Liquid AI 发布两款开源决策模型 d1-3B 和 d1-omni-600M，专为边缘设备设计。d1-3B 在 Decision Index 0.2.1 中得分 48.57，优于同尺寸及更大参数量的模型，支持文本和图像输入；d1-omni-600M 作为实验性版本，支持文本与图像或音频的多模态处理。
推荐理由：原文展示了小参数量决策模型在边缘设备上的低延迟表现及多模态支持，为资源受限场景下的结构化推理提供了可复用的开源方案。
Microsoft Research Asia 推出 Agent Lightning v1.0，这是一个约 3500 行代码的轻量级智能体强化学习框架，支持使用部署时的真实 Agent Harness 直接参与训练。
推荐理由：微软亚洲研究院提出 Harnessed Agentic RL 范式，通过仅 3500 行代码的轻量框架让真实 Agent Harness 直接参与强化学习，在 SWE-bench Verified 上以约 6000 样本实现 Qwen3.5-9B 性能提升。
DeepLearning.AI 发布内容解析端到端语音模型的技术原理，指出其通过单一模型直接处理音频输入输出，取代了传统的 ASR、LLM 和 TTS 串联架构。该方式减少了延迟并保留了语调与情感细节，代表了语音交互从模块化向一体化演进的趋势。
推荐理由：原文对比了传统语音处理链路与端到端模型的差异，帮助读者理解新一代语音交互的技术演进路径。
Ai2 宣布其字节级语言模型 Bolmo 的研究成果发表于 Nature，并在 Hugging Face 上发布了新的模型检查点。团队展示了名为 byteifying 的技术，能将现有的子词模型（如 Olmo、Qwen 3 8B 和 Llama 3 8B）通过短期额外训练转换为字节级模型。
推荐理由：Ai2 在 Nature 发表 Bolmo 研究，展示将子词模型转换为字节级模型的通用方法，并开源了基于 Qwen 和 Llama 的新检查点。
NVIDIA 团队基于 Nemotron 3 通过监督微调（SFT）、强化学习（RL）和反馈驱动推理，构建了在 IMO 2026 和 IOI 2026 达到金牌水平的专用系统。
推荐理由：原文公开了将 Nemotron 微调至竞赛金牌水平的完整配方，包含 SFT、RL 与推理循环的协同设计细节及开源资源。
Hugging Face 推出 Falcon-ASR，一款由 TII 开发的 1.6B 参数阿拉伯语语音识别模型。该模型在六组阿拉伯语测试集上平均词错误率为 20.92%，优于此前最佳公开结果 23.17%。它支持英语、法语等五种语言及单词级时间戳，可在 Hugging Face Demo 中试用。
在可能的情况下，我们希望给用户选择权——并明确说明水印能做什么和不能做什么。文本水印有助于回答一个问题：“这是否可能由 OpenAI 模型生成？”其工作原理是在文本生成时嵌入不可见的统计信号。
我们正根据欧盟监管要求，将内容溯源方法扩展至文本领域，同时认识到当前文本水印技术的显著局限性。我们的工具已有助于验证图像或音频文件是否由我们创建
OpenAI 宣布推出一项由内部前沿模型驱动的新成果。该模型在数学推理任务中表现卓越，其开发过程得到了来自 Institute for Advanced Study 的独立专家顾问团的指导与验证。
推荐理由：官方宣布新模型并提及独立顾问团，展示了前沿模型研发中的外部监督机制。
我们正在扩大网络安全验证计划，为安全专业人员提供更广泛地访问我们最强模型的机会。通过该计划，经过验证的安全专业人员可以访问 Claude Mythos 5.1、Opus 5.5 和 Sonnet 5.5，这些模型配备了专为防御性工作设计的安全保障措施。
我们现在正进入一个全新的发现时代：
感谢机器，以及现实的结构，让我们能多理解一点。
我会屏蔽那些提示词导致其生成将诗歌与业务流程重组等无关内容强行关联的愚蠢评论的回复机器人，或者那些引用诗中随机一行并称之为“人们忽略的部分”等的机器人。你们可以做得更好。
当下的AI政策，尤其是来自各大实验室的政策，让我想起这首诗。如果你相信超级智能即将到来，你就不必艰难地决定如何构建AI以让世界变得更美好。只需等待ASI（人工超级智能），它会替我们做决定。但如果这没有发生……
大量报道聚焦于少数几家拥有自有竞争性产品及庞大云基础设施的科技公司对 Claude 或 OpenAI 的使用情况。其实还有非常多并非直接竞争对手的企业，它们的使用趋势更具参考价值。
我倾向于在本地机器上使用 ChatGPT 进行 Codex 工作（通过 Remote connection 进行管理），但 Dot 运行在云端，而且我在本地机器上还有几个 Claude 的定时任务……天哪，向那些不深入钻研这些技术的人解释这一切实在太令人困惑了。
过去几周，我将大量 Cowork 复杂工作切换到了新的 Claude Projects（令人困惑的是，它与旧版 Claude Projects 不同，而是与专用云虚拟机持续对话）。我发现它在大多数方面都更好，但文档并不清晰。
AI 撰写的学术论文存在一个微妙问题：AI 未针对反馈进行校准。AI 通常只会顺从，但如果你正在提交论文评审，同行评审的挑战应促使你尝试捍卫自己的观点（同时在确实错误时予以放弃）
当人们谈论 AI 轻易取代工人时，我会想到 1990 年代关于复印机维修技师的民族志研究。你可以看到工作是如何由工人复杂地、即兴地完成，且是非正式和文档记录糟糕的。（但最终技术确实基本消除了这份工作）
我也认为，那些积极的应用场景（正如证据所示，当前 AI 能提供良好的健康信息与财务建议，并促成初创企业等）同样被低估且讨论不足。我们确实需要担忧许多风险，但也值得在已有的成功基础上继续发展
我认为，过去几年密切关注 AI 的大多数人，可能会惊讶于糟糕的 AI 事故相对罕见——考虑到总体有十亿用户和数亿企业用户。这并不意味着这种情况会持续，但确实令人惊讶。
