联合上界覆盖率与路径选择效用：两项城市代理任务的实证评估
基于北京和成都路网速度数据构建的离线代理任务显示，联合校准上界可将路径覆盖率从83.19%提升至92.26%（北京M1）、75.14%至88.33%（成都M1）、74.01%至90.64%（成都M2），但C2策略分别使迟到率增加0.1633、0.7848、0.9200个百分点，平均出行时间增加0.588、3.082、4.418秒。
全部 AI 动态
arXiv cs.AIAI 评分2020 arXiv cs.AIAI 评分2222 更好的交通预测为何未能改善信号控制：一项预测到决策价值的分层诊断研究
一项基于安徽宣城 29 天重建需求数据的分层诊断研究显示，入口级和车流级预测相对历史均值分别降低 4.03% 和 3.92% 的平均绝对误差，但因果预测与五秒事件 oracle 在冻结测试日反而使排队车秒数增加 6.09% 和 3.39%。
arXiv cs.AIAI 评分3434 EPOCH：通过证据治理搜索实现可靠发现
EPOCH 是一种证据治理架构，通过显式任务契约、类型化记忆、主动证伪、准入检查和独立重放构建发现循环，让每个候选方案按其支撑主张的强度与范围接受评估。它在 AlgoTune 上取得 SOTA 聚合表现，平均归一化得分 0.65 对最强基线 0.53，并在内部 Math14 套件上取得最高平均分 0.57。在十个发现问题上，EPOCH 产出可执行构造、优化算法、反例和带证明支持的结果。
arXiv cs.AIAI 评分3737 AegisFlow：面向脆弱数据生态的多智能体自愈修复框架
AegisFlow 是一个基于 LLM 的多智能体框架，通过 Watchdog 与 Repair 智能体自动生成、测试并部署代码补丁，在五类常见故障场景下将 MTTR 从平均 170 分钟降至 3.2 分钟，补丁成功率达 92%。
arXiv cs.AIAI 评分3131 SAGA：通过知识抽象实现 LLM 智能体自我进化
针对 LLM 智能体难以从经验中持续进化的问题，研究者提出 SAGA 框架，将交互轨迹逐步抽象为情景描述、可复用流程和带明确适用条件的原理，并保留与执行证据的关联。检索到的原理会被实例化为任务专属指导，通过纠正反馈与重采样优化候选动作，形成执行—抽象反馈闭环。在 ScienceWorld 和 ALFWorld 上的实验显示任务表现提升，消融研究验证了上下文实例化与动作调控对利用原理级知识的重要性。
arXiv cs.AIAI 评分2222 视觉 Transformer 如何通过转喻回路为抽象概念奠基
研究揭示 Vision Transformer 通过"转喻式奠基"机制识别抽象概念：在 CLIP 和 DINO 视觉编码器上应用 Transcoders 后发现，抽象预测由"火"等具体可解释的锚概念驱动，感知原语主导浅层、类物体锚点先于抽象目标出现，含渲染文字的图像则走独立的感知到文本路径。因果干预实验验证这些转喻中间特征确实参与抽象概念奠基。该成果发表于 EMNLP 2026 主会。
arXiv cs.AIAI 评分2727 RadOnc-Agent：面向放疗全流程 AI 工作流的 LLM 编排框架
RadOnc-Agent 是一个将放疗流程形式化为四个临床阶段、并通过对话界面提供 26 个可调用函数的智能体框架，由大语言模型控制器将临床意图映射为受 schema 约束的调用。
arXiv cs.AIAI 评分2222 Anchor Divergence：用锚点分布为对比学习指定上下文语义几何
研究者提出 Anchor Divergences，通过对比学习、指数族与信息几何的相互作用，在固定表示上建立锚点概率分布与 Bregman 几何之间的对应关系，从而为特定语义结构定制几何度量。检索实验显示，该方法能高效指定上下文相关的语义相似度。代码已开源。
arXiv cs.AIAI 评分2626 FluidPD：面向 SLO 的预填充-解码分离 LLM 服务原地弹性方案
FluidPD 是一个面向 SLO 的 P/D 分离 LLM 服务系统，通过 FluidToken 将部分预填充计算卸载到空闲的解码 worker 以应对瞬时失衡，并用 FluidRole 原地切换运行中 worker 的预填充/解码角色以应对持续失衡，避免模型重载与引擎重启。
arXiv cs.AIAI 评分2424 Text2Dashboard：面向企业 DataBrain 的自然语言仪表盘生成受控智能体架构
Text2Dashboard 是面向 DataBrain 的原型系统，通过可安装 Codex 插件与独立 Agent Runtime，将自然语言分析请求转化为可审查的仪表盘，由确定性软件控制执行并记录状态变更。
arXiv cs.AIAI 评分3636 GameGo：用真实资产锚定的合成轨迹训练游戏开发智能体
