César Hidalgo 关于无限字母表与知识法则
César Hidalgo 认为，知识是一种非同质化的集体现象，遵循类似物理的增长、扩散和衰减规律，这意味着它不能仅凭下载或复制而获得，必须具备体现性的经验。
AutoGrad 与贝叶斯大脑：Jeff Beck 博士谈 AI 的未来
Jeff Beck 博士认为，真正的智能必须超越函数近似和大语言模型，转向以对象为中心、基于贝叶斯的模型，并以宏观物理而非语言为落地。
为什么历史上所有的大脑隐喻都是错误的
该视频探讨了科学简化和隐喻——从液压泵到计算机——如何常常硬化为被视为现实的东西，主张理解必须认识到这些模型的局限性。
为什么 AI 有柏拉图问题：Mazviita Chirimuuta 对神经科学哲学的思考
Mazviita Chirimuuta 教授认为，AI 研究常常依赖一种“柏拉图式”假设，即宇宙以数学代码书写，忽视了生物具身性和主动交互在人类认知中的关键作用。
大脑只是相互交流的专门化代理——Jeff Beck 博士
Jeff Beck 博士讨论了代理的数学基础、能量基模型（EBM）的机制，以及一种将大脑视为专门化代理集合的模块化智力理论。
Blaise Agüera y Arcas 关于共生起源与生命的计算本质
Blaise Agüera y Arcas 认为生命是具身计算，共生起源——复制子之间的融合——是进化新颖性和复杂性的主要引擎，而非随机突变。
AI 编码的危险幻象：Jeremy Howard 谈软件工程与编码
Jeremy Howard 认为，虽然 AI 在把编码视为风格迁移问题上表现出色，但它缺乏进行“软件工程”的根本能力，这会导致“理解债务”和组织衰弱的未来。
Shinka Evolve：面向科学发现的开放式程序搜索
Robert Lange 介绍了 Shinka Evolve，这是一种样本高效的框架，将大语言模型与进化算法相结合，通过问题与解答的共同演化，实现程序搜索和科学发现的自动化。
衡量 AI 进展：METR 时间视界框架
Beth Barnes 与 David Rein（METR）讨论了他们的“时间视界”方法论，该方法使用人类完成任务所需的时间作为统一轴线来衡量 AI 能力并预测未来进展。
智慧是集体的，而非人工的：迈克尔·I·乔丹教授对 AI 与经济学的观点
迈克尔·I·乔丹教授认为，智慧是一种集体经济系统，而非无形的超级智能。他主张从 AI 炒作转向结合计算机科学、统计学和经济学的多学科方法。
布拉德·卡森谈人工智能武器、问责制与 AI 军备竞赛的谬误
前五角大楼官员布拉德·卡森认为，人工智能发展并非不可避免的列车，西方可以通过战略克制和芯片层面的控制，积极塑造 AI 治理，防止致命自主武器，并避免一场灾难性的军备竞赛。
Stanford CS336 Lecture 15: Mid-Training and Post-Training (SFT and RLHF)
本讲解说明了通过监督微调（SFT）和人类反馈强化学习（RLHF）将基础语言模型转变为指令遵循助手的过程，强调数据质量和策划比算法复杂度更为关键。
Stanford CS336 第16讲：可验证奖励强化学习（RLVR）
本讲座探讨了可验证奖励强化学习（RLVR），详细说明了 GRPO 等算法如何用基于组的奖励取代复杂的价值函数，从而实现能够在数学和编码等任务中进行复杂推理的“思考模型”。
斯坦福 CME296 第7讲：文本到图像生成模型的评估
本讲概述了评估文本到图像模型的方法，区分美学和提示遵循性，并详细说明了从传统数学指标向 MLLM 评审框架的转变。
斯坦福 CME296 扩散与大视觉模型 第 8 讲 摘要
对图像和视频生成范式的全面回顾，涵盖从扩散与得分匹配到流匹配的转变，并探讨这些技术在视频、图像编辑和大语言模型中的应用。
Stanford CS336 Lecture 17: Multimodal Language Modeling
本讲座探讨了多模态模型的架构，重点关注视觉语言模型 (VLMs) 如何通过集成 CLIP 和 SigLIP 等图像编码器与大语言模型 (LLMs) 来实现视觉推理。
Stanford CS25: Serving Transformers - Lessons from the Trenches
Modal 的 Charles Frye 讨论了在大规模服务 transformer 模型时的工程挑战，重点在于 prefill 与 decode 阶段的关键区别以及硬件利用率的优化。
Stanford CS25：Transformers United V6 - 从语言模型到原生多模态智能
Victoria Lin 讨论了原生多模态语言模型的演进，详细阐述了跨模态 token 化以及 Mixture of Transformers（MoT）等专用架构如何实现文本、图像和音频的无缝融合。
利用几何学提升机器人学习：斯坦福机器人研讨会
