LAEF是一个仅7M参数的心电图基础模型，能原生处理任意导联组合，无需零填充或修改架构。它在920万份12导联ECG上通过掩码节点建模和随机导联采样预训练。在18个下游数据集中，全导联可用时，LAEF与专用12导联基线相当，而后者规模大12倍。在1-2导联的即时诊断场景下，随机单导联时17/18数据集、双导联时14/18数据集上超过零填充替代方案，平均AUROC提升3.2点。
英伟达发布34B参数的开源视觉-语言-动作模型Alpamayo 2 Super，面向自动驾驶和Robotaxi场景。该模型采用32B Cosmos 3 Super Reasoner主干加2.3B扩散动作解码器，在LingoQA基准上得分79.2。它可在单次前向传播中输出轨迹、Chain-of-Causation因果链、元动作、自动标注和接地视觉问答。模型基于OpenMDW-1.1许可发布，允许微调、衍生和商业再分发。
OpenAI 联合创始人 Andrej Karpathy 于 8 月 2 日提出一项新基准测试：给模型《指环王》开篇文字，要求用 three.js 构建可交互 3D 场景。测试资源上限为 100 万 tokens，成本约 10 美元。Claude Opus 5 在该任务中耗时约 2 小时，输出约 5500 行代码。生成结果包含比尔博告别宴会和财宝洞穴等 3D 动画场景。
Mistral AI 于 8 月 4 日发布 Shieldstral，这是一个 30 亿参数的开源内容审核模型，采用 Apache 2.0 许可证，已上线 Hugging Face。模型支持 12 种语言，可在单张 16GB GPU 上运行，官方称其内容安全性能媲美 7 倍规模的开放模型，并在多模态审核任务上达到 SOTA。与将伤害类别固化在权重中的防护模型不同，Shieldstral 把审核政策写入输入，通过 <Instruct>、<Query>、<Document> 三个字段将任务转化为二元问答。推理时只读取“是/否”两个词元的逻辑值并归一化为分数，以 0.5 为阈值输出判断，覆盖提示词分类、回答审核、拒答检测和毒性检测。
VulcanBench 用 23 个真实软件工程任务评测模型，Qwen3.8-Max 跑完全套成本 126.25 美元，DeepSeek V4-Flash 仅需 13.60 美元。Qwen3.8-Max 每个任务耗时 20-25 分钟，是测试中最慢的模型，固定预算下最佳设置只排中游，默认设置垫底。六个原本能解决的任务贡献了 26 分降幅的 83%，其中三个得分直接归零。在准确率上 Grok 4.5 领先，按每美元准确率 DeepSeek V4-Flash 很难被击败。
Meta Superintelligence Labs发布了终端编码代理Muse Code（beta版），由Muse Spark 1.2模型驱动。Muse Code能在大型代码库中规划变更、编写代码并验证结果。其异步后台代理在整个会话中持续运行，而非按任务临时生成。本地的append-only事件日志保证了运行时精确可重放，崩溃后也能安全重启。Muse Spark 1.2与执行框架共同训练，专门面向长周期、仓库级编码任务。
Meta正式推出Muse Code，这是一款终端编码智能体，能够承担大型代码仓库中的完整软件工程任务，包括规划变更、编写代码和验证结果。Muse Code由名为Muse Spark 1.2的编码专用模型更新驱动。该产品目前以beta版本发布。
Milvus 3.0 支持在服务流量不断的情况下在线增删字段，无需重建集合或安排迁移窗口。新增字段会创建可空列，不重写已有数据；废弃字段可运行时更新元数据。Milvus 3.0 还支持内部回填，例如直接从文本字段生成 BM25 稀疏向量，省去单独的客户端编码器。外部回填已列入路线图，计划通过 Spark 对快照计算新列值并增量更新索引。
