该论文认为，生成式AI系统在训练数据、设计协议、评估基准、用户反馈和公共评论等层面，再生产了以“内圈”英语规范为标准的语言意识形态，并可能使非支配性英语使用者被与“AI生成语”混为一谈；同时，AI也可能通过广泛语料和全球南方用户的标注工作带来“标准化悖论”——既同质化英语，又多元化英语。
值得关注：将大模型讨论从“性能表现”扩展到“语言权力”：LLM不仅是技术系统，也是语言意识形态被（再）生产的场所。 为AI公平性讨论增加社会语言学维度：除了种族、性别等偏见，还需关注英语内部变体的等级制，以及全球南方群体的语言主…
CS-RNR 是一种让智能体在部署前对“自己实际要玩的策略”进行安全审计并生成证书的对手利用方法；在 Leduc hold'em 中，它获得了资金验证二元门控 6.2 倍的稳态增益，同时所有部署策略均保持在预算内。
值得关注：这是第一个将安全保证建立在“智能体实际部署策略”的证书之上的对手利用方法，把“能骗多少”与“风险上限”解耦：模型质量决定收益，证书约束相对均衡损失。与已有相关卡片中的 LLM 训练/推理智能体主题不同，本条属于博弈论与…
ACE-Data-0 提出了一种名为 ACE（Ambient Capture Engine）的以人为中心的数据引擎，将真实家居环境改造成空间校准、时间同步的多感官记录棚，并构建了包含 150 小时、1700 万帧、7.5 万个交互片段的大规模具身智能演示数据集，以缓解具身智能的“数据瓶颈”。
值得关注：本条与已有相关卡片（如 HumanForge、HOMIE、ergoCub 等）不同，它直接面向具身智能的数据采集与基准问题，不聚焦于深度伪造检测、视频个性化或人形机器人本体，而是提供“数据引擎”这一上游基础设施。增量信…
该研究提出一种将神经视觉感知与模糊符号推理解耦的模块化框架：先用 Swin Transformer 从排水管检测图像预测多标签 CODE 等级，再通过由决策树转换得到的 19 条模糊 IF–THEN 规则推理最终严重性等级。相比仅用图像的端到端分类，该方法在多个类别不平衡指标上显著提升，同时让“从视觉缺陷到严重性评分”的决策路径可追踪、可解释。
值得关注：它展示了“神经感知 + 符号推理”在关键基础设施维护中的实际落地路径。 相比直接图像分类，既能提升不平衡类别上的综合指标，又保留了人工可检查的规则链条。 对高事故风险、强监管要求的行业场景而言，可解释 AI 比单纯高精度更有价值。
Reusability report: Exploring the utility and extensibility of an integrated modelling framework for liquid electrolyte design
即便掌握1905年全部物理学知识，当前大语言模型也无法独立提出广义相对论，根本原因在于模型缺乏从经验现象跃迁到基础公理的“溯因跃迁”能力，仅停留在符号统计层面，未锚定物理世界。
值得关注：为当前大模型在科学发现、理论创新上的根本局限提供了系统性理论解释，与“涌现”叙事形成对照。 指明大模型通往“科学发明自动化”需突破统计学习范式，转向具身/交互式世界建模，可能影响下一代基础模型架构设计。 与已有相关卡片…
通过启用两项API设置（保留推理过程与启用压缩），GPT-5.6在ARC-AGI-3基准上的得分提升至原来的三倍，同时提高了效率。（待核实具体数值和设置细节）
值得关注：该改进表明，通过简单的API参数调整而非重新训练，即可显著增强模型的推理能力和效率，为LLM部署提供了实用优化方向。ARC-AGI基准被认为是衡量通用智能的重要指标，此结果可能对AI能力边界认知产生影响。
通过一条名为「挑战循环」的提示词，用户可利用 Claude Opus 5 在 24 小时内从零生成画质接近 3A 水平的游戏原型，其核心在于主 Agent 拆解任务、子 Agent 并行制作、独立评委 Agent 持续对比真实 3A 作品并自动返工。
值得关注：这是 Opus 5 发布后首个广泛传播的“极限施压”型应用案例，直观展示了模型在复杂创意工程中的自主规划与长程迭代潜力。 与已有卡片（模型发布、半价评测）相比，本条提供了具体的**用户侧实操方法**和**社区验证**—…
月之暗面开源了全球首个2.8万亿参数级多模态模型Kimi K3（激活1040亿参数），综合能力超越Opus 4.8和GPT-5.5，但官方承认仍落后于最强闭源模型；其核心架构采用KDA线性注意力+NoPE+跨层注意力残差+896专家MoE，训练效率较前代K2提升约2.5倍，配套的MoonEP并行方案与PerceptionBench基准均已开源。
值得关注：本条知识卡片是对已有相关卡片“Kimi K3——全球首个开源2.8万亿参数多模态模型”的补充与更新。已有卡片侧重发布事件、竞技场排名与API价格对比，本条卡片额外提供了：
SSI由OpenAI前首席科学家Ilya Sutskever创立，专注构建“安全超级智能”。公司宣布与英伟达建立长期战略合作，计划在未来12个月内将其算力规模提升10倍。据外媒报道，英伟达拟向SSI投资约50亿美元。SSI去年估值已达约300亿美元，此前累计融资约70亿美元。该公司目前尚无收入，也不急于推出产品，唯一目标是打造安全超级智能。
