两位军事 AI 研究者搞了一套给武器系统“自主程度”打分对比的框架，关心军用 AI 治理的可以看看。
Lauren A. Kahn 与 Michael C. Horowitz 来自 CFR（美国外交关系委员会），他们提出了一套评估武器系统自主程度的框架。该框架还可将目标系统与现有系统进行对比，判断其自主性高低。内容以推文形式由 CSET（乔治城大学）转发，属于 AI 军事应用评估方法的研究工作。
@Lauren_A_Kahn and @mchorowitz (@CFR_org) propose a framework for assessing how autonomous a weapon system is as well as how it compares to existing systems. #AI https://t.co/qH4B44MGGT
AI军事化进入快车道，自主武器规则即将改写——关注AI伦理与国防应用的开发者、政策研究者及科技公司，建议了解新规对AI模型部署和合规的潜在影响。
关注AI军事化伦理边界的从业者和政策研究者，这篇文章揭示了五角大楼政策的潜在漏洞，值得深入思考AI在致命自主武器系统中的应用风险。
研究人员统计了全球数据中心的用水情况，发现四分之一缺水，还和农民、居民抢水用，数据中心选址问题被摆上台面。
Small models trained specifically for tool selection can outperform much larger prompted LLMs on the routing step, so agent builders can cut cost and latency by replacing the proprietary LLM in their tool-selection pipeline. The selector's ability to work with different retrievers and unseen domains makes it practical to slot into existing RAG-style stacks. Teams building large-scale agent tooling should compare this approach before defaulting to a frontier model for routing.
Databricks 拿自家 114 个任务做测试，加记忆后智能体成功率翻了三倍，文中讲清了情景记忆和派生记忆怎么用。
印尼媒体报道，机器学习找出了44个隐藏的行星系统，精度99%，天文爱好者可以看看模型是怎么筛出这些候选的。
