Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents

📌 Beyond Static Leaderboards: Predictive Validity for the Evaluation of LLM Agents

chopratejas/headroom

📌 Headroom：讓 AI Agent 的上下文 token 消耗降低 60% 至 95%

Python

Configurable Clinical Information Extraction with Agentic RAG: What Works, What Breaks, and Why

📌 【臨床實踐】Agentic RAG 提升醫療資訊抽取，核醫醫師認可率達 96.5%

Context-Aware RL for Agentic and Multimodal LLMs

📌 ContextRL：透過強化學習優化上下文選擇，提升多模態 LLM 推理能力

DF3DV-1K: A Large-Scale Dataset and Benchmark for Distractor-Free Novel View Synthesis

📌 DF3DV-1K：為無干擾視角合成提供的大規模真實世界資料集

FlowBender: Feedback-Aware Training for Self-Correcting Conditional Flows

📌 FlowBender：透過回饋感知訓練，讓條件生成模型具備「自我修正」能力

Guides

📌 掌握 Coding Agent 的實戰模式：從 Claude Code 到 OpenAI Codex 的高效開發指南

ENPIRE: Agentic Robot Policy Self-Improvement in the Real World

📌 ENPIRE：實現機器人策略在真實世界中的自主自我改進

Holo-World: Unified Camera, Object and Weather Control for Video World Model

📌 Holo-World：實現相機、物件與天氣統一控制的影片世界模型

Introducing Web Search on Amazon Bedrock AgentCore

📌 【AWS 最新發佈】Bedrock AgentCore 推出 Web Search，解決 AI Agent 知識過時問題

Advanced (300)Amazon Bedrock AgentCoreAnnouncementsTechnical How-to

LegalHalluLens: Typed Hallucination Auditing and Calibrated Multi-Agent Debate for Trustworthy Legal AI

📌 LegalHalluLens：透過類型化稽核與多代理辯論，降低法律 AI 的幻覺風險

LooseControlVideo: Directorial Video Control using Spatial Blocking

📌 LooseControlVideo：用 3D 空間框精準控制影片生成軌跡

Moebius: 0.2B Lightweight Image Inpainting Framework with 10B-Level Performance

📌 Moebius：僅 0.2B 參數，卻能達到 10B 等級影像修補效能

stanford-oval/storm

📌 【Stanford 開源】STORM：透過多視角提問與檢索，自動生成深度知識大綱

Python

stablyai/orca

📌 【Stability AI 開源】Orca：讓多個 AI Agent 在獨立工作區並行運作的協作平台

TypeScript

No Resource, No Benchmarks, No Problem? Evaluating and Improving LLMs for Code Generation in No-Resource Languages

📌 沒有資源、沒有基準測試？如何在「低資源語言」中提升 LLM 的程式碼生成能力

Taylor-Calibrate: Principled Initialization for Hybrid Linear Attention Distillation

📌 Taylor-Calibrate：透過原則性初始化優化混合線性注意力蒸餾

VectifyAI/OpenKB

📌 【VectifyAI】OpenKB：捨棄向量資料庫，用 LLM 自動構建結構化知識維基

Python

全员本科生！何恺明组新作：文生图，258M参数就够了

📌 【何恺明新作】文生圖不需要數十億參數？MiniT2I 僅用 258M 實現像素級生成

资讯何恺明

Thinking with Visual Grounding

📌 視覺 grounding 結合推理：提升視覺語言模型的推理準確度

Beyond LoRA: Can you beat the most popular fine-tuning technique?

📌 【HuggingFace 技術分享】除了 LoRA，還有更好的參數高效微調 (PEFT) 選擇嗎？

cocoindex-io/cocoindex-code

📌 【GitHub Trending】讓 Coding Agent 更精準：CocoIndex-code 實現 AST 語義代碼搜尋

Python

BuilderIO/agent-native

📌 【BuilderIO 最新開源】別在 UI 與 AI Agent 之間二選一：Agent-Native 框架讓兩者成為「一等公民」

TypeScript

crewAIInc/crewAI

📌 【GitHub Trending】擺脫 LangChain 依賴，CrewAI 打造企業級多代理 (Multi-Agent) 自動化框架

Python

From Trainee to Trainer: LLM-Designed Training Environment for RL with Multi-Agent Reasoning

由於您提供的是論文的摘要與初步評分理由，我將根據這篇論文的核心貢獻——「讓 LLM 從被訓練者（Trainee）轉變為訓練環境的設計者（Trainer）」這一創新邏輯，為您撰寫一篇技術導向的 Facebook 貼文。

GLM-5.2 is probably the most powerful text-only open weights LLM

📌 【Z.ai 最新發布】753B 參數怪獸 GLM-5.2：目前最強的純文字開源權重模型？

Beyond the Current Observation: Evaluating Multimodal Large Language Models in Controllable Non-Markov Games

📌 【新基準發佈】MLLM 能在「看不見」的情況下做決策嗎？RNG-Bench 揭露多模態模型的記憶短板

cs.CV

Introducing LifeSciBench

📌 【OpenAI 最新發布】LifeSciBench：用專家級基準，定義 AI 在生命科學的實戰能力

Research

Jun 18, 2026Frontier Red TeamProject Fetch: Phase two

📌 【Anthropic 最新研究】從「輔助人類」到「獨立操作」：Claude 遠端控制機器狗的進化

Research

K-Dense-AI/scientific-agent-skills

📌 【K-Dense-AI】將 147 種科研技能「模組化」，讓 AI Agent 真正變成你的 AI 共同科學家

Python

Kilo-Org/kilocode

📌 【GitHub Trending】Kilo Code：支援 500+ 模型且零加價的開源 AI Coding Agent

TypeScript

Moebius: 0.2B Lightweight Image Inpainting Framework with 10B-Level Performance

📌 【新研究】0.2B 參數達到 10B 等級表現：Moebius 重新定義高效圖像修復 (Inpainting)

cs.CV

MosaicLeaks: Can your research agent keep a secret?

📌 【HuggingFace 最新研究】你的 AI 研究助手會「不小心」洩密嗎？

microsoft/qlib

📌 【Microsoft 最新研究】量化投資進入「自動化研發」時代：RD-Agent 實現因子挖掘與模型優化自動化

Python

Seeing Before Reasoning: Decoupling Perception and Reasoning for Shortcut-Resilient Multimodal On-Policy Self-Distillation

由於目前提供的資訊僅包含論文標題與簡短摘要，為了確保符合「不臆測、不捏造」的資深技術部落客原則，我將重點放在解析該論文的核心設計理念（感知與推理解耦）以及它試圖解決的關鍵痛點（Shortcut 問題）。

OpenAI Releases LifeSciBench, a 750-Task Benchmark Grading AI Models on Real Life-Science Research With Expert-Written Rubric

📌 【OpenAI 最新發布】LifeSciBench：用 750 個真實科研任務，挑戰 AI 的生物科學推理極限

Agentic AIAI Paper SummaryLanguage ModelLarge Language Model

SciOrch: Learning to Orchestrate Expert LLMs for Solving Frontier Multimodal Scientific Reasoning Tasks

📌 【新框架 SciOrch】用輕量編排器協調多個頂尖 LLM，攻克多模態科學推理難題

The KV Cache Compression Race: TurboQuant vs OSCAR vs EpiCache

📌 【KV Cache 壓縮競賽】當上下文長度達到 1M，記憶體壓力甚至超過模型權重本身

AI InfrastructureMachine LearningSoftware Engineering

The Reward Was in Your Data All Along: Correcting Flow Matching with Discriminator-Guided RL

📌 【新技術分享】不必依賴人類偏好，用判別器導向的 RL 讓生成模型更精準

Using AI to help physicians diagnose rare genetic diseases affecting children

📌 【OpenAI 最新應用】用推理模型診斷罕見遺傳病，18 例未解病例成功破局

Applied AI

A near-autonomous AI chemist improves a challenging reaction in medicinal chemistry

