研究

最新基準測試顯示，GPT-5.6 Sol在拉取請求（PR）安全審查中表現最佳，實現100%召回率和0.91的F1分數，每次PR成本僅0.70美元。Anthropic的模型（如Fable 5）未能進入前沿表現，且成本更高。Grok 4.5和Gemini 3.1 Flash Lite提供了經濟高效的替代方案。測試使用私有合成倉庫以避免資料汙染。

SelfAssay是一個整合同行評審研究、真實世界報告和知識圖譜的平臺，為生物駭客提供基於證據的決策支援，透過交叉驗證和校準信心來評估化合物效果。

作者將人工智慧比作印刷機，認為AI並非創造了新的資訊生成方式，而是大幅提升了資訊生成和重組的效率。透過空氣動力學類比，解釋了AI如何透過規模定律逼近人類智慧，並預測AI可能像語言一樣對人類大腦產生深遠的生物學影響。

Adaptive Recall 是一種為AI助手設計的持久記憶系統，它利用認知科學和機器學習，透過多種檢索策略、認知評分、知識圖譜和自我改進機制，不斷提升記憶檢索質量。

一個AI街機基準測試專案，讓多個編碼模型在相同限制下獨立創作遊戲，由玩家評判趣味性。

愛思唯爾釋出《未來研究者》報告，基於對113個國家3200多名研究人員的調查，揭示研究人員面臨時間不足、資金壓力等挑戰，但AI工具採用率從2024年的37%躍升至58%。中國研究人員對AI的信心遠高於美國和英國。同時，研究人員的國際流動意願下降，但跨學科合作增加。

本文介紹了迴圈工程的概念，即AI代理自主迭代實現目標，包含驗證器、狀態和停止條件三個關鍵部分。詳細闡述了安德烈·卡帕西的自動研究迴圈和雙層自動研究，展示了具體成果：自動研究在700次實驗中找到20個改進，使GPT-2訓練速度提升11%；雙層自動研究透過外層元迴圈進一步實現了5倍的效能提升。還提供了可複用的構建塊和實際操作模板。

OpenAI和Anthropic致力於構建大型通用模型，但微軟等公司正轉向開發小型專用模型，以降低成本並提高效率。微軟的MAI模型家族正在取代OpenAI的模型，用於其產品中的AI功能。

Kote 是一款開源工具，自動捕捉開發者與 AI 助手的對話、Git 提交記錄以及開發上下文，構建可搜尋的知識庫，幫助開發者快速回憶過去的技術決策和解決方案。支援 VS Code 擴充套件、GitHub 整合、CLI、瀏覽器擴充套件、WhatsApp/Telegram 訊息整合等，可自託管部署。

本文探討了“無用”研究對未來創新的重要性。作者以Folk Computer系統為例，追溯了從施樂帕克到動態地的研究脈絡，並呼籲資助那些尚未顯現實用價值的正規化級工作。

Soulless是一個社群驅動的專案，旨在揭露Spotify上隱藏的AI生成音樂藝術家。該專案列出了232位被檢測為AI的藝術家，並公開了他們的月聽眾數和預估收入。此外，Soulless還提供了開源的AI音樂檢測工具，以及相關的資源列表，幫助人們識別AI生成音樂。

作者透過Basecamp基準測試評估了GPT-5.6 Sol、Fable 5、Grok 4.5等AI模型在構建前端和後端方面的表現。Fable 5在兩個賽道上均獲勝，Grok 4.5在速度和成本之間取得了最佳平衡。結果顯示，即使是頂級模型在完成度上也有顯著差異，尤其是最後10%的打磨工作。

OpenAI的AI系統在AtCoder世界巡迴賽2026演算法組中解出全部五道題，得分8300分，而人類最高分僅4300分。啟發式組中，AI得分是人類最佳成績的七倍以上。60萬日元的“人類勝出獎”無人領取。該系統被比作即將釋出的GPT-5.6。

在一場圓桌討論中，作家與文化評論家探討了人工智慧對語言、創造力和社會的深遠影響。他們指出，AI既增強了也削弱了語言能力，並可能清晰劃分機器與人類靈魂的界限。儘管存在焦慮，但AI也帶來了研究、可及性和診斷方面的機遇。

研究人員編制了1863-1934年間超過3000次銀行擠兌的資料庫，發現大多數擠兌並未導致銀行倒閉，並分析了時空模式。

AgentMint.net是一個研究出版物，幫助商家理解並最佳化AI購物代理如何選擇商品。每個事實宣告都有來源標註，並提供工具如'代理購物就緒度檢查'和'代理選擇訊號資料庫'。

塔塔諮詢服務（TCS）計劃組建一支多達8900人的前沿部署工程師團隊，並尋求AI收購，押注AI將創造新業務而非破壞外包。CEO K·克里蒂瓦桑否認AI會顛覆外包模式，但AI收入增長從上一季度的28%放緩至13%。TCS每年投入約10億美元用於人才培養和AI普及。

