Anthropic 今日公开了一个未发布研究版 Claude 的数学结果：它把黎曼 ζ 函数非平凡零点在临界线上的已知比例下界从 41.6% 提高到 67.2%。此前人类数学界从 1974 年 Levinson 的 33% 到 2020 年 Pratt 等人的 41.7%，花了近 50 年。Claude 结合了多位数学家近年论文与 Bombieri 2000 年的工作，Anthropic 数学家 Alpöge 和 Furman 已审查验证。Claude 还用 Lean 写出了可机器验证的证明。这次探索由 60 个子智能体协作，运行了 2400 条命令。
NVIDIA发布Magpie TTS，一个开放权重的多语言语音合成模型。该模型针对低延迟场景专门优化，适合部署实时语音代理。开发者通过开放权重可以完全控制部署流程，包括自定义推理配置。Magpie TTS支持多种语言，能用于构建跨语言交互系统。
Meta发布Muse Glimmer，一个300亿参数的开源智能体模型，采用Apache 2.0许可。其权重可在24GB显存的消费级GPU上运行，配合DFlash投机解码获得3.1倍速度提升。Muse Glimmer面向工具调用与多步任务，适合本地部署。
南洋理工大学、北京大学、港科大（广州）与智源研究院联合发布 Omega-0，一种潜在预测世界动作模型，能让机器人同时行走、观察和操作。在 11 项真实家务任务中，单模型成功率达 81.8%，超过 pi-0.5、EgoVLA、GR00T-N1.7 和 psi-0。该模型采用潜在预测机制，提升了对环境变化的响应能力。研究团队强调，Omega-0 在真实家庭场景中的表现优于多个现有基线模型。
Qwen 团队开源 Qwen-MM-Plugins，一套原生多模态插件集，通过 Skill 加 MCP 双层解耦，把读图、读视频、读文档、听音、建模等能力注入任意 Agent harness。项目包含七大模块：core 视觉基础支持动态分辨率读取、OCR、SAM3 分割、ASR；video-memory 用层次化图记忆支撑 2 小时级长视频问答；omni-av 基于 Qwen-Omni 做带时间戳的 ASR 与时序定位；video-edit 覆盖图视频音频生成与剪辑；blender 和 freecad 分别提供 22 个和 14 个工具驱动 3D 建模与参数化 CAD；edu-agent 纯 Skill 把理科题转成中文讲解视频。
Milvus 3.0在向量检索基础上加入更多库内处理能力，支持ORDER BY对过滤结果和ANN候选排序。查询侧聚合提供count、sum、avg、min、max，并按标量字段分组。搜索聚合支持分面检索，返回分桶计数、聚合统计和每桶Top-N样本，但分面计数基于ANN结果故为近似值。新增StructArray让单个实体可包含多个向量与结构化元素，适配文档块、视频帧和ColBERT等交互式模型。稀疏检索增强包括压缩版BM25索引和面向SPLADE学习型稀疏向量的SINDI算法。
ConVAWG 是一个用于生成暴力侵害女性（VAWG）场景多轮对话的检索增强框架。它利用英国国家统计局的人口统计数据、官方犯罪定义和家庭凶杀案审查案例构建场景，并生成超过 6,000 个多轮对话事件，覆盖 200 个场景。框架采用分层事件时间线生成多场景角色扮演对话，并通过激活导向的毒性控制调整不当表述。人工评估和 LLM-as-Judge 评估显示其对话质量和领域保真度较高。该研究旨在解决敏感领域真实对话数据难以获取的问题。
R4DSG提出一种相对4D场景图记忆方法，用于长时程第一人称视频中的对象中心问答。该方法将视频转换为按时间、地点、持久对象和锚点相对变化索引的紧凑可查询记忆，而非存储原始图序列。它利用可提示视频分割和相对3D提升等RGB-only技术，在EgoLifeQA的255个对象相关问题子集上，相比EgoRAG-Text在仅问题检索下整体提升6.7分，在“何时”类问题上提升12.5分。
CHORUS是一个面向硬件验证测试激励生成的后训练框架，利用分阶段监督微调产生行为多样的检查点，再通过密集奖励强化学习将其转化为任务级优势互补的专家模型。该框架通过无训练模型合并或进一步后训练整合专家优势，最终将多个专家合并为单个4B模型。CHORUS在CVDP-ECov基准上达到88.0%的Pass@1，比DeepSeek-R1（671B）高出13.5个百分点。
该研究针对社交媒体政治话语，设计并评估了基于XGBoost和BERT的两种多类情感分析模型。在标注的政治社交媒体帖子数据集上，XGBoost模型测试集F1分数为0.2835，BERT模型为0.2806。结果显示政治话语情感分类的复杂性，为未来多类政治情感分析提供基线。
RTSKG是一个专门为城市级轨道交通站点任务设计的知识图谱数据集，显式建模了站点、道路段和兴趣点等异构城市实体间的空间与语义交互。该数据集采用统一模式组织数据，并以Linked Data形式在https://w3id.org/rtskg/开放访问。在站点周边商店推荐和知识增强的客流预测两项评估中，RTSKG展现了有效性，表明其能支持城市级轨道交通站点分析。
LangChain创始人Harrison Chase在X上宣布，正在制作一个名为"Managed Deep Agents 101"的大型视频教程。该教程将深入讲解托管深度智能体的所有核心概念，并参考了docs.langchain.com上的官方文档。他在帖子中询问用户偏好：是想要一个超过2小时的单一视频，还是拆分成12个约10分钟的YouTube播放列表。目前该帖子获得15个赞和1434次浏览，社区正在参与讨论。
LangChain 宣布举办一场关于语音智能体评估的网络研讨会。研讨会将涵盖执行、结果和体验三个维度，包括工具使用、任务完成、延迟、中断和对话摩擦等评估指标。活动详情可在 events.langchain.com 查看。
Martin Fowler转发Birgitta Böckeler的实验，探讨让编码智能体自行执行测试驱动开发（TDD）是否有效。实验对比了有TDD指令和无TDD指令的智能体表现，发现TDD对智能体并非总是有益。Böckeler分享了具体实验数据和思考，指出某些情况下TDD反而可能拖慢智能体。文章为开发者提供了关于如何配置编码智能体的实用参考。
本文以Claude的水印为例，详解了KGW方法的原理：生成时用密钥和已生成token计算哈希，将词表分为绿组和红组，并提高绿组词被选中的概率。检测时用同一密钥还原分组，若绿组词占比显著超50%则判定带水印。改写可破解水印，但统计模型生成的哈希（如SIR、Adaptive Watermark）能增强鲁棒性。Google在2万条文本的人类反馈实验中称质量下降难以感知，但短文本或高确定性输出（如1+1=2）会失效。工程难点包括流式输出、密钥轮换和代码类输出的限制。