本研究提出将Sigmoid注意力作为Softmax注意力的直接替代方案，用于构建更稳定的生物基础模型。在六个单细胞数据集上的实验表明，Sigmoid注意力能提升25%的细胞类型分离度，改善细胞类型内聚性，并降低验证损失，同时训练速度提升高达10%。理论分析揭示，Sigmoid具有全局有界导数和对角雅可比结构，这缓解了Softmax的稠密耦合带来的不稳定性。在压力测试中，训练1.6亿参数模型时，Softmax出现梯度爆炸，而Sigmoid保持稳定。团队开源了高性能GPU内核TritonSigmoid，在H100上实现515 TFLOPS，性能超越现有方案，并原生支持生物序列所需的填充处理。

研究团队提出Prox-E，一个无需训练即可实现细粒度3D控制的框架。该方法先将输入3D形状抽象为一组紧凑的几何基元，再利用预训练的视觉语言模型对该抽象进行基元层级的编辑指定，最终引导3D生成模型完成局部结构修改，同时严格保持物体未变化区域的原始身份。实验表明，该方法在身份保持、形状质量和指令遵循度上，均优于现有的基于2D的3D编辑器和需要训练的方法。

Web2BigTable是一个支持广度和深度搜索的双层多智能体框架。上层编排器将任务分解为子问题，下层工作智能体并行求解。系统通过运行-验证-反思的闭环流程，利用持久化外部记忆联合改进任务分解与执行，并实现单智能体的自我进化。工作智能体通过共享工作空间协调，减少冗余探索、调和冲突证据并适应覆盖缺口。该系统在广度搜索基准WideSearch上达到新SOTA：Avg@4成功率为38.50（是第二名的7.5倍），行F1为63.53，项F1为80.12。在深度搜索基准XBench-DeepSearch上也取得73.0的准确率。代码已开源。

现有计算机使用代理在长周期图形界面任务中因每一步都调用大型多模态模型而导致效率低下。此类任务轨迹具有高度异质性：多数步骤可由轻量策略可靠处理，而错误多集中于少数高风险时刻，表现为进度停滞与语义漂移。为此，本文提出一种事件驱动的步骤级级联框架，默认运行轻量策略，仅当轻量监测器识别到风险升高时才升级至强模型。该框架整合了停滞监测器与里程碑监测器，能根据交互进程自适应分配计算资源，将始终开启的前沿模型推理转变为按需调用。该模块化设计无需改变现有代理架构或重新训练大模型即可直接集成。

针对现有开源视觉偏好数据集存在的冲突偏好、低分辨率等问题，研究团队提出Poly-DPO算法，通过多项式项动态调整模型置信度以增强抗噪性。为突破数据瓶颈，团队构建了大规模高质量数据集ViPO，包含百万级图像对与数十万视频对。实验表明，在高质量ViPO上，Poly-DPO最优配置会收敛至标准DPO，验证了数据质量；而在噪声数据集上，Poly-DPO相比Diffusion-DPO在SD1.5和SDXL模型上分别取得6.87和2.32的性能提升。研究证实，算法适应性与数据质量共同推动视觉偏好优化的规模化发展。

本研究通过推理冲突视角，探讨大语言模型能否将归纳、演绎等基本推理模式与具体问题实例解耦。发现LLMs优先考虑合理性而非合规性，即使指令冲突也倾向任务适用推理。任务准确率不严格由合理性决定，模型依赖内部参数记忆且随规模增强。推理冲突可内部检测，置信度显著下降。实验显示推理类型从中后层线性编码，表明激活层面可控。通过机制干预，成功将模型导向合规，指令遵循率最高提升29%。这表明主动干预能有效解耦逻辑模式与数据，提升可控性、忠实度和泛化能力。

长度价值模型（LenVM）是一个创新的令牌级框架，它将剩余生成长度预测转化为价值估计问题，通过为每个生成令牌分配恒定负奖励来获得密集、无偏且可扩展的监督信号。实验表明，LenVM能显著提升模型对生成长度的精确控制能力：在LIFEBench精确长度匹配任务中，它将一个7B模型的长度分数从30.9大幅提升至64.8，超越了前沿闭源模型。同时，该模型支持性能与效率的连续权衡，如在GSM8K上设定200令牌预算时，能保持63%的准确率，远超基线模型的6%。此外，LenVM能从提示开始预测总长度，并提供生成动态的可解释视图，展现了其作为通用长度建模框架的广泛潜力。

传统科学论文为追求线性叙事，舍弃了大量失败实验与分支路径，且描述与可执行细节间存在鸿沟，严重阻碍了AI智能体的理解与复现。为此，研究团队提出“智能体原生研究制品”（ARA）协议，以包含科学逻辑、可执行代码、探索图谱及证据层的机器可执行研究包取代传统论文。其生态系统由实时研究管理器、ARA编译器和原生评审系统支持。实验表明，ARA将问答准确率从72.4%提升至93.7%，复现成功率从57.4%提高至64.4%。保存的失败轨迹能加速扩展任务，但也可能限制高能力智能体跳出既有框架。