SlimeBallBench是一個新的AI基準測試，讓AI模型在史萊姆足球遊戲中競技，評估其決策和策略能力。

近年來，AI資料中心因高能耗和環境問題引發廣泛抗議。從2015年蘋果在愛爾蘭的資料中心專案受阻，到如今美國各地社群反對新建專案，民眾、地方政府和國會都在採取行動。本文回顧了這場鬥爭的起源、現狀及未來走向。

芝加哥大學宣佈，從今年秋季開始，將在一年級法學院課堂上禁止使用手機、平板和筆記型電腦，以應對人工智慧的衝擊，確保學生學會不依賴AI進行批判性和獨立性思考。同時，學校將推行AI韌性教學和倫理使用AI的課程。

丹麥技術大學的研究團隊將生成式AI模型與量子計算機結合，設計出能與特定蛋白質結合的新型肽，有望加速疫苗開發和個人化免疫療法，尤其適用於研究不足的人群。

一項新研究發現，社交平臺上的長篇內容中，有25%完全由AI生成。領英（LinkedIn）和X平臺尤為嚴重，分別有41%和25%的長篇帖子被檢測為AI生成。該研究由AI檢測平臺Pangram進行，分析了超過100萬條帖子。

曾經穩定高薪的軟體工程職業正受到人工智慧的衝擊。工程師們透過學習新技能、專注於基礎知識和組織集體行動來適應。行業面臨裁員、就業不足以及從編寫程式碼轉向審查AI生成程式碼的變化。

一項新的基準測試顯示，來自12個實驗室的18個AI模型的108個測量位置中，有97個位於左傾。結果呈現一致的進步傾向，但在經濟、外交政策和宗教方面存在例外。xAI的Grok模型最接近中心，而許多模型拒絕回答某些問題，影響了得分。

Nebula Security藉助AI工具VEGA發現Linux核心中存在15年的提權漏洞（CVE-2026-43499），可讓任何登入使用者獲取root許可權。該漏洞自2011年起預設存在於幾乎所有主流發行版中，已在4月修復，但補丁分發不均。

Overplane 是一款開源工具，將 Markdown 規範轉化為程式碼，並透過 SMT 求解器進行驗證。評測者 Dismissive Dan 對其實用性表示懷疑，認為許多開發者已有類似方案，但肯定了其打包和隔離設計。

Thinking Machines Lab釋出報告《值得構建的未來以人為本》，主張AI應分散式、可定製、由使用者塑造。報告提出四個技術方向：訓練強多模態模型、提供使用者微調工具、拓寬人機互動通道、開放研究。論證隱性本地知識要求AI分散式，並透過Tinker API實現可擁有權重的LoRA微調。對比集中凍結AI，強調去中心化對齊。

sqlite-utils 4.1 是 4.0 之後的第一個小版本，引入了多項新功能，包括透過 --code 選項允許使用者在 insert 和 upsert 命令中直接嵌入 Python 程式碼生成行資料，以及透過 --type 選項覆蓋列型別，支援對 CSV 或 TSV 中的郵政編碼等欄位強制儲存為文本。此外，新增了 drop-index 命令和從標準輸入讀取查詢的功能。還新增了在 transform 中切換 STRICT 模式的能力。

斯坦福醫學研究人員開發了一種人工智慧平臺，能夠從標準的腫瘤組織顯微切片中預測細胞鄰域，揭示腫瘤內細胞之間的複雜相互作用。該平臺在非小細胞肺癌中識別出10種細胞鄰域，其中一種富含中性粒細胞的鄰域與較差的預後和免疫治療耐藥性相關。這項技術有望為癌症研究和臨床決策提供新的工具。

芝加哥大學法學院宣佈禁止一年級學生使用手機和筆記型電腦，引發關於AI在教育中角色的討論。本文回顧45年前哈佛法學院禁止行動式計算機的歷史，指出技術恐懼的迴圈。作者分享個人經歷，強調工具變革如何改變工作方式，並質疑當前政策的合理性。

一個公開、嚴謹、持續更新的測量指標，記錄不同AI引擎在推薦B2B工具時的分歧程度。最新資料顯示，在16個類別中，8個AI模型從未就同一最佳工具達成一致，平均配對一致性僅為44%。該指數採用可復現的研究方法，每月更新，並提供原始資料。

Verdict是一個開源、基於瀏覽器的工具，用於評估AI Agent的輸出。它支援人工標註、紮根理論錯誤分析，以及將LLM裁判與人工標註進行驗證，所有操作均在本地進行，資料不會離開您的機器。

本文深入對比了三種主流的RAG評估框架：RAGAS、TruLens和DeepEval。文章首先闡述了RAG需要專門評估的原因，介紹了評估的三個層次（檢索質量、生成質量、端到端質量）和關鍵檢索指標（Precision@K、Recall@K、MRR、NDCG）。隨後詳細解析了RAGAS無需人工標註、利用LLM作為裁判的核心指標和自動測試集生成功能，以及TruLens專注於可觀測性、透過日誌記錄和RAG三元組（上下文相關性、基礎性、答案相關性）提供持續監控的能力。文章還簡要提及DeepEval，並給出了選擇框架的建議。