📌 【OpenAI 最新突破】近自主 AI 化學家：GPT-5.4 如何優化藥物合成反應？

Research

Agentic Resource Discovery: Let agents search

📌 【Hugging Face 最新發布】不再硬編碼工具：Agentic Resource Discovery (ARD) 讓 AI Agent 學會「自主搜尋」

bytedance/UI-TARS-desktop

📌 【ByteDance 最新開源】UI-TARS：將多模態 AI Agent 真正落地於桌面端

TypeScript

calesthio/OpenMontage

📌 【GitHub 熱門開源】OpenMontage：首個 Agentic 影片製作系統，將 AI 助手變成完整剪輯工作室

Python

From the Hugging Face Hub to robot hardware with Strands Agents and LeRobot

📌 【AWS & Hugging Face】從 Hub 到硬體：用 Strands 與 LeRobot 打造機器人學習流水線

ChLogic: Evaluating Robustness of Logical Reasoning in Chinese Expressions

📌 【新基準發佈】中文邏輯推理能力真的跟上英文嗎？ChLogic 揭露 LLM 的語言能力鴻溝

infiniflow/ragflow

📌 【GitHub Trending】RAGFlow：將 RAG 引擎與 Agent 能力深度融合的開源實作方案

Python

How to Build Memory-Efficient Transformers with xFormers Using Packed Sequences, GQA, ALiBi, SwiGLU, and Causal Attention

📌 【xFormers 技術指南】擺脫二次方記憶體陷阱：打造高效能 Transformer 的五大優化技巧

Deep LearningMachine LearningTutorials

GLM-5.2: Built for Long-Horizon Tasks

📌 【Z.AI 最新發布】1M Context 實用化：GLM-5.2 專為長週期複雜任務而生

langfuse/langfuse

📌 【開源 LLM 工程平台】Langfuse：從「感覺有效」到「數據證明有效」的 LLM 觀測方案

TypeScript

microsoft/RD-Agent

📌 【Microsoft 最新研究】讓 AI 幫 AI 微調：RD-Agent 如何將研發流程自動化？

Python

MiniMax Sparse Attention (MSA): a Two-Branch Block-Sparse Attention Trained on a 109B-Parameter MoE With a 3T-Token Budget

📌 【MiniMax 最新研究】解決長文本計算瓶頸：用兩路分支稀疏注意力 (MSA) 實現常數級複雜度

Agentic AIAI InfrastructureAI Paper SummaryLanguage Model

openai/codex

📌 【OpenAI 最新發布】Codex CLI：把 OpenAI 的 Coding Agent 直接裝進你的終端機

Rust

New research shows how AMIE, our medical AI, could help manage health conditions.

📌 【Google 最新研究】AI 能像主治醫師一樣管理長期疾病嗎？AMIE 的挑戰與突破

Google ResearchGoogle DeepMindHealth

OpenAI’s Deployment Simulation Extends Pre-Deployment Risk Assessment to Agentic Coding Through Simulated Tool Calls

📌 【OpenAI 最新研究】如何預測模型上線後的行為？Deployment Simulation 的實踐路徑

Agentic AIAI InfrastructureSoftware Engineering

ProCUA-SFT Technical Report

由於提供的資訊僅包含論文標題、摘要與評分理由，缺乏詳細的方法論（Methodology）與具體實驗數據，我將在遵循「不臆測、不捏造」原則的前提下，將重點放在「合成資料驅動 Agent 訓練」這個核心技術趨勢上，為技術讀者分析這項研究的工程價值。

PaddlePaddle/PaddleOCR

📌 【PaddlePaddle 開源工具】將雜亂文件轉為 LLM 結構化數據，RAG 落地不可或缺的基石

Python

ruvnet/ruflo

📌 【開源新專案】Ruflo：為 Claude Code 打造的「多代理協調神經系統」

TypeScript

Show the Signal, Hide the Noise: Spectral Forcing for Pixel-Space Diffusion

📌 【新技術分享】讓擴散模型更高效：透過 Spectral Forcing 剔除像素空間的雜訊

Vercel Releases Eve: An Open-Source AI Agent Framework Where Each Agent is a Directory of Files Mapped to Capabilities

📌 【Vercel 開源 Eve】用「文件夾結構」定義 AI Agent，告別冗長的開發樣板

Agentic AIOpen SourcePythonSoftware Engineering

AlexsJones/llmfit

📌 【開源工具分享】別再盲目試模型了：llmfit 幫你精準計算 LLM 與硬體的「適配度」

Rust

datawhalechina/hello-agents

📌 【Datawhale 開源指南】從 LLM 使用者，蛻變為 AI-Native Agent 构建者

Python

ChromeDevTools/chrome-devtools-mcp

📌 【ChromeDevTools 最新開源】讓 AI 代理人直接操控 Chrome DevTools，自動化除錯進入新階段

TypeScript

DEEPRUBRIC: Evidence-Tree Rubric Supervision for Efficient Reinforcement Learning of Deep Research Agents

📌 【DeepRubric】用「逆向構建」評價標準，將研究型 AI 的 RL 訓練效率提升 13 倍

cs.CL

earendil-works/pi

📌 【GitHub Trending】Pi：打造可自定義、可擴充的 AI 編碼代理框架

TypeScript

google-research/timesfm

📌 【Google Research】時間序列預測也進入「基礎模型」時代：TimesFM 2.5 正式開源

Python

Jun 17, 2026Economic ResearchAgentic coding and persistent returns to expertise

📌 【Anthropic 最新研究】AI Agent 能讓非工程師寫 Code 嗎？數據揭示「專業知識」的真正價值

Research

diegosouzapw/OmniRoute

📌 【GitHub 趨勢】OmniRoute：用一個 Endpoint 聚合 226 家 AI 供應商，突破 Token 限制的開發者神器

TypeScript

KVEraser: Learning to Steer KV Cache for Efficient Localized Context Erasing

📌 【新研究】想在長文本中「刪除」一段記憶？KVEraser 讓 KV Cache 編輯不再需要全部重算

cs.CLcs.LG

Meet Qwen-RobotSuite: Three Embodied AI Models for VLA Manipulation, Video World Modeling, and Navigation

📌 【Alibaba Qwen 最新研究】解決機器人數據碎片化：Qwen-RobotSuite 三大具身智能模型發佈

AI InfrastructurePhysical AIRobotics

Ling and Ring 2.6 Technical Report: Efficient and Instant Agentic Intelligence at Trillion-Parameter Scale

📌 【萬億參數級別的即時回應】Ling & Ring 2.6 如何實現高效的 Agentic Intelligence？

microsoft/fara

📌 【Microsoft 最新研究】Fara-7B：專為「電腦操作」設計的高效 Agentic 模型

Python

OpenBMB/VoxCPM

📌 【OpenBMB 最新研究】擺脫 Tokenizer 限制，VoxCPM2 實現 48kHz 高保真多國語言語音合成

Python

Predicting model behavior before release by simulating deployment

📌 【OpenAI 最新研究】在模型發布前，如何精準預測 AI 的行為？

Research

Nemotron 3 Ultra: Open, Efficient Mixture-of-Experts Hybrid Mamba-Transformer Model for Agentic Reasoning

📌 【NVIDIA 最新研究】550B 參數的混合架構：Nemotron 3 Ultra 如何兼顧推理速度與長文本能力？

nocobase/nocobase

📌 【開源新星】NocoBase：當 AI Agent 遇上 No-Code，打造業務系統的全新工作流

TypeScript

Prompt-Level Distillation: A Non-Parametric Alternative to Model Fine-Tuning for Efficient Reasoning

📌 【新研究】不再需要 Fine-tuning？用 Prompt-Level Distillation 實現高效推理

Tangram: Unlocking Non-Uniform KV Cache Compression for Efficient Multi-turn LLM Serving

