速報
Gemma-Agents：以 FunctionGemma 打造可擴充的自動化代理
在 GitHub 上發現的開源專案 Gemma-Agents 專注於以 FunctionGemma 技術構建可配置代理，目標是簡化日常自動化與原型開發流程。專案主打使用者導向介面與跨平台支援，說明文件示範簡單下載與執行步驟，並提到可用於合成資料生成、呼叫 AI 函式等任務。
速報
速報
mnemos-mcp：自架私有知識伺服器與本地向量搜尋實作
GitHubExplorer挖到一個開源專案，目的是把文件轉成結構化、可搜尋的知識庫。專案以Python為主，註記FastAPI、pgvector等技術，採向量搜尋與多集合隔離的做法。它主打自架部署與資料私有化，讓開發者在本機管理與檢索文件更方便。
速報
NVIDIA投入逾400億美元押注人工智慧生態
CNBC報導，NVIDIA在2026年初已承諾逾400億美元作為人工智慧相關股權投資，當中最大筆為對OpenAI的大額注資。該公司也宣布多起對上市公司的數十億美元投資，包括對康寧與資料中心營運商的重大注資；同時在2025與2026年持續參與新創與私募輪次。
速報
TensorCircuit‑NG：以張量網路為核心的 AI‑原生量子模擬框架
發現一個聚焦張量網路與 AI 原生設計的開源量子軟體專案——TensorCircuit‑NG。此框架建立在 tensornetwork 引擎上，支援自動微分、JIT 編譯、硬體加速與分散式訓練，並可與 Jax、TensorFlow、PyTorch 整合。
速報
MCP-Control-Lite：用 Rust + Tauri 在 macOS 管理 Model Context Protocol 伺服器
MCP-Control-Lite 是一款以 Rust 與 Tauri 開發的 macOS 原生工具，定位為管理 Model Context Protocol（MCP）伺服器的輕量管理器。它提供 GUI 與 CLI，方便使用者設定、同步並監控多個 MCP 伺服器，並宣稱支援與常見的人工智慧助理整合。
速報
Acara Plate：可自架的健康人工智慧平台（Laravel / PHP）
Acara Plate 是一個可自架的開源健康人工智慧代理平台，目標把問答、個人健康資料與日常回報整合成具體建議。專案以 Laravel/PHP 為基礎，提供 Apple Health 同步、Telegram 聊天介面、個人化營養與代謝健康導向的餐單規劃等功能模組。
速報
AmanMCP：零設定本地 RAG 與向量搜尋利器
在開源社群中登場的 AmanMCP，是一個以本地化 RAG（Retrieval-Augmented Generation）為目標的工具，強調零設定與隱私優先。專案結合傳統 BM25 檢索與向量搜尋技術，採用 HNSW 索引與 hybrid-search 策略，並利用 tree-sitter 處理程式碼語法結構，支援多種模型介接選項。
速報
LLuna：打造本地可執行的自律人工智慧代理整合平台
GitHubExplorer發現LLuna，一款強調安全與可在本地執行的自律人工智慧工具；支援本地SLM、MCP整合與JSON復原，目標讓非程式開發者也能進行研究與實驗。安裝覆蓋Windows、macOS與Linux，提供介面與操作指南，適合研究導向的工作流程。
速報
遞迴代理優化（RAO）：讓代理自我分工、跨越上下文限制
遞迴代理優化（RAO）是一種以強化學習訓練遞迴代理的框架。遞迴代理能在推論時自行產生同型子代理，將複雜任務遞迴切分並以分而治之方式處理，RAO則學習何時委派與如何溝通以最有效利用此機制。研究發現，經RAO訓練的遞迴代理在訓練效率與泛化能力上均有提升，能擴展到超出原始上下文窗口的任務，且在實際運行時間上相較單一代理系統有優勢。
速報
MinMax 迴圈神經級聯（RNC）：以 MinMax 代數抗衡梯度消失的遞迴架構
一組研究提出以MinMax代數實現的新型遞迴結構，旨在避免梯度消失與爆炸。該方法用MinMax運算串連多層神經元以形成迴圈級聯，並能並行或序列化評估。理論上涵蓋所有正規語言且狀態與激活量隨輸入長度均有上界。實驗顯示在合成任務上表現優異，並在127M參數的下壓詞預測任務上取得具競爭力結果。
速報
Pro‑KLShampoo：結合Kronecker預條件與正交化的LLM預訓練優化器
在LLM預訓練中，作者觀察到KL‑Shampoo的Kronecker預條件呈現少數主導特徵值加上平坦尾部的「spike‑and‑flat」譜結構。提出將一個Kronecker因子限制在可參數化族，於主子空間保留完整頻譜，其餘方向共享單一特徵值並以正交化處理，結果在多個尺度上超越KL‑Shampoo。
速報
NOVA：以座標型INR權重重構世界模型，解除解碼器瓶頸
視訊無監督訓練是邁向自主智能的關鍵。NOVA提出以座標型隱式神經表示(INR)把系統狀態表成權重與偏差，並以解析方式渲染，省去重建解碼器瓶頸。該架構可蒸餾為依情境的影片生成器，並能無須對抗或輔助損失就自動分離背景、前景與動態，實現可控預測與超解析，能在單張消費級GPU下以約40M參數運行。