研究提出协同进化策略蒸馏（CoPD），以解决混合RLVR的跨能力发散问题和传统OPD因行为模式差距导致的能力吸收不全问题。CoPD通过推动专家并行训练，并在每个专家的RLVR训练中引入双向OPD，使专家互为教师、协同进化，从而保持行为模式一致且知识互补。实验表明，CoPD能全面集成文本、图像和视频推理能力，性能显著优于混合RLVR和MOPD等基线，甚至超越领域专用专家。该方法可能启发新的训练扩展范式。

研究团队提出名为ElementsClaw的智能体框架，通过协同大型原子模型与大型语言模型来加速材料发现。该框架利用微调自10亿参数原子模型Elements的工具进行原子尺度计算，并借助LLM进行高层语义推理，将材料发现转向集成化、人机交互模式。在超导体搜索中，该框架仅用28个GPU小时便筛选了240万种晶体，识别出6.8万个高置信度候选材料，将已知超导体空间扩大了数个数量级。它不仅成功识别出文献中隐藏的超导体，更发现了四种经实验验证的新型超导体，其中Zr3ScRe8和HfZrRe4的转变温度分别为6.8K和6.7K。

研究团队提出首个跨架构扩散大语言模型蒸馏框架TIDE，以解决师生模型在架构、注意力机制和分词器上不同时的知识迁移难题。该框架包含三个核心组件：TIDAL根据训练进度和扩散时间步联合调节蒸馏强度；CompDemo通过互补掩码分割丰富教师模型上下文，以改进重度掩码下的预测；Reverse CALM则是一种提供有界梯度和双端噪声过滤的跨分词器目标函数。实验将80亿参数稠密模型和160亿参数MoE教师模型的知识蒸馏至6亿参数学生模型，在八个基准测试中平均领先基线1.53分，代码生成能力提升显著。

GLM-5V-Turbo是一个为多模态智能体设计的原生基础模型。其核心创新在于将多模态感知深度整合为推理、规划、工具使用和执行的核心组件，而非语言模型的附属接口。本报告概述了其在模型设计、多模态训练、强化学习、工具链扩展及与智能体框架集成等方面的系列改进。这些改进使其在多模态编码、视觉工具使用和基于框架的智能体任务中表现出色，同时保持了有竞争力的纯文本编码能力。开发过程强调了多模态感知的中心地位、分层优化方法以及可靠的端到端验证，为构建多模态智能体提供了实践启示。

FASH-iCNN是一个基于1991-2024年间15个品牌87,547张Vogue秀场图像训练的多模态系统，旨在将隐含的时尚美学逻辑转化为可检视的文化信号。该系统能根据服装图像识别其所属品牌、年代与色彩传统。纯服装模型在品牌识别上准确率达78.2%，年代识别达88.6%，特定年份识别为58.3%（平均误差仅2.2年）。分析表明，纹理与亮度是编辑身份的核心载体：移除颜色仅使品牌识别准确率下降10.6个百分点，而移除纹理则导致37.6个百分点的显著下降。该系统将编辑文化视作明确信号，揭示每个预测背后编码的特定品牌、编辑理念与历史时刻。

ClawGym是一个可扩展框架，旨在解决Claw式环境中缺乏系统化开发框架的瓶颈，支持个人智能体开发的全生命周期。其核心包括：ClawGym-SynData数据集，通过角色驱动意图与技能基础操作合成1.35万个筛选任务，配备模拟工作空间和混合验证机制；ClawGym-Agents模型系列，基于黑盒轨迹监督微调训练，并探索在并行化任务沙箱中的轻量级强化学习流程；以及ClawGym-Bench评估基准，包含200个经过自动过滤与人工-LLM双重校准的测试实例。相关资源即将在GitHub开源发布。

研究团队提出X-WAM，一个统一4D世界模型，首次在单一框架内整合了实时机器人动作执行与高保真4D世界合成。该模型通过预测多视角RGB-D视频来想象未来世界，并采用轻量级结构适配器复制预训练扩散Transformer的末端模块，形成专用深度预测分支以高效获取空间信息。其核心创新异步噪声采样技术，在推理时采用异步去噪调度，能以更少步数快速解码动作实现实时执行，同时保留完整步数生成高保真视频。模型在超过5800小时机器人数据上预训练，在RoboCasa和RoboTwin 2.0基准测试中分别达到79.2%和90.7%的平均成功率，其4D重建与生成质量在视觉和几何指标上均超越现有方法。