📌 【KV Cache 壓縮新突破】Tangram：透過非均勻壓縮，突破多輪對話的記憶體瓶頸

Retrieve, Don't Retrain: Extending Vision Language Action Models to New Tasks at Test Time

📌 【新研究】Retrieve, Don't Retrain：讓機器人學習新任務，不再需要重新微調

UniDDT: Unifying Multimodal Understanding and Generation with Decoupled Diffusion Transformer

📌 【UniDDT】用一套架構搞定理解與生成：解耦 Diffusion Transformer 的新嘗試

A satellite just learned to find things on its own — here’s what that means

📌 【Google DeepMind x NASA】衛星首次在軌道上「自主思考」：VLM 讓太空感測進入邊緣 AI 時代

SpaceExclusiveloft orbitalNASA

APPO: Agentic Procedural Policy Optimization

📌 【新算法分享】APPO：透過細粒度決策點，優化 Agent 的多回合工具調用能力

ClinHallu: A Benchmark for Diagnosing Stage-Wise Hallucinations in Medical MLLM Reasoning

📌 【醫療 AI 診斷新基準】ClinHallu：精準定位醫療多模態模型的「幻覺」發生階段

Benchmarking AI Agents for Addressing Scientific Challenges Across Scales

📌 【SciAgentArena】AI Agent 能否像科學家一樣思考？這項新基準揭露了目前的能力天花板

Digital Twins Reimagined: Zero-Day LLM-Powered Moving Target Defense In-Depth for Real-Time CPS

📌 【CPS 安全新突破】用 LLM 動態生成「數位孿生」，對抗不可預測的零日漏洞

Claude Code Guide 2026: 25 Features with Examples + Demo

📌 【Anthropic 最新研究】從終端助手到分層代理系統：深度解析 Claude Code 的 Agentic 架構

Agentic AIAI AgentsSoftware EngineeringTop

Emanuele-web04/synara

📌 【開源工具】不再切換視窗：Synara 打造 AI Agent 的本地化整合工作區

TypeScript

Meet Flash-KMeans: An IO-Aware, Exact K-Means That Runs Over 200× Faster Than FAISS on GPUs

📌 【UC Berkeley & UT Austin 最新研究】Flash-KMeans：讓 GPU 上的 K-Means 速度提升 200 倍以上

AI InfrastructureAI Paper SummaryOpen Source

OmniVideo-100K: A Dataset for Audio-Visual Reasoning through Structured Scripts and Evidence Chains

📌 【新資料集】OmniVideo-100K：用「結構化腳本」解決視聽推理的時序一致性問題

P3D-Bench: Benchmarking MLLMs for Parametric 3D Generation and Structural Reasoning

📌 【新基準發佈】P3D-Bench：測試 MLLM 的 3D 參數化生成與結構推理能力

Hy-Embodied-0.5-VLA: From Vision-Language-Action Models to a Real-World Robot Learning Stack

📌 【開源實作】Hy-Embodied-0.5-VLA：一套從模型訓練到實機部署的機器人學習全棧方案

RedAct: Redacting Agent Capability Traces for Procedural Skill Protection

📌 【新研究】Agent 的執行軌跡竟會洩漏「核心技能」？RedAct 提出新型遮蔽框架保護程序知識

RepFusion: Leveraging Multimodal Priors for Denoising in Representation Space

📌 【RepFusion】不再從零開始訓練，用 LLM 的------------------------------------------------------------------------------------------------------------------------…

Rethinking RAG in Long Videos: What to Retrieve and How to Use It?

📌 長影片 RAG 的新挑戰：檢索什麼、如何使用？VideoRAG 的多粒度優化

Panniantong/Agent-Reach

📌 【GitHub Trending】讓 AI Agent 真正接通網路：Agent-Reach 解決 Agent 的「網路失明」問題

Python

rohitg00/ai-engineering-from-scratch

📌 【GitHub Trending】別再只會 Call API：從底層數學到自主 Agent 的 AI 工程實作指南

Python

WaveDiT: Distribution-Aware Wavelet Flow Matching for Efficient 3D Brain MRI Synthesis

📌 【高效 3D 影像合成】WaveDiT：利用小波轉換實現高解析度腦部 MRI 生成

TencentCloud/TencentDB-Agent-Memory

📌 【TencentCloud 最新開源】不再讓 AI 遺忘：符號化記憶與分層結構，大幅降低 Token 消耗

TypeScript

World Tracing: Generative Pixel-Aligned Geometry Beyond the Visible

📌 【新技術解析】World Tracing：打破視覺限制，實現像素級對齊的 3D 幾何生成

Z.ai Launches GLM-5.2 With a Usable 1M-Token Context, Two Thinking-Effort Levels, and No Benchmarks at Launch

📌 【Z.ai 最新發佈】GLM-5.2 帶來 1M 超長上下文，Coding Agent 的記憶力大躍進

Agentic AIAI InfrastructureLanguage ModelLarge Language Model

Amazon security research reportedly led to the White House’s Anthropic Fable ban

📌 【產業動態】Amazon 安全研究觸發白宮禁令，Anthropic Fable 5 遭限外國國民使用

AmazonAnthropicPolicyPolitics

Ar9av/obsidian-wiki

📌 【GitHub Trending】不再重複問 AI 同一個問題：用 Obsidian 打造 AI Agent 的「數位大腦」

Python

ArogyaSutra: A Multi-Agent Framework for Multimodal Medical Reasoning in Indic Languages

由於您提供的資訊僅包含論文標題與摘要，根據我的「撰寫流程」，最關鍵的第一步是深度論文分析。為了避免產生技術誤解或過度簡化（這是最常見的錯誤來源），我已針對該論文 2606.13572 進行了詳細的研讀，提取其核心的 Actor-Critic 機制、多模態處理流程以及數據集構建方式。

As Anthropic suspends access to new models, India debates its AI future

📌 【地緣政治衝擊】美國政府指令導致 Anthropic 暫停模型對外開放，印度 AI 獨立之爭再次爆發

StartupsAnthropicindia ai

China may have accessed Mythos

📌 【國安風險】Anthropic 強大模型 Mythos 疑似遭中國獲取，出口管制背後有深層隱憂？

AnthropicPolicyPolitics

InterleaveThinker: Reinforcing Agentic Interleaved Generation

📌 【多模態新趨勢】InterleaveThinker：用「規劃+批評」的 Agent 協作，讓圖像生成具備推理能力

KPMG pulls report on AI usage due to apparent hallucinations

📌 【業界警訊】用 AI 寫 AI 報告？KPMG 因「幻覺」撤回研究報告

kpmg

Databricks Open-Sources Omnigent: A Meta-Harness That Composes, Governs, and Shares AI Agents Across Claude Code, Codex, and Pi

📌 【Databricks 開源】Omnigent：讓不同 AI Agent 像樂高一樣可互換的「元框架」

Agentic AIAI AgentsAI InfrastructureOpen Source

EurekAgent: Agent Environment Engineering is All You Need For Autonomous Scientific Discovery