研究团队提出 GameGo 框架，将简短游戏创意系统化转化为基于行业实践的产品需求文档，并构建了覆盖 2D、2.5D、3D 游戏的 55,060 条开发轨迹数据集 GameGoData 及含 124 个游戏查询的 GameGoBench。基于该数据训练的 GameGoCoder 在游戏开发基准上超越同类基线，性能接近前沿模型。代码、数据集与模型将全部公开。
OpenAI NewsAI 评分2222 Jump Trading 如何用 ChatGPT 扩展量化研究
Jump Trading 正借助 OpenAI 扩展量化研究，通过运行时间更长的 AI 工作流整合多个数据源，并保留人工审核环节。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型，参数量 740M，可将文本、图像、音频、视频映射到统一嵌入空间。
推荐理由：EmbeddingGemma 2 把文本、图像、音频、视频统一进同一嵌入空间，并给出端侧内存与向量截断的具体数据，便于评估本地多模态检索的可行性。
AWS Machine Learning BlogAI 评分4242 如何在 AgentCore 和 OpenClaw 上构建上下文感知 AI 助手
基于开源智能体系统 OpenClaw 和 Amazon Bedrock AgentCore runtime，可构建具备持久记忆的上下文感知 AI 助手，AgentCore memory 将一次性对话转为持久知识。
OpenAI NewsAI 评分2222 OpenAI 与 Ironclad 如何推进 AI 智能体的计算机操作能力
OpenAI 与 Ironclad 正围绕复杂的合同工作流训练和评估 AI 智能体，以推进计算机操作能力在专业工作场景中的应用。双方的合作聚焦于智能体在真实合同流程中的训练与评测环节。
AWS Machine Learning BlogAI 评分3434 用 Amazon Bedrock AgentCore、托管知识库与 Nova Sonic 构建语音旅行助手
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases，可搭建一套语音旅行助手，让旅客通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
AWS Machine Learning BlogAI 评分2222 在 SageMaker Studio 中直接管理 Amazon SageMaker HyperPod Spaces
Amazon SageMaker Studio 新增在 UI 中直接创建和管理 HyperPod EKS 集群上 SageMaker Spaces 的能力，数据科学家无需 CLI 或 kubectl 即可启动 JupyterLab 和 Code Editor 环境。
AWS Machine Learning BlogAI 评分2222 Amazon SageMaker HyperPod 管理与治理最佳实践
Amazon SageMaker HyperPod 通过 SageMaker Unified Studio 连接项目后，团队可在项目工作区启动训练与微调工作负载，同时由基础设施团队继续通过 SageMaker AI 接口和 API 管理集群。文章提出组织、项目、集群、工作负载四层控制模型，并说明如何跨层设计身份、容量与可观测性策略，在共享加速器算力时保留底层治理控制。
AWS Machine Learning BlogAI 评分2222 AWS 如何帮助客户对齐 ISO/IEC 42005:2025 负责任 AI 治理
AWS 发文解读国际标准 ISO/IEC 42005:2025，说明如何将 AI 系统影响评估整合进企业风险管理体系。该标准覆盖评估全生命周期，Annex D 用于与既有 IT 影响评估流程协同去重，Annex E 提供独立实施模板，并给出轻量级 triage 分类以判断是否需要完整评估。
OpenAI NewsAI 评分2222 Atlassian 与 OpenAI 扩大合作，将企业知识转化为行动
Atlassian 与 OpenAI 扩大合作，把前沿模型与企业知识连接起来，帮助团队规划、构建和交付工作。双方此前已有合作基础，此次扩展聚焦于让企业知识可直接驱动行动。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville：AI 评测如何暴露模型的“意外失败”
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。
NVIDIA BlogAI 评分2222 电信运营商为何将 AI 战略押注在开源模型上