Platt 教授讨论了将几何结构先验和等变性引入机器人学习模型，如何相较于通用 VLA 模型显著提升数据效率并在姿态上实现更好的泛化。
斯坦福 CS336 从零开始的语言建模：推理引擎与全栈创新
客座讲师 Dan Fu 讨论了推理引擎和 GPU 内核在将大型语言模型从数学对象转化为可用智能中的关键作用，并介绍了 Megakernels 和 Parcae 循环架构等优化方法。
AI 超周期的经济学：Baseten 与定制推理的转变
Tuhin Srivastava，Baseten CEO，认为 AI 经济正从前沿模型转向定制的、后训练的开源模型，以实现盈利性、防御性和更低的延迟。
Sam Altman 关于规模、AGI 与前沿系统的未来
OpenAI CEO Sam Altman 讨论了规模的经验力量、ChatGPT 与 Codex 的演进，以及 AI 时代计算短缺和权力集中带来的系统性风险。
AI 在医疗保健中的应用：网络安全风险、患者赋能与监管沙盒
前美国首席数据科学家 DJ Patil 讨论了医疗系统对 AI 驱动网络攻击的关键脆弱性，以及 AI 通过监管沙盒和患者赋能实现健康获取民主化的潜力。
Stanford MS&E435 Economics of the AI Supercycle: Building AI Factories
Chase Lochmiller，Crusoe 的 CEO，讨论了建设千兆瓦级 AI 数据中心所需的巨额资本支出，并将 AI 定义为推动 GDP 增长的数字劳动力形式。
生产环境代理的必备要素
要将 LLM 代理从演示阶段推向生产，团队必须实现七项关键控制：模型控制、提示词注册表、安全防护栏、预算限制、工具/MCP 安全、监控/追踪以及系统化评估。
代理时代：Logan Kilpatrick 谈 AI Studio 与构建的未来
Logan Kilpatrick 讨论了 AI Studio 向“vibe coding”平台的演进、代理工程的崛起，以及 Google 对于一个人人都能构建软件、无需编码经验的世界的愿景。
NVIDIA Nemotron 3 Nano Omni 发布
NVIDIA 发布了 Nemotron 3 Nano Omni，这是一款紧凑的全能多模态模型，专为代理设计，原生支持文本、图像、视频和音频，采用单一高效架构。
Claude 设计代理架构：垂直 AI 代理的 6 种模式
Claude 设计利用六种精细的代理模式栈——包括上下文落地、结构化记忆和自我 QA 循环——打造高质量的垂直代理，可复制到任何行业。
IBM Granite Speech 4.1 发布：高吞吐量 ASR 模型
IBM 已发布 Granite Speech 4.1，这是一套面向边缘部署的三款 2B 参数 ASR 模型，提供针对准确率、说话人分段和极致吞吐量的专门变体。
MiniCPM-V 4.6 发布说明 / 新功能
MiniCPM-V 4.6 是一个 13 亿参数的视觉模型，专为边缘部署和代理工作流设计，具备高 token 效率和灵活的视觉 token 压缩能力。
OpenShell：用于安全 LLM 代理的进程外强制执行
OpenShell 通过在代理进程之外使用监督者来强制执行网络、文件和凭证策略，为 LLM 代理提供安全运行时，防止提示注入和越狱攻击。
在 AMD 硬件上运行本地 AI
AMD 的 ROCm 平台和 Radeon AI Pro GPU 使得在本地高性能运行 LLM、图像和视频生成模型成为可能，为隐私和成本效益提供了可行的 CUDA 替代方案。
NVIDIA Nemotron 3 Ultra 发布
NVIDIA 发布了 Nemotron 3 Ultra，这是一款 5500 亿参数的 Mixture-of-Experts 模型，针对代理工作流进行优化，具备多教师蒸馏和开放训练配方。
NVIDIA Nemotron 3.5 ASR 发布说明
NVIDIA 发布了 Nemotron 3.5 ASR，这是一款 6 亿参数的流式语音转文字模型，支持 40 种语言，并通过面向缓存的流式技术显著降低延迟。
Anthropic Claude Fable 5 and Mythos 5 发布
Anthropic 推出了 Claude Fable 5，这是一款经过安全微调的 Mythos class 模型，它在编程和法律基准测试中优于 GPT-5.5 和 Opus 4.8，但引入了严格的安全触发器和强制性的 30 天数据保留政策。
GLM 5.2 发布说明与性能分析
Z.AI 发布了 GLM 5.2，这是一款开源权重模型，在智能体编程和设计方面可与前沿闭源模型竞争，同时提供显著更低的成本。
VibeThinker 3B：在小型语言模型中扩展推理能力
VibeThinker 3B 是微博 AI 实验室的研究模型，利用可验证奖励的强化学习，在数学、编码等特定推理任务上匹配或超越规模相差 300 倍的模型。