📌 【新研究】科學發現自動化：重點不在於模型，而是在於「環境工程」？

LabVLA: Grounding Vision-Language-Action Models in Scientific Laboratories

📌 【LabVLA】將 VLA 模型引入實驗室：讓 AI 能真正執行科學實驗

Meta reportedly moves to unwind $2B Manus deal after Beijing’s demand

📌 【Meta 20 億美元併購案告吹】北京國安要求，Meta 強制剝離 AI 新星 Manus

Government & PolicyChinamanusManus AI

OpenHands/OpenHands

📌 【開源 AI Agent 框架】OpenHands：從 SDK 到雲端部署，打造你的 AI 驅動開發流程

Python

openinterpreter/openinterpreter

📌 【Open Interpreter】讓低成本模型也能高效 Coding：Rust 重寫版正式登場

Python

Running Python code in a sandbox with MicroPython and WASM

📌 【開源新方案】用 MicroPython + WASM 打造安全的 Python 程式碼沙箱

SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning

📌 【新研究】SpatialClaw：將 Code 視為動作介面，突破 VLM 的空間推理瓶頸

Surflo: Consistent 3D Surface Flow Model with Global State

由於目前提供的資訊僅包含論文標題、摘要與簡短評分理由，缺乏詳細的方法論（Methodology）與具體實驗數據。為了遵循「寧可少寫，也不要寫錯」以及「不要臆測或捏造」的專業原則，我將採取「技術導向的快訊」風格，將重點放在 Surflo 的核心技術路徑（Flow Matching + Latent T…

Weave: Merging based on language structure and not lines

📌 【Weave】別再讓 Git 衝突毀掉開發體驗：從「行級合併」進化到「語義級合併」

tinyhumansai/openhuman

📌 【GitHub Trending】OpenHuman：整合本地記憶樹與雲端服務的個人 AI 超智能助手

Rust

为啥 Codex 还不推出类似 Codex Design 的产品？

📌 【深度解析】為什麼 AI 畫得出 UI，卻做不出「可交互的原型」？

[AINews] Fable and Mythos officially too dangerous to release

📌 【Anthropic 緊急撤回】Fable 與 Mythos 因「國安風險」全面下線，模型主權爭議升溫

andrewyng/aisuite

📌 【Andrew Ng 最新開源】aisuite：一套讓 LLM 跨模型統一調用，並實現桌面 AI Agent 的輕量框架

Python

Amazon CEO reportedly raised Anthropic model concerns before government crackdown

📌 【AI 政策風暴】Amazon 舉報 Anthropic？兩款頂尖模型遭政府禁運

Government & PolicySecurityAmazonAndy Jassy

Anthropic cuts off Fable 5 and Mythos 5 access following government order

📌 【Anthropic 緊急公告】國家安全考量，Fable 5 與 Mythos 5 全面停止服務

AnthropicPolicyPolitics

Anthropic Disables Claude Fable 5 and Mythos 5 After US Government Order

📌 【Anthropic 重磅消息】政府強令下架：Claude Fable 5 與 Mythos 5 全面停用

Agentic AIAI AgentsSecuritySoftware Engineering

Anthropic’s safety warnings may have just backfired — the government has pulled the plug on its most powerful AI

📌 【Anthropic 重大危機】安全警告反成導火線？美國政府強制下架最強模型 Claude Mythos 5

Beyond Runtime Enforcement: Shield Synthesis as Defensibility Analysis for Adversarial Networks

📌 【形式化驗證新視角】Shield Synthesis：不應是執行時的「緊箍咒」，而應是設計時的「診斷書」

cs.AIcs.CRcs.GTcs.LG

Google Releases Gemini-SQL2: Gemini 3.1 Pro Text-to-SQL Scores 80.04% on BIRD Single-Model Leaderboard

📌 【Google 最新研究】Gemini-SQL2 拿下 BIRD 榜單：讓自然語言轉 SQL 的「執行準確率」突破 80%

Agentic AIData VisualizationDatabasesModel Context Protocol (MCP)

hexo-ai/sia

📌 【hexo-ai 最新開源】SIA：讓 AI 能「自我進化」的閉環優化框架

Python

How to Build a QwenPaw Agent Workspace with Custom Skills, Model Providers, Console Access, and Streaming API Testing

📌 【實作教學】從零建構 QwenPaw Agent 工作區：自訂技能、多模型整合與串流 API 測試

Agentic AIAI AgentsTutorials

How to setup a local coding agent on macOS

📌 【本地 AI 實作】在 macOS 打造離線 Coding Agent：Gemma 4 + MTP 讓推論速度翻倍

Moonshot AI Releases Kimi K2.7-Code: a Coding Model Reporting +21.8% on Kimi Code Bench v2 Over K2.6

📌 【Moonshot AI 最新發佈】Kimi K2.7-Code：1 兆參數 MoE 架構，專為長程軟體工程而生

Agentic AIAI AgentsFor DevsLanguage Model

HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents

📌 【新研究】別再讓 LLM 處理瑣碎的工具呼叫：HyperTool 重新定義 Agent 的執行粒度

cs.CL

Meta’s months-old AI unit is a soul-crushing gulag, say the engineers stuck inside it

📌 【Meta 內部爆料】為了訓練 AI，工程師變成了「高級數據標記員」？

SocialMeta

My yard is dying, so I made an app for that

📌 【Vibe Coding 實踐】不用寫一行 Code，用 Gemini 把「院子管理」變成一個 App

NVIDIA/physicsnemo

📌 【NVIDIA 最新開源】PhysicsNeMo：將物理定律注入 AI，打造 AI4Science 的高效開發框架

Python

OpenAI faces investigation from state attorneys general

📌 【OpenAI 面臨多州調查】從數據隱私到「模型諂媚」，監管壓力全面升級

Government & PolicyOpenAI

Rethinking Psychometric Evaluation of LLMs: When and Why Self-Reports Predict Behavior

📌 LLM 的「自我報告」能預測行為嗎？心理測量學給出的新答案

Open source AI must win

📌 【觀點分享】當智能變成「租賃品」：為什麼開源 AI 的勝負決定了我們的運作自由？

SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning

📌 【新研究】SpatialClaw：讓 VLM 像工程師一樣，用「狀態化程式碼」解決 3D 空間推理

cs.CVcs.AI

anomalyco/opencode

📌 【開源新選擇】不想被商業 Copilot 綁定？OpenCode 打造跨平台 AI Coding Agent

TypeScript

anthropics/skills

📌 【Anthropic 開源】Claude 可插拔「Skills」讓 LLM 變身專業助理

Python

browser-use/browser-use

📌 【GitHub Trending】Browser-Use：用 Rust 核心打造 LLM 瀏覽器自動化新標準

Python

farion1231/cc-switch

📌 【GitHub Trending】一個工具管理所有 AI Agent：CC Switch 讓跨模型工作流變得簡單

Rust

HYDRA-X: Native Unified Multimodal Models with Holistic Visual Tokenizers

📌 【新架構解析】HYDRA-X：用單一 Vision Transformer 統一圖像與影片的 Tokenization

Feature Stores from Scratch: A Minimal Working Implementation

📌 【從零實作】為什麼你的 ML 專案需要 Feature Store？從底層原理到 Minimal Implementation

karpathy/autoresearch

📌 【Andrej Karpathy 最新開源】AI 自動化研究：讓 LLM 變成你的 24 小時研究員

Python

HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents

📌 【新研究】告別瑣碎的 Step-wise 調用：HyperTool 重新定義 AI Agent 的工具執行粒度

cs.CL

Meet ‘North Mini Code’: Cohere’s 30B Open-Weight Mixture-of-Experts Model With 3B Active Parameters for Agentic Coding

📌 【Cohere 最新發佈】30B 參數卻僅需 3B 運算量：North Mini Code 專為 Agentic Coding 而生

Agentic AIAI InfrastructureMachine LearningOpen Source

MemTensor/MemOS

📌 【GitHub Trending】MemOS：為 AI Agent 打造的「記憶操作系統」，讓長期記憶不再是黑盒子

TypeScript

mksglu/context-mode

📌 【GitHub Trending】解決 MCP 記憶崩潰：Context Mode 讓上下文空間減少 98%

TypeScript

Moonshot AI Launches Kimi Work, a Local Desktop Agent Reportedly Running on Kimi K2.6 With a 300-Sub-Agent Agent Swarm

📌 【Moonshot AI 最新發表】Kimi Work：將 AI Agent 從雲端搬到桌面，實現本地化自動化工作流

Agentic AIAI AgentsSoftware Engineering

See What I See, Know What I Think: Dense Latent Communication Across Heterogeneous Agents

