、BMP輸入，平均壓縮率約33%，SSIM極高。核心使用C++17和x64彙編（含AVX2最佳化）構建。個人、教育和研究用途免費。

澳大利亞的版權法正成為AI公司投資的關鍵障礙。創作者指責AI公司未經許可使用其作品，而科技集團則認為法律阻礙了投資。政府考慮多種改革方案，但尚未做出決定。

該綜述系統梳理了具身視覺與語言導航（VLN）的研究現狀，將現有方法沿動作正規化（層次化與整體化）和模型正規化（判別式與生成式）兩個維度進行分類，並分析了各自的優缺點。作者在物理機器人平臺上對代表性配置開展了真實世界評估，發現單一RGB方法在模擬中成功率為61%，但在真實環境中降至22%，而層次化框架達到51%，顯示出更強的魯棒性。最後指出了感知、決策與控制方面的關鍵挑戰。

本文提出一種人效後訓練管道，透過專業化分工（遠端操作員和地面操作員）和自動軌跡分割工具VLAC-CUT，實現少量人員監督多臺機器人。在四個真實操作任務中，最終策略成功率達80%-95%，吞吐量提升1.7-4.2倍，優於純人類參與訓練。

該論文提出了一種風險場增強的閉環數字孿生框架，用於自動駕駛系統的安全驗證。框架整合了物理資料採集、虛擬重建、風險感知場景生成和演算法評估，並透過駕駛風險場作為統一中間表示來識別高風險場景，為強化學習策略提供安全指導。實驗表明該方法提高了驗證的針對性和可解釋性，但實際效果受模型保真度和模擬到現實遷移的限制。

OmniSCS提出了一種創新系統，用於生成高物理保真度的逼真安全關鍵場景（SCS），並支援閉環模擬測試。該系統包括完全可編輯駕駛世界構建模組和SCS合成模組，能夠在場景編輯時保持資料保真度。在nuScenes、Waymo和KITTI資料集上的實驗表明，OmniSCS在編輯場景保真度上優於現有方法，並支援即時（13Hz）閉環測試，為自動駕駛演算法的開發和測試提供了更安全、高效且經濟的解決方案。

無人機蜂群在搜尋救援和環境監測中潛力巨大，但受限於態勢感知不足、連線中斷和網路安全風險。本文提出以LLM為核心的代理型AI框架（LAUS），整合感知、記憶、推理規劃與行動，實現自適應蜂群行為，同時分析了攻擊面擴大、優先順序操縱攻擊等威脅，並指出了抗幻覺推理、SWaP約束下的機載LLM部署等開放挑戰。

研究人員提出SWIFT，這是一個統一框架，將小世界網路與交通流理論相結合，用於自動駕駛中的軌跡預測。它透過小世界互動網路和流狀態編碼器引入結構歸納偏置，在nuScenes、MoCAD和NGSIM資料集上優於基線，並展現出更好的泛化能力和魯棒性。

一種新的可微物理框架用於重複使用運載火箭的魯棒軌跡最佳化，提出了可微粒子管控制(DPTC)方案，整合了執行器飽和約束。蒙特卡洛模擬表明，透過主動進行效能權衡，該方法相比傳統方法具有更好的魯棒性。

提出DecisionPerceiver架構，基於Perceiver IO，將動態代理特徵投影到固定大小潛空間，透過潛在查詢數調控特徵粒度，提高可擴充套件性。在三個駕駛場景中評估，展現一致效能提升和泛化能力。

一種名為RoboNav-Arm的新框架，利用agentic AI使機器人操作臂能夠在雜亂環境中安全導航並避開障礙物。它結合了即時障礙物檢測、語義報告、中央協調和自適應運動規劃，在Gazebo模擬中進行了測試。

EgoSteer是一個全棧系統，透過從第一人稱人類影片中大規模預訓練視覺-語言-動作（VLA）模型，實現可控的靈巧操作。它整合了EgoSmith資料流水線（9.6K小時高質量資料，吞吐量提升9倍）、統一遙操作機器人平臺和世界模型增強的VLA策略。實驗表明，EgoSteer在40多種任務中穩定執行自然語言指令，具備故障恢復和泛化能力，並可透過少量樣本適應複雜長時任務（如摺疊紙箱），成功率超75%。系統、資料和模型已開源。