Google Research 发布 ConvApparel 数据集与评估框架，用于量化 LLM 用户模拟器的"真实感差距"。该数据集包含 4000 余组服装购物多轮对话，采用"好/坏"双智能体协议收集，涵盖从满意到恼怒的全谱系用户行为。框架通过反事实验证测试模拟器对意外糟糕体验的适应能力，解决现有模拟器过于耐心、知识过剩等不现实问题，为训练更鲁棒的对话智能体提供可信的 AI 测试基准。

inclusionAI团队发布了TC-AE项目，旨在通过开源与开放科学推动人工智能技术的进步与民主化。该项目致力于降低AI技术的使用门槛，促进更广泛的社区参与和创新。核心变化在于构建了一个可访问的AI开发框架，强调协作与知识共享。此举预期将加速AI工具在多元领域的应用，并推动技术发展的透明性与包容性。

OpenAI 发布 Child Safety Blueprint，提出负责任开发 AI 的系统性路线图。该方案通过建立技术保障机制、设计适龄交互界面及推动跨领域协作，致力于在保护青少年网络安全的同时赋予其数字能力。蓝图强调将儿童安全原则融入 AI 产品全生命周期，为行业提供兼顾安全防护与成长赋能的框架，应对未成年人使用人工智能的潜在风险。

Claude Code v2.1.96 修复 Bedrock 请求 403 "Authorization header is missing" 错误，解决使用 AWS_BEARER_TOKEN_BEDROCK 或 CLAUDE_CODE_SKIP_BEDROCK_AUTH 环境变量时的认证失败问题。该回归缺陷源自 2.1.94 版本。

强化学习是提升大语言模型推理能力的核心后训练工具，但rollout（从提示到终止的采样轨迹）设计常被忽视。本综述从与优化器无关的视角，提出GFCR（生成-过滤-控制-重放）生命周期分类法，将rollout流程模块化为四个阶段：生成候选轨迹、过滤构建中间信号、控制计算分配与决策、重放重用数据。研究引入可靠性、覆盖率和成本敏感性的权衡标准，并以此框架综述了过程监督、自适应计算等方法。案例研究涵盖数学、代码/SQL等多领域，最后提供了诊断索引和开放挑战，以构建可复现、高效的rollout流程。

研究团队发布 ATANT 开源评估框架，用于衡量 AI 系统跨时间保持上下文连续性的能力。框架定义了连续性的 7 项必要属性，采用无 LLM 参与的 10 检查点方法，包含 250 个故事和 1,835 个验证问题。评估显示，参考实现从遗留架构的 58% 提升至隔离模式 100%，250 故事累积模式下达 96%。该框架系统无关、模型独立，可验证 AI 在多叙事共存时避免交叉污染的能力。

新版本新增对 Amazon Bedrock（由 Mantle 驱动）的支持，并将 API-key、Bedrock/Vertex/Foundry、Team 及 Enterprise 用户的默认 effort level 从 medium 提升至 high。修复了 429 速率限制后代理卡死、macOS 控制台登录失败、插件 hooks 被忽略、长会话滚动回显重复、CJK 字符损坏等关键问题。VSCode 扩展优化了冷启动性能并新增设置解析失败警告。

Google Cloud推出PaperVizAgent与ScholarPeer两款学术AI智能体。前者通过检索、规划、风格、可视化与批判五个专门智能体协作迭代，将论文文本转化为符合发表标准的图表，综合评分（60.2）显著超越人类基线（50.0）及GPT-Image-1.5等模型；后者模拟资深审稿人流程，动态构建文献背景并验证基线，实现基于实证的自动化同行评审。

研究团队发布MedConclusion基准数据集，包含570万PubMed结构化摘要，用于测试大语言模型从结构化生物医学证据中推断科学结论的能力。该数据集将摘要非结论部分与作者撰写的结论配对，提供自然监督信号，并包含期刊类别、SJR等元数据支持子群分析。初步评估显示，结论写作与摘要写作行为差异显著，当前自动指标难以区分强模型表现，且LLM评判者身份会显著影响评分结果。