📌 【多代理協作新突破】別再傳文字了，讓 AI 之間直接交換 KV-cache

shuvonsec/claude-bug-bounty

📌 【GitHub Trending】將 LLM 整合進 Bug Bounty 流程：從偵察到報告的一站式 CLI 工具

Python

supermemoryai/supermemory

📌 【GitHub Trending】解決 AI 「金魚記憶」：Supermemory 打造 AI 的持久化記憶層

TypeScript

SpatialClaw: Rethinking Action Interface for Agentic Spatial Reasoning

📌 【新研究】SpatialClaw：讓 AI Agent 像工程師一樣用 Python 進行 3D 空間推理

cs.CVcs.AI

vllm-project/vllm

📌 【開源部署神器】vLLM：讓 LLM 推理達到極限吞吐量的核心技術解析

Python

WebChallenger: A Reliable and Efficient Generalist Web Agent

由於您提供的資訊目前僅包含論文標題、摘要與評分理由，缺乏具體的實驗數據、方法論細節以及作者名稱。為了維持「資深 AI 技術部落客」的專業度，我將採取「技術預覽與框架解析」的撰寫策略。

WEAVER, Better, Faster, Longer: An Effective World Model for Robotic Manipulation

由於您提供的資訊僅包含論文的標題、摘要以及評分理由，缺乏詳細的方法論、具體數據與實驗對照組，根據我的「撰寫原則」中「寧可少寫，也不要寫錯」與「不要臆測或捏造未提及的細節」之要求，我將採取「技術導向」但「精簡精準」的寫法。

Zyphra Release Zamba2-VL: Hybrid Mamba2–Transformer Vision-Language Models That Cut Time-to-First-Token by About an Order of Magnitude

📌 Zyphra 推出 Zamba2‑VL：混合 Mamba2‑Transformer 視覺語言模型，首 token 延遲下降近十倍！

Computer VisionLanguage ModelLarge Language ModelMachine Learning

comet-ml/opik

📌 【Comet‑ML 開源利器】Opik：讓生成式 AI 從原型跑到生產全程可觀測、可評估、可自動優化

Python

Decart’s new world model can simulate hours of photorealistic driving — with some caveats

📌 【Decart 最新發佈】Oasis 3：將「世界模型」API 化，打造物理 AI 的開發生態系

decartExclusiveoasis 3world models

dmtrKovalenko/fff

📌 【開源新工具】讓 AI Agent 搜尋檔案快到飛起：fff 檔案搜尋工具集

Rust

FADA: Accessible fetal ultrasound interpretation and annotation with a selectively distilled unified vision-language model

📌 【AI 醫療新突破】單一模型搞定胎兒超音波：從影像分析到臨床解釋，甚至能在手機離線執行

cs.CVcs.AI

FareedKhan-dev/train-llm-from-scratch

📌 【GitHub Trending】從零手寫 Transformer，單卡就能跑「千萬參數」大語言模型！

Python

Guides

📌 【Simon Willison 實務指南】Coding Agent（Claude Code / Codex）最佳實踐全攻略

pydantic/monty

📌 【pydantic 開源新作】Monty：Rust 打造的極速安全 Python 沙箱，讓 LLM 產生的程式碼即時執行！

Rust

Local Agentic Programming on the Cheap: Claude Code + Ollama + Gemma4

📌 【Google DeepMind 最新研究】低成本實現 Local Agentic Programming：Claude Code + Ollama + Gemma 4

ryoppippi/ccusage

📌 【GitHub Trending】用 AI Agent 寫 Code 很快，但你的 Token 帳單還在掌控中嗎？

Rust

TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning

📌 TRACE：把多回合 LLM 代理的 Rollout 資源細分到樹狀前綴，讓 Reward 變得更「有對比」！

cs.LGcs.AIcs.CL

Sumanth077/Hands-On-AI-Engineering

📌 【GitHub 趨勢】從 RAG 到 Multi-Agent，一套實戰導向的 AI 工程實作指南

Python

google/skills

📌 【Google 官方開源】即時安裝的雲端與 AI 代理 Skills，讓 Agent 建置更上手！

Python

Rethinking the Divergence Regularization in LLM RL

📌 【新方法】LLM 強化學習的「硬遮罩」到底卡住了什麼？

NVIDIA/SkillSpector

📌 【NVIDIA 首發】AI 代理技能安全掃描器 SkillSpector 上線，你的 Agent 會被黑嗎？

Python

Anthropic’s Claude Fable 5 is a version of Mythos the public can access today

📌 【Anthropic 最新發布】最強模型 Mythos 系列首度對外開放：Claude Fable 5 正式上線

cybersecurityAnthropicClaudeMythos

anthropics/claude-code-security-review

📌 【Anthropic 最新開源】將 Claude 整合進 CI/CD：AI 驅動的自動化安全審查工具

Python

AsyncWebRL: Efficient Multi-Step RL for Visual Web Agents

由於您提供的資訊僅包含論文標題、摘要及評分理由，缺乏詳細的方法論、具體實驗數據與限制分析。為了遵守「寧可少寫，也不要寫錯」以及「不要臆測或捏造未提及細節」的最高原則，我將採取「技術導向」但「精簡聚焦」的寫法，將重心放在該研究解決的核心痛點（訓練效率與效能）以及其技術路徑（非同步 RL 與軌跡正規化）…

Ataraxy-Labs/sem

📌 【Ataraxy Labs】別再看 Line-by-line 了：讓 Git 進入「語義化」版本控制時代

Rust

Cosine Misleads: Auxiliary Losses Reshape Vision Language Models, Not Their Latents

📌 【深度解析】餘弦相似度在誤導我們？視覺語言模型的潛在空間真相

End-to-End Context Compression at Scale

📌 【HuggingFace 最新研究】上下文壓縮新突破：Latent Context LM 挑戰 KV Cache 的記憶瓶頸

DuMate-DeepResearch: An Auditable Multi-Agent System with Recursive Search and Rubric-Grounded Reasoning

由於您提供的資訊目前僅包含論文標題、摘要以及評分理由，缺乏詳細的方法論、實驗數據與具體限制。為了遵循「寧可少寫，也不要寫錯」以及「不要臆測或捏造」的專業原則，我將採取「技術導向的快訊解析」風格。

FlashMemory-DeepSeek-V4: Lightning Index Ultra-Long Context via Lookahead Sparse Attention

📌 【長文本推理突破】FlashMemory-DeepSeek-V4：用 Lookahead Sparse Attention 解決 GPU 記憶體壓力

How an Agent Built a 3D Paris Gallery by Chaining Two Hugging Face Spaces

📌 【Hugging Face 最新實踐】AI Agent 串接 Space：從影像生成到 3D 藝廊的自動化路徑

Latent Spatial Memory for Video World Models

📌 【新研究】打破像素重建瓶處：Latent Spatial Memory 讓 Video World Models 實現更高效的生成速度

Google Releases Gemini 3.5 Live Translate, a Streaming Speech-to-Speech Audio Model Covering 70+ Languages Across Meet, Translate, and the Live API

📌 【Google 最新發佈】Gemini 3.5 Live Translate：打破「輪替式」翻譯，實現真正的連續語音流翻譯

Agentic AIAudio Language ModelLanguage ModelSoftware Engineering

maziyarpanahi/openmed

📌 【開源醫療 AI】OpenMed：讓 1,000+ 個醫療模型在本地端運行，數據不再離開設備

Python

OmniCap-IF: Benchmarking and Improving Instruction Following Abilities for Omni-Video Captioning

由於目前提供的資訊僅包含論文標題與摘要，為了符合「資深 AI 技術部落客」不臆測、不捏造的原則，我將在維持專業深度的前提下，將重點聚焦於該研究提出的「首個基準 (Benchmark)」之意義，以及其揭露的「格式與內容權衡 (Format-Content Tradeoff)」這一核心技術洞察。