你的模型中拥有完美的用户体验工具！它应该向你建议有用的功能，并在用户感到沮丧时能够进行故障排查！
提醒各 AI 实验室：你们应当确认所发布的模型理解你们的产品及其使用方法（并在发布新功能时进行更新）。没有什么比你的 AI 了解如何使用你的电脑，却唯独不懂它自己的应用更奇怪的了。
是时候让每个AI账号再次假装深刻理解数论，以发表对最新数学突破重要性的看法了。
上下文，OpenAI 今日在数百个大问题上取得突破或重要进展：https://openai.com/index/sharing-ai-progress-in-mathematics/…（我也看到 AI 在我的经济社会学领域进行新颖工作的能力迅速提升，近乎自主的研究正达到顶级期刊水平）
在短暂但侵蚀机构公信力的“垃圾科学”时代之后，AI似乎将带来两场革命：1）所有已发表成果将以人类科学家未曾预料的方式被重新阅读和评判；2）新发现将开始加速涌现
这个助手能记住你把钥匙放哪了。无需网络连接，无远程服务器。在由 Dylan Couzon 授课、与 Qdrant 合作的课程中亲手构建一个。免费报名：https://hubs.la/Q04zn4_N0 #AI #VectorSearch #AIEngineering
OpenAI 发布了其内部前沿模型在数学开放问题上取得的新研究成果。该机构同时在 GitHub 上分享了相关的 Lean 证明形式化文件以及详细的研究资料。
同一新闻，精选展示《OpenAI 发布由内部前沿模型驱动的新成果》
Jump Trading 利用 OpenAI 的 ChatGPT 扩展量化研究。其核心在于运行更长时间的 AI 工作流，将多个数据源与人工审查相结合。
利用开源智能体系统 OpenClaw 在 Amazon Bedrock AgentCore runtime 上构建具备记忆能力的个人助手，通过 AgentCore memory 将对话转化为持久知识。该架构支持按任务路由 Claude Haiku 4.5（文本）与 Claude Sonnet 4.5（视觉），采用消费型计费使轻量使用成本降至每月约 $1–2。
Google DeepMind 发布 EmbeddingGemma 2，这是一个基于 Gemma 4 架构的开源轻量级多模态嵌入模型，拥有 740M 参数并采用 Apache 2.0 许可证。
Xiaomi MiMo-Code 采用 Checklist Rewarding 技术，将每个 checklist 项的分数乘以强化学习奖励，以同时优化功能正确性和代码质量。该方法使模型在 Artificial Analysis Coding Index 上达到 40.8 分，并在 OpenHands SWE-bench Verified 上获得 65.2% 的成绩，领先于其他开源权重模型。
OpenAI 与 Ironclad 正通过训练和评估 AI 智能体处理复杂合同工作流，以推进面向专业工作的计算机使用能力。该合作聚焦于让模型在真实业务场景中执行操作，旨在提升 AI 在文档处理等任务中的自动化水平。
Sierra 在 Summit 2026 上推出 Agent OS 的新模型 Curie 和 Fleming，分别用于对话编排与识别代理来电。同时发布 Persona Studio 以自定义语音人格，并联合 Meta 等伙伴制定 Personal Agent Protocol 开放标准。
Sierra 与 Meta 联合宣布推出开放标准“Personal Agent Protocol”，定义个人 AI 智能体与企业交互的方式。该协议基于 OAuth 构建会话，支持智能体通过网站、API（如 MCP）或企业自有智能体完成任务，并允许用户控制读写权限。
推荐理由：Meta 与 Sierra 联合发布个人智能体协议，旨在通过标准化接口解决智能体访问企业服务的身份验证与权限控制难题。
该方案利用 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 及 Managed Knowledge Base，为航空应用添加实时语音交互层。通过 Strands Agents 框架与 MCP 协议连接后端，实现座位变更、行程查询等自然语言操作。架构采用微 VM 隔离与按需扩展，支持用户无缝切换触控与语音会话。
Amazon SageMaker Studio 新增功能，允许用户直接在 UI 中创建和管理 SageMaker HyperPod Spaces。数据科学家无需使用 CLI 或 kubectl，即可在浏览器中启动 JupyterLab 和 Code Editor 环境。该集成简化了从集群访问到开发的工作流，支持通过引导式表单配置计算资源、命名空间及存储。
AWS 发布指南，阐述如何通过 SageMaker Unified Studio 管理共享的 SageMaker HyperPod 集群。文章详解组织、项目、集群和工作负载四层控制边界，涵盖身份、容量分配及可观测性策略设计。该方案旨在让基础设施团队集中管控集群，同时允许 ML 团队在项目上下文中安全启动工作负载。
Microsoft Research 研究员 Jennifer Neville 指出，当模型在超越传统基准的测试中表现时，会出现“令人惊讶的失败”。她强调深入分析数据对于理解违背预期的结果至关重要。该对话探讨了评估如何推动 AI 系统性能边界以满足用户需求，并分享了处理当前 AI 系统的实用指导。
AWS 通过提供工具支持客户实施 ISO/IEC 42005:2025 标准，以规范 AI 系统影响评估。该标准指导企业将评估整合至现有风险管理体系，避免重复工作并确立重评触发机制。AWS 已为 Amazon Bedrock 等服务取得相关认证，并发布 AIMS 实施指南及 Well-Architected 框架辅助落地。