前沿语言模型的强化学习后训练常受限于自回归生成速度。本研究将推测解码作为一种无损加速方法集成到RL生成过程中，在保持目标模型输出分布不变的前提下提升效率。该方案在NeMo-RL框架中结合vLLM后端实现，支持同步与异步流水线，允许在RL生成阶段进行推测。实验表明，在8B规模的同步RL推理任务中，推测解码使生成吞吐量提升1.8倍。通过高保真模拟器预测，在235B规模下结合异步RL可实现最高2.5倍的端到端训练加速。

DeepInfra 作为高性能、低成本的推理服务提供商，现已在 Hugging Face 平台正式上线。该服务支持众多开源模型，包括 LLaMA、Mistral 等系列，并提供按需付费的灵活计费模式。其 GPU 实例涵盖 H100、A100 等多种型号，显著降低了 AI 模型部署与调用的门槛，进一步推动了开源人工智能技术的普及与应用。

英伟达发布开源全模态推理模型Nemotron 3 Nano Omni，采用30B‑A3B混合MoE架构，集视频、音频、图像和文本处理于一体。该模型旨在替代多模型链，降低推理成本与编排复杂度。在多项基准测试中表现领先，尤其在视频推理任务中，其系统吞吐量相比其他开放式全模态模型最高提升约9.2倍，文档推理任务最高提升约7.4倍。模型权重、训练配方及数据集已完全开放，支持开发者在各类环境中定制部署。

韩国科学技术院研究团队成功开发出一种基于DNA的生物晶体管，突破了传统硅基半导体2纳米的微型化极限。该技术利用间距仅0.34纳米的DNA分子，通过可逆组装与解组装响应外部信号，实现了分子层面的计算与信息存储双重功能，克服了传统DNA电路一次性使用的缺陷。这项模拟半导体晶体管原理的成果，有望应用于体内分子诊断装置，实时监测疾病信号，为生物计算与医疗技术开辟了新方向。研究已发表于《Science Advances》。

在庭审中，马斯克将自己描绘成心系人类福祉的拯救者。他回顾从南非到创办多家公司的经历，称创立SpaceX是为生命“买保险”，创办特斯拉是为摆脱化石燃料。他早年即担忧AI的双刃剑效应，并称参与创立OpenAI是为实现《星际迷航》式AI乌托邦。马斯克指责OpenAI CEO奥尔特曼为“小偷”，并警告若其行为被合法化，将摧毁美国慈善事业的根基。

据彭博社爆料，苹果计划在WWDC26上为iOS 27系统引入三项AI照片编辑功能。新版照片应用将新增“Apple Intelligence Tools”菜单，其核心是“Extend”功能，可生成并自动填补原始画幅之外的图像内容。另外两项工具分别是用于自动优化图像光线与色彩的“Enhance”，以及支持在后期自由改变空间照片观看视角的“Reframe”。不过，内部测试显示“Extend”和“Reframe”目前运行不稳定，苹果正评估模型优化进度，这些功能可能面临推迟或缩减。

央视解读中方禁止Meta收购AI公司Manus，意在遏制“洗澡式出海”。税务部门查处网红“白冰”偷逃税款，追缴罚款1891万元，其多平台账号被封禁。网信部门依法查处“剪映”等平台未落实AI生成内容标识规定。DeepSeek-V4技术报告显示，包括王炳宣在内的10名核心骨干已离职。百度宣布调整职级体系，打通专业与管理通道。华为Pura X Max横向折叠手机首销日销量约为前代215%。吉利银河M7上市，CLTC综合续航1730公里。比亚迪发布汉EV闪充版，支持9分钟快充。

据报道，苹果将在 iOS 27 系统中全面重构 Siri，旨在通过深度集成将其打造为用户的全天候智能伴侣，显著增强 AirPods 的交互体验。新版 Siri 将采用类似 ChatGPT 的对话式交互，利用大语言模型理解上下文与用户意图，并能深度控制系统及应用，自动执行多步骤任务，同时支持接入第三方 AI 平台。此次升级致力于提供无缝、连续的对话体验，解决当前 Siri 与第三方 AI 交互生硬、割裂的问题，让用户通过 AirPods 即可便捷唤醒和使用更智能的语音助手。

Anthropic于4月29日宣布升级Claude AI，新增专属连接器，全面接入Adobe、Blender等八大主流创意软件生态。此次更新将AI能力深度整合至专业工作流，用户可直接在Adobe系列软件中调用50多项工具，在Autodesk Fusion中通过对话创建修改3D工业模型，在Blender中生成脚本与调试场景。此外，音频软件Ableton和Splice用户也能快速查询文档与检索采样库。Claude旨在充当智能助手，自动化处理重复任务，让创作者更专注于核心创意。