NVIDIA《State of AI in Telecommunications》报告显示，89% 受访者认为开源模型与软件对公司 AI 战略重要。NVIDIA 发布 300 亿参数的 Nemotron 3 Large Telco Model（LTM），由 AdaptKey 基于开源电信数据集微调，并开放完整微调流程。
AWS Machine Learning Blog精选AI 评分6262 GLM 5.3 上线 Amazon Bedrock
智谱（Z.ai）的 GLM 5.3 已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码与长周期智能体任务，通过全托管 API 提供跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。
推荐理由：原文给出 GLM 5.3 在 Bedrock 上的接入方式与提示词缓存用法，可据此评估自建推理与托管调用的取舍。
AWS Machine Learning BlogAI 评分2828 在 AWS GovCloud 中用 Claude Code 与 Amazon Bedrock 运行合规监管工作负载
Anthropic 的 Claude Opus 5.5、Claude Sonnet 5.5 和 Claude Sonnet 5 已上线 AWS GovCloud (US) 区域的 Amazon Bedrock。
AWS Machine Learning BlogAI 评分2626 Amazon SageMaker AI 推出 aws-ai-ml 技能，为 Kiro、Claude Code、Codex 等编码智能体提供生成式 AI 推理优化能力
Amazon SageMaker AI 通过 Agent Toolkit for AWS 推出 aws-ai-ml 技能，让 Kiro、Claude Code、Codex 等支持 MCP 的编码智能体具备推理优化与基准测试能力，可对端点做基准测试、推荐部署配置、对比性能并生成可执行的 SageMaker Python SDK v3 代码。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 ReviewBench：面向 AI 代码审查的开放基准
GitHub 发布 ReviewBench，一个面向 AI 代码审查智能体的开放离线基准，研究预览版已上线，可对比不同审查系统并提交自己的智能体。基准基于 1.039 亿个 GitHub PR 的分布构建，包含 19 种语言的 219 个公开 PR，采用多来源 golden set 与统一评分标准，发布前由资深工程师独立复核，与基准判定一致率 96.6%。
推荐理由：GitHub 公开了代码审查基准的构建方法与离线到线上的验证数据，可据此判断评测信号是否可信。
AWS Machine Learning BlogAI 评分2828 Amazon Quick 如何实现跨账户资源的自动化、可审计迁移
Amazon Quick 的 Quick Resource Migrator 是一个托管在 Amazon Bedrock AgentCore 上的示例 MCP 服务器，可通过单次工具调用把 chat agents、action connectors、knowledge bases、flows 和 spaces 从开发账户迁移到生产 AWS 账户。
AWS Machine Learning BlogAI 评分3232 LangChain 与 Amazon Bedrock Knowledge Bases 的智能体检索实践
Amazon Bedrock Managed Knowledge Base 现已支持智能体检索，通过 AgenticRetrieveStream API 将多部分问题拆解为子查询、执行并判断证据是否充分，不足时再次检索，langchain-aws 包同时暴露智能体与标准两种检索方式。
AWS Machine Learning BlogAI 评分1212 如何在 Amazon Quick 中降级用户角色
Amazon Quick 控制台无法直接将用户从 Admin 降为 Reader 或从 Author 降为 Reader，update-user API 也会以“You cannot downgrade a user role”报错拒绝。
AWS Machine Learning BlogAI 评分2222 用 Amazon Bedrock AgentCore 评估多智能体系统的可解释性与有用性
Amazon Bedrock AgentCore Evaluations 支持内置与自定义评估器，可衡量多智能体系统的准确性、任务成功率与行为表现，并将可解释性作为一等评估维度。