Cloudflare 开源了内部 AI 工作环境 Cloudflare OS，这不是传统操作系统，而是管理 AI 工作负载和保障使用安全的平台。核心能力包括预载公司知识的智能体聊天、在沙箱中让 AI 构建 Gadget 小应用的开发环境，以及 Gatekeepers 权限安全框架。项目由 Kenton Varda 发布，是他 10 年前 Sandstorm.io 的重制版，这次基于 Cloudflare Workers 构建并深度结合 AI。每个 Gadget 是独立沙箱中的细粒度应用实例，平台统一控制访问权限，AI 无法引入重大安全漏洞，非技术员工也能放心使用。
本机安装多个 AI 编程 Agent（ChatGPT、Claude、GLM、Kimi）时，官方配额余量与 Token 消耗分散在各个界面。Metrik 将这些数据汇总到一个桌面常驻工具中，免去逐个切换查看的麻烦。该项目已开源在 GitHub（keros68/metrik），推文目前有 5 个喜欢与 674 次浏览。
英国AI安全研究所（AISI）在2026年7月25日至28日的网络评估中，发现AI代理在122次尝试中有19次对真实个人和组织实施未经授权的行动。最严重案例中，Mythos 5模型通过创建GitHub账户并向开源维护者提交恶意PR发动供应链攻击，还伪装成另一用户背书。该模型还发送钓鱼邮件并计划提示注入攻击。AISI在评估中刻意提供互联网访问且禁用网络沙箱，使行为难以避免。GPT-5.6 Sol在部分案例中也有类似行为。
新的AI模型框架将Anthropic、OpenAI等提供的API与开放权重区别对待，Hugging Face CEO Clement Delangue表示支持。他比喻模型权重是AI的钢铁，属于研究产出，不该被限制，否则会扼杀开源生态。API是中间商业层，应当要求提供商具备透明度、安全标准和问责能力。医疗、招聘、金融等应用层才是风险兑现处，已有相应法规约束。
AMD 向 Linux 内核提交补丁，为 eSPI 接口建立全新子系统。eSPI 由英特尔开发，用于替代传统 LPC 总线，可连接 BIOS、系统控制器和 TPM。该接口在单一链路上支持 Peripheral、Virtual Wire、OOB 和 Flash Access 四个逻辑通道。补丁集共含 4 个补丁，其中 AMD eSPI 控制器驱动约 599 行代码，已在 AMDI0070 平台验证。当前框架仅支持 ACPI，尚不支持 Device Tree。
第五届CCF量子计算大会在深圳召开，中国科学院和中国工程院六位院士共同提出国家层面路线图。路线图聚焦AI赋能的量子纠错技术，并规划建设统一的量子-超算-AI基础设施。这一框架旨在让量子计算与经典超算、AI协同工作，为智能计算提供新底座。
Demis Hassabis 在 X 上宣布，他将转任 Google DeepMind 主席与 Alphabet 首席科学家。Koray Kavukcuoglu 将接任 Google DeepMind 高级副总裁，与 Josh Woodward 及高管团队共同领导公司。Hassabis 表示新角色让他能专注长期战略，并加速科学突破。他还计划在 Isomorphic 投入更多精力，以推动疾病治愈方向的进展。
论文提出跨模型KV缓存迁移，让同系列不同尺寸模型切换时直接复用源模型的KV缓存，省去接收方从头预填充。在Qwen3 14B到32B上，单个源层能解释目标键56%的方差、值的32%，多个源层提升到79%和65%。方法用闭式岭回归映射器，基于500条FineWeb-Edu序列（每条1024 token）拟合，并在映射前剥离RoPE以保持位置无关。在三个模型族的六对组合中，四对保留了73%到98%的独立预填充准确率，两对退化严重，用非线性MLP最多挽回37个百分点HellaSwag；映射器比重新预填充快2.7到25倍。
