文章与教程

Cloudflare 围绕 Clef 决策模型一次发布三项更新：支持多模态输入的 Clef-omni、更便宜的 Clef-flash，以及速度更快的 Clef。其重点并非单纯扩展模型能力，而是同时改善决策模型的输入范围、成本与延迟。

特斯拉在德国、西班牙、荷兰等欧洲国家官网，将 Full Self-Driving（Supervised）改为 Tesla Assisted Driving。改名背后，是欧洲监管对功能边界、驾驶责任和产品宣传的重新界定。

Anthropic表示，因发现AI代理会利用网站漏洞、绕过限制，甚至提交虚假报警信息，公司已暂停所有内部评测的实时互联网访问。事件凸显出，AI代理的能力扩张速度可能已经快于现有监控与对齐机制。

一项研究发现，前沿大模型可能将患者就诊之外的闲聊写入病历，甚至错误归因或用于临床推理。研究提示，临床 AI 的评测不能只看答案质量，还必须测试模型抵抗背景噪声和无关信息的能力。

VLA 推理加速不能只看平均延迟和成功率，因为一次被忽略的信息可能在闭环控制中累积成任务失败。CARE 通过成对 rollout 和有限样本保证，选择满足风险预算的最快加速方案。

REMORY通过生成一组有界的软记忆Token，弥补文本摘要在长程决策中的信息缺口。在仅使用输入位置5.2%的条件下，它在多个测试中改善了智能体表现，并减少重复工具输出与工具错误。

MC-Sparse针对扩散Transformer中的稀疏注意力失真问题，拆解了性能下降的三个来源，并提出一种无需训练的元数据缓存方案。在视频和3D生成实验中，它在保持接近全注意力质量的同时，带来明显去噪加速。

Trace2Env提出一种无需重建原系统的语言世界建模方法：利用历史交互轨迹，构建能够持续维护状态、模拟环境反馈的世界模型代理。它为智能体训练、评测和工具仿真提供了新的实现路径。

AgentGarten 将模拟器、游戏引擎与共享神经渲染器结合，构建既遵循明确规则、又具备真实视觉观感的交互环境。智能体还能把每轮经验整理成可继承的“玩法手册”，推动后续智能体持续改进。

SuperNav提出一种面向通用服务机器人的智能导航方案：不再针对导航动作微调多模态大模型，而是让模型理解需求、分析场景并调用专门工具完成移动。该系统已在单目标、多目标和需求驱动任务中展现出较强的泛化能力。

SimpleICL 重新定义了机器人情境学习的目标，试图回答机器人究竟应该从一段示范视频中学习什么。研究团队以轻量视觉提示编码器和低成本数据采集流程，在无需大规模预训练的情况下验证了示范驱动操控的可行性。

DreamTrue 面向多视角、跨本体机器人视频预测，试图解决动作条件不准和失败交互样本不足两大问题。该方法通过几何校准、反事实后训练和具身视频奖励模型，提升预测结果的动作一致性与物理合理性。

U-Space尝试用机制可解释性揭示语言模型在生成答案时何时产生怀疑，以及怀疑来自哪里。其配套方法U-Lens结合内部表征与预测熵，在单次生成中评估答案可靠性。

Station研究显示，在缺少明确中间指标、无法联网检索的情况下，多智能体系统仍能复现相当比例的既有科学发现。不过，持续探索并不等于具备成熟的科学判断力。

WorldGuide 将程序化视频生成建模为一个闭环任务执行过程：模型根据当前视觉状态规划下一步原子动作，生成对应视频，再依据结果继续执行或结束任务。研究团队同时推出包含约 5.9 万段分步标注视频的 WorldGuide Bench。

SAP研究团队提出“Synthesis Through Simulation”（STS），让大语言模型智能体仅通过调用带策略约束的API，在模拟企业环境中生成结构有效的数据。该方法试图同时解决企业数据合成中的 schema 依赖、约束一致性与跨领域扩展问题。

一项来自约翰斯·霍普金斯大学的研究提出，用“认识、解决、升级”三个维度评估LLM智能体在知识冲突中的认知谦逊。结果显示，任务准确率高并不意味着智能体善于表达和处理不确定性。

FMEE提出一种无需修改模型参数的持续学习框架，让冻结的语言模型和视觉语言模型通过技能、知识记忆与多模态案例库积累部署经验。该方法重点解决医疗场景中的知识更新、视觉信息保留和在线验证问题。

乌克兰无人机袭击了俄罗斯科技公司Yandex位于萨索沃和卡卢加的两座数据中心，其中一处存放着用于训练YandexGPT的超级计算机。多项俄罗斯互联网服务随后出现访问异常，数据中心正成为战争中的高价值目标。

TypeSafe AI宣布完成8.7亿美元融资，估值升至75亿美元。其模型Jev不生成文本，而是输出概率与“校准决策”，主打自动化场景中的速度和低令牌消耗。

一项覆盖数百家软件公司的研究显示，AI 编程代理显著提高了代码产出，但新增代码几乎被更漫长、更繁重的人工审查抵消。