OpenAI NewsAI 评分3838 OpenAI 谈欧盟文本溯源规则下的文本水印方案
OpenAI 阐述了在欧盟文本溯源规则下推进文本水印的思路，说明了水印的适用场景与检测机制，并解释为何检测能力首先向研究人员开放。
NVIDIA BlogAI 评分2222 NVIDIA Inception 初创公司如何用 AI 补齐乳腺癌诊疗缺口
NVIDIA Inception 计划中的多家初创公司正用 AI 补齐乳腺癌诊疗缺口：iSono Health 的 FDA 获批 ATUSA 可穿戴 3D 超声系统约两分钟完成单侧乳房标准化扫描，公司称灵敏度比手持 2D 超声高 28%；Whiterabbit.ai 的 FDA 获批 WRDensity 已用于数十万患者，并研发可自动筛除阴性乳腺钼靶的新一代 AI。
OpenAI NewsAI 评分4242 OpenAI 为 ChatGPT 推出新广告形式并扩展广告衡量工具
OpenAI 在 ChatGPT 中引入新的视觉广告形式，并扩展了面向广告主的衡量工具、归因合作与品牌适配能力。此次更新针对人们使用 AI 的方式设计广告，同时强化广告效果的可衡量性与品牌安全性。
arXiv stat.MLAI 评分2222 ENCORE：用副本交换实现扩散生成精确非平衡控制
研究者提出 ENCORE，首个精确的并行推理时控制方法，通过让每个副本存储生成轨迹，将向上移动变为截断，从而避免模拟难以处理的逆时间过程。该方法证明了目标不变性，并在合成目标、生物分子玻尔兹曼采样和图像生成中取得有竞争力的精度与多样性，还能应用于现有 RE 校正无法处理的蒸馏采样器。
arXiv stat.MLAI 评分1212 Expected Utility Regret 规则：投资组合选择的 Minimax 与 Bayes 最优解
研究提出 Expected Utility Regret（EUR）规则，可同时选择投资组合类别并估计其权重，在正则参数化收益模型中，单一 EUR 规则无需先验分布即可同时达到 minimax 与 Bayes 下界（含主常数项）。均值—方差组合与风险平价组合被推导为该框架的特例；当收益除以波动率的联合分布与资产顺序无关时，EUR 规则与风险平价组合一致。
arXiv cs.AIAI 评分2424 用程序精化与 LLM 智能体发现认知算法
研究者提出一种混合系统，将认知算法发现视为程序精化问题：人类构建的认知模型以概率程序形式交给一组 LLM 智能体，由其识别模型与行为的不匹配、在研究者设定的约束内提出代码级修改并验证结构保真度，修改结果再传入概率推理模块完成隐变量推理与数据似然计算。在暴露多种认知算法的问题解决范式人类行为数据上，修订后的模型拟合度持续优于原始模型，并揭示出一小组反复出现的创新。
arXiv cs.LGAI 评分2424 自适应批处理为何有助于 LLM 预训练？无界方差视角下的解释
研究提出广义 BG-a 噪声模型，在方差有界（a=0）与 BG-0 噪声（a=2）之间插值，并推导出增长相关的信息论下界 Ω(ε^-(4+a)) 及匹配上界。基于此设计的自适应批调度器在 C4 上预训练最高 1B 参数的 OLMo2 模型，在相同 token 预算下验证损失低于固定小批量与大批量训练，且迭代次数不到小批量训练的 10%。
arXiv stat.MLAI 评分2626 DAWIS：基于多任务插值的窗口逆采样数据同化方法
研究者提出 DAWIS，一种统一滤波、固定滞后平滑与块平滑的数据同化方法，用多任务随机插值替代状态级先验的单一流时间，为窗口内每个连续状态分配独立流时间。同化循环将窗口反演为逐状态转折点向量并在观测引导下重新生成，从而在新观测到来时修正过去状态。在稀疏、含噪、非线性观测下，DAWIS 优于滤波和平滑基线，代码已开源。
arXiv cs.CLAI 评分1515 HakemBench：土耳其语类型化决策基准发布
HakemBench 是一个土耳其语类型化决策基准，模型需读取文本、问题与固定选项集，并为每个选项输出概率。1.0 版以 CC BY 4.0 完全开源，含 2,346 个条目、4,275 道选择题、是非题和评分题，覆盖事实核查分流、教育、护栏、法律路由、内容审核、垃圾邮件与钓鱼、客户支持七个赛道。
arXiv cs.CVAI 评分2222 MapMergeLLM：用大语言模型实现矢量化地图聚合
MapMergeLLM 将矢量化地图聚合建模为条件序列生成任务，由大语言模型直接预测聚合后的全局地图折线。该框架用模拟预测误差的合成局部地图训练，并引入几何感知预训练的坐标 tokenizer 与线级关联损失。在 Argoverse2 和 nuScenes 上，它无需针对特定检测器重训即大幅超越启发式与优化类聚合基线。