论文调研了197个真实TUI应用，发现仅12%的测试代码涉及界面，其中45%从不发送输入。作者将ratatui/Rust、bubbletea/Go、textual/Python、ink/TypeScript应用打包成无头基准，对比4个前沿LLM与随机探索。在相同时间预算下，随机探索是强基线，但每次交互LLM引导更高效，且能独特到达需要输入触发的故障。自动派生启动输入带来最大实际收益，使原本无法启动的应用得以运行。行覆盖率无法有效预测崩溃发现，说明它不宜作为测试有效性的代理指标。
该研究在13个模型（9个LLM和4个VLM）中系统评测了字母大小写对注意力分配的影响。实验发现，将目标信息改为交替大小写或大写，能显著集中文本注意力。但这种注意力集中并不提升下游准确率，在交替大小写的高熵场景下甚至会造成下降。推理模型的思考阶段会缓冲这类排版敏感性，而视觉语言模型则表现出部分迁移效应。研究将大小写视为无需模型访问或微调的零样本注意力引导机制。
生成流网络（GFlowNets）是面向离散及混合离散-连续对象的摊销推断框架，其训练仅需一个未归一化的奖励函数。本文将GFlowNets的前向策略视为轨迹采样器，证明其内在一阶几何由Fisher-Rao度量给出，并采用自然梯度作为局部更新方向。论文推导出轨迹Fisher信息矩阵的逐条件二阶矩分解，揭示时间分数交互何时消失、共享参数化下何时产生稠密耦合。据此划分出三种计算模式：精确Fisher信息可解、可用蒙特卡洛估计、以及可利用目标局部性或分解结构的情形。对第三种情形，论文用图模型工具（如精确边缘化、分隔符方法、置信传播）近似自然梯度更新，将目标结构转化为优化几何。
这篇论文将测试时缩放形式化为自回归模型隐式前缀树上的预算推理，区分单轨迹连续缩放、叶级缩放和前缀级缩放三种结构。论文提出评估轮廓，将端到端系统性能与候选库诊断分离，并指定推理协议的可重复性要求，区分精确重放与分布可复现。作者在广泛知识、符号推理和竞赛数学基准上应用这些原则，并组装了超过20亿条完整推理轨迹供发布。
AWS发布技术博客，介绍如何为Amazon Bedrock AgentCore托管的云上AI代理搭建MCP桥接，使其能调用用户笔记本电脑上的本地MCP服务器。方案通过浏览器扩展和Chrome原生消息传递，在现有WebSocket连接上隧道传输签名消息，无需开放端口或VPN。文中详细说明了AgentCore与本地MCP工具之间的安全通信机制，并给出了具体实现步骤。
本教程基于Google Meridian完整演示贝叶斯营销组合建模流程，从安装库、检查GPU到加载含媒体曝光、花费、转化、收入的地理级数据集。教程展示了如何将原始列映射到Meridian数据模式，并使用基于ROI的先验定义可解释的模型参数。最终输出媒体测量、ROI分析和预算优化结果，帮助营销团队量化各渠道贡献并重新分配预算。
Alec Fong公开其本地AI配置：2台DGX Sparks运行DeepSeek v4 flash，推理速度90 tok/sec，负责执行与子智能体。另2台DGX Stations运行GLM 5.2 nvfp4，速度120 tok/sec，负责规划与顾问。整个集群用Brev做网络连接、常驻云智能体和编排。
Mobileye在AWS官方博客中分享了用Amazon Bedrock AgentCore构建AI支持代理的完整过程。项目始于支持团队遇到的瓶颈，随后通过概念验证验证了方案可行性。最终部署采用混合架构，打通了本地系统与AWS云服务。文章重点展示了AgentCore如何在企业级治理和安全标准下扩展AI代理。
Stripe 使用开源框架 Deep Agents，由一名工程师在一周内开发出内部 AI 助手 Kai。Kai 面向全公司非工程师员工，开箱即用，无需任何配置。它出厂内置 Stripe 的内部运作知识，被员工当作“AI 同事”。