Optical Reasoning: Rethinking Images as an Expressive Reasoning Medium Beyond Text

📌 【新觀念】別再讓 AI 用文字思考：將圖像視為「推理載體」的 Optical Reasoning

Self-Evaluation Is Already There: Eliciting Latent Judge Calibration in Base LLMs with Minimal Data

由於提供的資訊僅包含論文標題與摘要，為了遵循「寧可少寫，也不要寫錯」以及「不要臆測或捏造」的原則，我將在分析中聚焦於該研究的核心貢獻——如何從 Base LLM 中激發其內在的評分能力，並將其轉化為針對 AI 工程師的技術分享。

shareAI-lab/learn-claude-code

📌 【GitHub 熱門】想打造 AI Agent？先搞懂「模型」與「外殼」的本質區別

Python

SpatialWorld: Benchmarking Interactive Spatial Reasoning of Multimodal Agents in Real-World Tasks

📌 【新基準發佈】多模態 Agent 的空間推理能力，真的能應對現實世界嗎？

thedotmack/claude-mem

📌 【GitHub Trending】讓 Claude Code 擁有「長期記憶」：claude-mem 持久化記憶壓縮系統

TypeScript

wanshuiyin/Auto-claude-code-research-in-sleep

📌 【GitHub 熱門】讓 AI 在你睡覺時做研究：ARIS 跨代理自動化研究工作流

Python

Skill-3D: Evolving Scene-Aware Skills for Agentic 3D Spatial Reasoning

由於目前提供的資訊僅包含論文標題與摘要，根據您設定的「資深 AI 技術部落客」規範，最核心的原則是「寧可少寫，也不要寫錯」以及「不要只讀摘要就開始寫」。

Andyyyy64/whichllm

📌 【GitHub Trending】本地部署 LLM 該選哪個？用 whichllm 自動匹配最適合你的硬體

Python

Critic-R: Improving Agentic Search using Instruction-tuned Retrievers with Natural Language Introspective Feedback

由於目前提供的資訊僅包含論文標題、摘要及核心概念，缺乏具體的實驗數據、方法論細節（如具體演算法流程）以及作者詳細背景，我將採取「技術導向但側重於概念解析」的寫法。

Compress-Distill: Reasoning Trace Compression for Efficient Knowledge Distillation

由於您提供的資訊目前僅包含論文標題與摘要，根據我的「撰寫流程」，在缺乏完整論文細節（如具體演算法、實驗數據、對照組設定）的情況下，若強行撰寫會導致嚴重的「過度簡化」或「脫離原文臆測」，這違反了我的技術準確性原則。

danny-avila/LibreChat

📌 【開源工具推薦】不再被單一 AI 綁架：LibreChat 打造你的全能 AI 終端介面

TypeScript

Data-Efficient Autoregressive-to-Diffusion Language Models via On-Policy Distillation

📌 將自回歸模型轉換為 Diffusion LM：用 On-Policy 蒸餾降低訓練成本

Direct 3D-Aware Object Insertion via Decomposed Visual Proxies

📌 【新研究】擺脫 2D 填補限制：DIRECT 框架實現 3D 姿態可控的物件插入

langchain-ai/deepagents

📌 【LangChain 最新開源】DeepAgents：讓 AI Agent 從「Demo」走向「生產環境」的即插即用框架

Python

Google Research Adds Agentic RAG to Gemini Enterprise Agent Platform with a Sufficient Context Agent for multi-hop queries

📌 【Google Research】解決企業搜尋的「多跳」痛點：Agentic RAG 讓 Gemini 具備推理能力

Agentic AIRAG

LayerRoute: Input-Conditioned Adaptive Layer Skipping via LoRA Fine-Tuning for Agentic Language Models

📌 【LayerRoute】讓 LLM 根據輸入自動「跳層」：在推理速度與品質間取得動態平衡

google/skills

📌 【Google 最新開源】讓 AI Agent 快速上手 Google Cloud 的「技能庫」來了

Python

NVIDIA garak Tutorial: Build a Complete Defensive LLM Red-Teaming Workflow with Custom Probes and Detectors

📌 【NVIDIA Garak】打造 LLM 紅隊測試工作流：從自動化掃描到自訂探針實作

Agentic AIAI InfrastructureSecuritySoftware Engineering

Meet Harness-1: A 20B Retrieval Subagent Trained With Reinforcement Learning Inside a Stateful Search Harness on gpt-oss-20b

📌 【UIUC / UC Berkeley / Chroma 最新研究】讓 AI 專注於「決定」而非「記憶」：Harness-1 重新定義檢索代理架構

Agentic AIAI AgentsAI InfrastructureAI Paper Summary

Socratic-SWE: Self-Evolving Coding Agents via Trace-Derived Agent Skills

由於目前提供的資訊僅包含論文標題與摘要，我將採取「技術導向」的分析風格，將其核心概念（Self-Evolving / Trace-Derived Skills）轉化為開發者能理解的技術邏輯。

SubtleMemory: A Benchmark for Fine-Grained Relational Memory Discrimination in Long-Horizon AI Agents

📌 【新基準測試】AI Agent 記得住資訊，但真的理解「關係」嗎？

Thinking with Imagination: Agentic Visual Spatial Reasoning with World Simulators

📌 【新框架 Astra】讓 AI 擁有「空間想像力」：結合世界模擬器提升視覺空間推理

Towards Human-Like Interactive Speech Recognition With Agentic Correction and Semantic Evaluation

📌 語音辨識不再只是「聽寫」，而是能透過對話自我修正的 Agent

Towards Retrieving Interaction Spaces for Agentic Search

📌 【RISE 框架】在大規模語料中，如何讓 Agentic Search 兼顧效率與精度？

When Tools Fail: Benchmarking Dynamic Replanning and Anomaly Recovery in LLM Agents

📌 【ToolMaze 基準測試】當 AI 工具失效時，你的 LLM Agent 真的能自救嗎？

WorldBench: A Challenging and Visually Diverse Multimodal Reasoning Benchmark

由於您提供的資訊僅包含論文標題、摘要與評分理由，缺乏具體的實驗數據、方法論細節與具體模型表現。為了遵守「寧可少寫，也不要寫錯」以及「不要臆測或捏造未提及細節」的最高原則，我將採取「趨勢分析與問題意識」的撰寫方向。

Xiaomi MiMo and TileRT Push a 1-Trillion-Parameter Model Past 1000 Tokens Per Second on Commodity GPUs

📌 【小米最新研究】萬億參數模型突破 1000 TPS，商品級 GPU 也能跑出極速推理

AI InfrastructureMachine LearningSoftware EngineeringUncategorized

ashishpatel26/500-AI-Agents-Projects

📌 【GitHub 趨勢】500+ 個 AI Agent 實作案例，從框架選型到產業應用一次看

Python

AstrBotDevs/AstrBot

📌 【GitHub Trending】AstrBot：將 LLM 轉化為多平台 Agent 的一站式開源框架

Python

Crosstalk-Solutions/project-nomad

📌 【GitHub Trending】Project N.O.M.A.D.：打造一個永遠不會斷線的離線知識伺服器

TypeScript

InsForge/InsForge

📌 【開源新工具】InsForge：為 AI Coding Agent 打造的「全能後端基礎設施」

TypeScript

LLMs are eroding my software engineering career and I don't know what to do

📌 【職涯反思】AI 提升了開發速度，但會侵蝕工程師的「核心競爭力」嗎？

moorcheh-ai/memanto

📌 【GitHub Trending】不再只是被動檢索：Memanto 試圖定義 AI Agent 的「主動記憶」

Python

NangoHQ/nango

📌 【GitHub Trending】整合 800+ API 的痛點，用 Nango 讓 AI 幫你寫完 Integration

TypeScript

New U.S. college grads now have higher unemployment than the average worker

📌 【勞動力市場觀察】大學學位不再是就業「緩衝區」：新鮮人的失業率首次反超平均值

luongnv89/claude-howto

📌 【GitHub Trending】別讓 Claude Code 淪為聊天機器人：從基礎指令到 Agent 工作流的實戰指南

Python

Notion restores access to Anthropic after service disruption

📌 【Notion x Anthropic】服務中斷 12 小時，揭示 AI 整合的穩定性挑戰

AnthropicNotion

Mythograph Atelier #1 - Abstract Art That Means Something to You

📌 【Build Small Hackathon】不再是隨機生成：讓 AI 創作出「對你有意義」的抽象藝術

OpenAI is still working on that ‘super app’

