文章与教程

研究团队提出训练无关的后门移除方法 NEEDLE，在压制触发器相关行为的同时，尽量保持模型原有能力与拒答安全特征。

KaliBench 面向 Kali Linux 上的自然语言到命令行转换，试图填补网络安全模型评测中“会不会生成可执行命令”的空白。它通过细粒度数据、规范化命令和多阶段验证，评估模型选工具与组装参数的准确性。

一项针对SciCode科学编程任务的研究，将原本写在文字中的方程、边界条件和输出要求封装为可调用的执行检查。结果显示，工具化检查在部分任务上提升了修复成功率，但优势并不稳定，且会增加公开CPU开销。

World Observer 将“行动视角”和“观察视角”分离，通过联合生成多个视角，让离开智能体视野的物体仍能持续演化。该方法还利用全景源和高分辨率参考，改善物体重新进入视野时的状态与外观一致性。

GraphForge提出了一套以真实文件和证据图谱为核心的任务合成框架，试图解决工作型智能体训练数据缺乏真实性与可验证性的问题。实验显示，该方法在多个工作场景基准上带来明显提升。

一项发表于Hugging Face Daily Papers的研究提出PyRUA-Lean，让机器人智能体通过可执行Python单元组合动作、局部重试，并只请求必要的视觉与状态反馈。在相同语言模型调用预算下，任务成功率从63.1%提升至71.7%，共同完成任务的输入Token减少65%。

Argo-Bench 不再只检查模型能否生成正确 SQL，而是模拟一个拥有 235 张表、75 亿行数据的企业仓库，评估智能体能否基于数据完成分析并采取有效行动。测试结果显示，当前模型在跨表推理、统计分析和业务决策上仍存在明显短板。

LOCI 提出一种结合键值缓存与循环线性记忆的空间记忆架构，借助相机投影几何改善视频世界模型对重复场景的回忆。实验显示，它在保持内容细节的同时降低了内存开销，并支持长视频的恒定内存流式处理。

ScholarCatalyst 将科研文献检索从“主题相似”推进到“能否为具体研究提供关键启发”。该基准邀请 184 位论文主要作者回溯标注催化论文，结果显示，当前智能代理距离专家判断仍有明显差距。

HeteroFold 面向异构多智能体系统，尝试解决 Llama、Qwen 与 Ministral 等不同模型家族之间的 KV Cache 共享问题。论文称，在 32K 上下文下，部分跨模型传输相较接收端原生 Prefill 可实现约 10.7 倍加速。

MemFold提出一种面向长期个性化助手的软记忆训练方法：先把与问题相关的文本记忆压缩为固定数量的连续向量，再根据模型自身生成结果优化记忆。它试图解决长历史成本高、传统压缩目标与实际使用脱节的问题。

一项新研究探索如何仅凭文本采样和助手前缀续写，推断并干预黑盒大模型的生成过程。研究重点不在完整重建概率，而在高风险位置进行选择性控制，以降低查询成本。

在肖恩·帕克和新管理层推动下，Stability AI正把业务重心转向音乐。公司获得索尼、华纳和环球等唱片公司的资金与版权支持，并推出新的音频模型及音乐编辑工具。

Meta已开源一套代码和SDK，允许开发者把Muse AI接入电子墨水屏、树莓派、触摸屏及其他DIY硬件。与此同时，Meta还推出了限量版Muse Home Link，用于连接家庭设备。

亚马逊承诺未来五年向数据中心周边社区投入超过10亿美元，并停止在新项目中使用保密协议。但环保组织认为，这些措施回避了发电污染、用水和备用柴油机等核心争议。

PyTorch 团队将 Helion 集成到 vLLM 线性层后端，尝试用高层内核 DSL 和自动调优替代部分手工内核特化。在 NVIDIA Hopper 测试中，该方案通过按形状调优与混合调度，在部分工作负载上取得了超过 10% 的吞吐提升。

美国司法部指控 Earthmade Computer 首席执行官 Greg Lui 通过虚假文件和第三国转运，将价值超过 3 亿美元、搭载英伟达 A100 与 H100 GPU 的服务器输往中国。案件也再次暴露出高端 AI 芯片出口管制在供应链审核环节的漏洞。

苹果宣布将为 macOS 的“完全磁盘访问”权限增加新的控制机制，以应对桌面 AI 代理读取文件、邮件、消息和浏览记录所带来的隐私风险。此次变化重点不是简单限制权限，而是要求用户以更明确的方式作出授权决定。

OpenAI 的 Dots 代理平台试图把云端电脑、桌面应用和语音交互结合起来。实际体验显示，它在网站改版、视频处理等可控任务上更有价值，但面对验证码、账户登录和支付环节仍需大量人工介入。

科技巨头忙着为AI寻找更安全、更亲切的新叙事，但消费端的付费转化依然有限。TechCrunch最新一期播客将焦点放在消费级AI的商业困境，以及企业市场为何仍是主要收入来源。

HC-DLM 将离散词元预测与持续更新的连续潜变量结合起来，试图解决扩散语言模型并行解码时依赖关系被切断的问题。论文报告称，该方法在数独、Countdown 和 LM1B 上优于同规模的离散与连续扩散基线。