针对AI编码智能体在大型代码库中存在的“上下文盲”问题，本文提出了Spec Kit Agents多智能体规范驱动开发流程。该流程引入阶段级的上下文锚定钩子：只读探测钩子将各开发阶段锚定于仓库证据，验证钩子则检查中间产物。在涵盖5个仓库、32个功能的评估中，上下文锚定钩子将LLM综合评分提升了0.15分（满分5分），同时保持99.7%-100%的仓库级测试兼容性。在SWE-bench Lite基准测试中，该方法将基线性能提升1.7%，达到58.2%的Pass@1通过率。

《纽约客》最新调查报道证实了对OpenAI首席执行官山姆·奥特曼的既有质疑。报道指出其在公共言论中缺乏对事实的约束，存在夸大或误导性陈述。这一调查为此前关于奥特曼诚信问题的担忧提供了佐证，揭示了这位AI行业领军人物在承诺与事实之间的偏差，反映出其言行中真实性约束的缺失。

OpenAI 启动一项全新的安全研究奖学金试点计划，旨在支持独立的安全与对齐研究，并培养下一代人才。该计划为研究人员提供独立开展 AI 安全和对齐研究的机会，同时致力于发掘和培养该领域的新兴研究力量，推动人工智能安全研究的长期发展。

OpenAI 启动了一项试点计划——OpenAI 安全研究员计划，旨在支持独立的安全与对齐研究，并培养下一代相关人才。该计划将为研究人员提供资金、资源以及与 OpenAI 团队的协作机会，以推进人工智能安全领域的前沿工作。此举是 OpenAI 构建更安全、更对齐的 AI 系统整体战略的一部分。

提出了一套面向AI时代的雄心勃勃的以人为本的产业政策方案，聚焦扩大经济机会、促进繁荣共享与构建韧性制度三大支柱，以应对先进智能技术演进带来的挑战。该框架强调在技术变革中保障人的主体地位，建立包容性制度体系确保AI发展成果广泛惠及社会，同时增强 institutions 适应智能化转型的长期能力。

SuperLocalMemory V3.3（"活脑"）作为本地优先的Zero-LLM智能体记忆系统发布，实现完整认知记忆分类。核心创新包括：Fisher-Rao量化感知距离（FRQAD）以100%精度识别高保真嵌入；艾宾浩斯自适应遗忘曲线实现6.7倍区分力；7通道认知检索（语义、关键词、实体图、时间、扩散激活、巩固、Hopfield联想）在LoCoMo基准零LLM模式下达70.4%，多跳任务提升23.8个百分点。支持长时内隐记忆参数化与自动认知管道，纯CPU运行，月下载超5000次。

针对大模型智能体技能跨平台行为不一致与执行效率问题，研究团队提出SkVM编译与运行时系统。该系统借鉴传统编译器设计，将技能视为代码、大模型视为异构处理器，基于对11.8万个技能的能力剖析，在编译时进行能力匹配与环境绑定，运行时实施JIT代码固化与自适应重编译。实验覆盖8种大模型及3种agent harness，结果显示SkVM在提升任务完成率的同时，可降低40%的token消耗，实现最高3.2倍加速及19-50倍延迟缩减。

由于提供的正文内容仅包含不完整片段（"AI isn't the only thing behind Medvi"），缺乏关键信息点（如公司具体业务、融资细节、技术突破或财务指标等），无法撰写符合要求的100-200字摘要。请提供完整正文以便提取核心事实与数据。

Anthropic宣布与Google、Broadcom达成新协议，将获得多千兆瓦下一代TPU算力，预计2027年上线。这是其迄今最大的算力投资，用以支持Claude模型及激增的客户需求。数据显示，Claude年收入运行率已突破300亿美元，年消费超百万美元的企业客户两个月内从500家翻倍至超1000家。新设施主要位于美国，符合其500亿美元投资美国基础设施的承诺。公司强调将继续保持多硬件平台策略，AWS仍是主要云服务商。