值得关注：Ilya Sutskever是AI界关键人物，其创办的SSI以“安全超级智能”为唯一目标，与主流追求商业化快速落地的路径不同。 英伟达的算力支持与潜在巨额投资，可能加速SSI从理论探索进入实际验证阶段，推动安全AI从愿…
微软CEO纳德拉指出，企业若将数据、记忆与AI使用记录的控制权全部依附于单一AI系统，相当于外包自身思考能力，可能因模型涨价、停服或落后而面临高迁移成本，甚至难以生存；其解法是将模型、Harness与上下文记忆解耦，使底层模型可随时替换。
值得关注：在AI快速迭代、多家大模型厂商频繁调整定价和服务条款的背景下，企业若过度依赖单一模型（如GPT、Claude等），可能面临被“绑架”的风险。纳德拉的发言来自主流云服务商CEO，具有行业风向标意义，引导企业从战略层面重视…
OpenAI宣布向10万名学术研究人员免费开放ChatGPT最先进的AI模型，旨在加速科学发现与研究协作。
值得关注：**与既有脉络的关系**：此前OpenAI主要为付费企业或个体提供高级模型（如ChatGPT Plus、Team、Enterprise），此次专门面向学术研究者的大规模免费计划，是AI公司首次以普惠方式直接支持学术社区…
OpenAI 前安全研究副总裁、知名 AI 研究者翁荔因长期高强度工作导致健康问题，在入职仅 20 个月后宣布离开 Thinking Machines Lab，进一步加剧了该公司的人才动荡。
值得关注：翁荔是 AI 安全领域的标志性人物，她的离职不仅削弱了 Thinking Machines Lab 在安全方向的积累，也再次引发业界对创业公司“人才回流 OpenAI”现象的讨论。结合此前已有卡片中 Inkling 发…
微软与哥伦比亚大学提出的OpenForge RL框架，通过在任意harness中插入轻量Agent记录模型调用、并由Kubernetes编排容器调度rollout，无需修改harness代码即可扩展至数千并发环境；训练出的模型在几乎所有基准上优于同规模开源模型，泛化能力更强。
值得关注：与现有RL训练方案（如NVIDIA NeMo RL）相比，OpenForge RL强调“harness原生”与“零修改扩展”，在工程落地层面提供了更轻量的接入方式。 已有相关卡片（使用RL Agent技能与NVIDIA…
蚂蚁团队开源的LLaDA2.2是全球首个大规模Agentic扩散语言模型，通过四种编辑原子操作与L-EBPO强化学习实现生成中途自我修正，在SWE-bench上提升8.6个百分点，吞吐量达同规模自回归模型的1.64倍，将扩散语言模型路线正式推入智能体时代。
值得关注：此前Agent模型几乎全部基于自回归架构（如GPT、Claude），LLaDA2.2证明扩散模型同样可以胜任智能体任务，且拥有更灵活的生成修正能力和更高的推理吞吐。 开源策略降低了Agent研发门槛，使得社区可以基于该…
根据OpenAI官方描述，GPT-5.6通过跨模型、推理和智能体工作流的效率改进，实现了每美元更优的智能产出，但具体技术细节与性能数据待核实。
值得关注：GPT-5.6是OpenAI在模型效率与Agent能力结合方向的最新迭代，相比GPT-5.5（Codex）侧重代码生成与自主RL研究，GPT-5.6明确将“智能体工作流效率”作为核心卖点，标志着Agent能力从专用工具…
开放安全AI联盟主张通过开放前沿模型和共享工具强化AI安全防御，避免闭源工具的单点故障风险，并已有Hugging Face使用GLM 5.2成功防御入侵的实例佐证。
值得关注：该联盟的成立标志着AI安全领域从各公司独立开发封闭方案转向行业开放协作，强调开放模型在防御中的核心地位。这可能推动AI安全工具的民主化，降低企业对少数闭源安全平台的依赖，并对未来智能体安全标准产生深远影响。
腾讯生命科学实验室与中南大学合作开发的UniPert-G2CP模型，首次将基因扰动、化合物结构与细胞转录组响应纳入同一因果空间，实现用低成本基因数据预测高成本的化合物-细胞响应，相关成果发表于《Cell》主刊，成为国内首篇在该刊发表的AI虚拟细胞研究。
值得关注：区别于传统虚拟筛选仅预测分子结合，本工作直接建模化合物对细胞转录组的全局影响（转录组响应），更贴近药物作用的真实生物学过程。 通过因果空间对齐，首次实现“基因扰动知识”向“化合物响应预测”的跨模态迁移，解决了数据稀缺场…
对连续代数约束系统的求解，学习型扩散提议（diffusion proposals）在满足赋值决策上仅在高维且变量独立时才显著优于随机多起点搜索；在低维或变量耦合时优势消失，且在八个真实世界系统中经典随机多起点即可全部解决，未出现学习型有利区间。
值得关注：本文首次系统性地引入随机多起点作为扩散提议的控制基线，发现学习型提议的“有用”范围十分狭窄——仅在变量独立的高维空间中有意义，而真实问题通常不满足该条件。这为后续约束求解的研究提供了反直觉的基准：不要默认学习型提议优于…
VidMap 融合了 SLAM 的强时序约束与离线 SfM 的全局优化能力，在未知相机标定、极端运动和视觉对称场景下，显著优于当前最先进的经典或学习方法。
值得关注：已有卡片覆盖了多视图融合和时空规划，但未涉及视频 SfM 的时序-全局融合范式。VidMap 首次将时序结构作为 SfM 系统的一等公民，并开源代码，为计算机视觉社区提供了可复现的强基线。