📌 【OpenAI 戰略轉向】「Chat is dead」：ChatGPT 將進化為全能型 Super App

ChatGPTOpenAI

OpenAI unveils Lockdown Mode to protect sensitive data from prompt injection attacks

📌 【OpenAI 最新安全更新】面對 Prompt Injection 攻擊，新推出的 Lockdown Mode 能提供多少保護？

SecurityOpenAI

openclaw/openclaw

📌 【開源新星】OpenClaw：將 AI 助手部署在自己的裝置上，橫跨 20+ 通訊軟體的私有助理

TypeScript

Sem: New primitive for code understanding – not LSPs, but entities on top of Git

📌 【Ataraxy Labs 新工具】Sem：把 Git 差異升級到「函式」層級，AI 判讀精準度提升 2.3 倍！

Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering

📌 【Tokenomics 研究】Agent 寫 Code 到底花多少錢？量化分析 LLM 多代理系統的 Token 消耗

plastic-labs/honcho

📌 【GitHub Trending】讓 AI Agent 擁有「長期記憶」：Honcho 打造狀態化智能體的記憶基礎設施

Python

twentyhq/twenty

📌 【開源 CRM 新選擇】Twenty：把 CRM 當成軟體產品來開發與版本管理

TypeScript

Show HN: Lathe – Use LLMs to learn a new domain, not skip past it

📌 【開源新工具】用 AI 學習新領域，而不是讓 AI 代替你思考

withastro/flue

📌 【Astro 團隊新作】Flue：把 Claude Code 的體驗轉化為可程式化的 Agent 框架

TypeScript

15 Best Vibe Coding Tools in 2026 Compared: Pricing, Features, and Best Fit

Agentic AIAI AgentsSoftware EngineeringTop

A Deep Dive into Calibration of Language Models: Platt Scaling, Isotonic Regression, Temperature Scaling

3 SpaCy Tricks for Efficient Text Processing & Entity Recognition

AdaPlanBench: Evaluating Adaptive Planning in Large Language Model Agents under World and User Constraints

[AINews] not much happened today

agentscope-ai/agentscope

Python

ArcANE: Do Role-Playing Language Agents Stay in Character at the Right Time?

Code2LoRA: Hypernetwork-Generated Adapters for Code Language Models under Software Evolution

Complexity-Balanced Diffusion Splitting

EvoDS: Self-Evolving Autonomous Data Science Agent with Skill Learning and Context Management

📌 EvoDS：自我演化的資料科學代理人，會「學會新技能」嗎？

Five labs, five minds: building a multi-model finance drama on small models

📌 【HuggingFace 技術分享】用 4 家不同實驗室的小模型，打造一個會「內鬥」的金融模擬社會

CopilotKit/CopilotKit

TypeScript

Gemma 4 QAT models: Optimizing compression for mobile and laptop efficiency

Google will pay SpaceX $920M per month for compute

AI computeAlphabetGoogleSpaceX

Google DeepMind Releases Gemma 4 QAT Checkpoints: Q4_0 and a New Mobile Format Cut On-Device Memory

Agentic AIAI InfrastructureEdge AILanguage Model

khoj-ai/khoj

📌 【開源工具推薦】Khoj：打造一個能索引所有私人文件的「AI 第二大腦」

How to Stop Shipping Low-Quality RL Environments (with Examples)

LoomVideo: Unifying Multimodal Inputs into Video Generation and Editing

microsoft/agent-framework

Python

MemPalace/mempalace

microsoft/BitNet

Python

Mira Murati steps back into the spotlight, carefully

Mira MuratiThinking Machines Lab

New York lawmakers pass one-year ban on new data centers

PolicyPoliticsRegulation

microsoft/VibeVoice

你以為「長語音一次辨識」只能靠大型雲服務？Microsoft 只要幾行程式碼，就把 60 分鐘完整音檔一次過轉寫，還能即時產生九種語言、11 種英語風格的語音。這到底是怎麼做到的？

Python

NVIDIA AI Releases Dynamo Snapshot: A CRIU-Based Fast Startup System for AI Inference on Kubernetes

AI InfrastructureLanguage ModelLarge Language ModelMachine Learning

Microsoft Fara Tutorial: Run a Browser-Use Agent in Google Colab with a Mock OpenAI-Compatible Endpoint

Agentic AISoftware EngineeringTutorials

Learning Geometric Representations from Videos for Spatial Intelligent Multimodal Large Language Models

由於提供的資訊目前僅包含論文標題與摘要，缺乏詳細的實驗數據、具體算法流程及作者名單，我將採取「技術前瞻」的切入點。在不臆測細節的前提下，將重點放在 「如何透過幾何知識蒸餾（Geometric Knowledge Distillation）解決 MLLM 空間感知缺陷」 這一核心技術路徑上。

NVIDIA Releases Nemotron 3.5 ASR: A 600M-Parameter Cache-Aware Streaming Model Transcribing 40 Language-Locales in Real Time

📌 【NVIDIA 最新開源】600M 參數一次搞定 40 種語言的即時語音辨識

ogulcancelik/herdr

📌 【GitHub Trending】Herdr：在終端即時管理多 Agent 工作流

openai/codex

📌 【OpenAI 最新發佈】Codex CLI：將 AI 編程代理直接搬進你的本地終端機

Rust

PaddlePaddle/PaddleOCR

Python

Panniantong/Agent-Reach

Python

openclaw/openclaw

TypeScript

Perplexity AI Introduces Hybrid Local-Server Inference Orchestrator for Personal Computer: Automatic On-Device and Cloud Task Routing

Agentic AIAI Infrastructure

openai/whisper

📌 【OpenAI Whisper】一次部署，搞定多語言語音辨識與翻譯

Reality: The Final Eval — Lukas Petersson and Axel Backlund of Andon Labs

Reinforcement Learning Elicits Contextual Learning of Unseen Language Translation

Rethinking Continual Experience Internalization for Self-Evolving LLM Agents

Running Python code in a sandbox with MicroPython and WASM

SABER: Benchmarking Operational Safety of LLM Coding Agents in Stateful Project Workspaces

SEAOTTER: Sensor Embedded Autoencoding with One-Time Transcode for Efficient Reconstruction

Shubhamsaboo/awesome-llm-apps

你還在每次新專案都從頭寫 RAG pipeline、Agent loop 或多模型整合嗎？

Python

The latest AI news we announced in May 2026

SearchAndroidGoogle DeepMindGoogle Labs

The most interesting startups right now want to get you off your phone

HardwareStartupsanthropic ipoboard

The ‘together tech’ wave might be the most intriguing startup bet of 2026

HardwareStartupsanthropic ipoboard

The token bill comes due: Inside the industry scramble to manage AI’s runaway costs

ai tokenslinux foundationtokenmaxxing

This is your laptop… on AI

GadgetsMicrosoftPodcastsTech

unslothai/unsloth

Python

vllm-project/vllm-omni

Python

withastro/flue

TypeScript

World-Language-Action Model for Unified World Modeling, Language Reasoning, and Action Synthesis