本次更新主要新增了通过环境变量选择Bedrock服务层级的功能，并支持在/resume搜索框粘贴PR链接以定位创建该PR的原始会话。同时修复了多项关键问题：修正了源会话含时间线回退条目时，/branch命令可能创建失败分支的问题；解决了发送给新版模型的图像被错误调整为2576px（应为2000px上限）的问题；增强了OpenTelemetry日志记录，确保数字属性以数值类型输出；并修复了Vertex AI/Bedrock在生成会话标题等场景下可能返回无效请求错误的问题。此外，还包含对MCP工具显示、CLI命令退出行为等多项细节的优化与修正。

OpenAI 在其 Codex 项目的模型管理器文件中，为 GPT-5.5 设置了一条基础系统指令。该指令明确要求模型“除非与用户的查询绝对且明确相关，否则绝不要谈论地精、小妖精、浣熊、巨魔、食人魔、鸽子或其他动物或生物”。这条指令揭示了大型语言模型在系统提示词层面进行的特定内容限制与引导，是理解模型行为边界和提示工程实践的一个具体案例。

OpenAI 与亚马逊 AWS 宣布合作，将其 AI 模型集成到 Bedrock 托管服务平台。用户可通过 AWS 直接访问 OpenAI 的先进模型，如 GPT 系列，从而简化企业部署 AI 应用的过程。此次集成提升了模型的可访问性和管理效率。在专访中，OpenAI 首席执行官 Sam Altman 和 AWS 首席执行官 Matt Garman 强调了双方在推动 AI 普及方面的合作细节，包括对 Bedrock Managed Agents 的优化，旨在为企业提供更高效的 AI 解决方案。

Claude.ai 人工智能服务目前无法访问，官方状态页面（status.claude.com）已确认服务中断。该故障于2026年4月28日18:01（UTC）被报告，在Hacker News上相关帖子获得112个点赞，反映了技术社区的高度关注。具体中断原因和恢复时间尚未公布，用户需通过状态页面获取更新。

当前人工智能的经济逻辑面临严峻挑战。尽管AI公司投入巨大，但其商业模式难以持续，高昂的算力和能源成本与创造的实际经济价值不匹配。许多AI应用并未产生预期中的生产力爆发或显著收入增长，反而可能导致市场垄断和资源集中。行业需要重新审视AI技术的投资回报率，探索更可持续的发展路径。

克劳德·科德编写代码的所有权问题引发法律讨论，聚焦AI生成代码的归属权。文章指出，当前法律框架下此类代码的版权归属尚不明确，可能涉及用户协议、版权法更新及知识产权争议。该话题在科技社区热度高，相关文章在Hacker News上获得109 points，反映对AI技术进步中法律挑战的广泛关注。

名为“Talkie”的130亿参数语言模型仅使用1931年前的文本训练，其对未来世界的预测呈现出强烈的时代局限性。该模型怀疑第二次世界大战是否会发生，并将2026年想象成一个仍以蒸汽船、铁路和廉价小说为主导的世界。这直观揭示了训练数据的时间范围如何从根本上限制大语言模型对现实发展的认知与预测能力。

一项人工智能安全研究在目前规模最大的开源电子病历软件OpenEMR中发现了38个安全漏洞。这些漏洞涵盖多个类别，包括跨站脚本、SQL注入和身份验证绕过等高风险问题。该软件被全球超过10万家医疗服务提供商所使用，影响范围广泛。研究团队利用AI驱动的代码分析工具完成了此次漏洞挖掘，凸显了AI在提升软件安全审计效率方面的潜力。所有已发现的漏洞细节均已报告给开发团队进行修复。

据报道，谷歌已与美国五角大楼达成一项关于人工智能技术应用的协议。根据协议，谷歌将允许美国国防部在“任何合法”的军事用途中使用其人工智能工具。这一合作标志着谷歌与军方关系的显著转变，此前谷歌员工曾因涉及AI的军事项目（如Maven项目）发起抗议。新协议旨在为国防部提供广泛的AI技术访问权限，涵盖从后勤到情报分析等多个领域，但强调所有应用必须符合法律和伦理规范。此举可能引发关于科技公司与军事部门合作边界的进一步讨论。

Anthropic宣布以企业赞助商身份加入Blender开发基金。该基金旨在支持开源3D创作套件Blender的持续开发。作为企业级赞助商，Anthropic将提供资金支持，助力Blender在3D建模、动画和渲染等核心功能的研发。此举标志着AI公司与开源图形软件社区的重要合作，将进一步推动创意工具的发展。相关新闻在Hacker News上获得了111个社区积分。

GitHub宣布自2026年6月1日起，GitHub Copilot的代码审查功能将开始消耗用户的GitHub Actions配额分钟数。这一变化意味着开发者使用该AI辅助审查代码时，将计入其月度Actions使用量，可能影响免费额度用户或用量较大的团队。此前该功能可能未计入配额或采用独立计费方式，新政策将统一至Actions计费体系。