StateSMix是一种无需预训练、完全自包含的无损压缩器，它在线训练Mamba风格状态空间模型（SSM），并结合稀疏N-gram哈希表与算术编码。SSM提供基于BPE词元的动态概率估计，N-gram表则通过仅更新非零计数词元的机制实现精确上下文记忆。系统采用熵自适应缩放来平衡二者贡献。在enwik8基准测试中，其压缩效果优于xz -9e，其中SSM是主要压缩引擎，仅其自身就比频率计数基线减少46.6%体积，而N-gram带来额外4.1%增益。该系统由纯C语言实现，支持AVX2 SIMD并行，在普通x86-64硬件上处理速度约为每秒2000词元。

新增强制远程设置刷新策略、Bedrock 交互配置向导与按模型成本细分，远程控制会话默认使用主机名前缀。修复子代理生成、工具验证、API 400 等十余项错误，Write 工具大文件 diff 速度提升 60%。移除 /tag 和 /vim 命令，Linux 沙盒恢复 seccomp 限制。

科技领域正经历目标基准的转移与叙事体系的重构。行业评估标准持续调整，原有衡量目标被不断重新定义；同时出现新一轮努力，试图重塑技术发展的公众话语框架与内在逻辑。这些变化反映了科技产业在转型期对价值标准和传播策略的深层调整，涉及对既有范式的反思与未来路径的再定位，标志着行业进入新的认知与评价阶段。

为降低Transformer语言模型推理时KV缓存的内存占用，本研究提出一种名为“随机KV路由”的训练方法。该方法在训练过程中，让每一层随机选择使用本层或前一层的键值状态，从而使模型能够适应深度方向的KV缓存共享。评估表明，该方法在预训练或微调阶段应用后，可在多种模型架构中实现缓存共享，显著减少内存需求。对于数据受限的大模型，此方法还表现出类似正则化的效果，在降低内存的同时，常能保持甚至提升模型性能。

Claude Code v2.1.91 发布，支持 MCP 工具结果最大 500K 字符不截断，新增禁用技能内联 shell 执行选项，插件可打包 bin/ 目录可执行文件。修复了 --resume 转录链断裂、远程会话计划模式丢失、cmd+delete 快捷键等 bug，并优化了 ANSI 剥离性能。

Google Vids 接入 Lyria 3 与 Veo 3.1 模型能力，新增免费 AI 视频生成功能，用户可无成本创建、编辑和分享高质量视频。

Google 为 Gemini API 新增 Flex 和 Priority 两个推理层级，帮助开发者在成本与延迟之间灵活取舍。

Google Research 提出系统性评估框架，将标准化心理学问卷（如 IRI、ERQ）转化为情境判断测试，量化 LLM 行为倾向与人类共识的偏差。研究测试了25个模型，发现小模型（<25B）一致性显著较低，且模型存在两种偏差：偏离人类共识、未能覆盖人类观点的多样性。该框架通过真实场景（如职场冲突、日常决策）评估模型行为，为改进 LLM 社交互动能力提供依据。

OpenAI 宣布收购 TBPN，旨在加速全球 AI 议题的公共讨论并支持独立媒体发展，同时拓展与开发者、企业及科技社区的对话渠道。

Codex 新增按量付费模式，面向 ChatGPT Business 和 Enterprise 团队，支持按需灵活扩展使用规模。

inclusionAI发布了cuLA项目，这是一套为线性注意力变体编写的CUDA内核。该内核完全采用NVIDIA的CuTe DSL和CUTLASS C++库进行开发，旨在高效实现Transformer模型中的线性注意力机制。此举专注于底层计算优化，通过利用先进的CUDA编程抽象和高效模板库，有望提升大语言模型在推理和训练过程中的计算性能与效率。