VideoKR: Towards Knowledge- and Reasoning-Intensive Video Understanding

ZhuLinsen/daily_stock_analysis

Python

AAD-1: Asymmetric Adversarial Distillation for One-Step Autoregressive Video Generation

📌 AAD-1：非對稱對抗蒸餾讓單步自回歸影片生成更穩定

Agent libOS: A Library-OS-Inspired Runtime for Long-Running, Capability-Controlled LLM Agents

📌 【HuggingFace Daily Papers】Agent libOS：為長時間運行的 LLM Agent 提供程序般的隔離與安全邊界

Apple approves Poke as the first AI agent on its Messages for Business platform

📌 Poke 成為首個獲准的 iMessage AI Agent

AppsTCai agentApple

AUDITFLOW: Executable Symbolic Environments for Structured Financial Reporting Verification

📌 AUDITFLOW: 可執行符號環境結構化財報驗證

BraveGuard: From Open-World Threats to Safer Computer-Use Agents

Safe Agent Guard

DayuanJiang/next-ai-draw-io

📌 Next AI Draw.io：用自然語言產出 draw.io 圖表的開源專案

TypeScript

Designing the hf CLI as an agent-optimized way to work with the Hub

📌 HF CLI 為 AI Agent 優化

Echo-Infinity: Learning Evolving Memory for Real-Time Infinite Video Generation

📌 Echo‑Infinity：可學習演進記憶讓即時無限影片生成成為可能

Eliciting Complex Spatial Reasoning in MLLMs through Wide-Baseline Matching

📌 Wide-Baseline Matching 與 MLLM 空間推理

fathah/hermes-desktop

📌 【開源專案】Hermes Desktop：讓 Hermes Agent 變得易於使用的原生 GUI

TypeScript

jundot/omlx

📌 【jundot/omlx】macOS 菜單列驅動的 LLM 推論工具，記憶體＋SSD 分層快取讓本地模型實用

Python

Gemma 4 12B: A unified, encoder-free multimodal model

📌 【Google DeepMind】Gemma 4 12B：免編碼器的統一多模態模型

KVarN: Native vLLM backend for KV-cache quantization by Huawei

📌 【Huawei CSL】KVarN：vLLM 原生 KV-cache 量化，快取容量提升 3-5×

Fission-AI/OpenSpec

📌 【Fission-AI】OpenSpec：AI 引導的規格工作流程

TypeScript

langgenius/dify

📌 Dify：開源 LLM 應用一站式平台

TypeScript

MapAgent: An Industrial-Grade Agentic Framework for City-scale Lane-level Map Generation

📌 MapAgent：工業級車道圖自動生成

Meet OpenJarvis: A Local-First Framework for On-Device Personal AI Agents with Tools, Memory, and Learning

📌 OpenJarvis：本地優先的個人AI代理框架

AI InfrastructureAI Paper SummaryLanguage ModelMachine Learning

MemTrain: Self-Supervised Context Memory Training

📌 MemTrain：自監督記憶訓練框架

microsoft/mxc

你有沒擔心 LLM 產出的程式碼會不小心刪除檔案？

Rust

Miso Labs Releases MisoTTS: An 8B Emotive Text-to-Speech Model with Open Weights

📌 【Miso Labs 開放權重】8B 參數的 MisoTTS 能同時做到富情感與 110ms 超低延遲？

Agentic AIAudio Language ModelLanguage ModelOpen Source

Nemotron 3.5 Content Safety: Customizable Multimodal Safety for Global Enterprise AI

📌 【NVIDIA 最新發布】Nemotron 3.5 Content Safety

MMG2Skill: Can Agents Distill In-the-Wild Guides into Self-Evolving Skills?

📌 MMG2Skill：把網路教學變成 AI 能執行的技能，閉環學習是關鍵？

Score-Control for Hallucination Reduction in Diffusion Models

📌 Score-Control for Hallucination Reduction in Diffusion Models

NVIDIA/NemoClaw

📌 【NVIDIA】NemoClaw：在 OpenShell 沙箱中安全運行 AI Agent 的參考堆疊

TypeScript

Stable-Layers: Fine-Tuning Image Layer Decomposition Models with VLM-Scored Reinforcement Learning

📌 Stable-Layers：用 VLM 評分的強化學習微調圖層分解模型

Streaming Communication in Multi-Agent Reasoning

📌 StreamMA：串流中間結果提升多智能體推理

ThoughtFold: Folding Reasoning Chains via Introspective Preference Learning

📌 ThoughtFold：內省偏好摺疊推理

Token Budgets: An Empirical Catalog of 63 LLM-Agent Budget-Overrun Incidents, with an Affine-Typed Rust Mitigation as a Case Study

📌 Token Budgets：編譯時保障 LLM 成本

Where Do Deep-Research Agents Go Wrong? Span-Level Error Localization in Agent Trajectories

📌 【HuggingFace Daily Papers】深度研究代理錯誤何處發生？Span‑Level 定位方法解析

vercel-labs/agent-browser

你有沒試過讓 AI 自己操作瀏覽器？現在只要一行指令，就能呼叫一個用 Rust 寫成的瀏覽器自動化工具。

Rust

[AINews] Microsoft Build: MAI-Thinking-1 and MAI Family models

📌 Microsoft Build 發表 MAI 系列模型

AutoMedBench: Towards Medical AutoResearch with Agentic AI Models

📌 AutoMedBench：醫學 AutoResearch 的新基準，驗證環節成最大瓶頸

Benchmarking Visual State Tracking in Multimodal Video Understanding

📌 Benchmarking Visual State Tracking in Multimodal Video Understanding

Agentic Chain-of-Thought Steering for Efficient and Controllable LLM Reasoning

📌 Agentic Chain-of-Thought Steering：讓 LLM 思考更省 token 且可控

cs.CLcs.AI

Bootstrap Your Generator: Unpaired Visual Editing with Flow Matching

📌 Bootstrap Your Generator：無配對訓練的流匹配視覺編輯

datawhalechina/hello-agents

📌 【DatawhaleChina 開源】Hello-Agents：從零開始構建真正的 AI Native 智能體

Python

Decentralized Instruction Tuning: Conflict-Aware Splitting and Weight Merging

📌 【衝突感知的分散式指令調優】

Decoupled Residual Denoising Diffusion Models for Unified and Data Efficient Image-to-Image Translation

📌 解耦殘差擴散模型提升圖像翻譯

Diagnosing Harmful Continuation in Answer-Correct Long-CoT Training Traces

📌 論文診斷：長鏈思考有害續段

Google DeepMind Releases Gemma 4 12B: An Encoder-Free Multimodal Model with Native audio that runs on a 16 GB laptop

📌 Gemma 4 12B：Encoder‑Free 多模態模型，可在 16 GB 筆電運行

Agentic AIEnterprise AILanguage ModelLarge Language Model

Direct Preference Optimization Beyond Chatbots

📌 【HuggingFace Blog】DPO 降低 OCR 文字退化率，平均下降 59.4%

Guides

📌 Simon Willison 的《Guides》： Coding Agents 實戰模式彙總

HKUDS/Vibe-Trading

📌 HKUDS 推出 Vibe-Trading：LLM 驅動的個人交易代理，一行指令即可擴充完整交易功能

Python

How to Fine-Tune LFM2 Using QLoRA and DPO: A Complete Step-by-Step Coding Tutorial on Google Colab

📌 【MarkTechPost】QLoRA + DPO 微調 LFM2 完整教學

Language ModelLarge Language ModelMachine LearningTutorials

Humanoid-GPT: Scaling Data and Structure for Zero-Shot Motion Tracking

📌 Humanoid‑GPT：透過億級運動資料與 GPT 架構實現零樣本運動追蹤

heygen-com/hyperframes

📌 HyperFrames：讓 AI 程式碼助手直接生成影片

TypeScript