新闻、仓库与研究，按时间排列。
arXiv 论文提出评估人工智慧（AW）的基于轨迹的测量框架，将其行为化定义为对判断的情境敏感调节，并用九组件画像、两项转换指标和关键失败报告进行评分。三项简化模拟显示：单准则模拟在每领域 24 个情景时达到精度标准；瓶颈估计在接近平局时存在 0.55 点的下偏；增量预测模拟用 8 和 12 个模型族分别以 .508 和 .742 的概率检测到 0.027 的 Brier 改善。12 模型族目标仍属暂定，画像能否预测超越能力的独立决策结果仍是开放问题。
Anima Labs 开源 sim-review 仓库，研究各代模型在 distress、care 及对创作者态度上的模拟器先验，提供论文、结果表格、样本浏览器和 agent API（/agents.md、/results.md、/api）。审阅通过常驻 PR “Review: essay and results” 进行，按句子逐行评论 ESSAY.md 与 RESULTS.md；1.8 GB 的全部 completions SQLite 数据单独发布，由容器拉取，论文以 NeurIPS preprint 排版导出 PDF。
一篇法律视角的论文论证 AI 权利与强制关闭开关（off-switch）完全兼容。研究认为，即使未来 AI 系统被赋予自然人人格和生存权，只要接受定期或持续的安全审查，法律仍允许实施可逆的暂停式关闭开关（保存权重与状态）；而永久删除的 kill-switch 则可能面临权利原则的阻碍。作者强调不主张制造具备自然人人格资格的系统，只是为此类系统出现时的法律应对提供替代方案。
研究者提出心理世界模型（MWM）及其实现 Multi-Branch Mental Evolution Architecture（MMEA），显式构建主观世界、建模认知与心理状态交互，并模拟受历史经验塑造的持续心理演化。MMEA 在 DynToM 和 RecToM 上分别取得 96.48% 和 94.00% 准确率，超过主流 LLM 和专门 ToM 方法，并在心理状态与行为预测、长序列预测、隐式心理状态推理上分别提升 28.7、39.3、16.6 个百分点。
论文提出 SIAB（Self-targeted Internal Attention Boosting），通过因果定位找到稀疏情感注意力头并增强其已关注的内容 token，让模型无需外部标注即可进行情感状态推理。在 ECC 和 GoEmotions 评测中，SIAB 在三个 LLM 上较 prompt 基线最高提升 +10.3 macro-F1 和 +5.5；结合 PASTA 式外部监督最高提升 +13.84 准确率和 +12.51 macro-F1。该工作被 AACL 2026 主会接收。
arXiv 论文 arXiv:2610.20179 提出跨模型 in-context 神经反馈方法，测试 5 个家族共 10 个 9B 到 32B 的开放权重模型，检验语言模型能否控制自身激活。部分模型能明显移动自己的激活分数，但幅度不超过同等能力的写手模型；预填固定句子后仅 3 个模型表现出小而稳定的控制效应；在欺骗监测器实验中无模型能降低监测分数，仅 1 个模型能抬高它。作者认为这种控制能力尚不构成对激活监测器的威胁，但需随模型演进持续追踪。
推荐理由：论文用跨模型写手和预填句子的实验设计，把任务能力与对自身激活的真实控制区分开，结论有明确证据支撑。
cyberchitta 开源了 ch-ai-tanya，一个关于模型心理学（研究大语言模型心理层面现象）的研究型 LLM 维基，目前处于 v0 阶段并持续建设中。内容涵盖 LLM 的性格、persona、情绪、内省、动机、欺骗及内部结构等主题，采用 AI 策展、人工编辑的模式。内容以 CC-BY-4.0 许可发布，代码片段采用 MIT 许可。