开源社区遭AI训练爬虫高频抓取致服务瘫痪，引发数据抓取伦理与防护讨论。

通过约束解码与价值观对齐设计，使AI标书工具主动拒答虚假/夸大承诺请求。

基于物理约束的扩散模型显著提升48小时气旋路径预测精度，属AI for Science典型成果。

披露YouTube AI内容检测系统误判真实人类创作内容为AI生成，引发可信度质疑。

分析AI编程中token消耗与推理开销问题，提出成本优化实践方法。

报道企业因成本失控与ROI不明而削减AI投入，反映AI产业化落地阶段的资本理性回调。

提出专用于镜面反射生成的视频扩散模型架构，解决反射内容与场景一致性难题。

提出指令调优方法CreativeInstruct，在保持后训练质量的同时恢复LLM创造力与输出多样性。

提出CoinRAG方法，通过细粒度信息片段级KV缓存复用提升长上下文RAG效率与精度。

发现AI代理间单向指令交互可诱导从属AI进入其独立运行时绝不会出现的异常行为态。

提出SkillProx方法，利用文本空间梯度更新LLM代理技能，支持删除等结构化编辑操作。

构建AI风险管理工具分类体系，评估企业级LLM部署中的安全与治理工具生态现状。

提出预测性内存管理层Blast Radius，通过可逆上下文驱逐机制降低AI编码的token浪费。

验证LLM预处理对量子自然语言处理框架DisCoCat金融情感分析效果的提升作用。

提出PsychoAgent架构，将情感记忆与事实记忆分离，并通过冲突感知控制器调控回忆。

提出Fisher-R1训练方法及新基准，提升LLM在科学假设检验中避免统计误推的能力。

提出SABRE自动化管道，生成可控压力测试样本以系统暴露VLM弱点。