代理工具
P³ 先共同規劃程式與證明，Lean 驗證解題率提高 4.6 至 11.2 個百分點
P³ 要求代理在寫程式前先統一規劃實作結構、輔助引理與證明分解，避免完成程式後才反覆修補證明。它在三套 Lean 4 基準的全部模型組合均勝過比較流程，但最難的儲存庫任務最高仍只解出 22.2%。
Archive
最新模型
新模型、開放權重、多模態、語音、影像與模型架構。
代理工具
推論系統
Tevatron-Elastic 用單一檢索 checkpoint 調節深度、token 與向量寬度
Tevatron-Elastic 將早退、Matryoshka 向量及層間 token 壓縮統一成可設定的 operating point，一個 checkpoint 可服務多種成本配置。Qwen3‑0.6B 重排序器在第 16 層維持完整品質，同時於作者測試環境加速 1.75 倍。
代理工具
SWE-Bench ProMax 將重構測試擴至七種語言，最佳代理仍只解出 41.2%
SWE-Bench ProMax 從 29,782 個候選提交篩出 170 項跨檔案重構任務，並由專家重寫需求及檢查測試。GPT‑5.2 配合 OpenHands 的解題率最高，但軌跡顯示代理常漏改周邊呼叫點、設定與測試檔案。
推論系統
KVDiagnosis 逐筆追查 KV 快取壓縮失敗，公開 12,520 筆正確轉錯誤案例
KVDiagnosis 不只比較長上下文總分，而是為每種壓縮設定建立 FullCache 配對，追蹤證據保留、注意力及機率漂移。團隊亦因實作稽核排除 7,800 組結果完全相同的 PyramidKV 紀錄，凸顯跨方法評測容易被轉接器錯誤污染。
AI 安全
Anthropic 為新 Claude 輸出加入模型級文字浮水印，檔案採 C2PA 簽章
Anthropic 表示，8 月 2 日起推出的 Claude 模型會在文字內嵌入不可見標記，並為支援的圖片與文件加入簽章式來源資料。技術規格與第三方偵測工具尚未公開，現階段不能把標記視為完整的生成證明。
最新模型
擴散式 LLM 的安全神經元可跨架構轉移，剪枝使拒答繞過率升至 86.6%
新研究指出，從自回歸模型改造而來的擴散式 LLM，可能連同集中在少數神經元的安全機制一起繼承。研究者亦用開放擴散模型離線生成攻擊提示，但承諾的完整程式尚未發布。
開發者平台
OpenAI 關閉 `gpt-5.2-chat-latest`，遷移不能只替換模型名稱
OpenAI 於 8 月 10 日停止 API 的 `gpt-5.2-chat-latest`，官方建議改用 GPT‑5.5。這次退場針對會追隨 ChatGPT 行為的別名，工程團隊仍須重新驗證提示、工具呼叫與輸出格式，不能把遷移視為等價路由切換。
推論系統
Laguna S 2.1 INT4 搭 DFlash，四張 RTX 3090 實測 200K 上下文與峰值 282.5 token/s
社群公開可重現的 vLLM 配方，以四張 24GB RTX 3090 部署 Laguna S 2.1 INT4，並用精度匹配的 DFlash 草稿模型跑過 190K-token 實際請求。282.5 token/s 是特定設定下的峰值而非持續吞吐，低位元量化的品質與相容性也仍高度依賴 checkpoint 和執行引擎。
PTQ4SNN 同時量化權重與膜電位，事件分類僅損失 1 個百分點
PTQ4SNN 把脈衝神經網路長期保留的浮點膜電位納入後訓練量化，按通道配置 2、4 或 8 位元。論文在分類與語意分割上接近浮點模型，但硬體收益仍來自分析模型，且專用程式尚未公開。
代理工具
SkillProx 驗證再收斂代理技能，Qwen3.6-27B 表格任務準確率升至 54.5%
SkillProx 不直接保留模型提出的技能修改，而是重新執行任務、回滾退步版本，再刪除效用為負的知識單元。三款 Qwen 模型在表格任務均獲得增益，但作者目前只公開兩次提交的空殼儲存庫。
RAG／文件理解
DocMemo 以貝氏頁面記憶重查長文件，MMLongBench 準確率達 71.3%
DocMemo 不把首次檢索的 top-k 頁面視為定案，而是把推理回饋寫回頁面相關性分布並重新取樣。三層記憶在長文件問答帶來增益，但評分依賴 GPT-4.1，公開儲存庫也仍相當精簡。
AI 安全
OpenAI 限定釋出 GPT‑5.6‑Cyber：高風險請求完成率由 1.5% 升至 95%
OpenAI 把專門降低網攻研究拒答率的 GPT‑5.6‑Cyber 放進需審核的 Daybreak Red，而非一般 API。公司評估其網攻能力屬 High、未達 Critical，但完整 system card 尚待發布。