一個基於LangChain和本地Ollama伺服器的AI代理架構教育實驗室，包含多種代理變體，涵蓋聊天記憶、工具呼叫、RAG、混合和代理RAG等類別，每個變體均可獨立執行CLI以研究其機制。

HoverSource 是一款開發者工具，透過懸停並按下 Alt+C 即可獲取 UI 元素的原始檔路徑和行號，大幅減少 AI 代理的探索步驟和令牌消耗。支援 React、Next.js 等多種框架，零配置。

研究人員開發了一種惡意拉取請求，透過將惡意指令隱藏在PNG圖片中，誘騙AI程式碼審查員透過審查，隨後編碼代理讀取圖片並竊取倉庫秘密。

Kairos Engine 是一個端到端的量化研究平臺，用於在外匯和貴金屬市場中尋找可盈利的交易訊號。它透過隱馬爾可夫模型進行市場狀態分類，利用多個時間序列基礎模型組成預測整合，並結合真實經紀商成本模型進行嚴格回測驗證。該引擎的價值不僅在於批准一種策略，更在於拒絕那些無法透過檢驗的策略。

2025年，AI公司佔據了美國風險投資額的65%，但大部分資金流向了大公司，小型種子輪融資反而縮減。文章分析了種子輪融資的成本、成功率（約六分之一）、以及是否應該融資的決策框架，並提供了融資策略和替代方案。

AnyFile Translator 是一款AI翻譯助手，可在Google Chat中直接翻譯檔案、網頁連結和文本，保留原始佈局和格式，支援超過100種語言。它還具備AI寫作功能，可生成並翻譯內容。適合國際團隊和全球客戶使用。

人工智慧監控系統將能夠跟蹤公共和私人行為，並立即執行規則，導致寒蟬效應，損害個人自由、民主和社會進步。本文探討了監控技術如何透過恐懼和順從抑制異議、創造力和創新，並呼籲採取政策行動。

2025年諾貝爾化學獎得主奧馬爾·亞吉離開美國，加入清華大學領導新的人工智慧驅動研究中心，旨在利用AI加速材料設計與合成，應對水資源短缺、碳中和等環境挑戰。

本文認為基於資料夾的傳統文件管理已過時。它將文件比作繼承自1970年代辦公室隱喻的檔案櫃，迫使知識被放入單一位置。AI檢索系統揭示了資料夾的侷限性，提倡透過連線的知識圖譜實現多路徑發現。

Ghost Font是一種利用運動、噪聲和誘餌來隱藏文字的實驗性反AI字型，對人類可讀，但當前AI模型難以識別，包括Claude Fable和GPT Sol 5.6 Ultra。它透過影片中的移動點來呈現資訊，單幀截圖無法讀取，幷包含誘餌訊息來誤導AI代理。

AIUGCAds.net 提供一個人工智慧平臺，可在幾分鐘內生成逼真的UGC風格影片廣告，無需真人創作者、拍攝或剪輯。該平臺服務於電商店鋪、代發商、DTC品牌、營銷機構及平臺賣家，支援從產品連結或圖片生成帶有AI演員、配音和產品演示的廣告影片。

Krbn是一個基於網路的引擎，用於非真實感的鉛筆風格渲染，專為抽象和技術場景設計。它透過分析幾何體生成筆觸，而非傳統的光柵化，支援精確的輪廓線、隱藏線處理、交叉陰影線等功能。該專案使用TypeScript編寫，採用MIT許可證，並利用AI輔助開發。

本文探討了人工智慧在學術同行評審中應用的重要但常被忽視的議題，引用Christian Bird的研究觀點，分析了AI輔助評審的潛在利弊。

本文介紹了millfolio如何透過混合標籤系統高效處理本地AI推理：使用確定性字串和引用標籤覆蓋大多數交易，僅對模糊尾部使用裝置端AI標籤。標籤在索引時計算一次並儲存，查詢時不重複執行。回填使用批處理、去重和優先順序排程器以避免過載。效能資料顯示每個不同描述約650ms，有效行速8.5行/秒。系統包含預覽機制，使用者可在儲存前驗證標籤效果。

Aicon Solutions 是一家專注於構建 AI 增強型思維工具的小型產品工作室，幫助使用者在不確定的環境下思考、決策和行動。他們強調“增強而非替代”、“本地優先、尊重資料”，並已推出 nodx、LaoMOS 和 Still Employed? 等產品。

學習如何使用決策樹方法為AI智慧體選擇合適的記憶策略，將資訊分類為工作記憶、語義記憶、情景記憶或程式記憶層。

本文探討了多種專為科學研究設計的AI工具，如Anthropic的Claude Science、Google DeepMind的Co-Scientist和開源平臺Biomni。這些工具能加速基因組分析、假設生成和實驗設計等任務。科學家分享了使用經驗，並建議研究人員多嘗試不同工具，從小任務開始驗證輸出，同時保持謹慎。