标签
新加坡IMDA推出了Model AI Governance Framework for Agentic AI，这是一份自愿性指南，涉及访问控制、责任追究、日志记录和用户透明度等关键维度，以预防AI代理系统中的风险。
LLM-as-a-Verifier 是一个通用的验证框架，为AI代理提供细粒度反馈，在Terminal-Bench和SWE-Bench等基准测试上实现了最先进的性能。
DE-Venus 是一个统一的框架，用于大型语言模型中的数据高效RLVR，在保持性能的同时降低标注和训练成本。
TorchSpec 是一个用于训练推测解码草稿模型的 PyTorch 原生框架，与 vllm 合作发布，并在 NVIDIA GB200 硬件上使用 Kimi K3 草稿模型进行了演示。
SALA 是一种语义感知逻辑对齐框架，通过自动学习特定任务的推理操作并使用动态时间规整进行灵活对齐，从而改进上下文学习中复杂推理的示例选择，性能优于现有方法。
FUSE是一个统一框架，用于评估大语言模型的危险能力，包括知识、防御和危害维度。研究发现，尽管对齐取得进展，但新模型的危险能力有所增加，并提供了跨模型比较。
本文提出了一种名为AI Morbidity and Mortality (AI M&M)的非责备框架，用于对临床AI失败进行案例审查，旨在将个体错误转化为可操作的机构学习。
PaperCompiler 是一个框架，它将研究论文编译成结构化的仓库规范，以提高代码保真度并减少论文到代码生成中的错误。
本文介绍了 EvoUndo，一个将可恢复性作为约束强加于自进化 AI 代理的框架，强调了状态固定和恢复语言表达性等瓶颈。
Teknium发布了Hermes Agent v0.21.0，新增了Bots模式和Agent间通信等功能，促使一位用户从Grokbot切换过来。
ORDDAR是一个推理框架，通过建模认知状态转换来检测和修复局部失真，从而在不同基准测试中提升AI推理的质量和可解释性。
WikiSkill是一个框架，与持久知识库共同进化智能体技能，持续超越最先进的方法，并实现跨模型的有效技能转移。
Framework正式宣布推出一款支持192GB内存的新主板，并引发了关于价格、PCIe插槽可用性以及供电能力的猜测。
Kent C. Dodds 主张，在代码库中定义和维护设计良好的原语，可以让 AI 代理以更宽松、更高层次的规范更自主地运行，从而提高软件开发的效果。
Google for Education 分享了由学习教练 Melissa 提出的五步框架，用于使用 Gemini 生成量身定制的课堂材料，无需额外调整。
本文提出一个六阶段审计框架，用于评估神经符号AI文献的可复现性，发现仅有6.5%的已发布工件研究可被复现，凸显了研究可复现性的危机。
本文介绍了PRISK，一个用于评估LLM个性化风险的框架，发现个性化上下文在13个模型中增加了不相关个性化、偏好狭窄和谄媚偏见。
WikiSkill 介绍了一个框架，该框架与持久知识库共同演化代理技能，以系统性地积累经验并提升跨模型性能，展示了优于最先进的技能演化方法的优势。