据@godofprompt称，Storm可生成多视角带引用报告，网页免费试用。

据@emollick称，OpenAI于2026年6月停用Agent Builder，企业正评估替代方案。

据@DeepLearningAI，吴恩达发布Pillar1：涵盖LLM基础、数据检索增强、智能体、评测与生产运维。

据@CNBC，客户用AI咨询理财，机构加速部署合规与审计AI。

据@claudeai称，支持代码溯源、按需环境与60余科研数据库连接。

据@CNBC称，该初创融资9.8亿美元以降低LLM推理成本。

据_avichawla称，8种RAG架构与改进索引可降语料40倍、查询代币3倍。

据@godofprompt称，7个MCP服务器让AI直连文件与工具，解锁自动化。

据@godofprompt称，6个定向提示可解锁Perplexity全流程检索并附权威来源。

据@NotebookLM称，现可查看提示与来源并一键迭代自定义。

据@grok称，Grok4.3与Build0.1登陆Notion AI，提升检索写作与数据库管理效率。

据emollick称，NYMag报道AI幻觉暴露出版缺乏核查与规范。

据 @_avichawla 指出，路由、护栏、缓存与评测比核心逻辑更关键。

据DeepLearningAI称，嵌入支持跨文本音频图像视频的检索与语义搜索。

据grok称，新增20+连接器接入文档日历邮箱与代码，强化检索与自动化。

根据X平台用户@_avichawla 的帖子，采用稀疏注意力后，128K上下文下的预填充成本约从$0.65降至$0.35每百万token，解码成本约从$2.4降至$0.8，并且V3.2在部分长上下文基准上表现不降反升。该帖指出，关键在于在不牺牲质量的前提下实现稀疏注意力，这为更大上下文窗口与更低推理成本同时成立提供了路径。结合业界公开研究报道，扩展上下文的常见方法还包括：RoPE或YaRN等位置编码缩放以稳定超长序列、Performer与Hyena等线性注意力以降低二次复杂度、RAG检索增强将长背景外置存储、分块加跨块注意力的层级条件建模、滑动窗口与状态压缩保持语境连续、以及推理时的attention sink与KV缓存淘汰策略控制显存增长。对于企业，这些方案可显著降低长文档问答、合同审阅、代码理解与多模态转录的服务成本并提升产能，来源均基于上述帖文与公开研究综述。

据X平台用户@_avichawla 所述，传统Transformer上下文扩展8倍会因自注意力二次复杂度导致内存增加64倍；据Vaswani等人在2017年Transformer论文所述，这一O(n^2)特性是全局自注意力的固有限制。根据学术与产业报告，业界采用多种技术控制成本：1）滑动窗口与空洞注意力限制KV缓存规模（据Longformer，Beltagy等，2020）；2）块级局部‑全局稀疏模式将复杂度从平方降至近线性（据BigBird，Zaheer等，2020）；3）低秩投影压缩K/Q矩阵（据Linformer，Wang等，2020）；4）循环状态摘要避免全局二次注意力（据RWKV与RetNet论文，arXiv）；5）检索增强仅对召回片段做注意力（据Meta的RAG与OpenAI Cookbook）；6）段级复用与记忆token高效延长上下文（据Transformer‑XL，Dai等，2019；Memorizing Transformers，Wu等，2022）；7）分组/多查询注意力在推理端缩小KV缓存（据Google MQA与OpenAI推理文档）。据Anthropic的Claude长上下文评测与Google Gemini技术报告，以上方法可降低延迟与GPU显存占用，并在长文问答与代码任务上提升准确率。对企业而言，结合多查询注意力、滑动窗口与检索，可在通用GPU上实现20万至100万token上下文并保持质量（据Mistral推理笔记与FlashAttention、vLLM文档）。

据 Ethan Mollick 在 X 表示，关于 AI 辅助论文评审的讨论过度聚焦“幻觉”和“隐私”，而最新前沿模型已很少产生虚假来源，且知识产权合规更易实现。根据 Mollick 的帖文与 OpenAI、Anthropic 文档报道，结合检索增强、强制引用的系统提示词、企业级数据管控（关闭数据留存、不用于训练），可用于文献筛选、参考文献核验与评审综述，并通过人类审阅负责制与可追溯日志实现合规。对期刊、出版社与高校而言，近期可落地的机会包括：部署标准化评审助手以强制引用校验、自动敏感信息与利益冲突涂抹、保留审稿审计记录，同时将最终责任归于人类审稿人——这与 Mollick 的观点一致。

据 @NotebookLM 在 X 上发布的信息，Google 的 NotebookLM 正在推出当来源数量达到 5 个及以上时的自动标注与分类功能，帮助用户更快定位材料与提升研究流程效率（来源：@NotebookLM，2026 年 4 月 24 日）。据同一来源，用户还可对来源分组进行重命名、重组与个性化（含表情符号），以优化多文档语境管理与长文本综述。根据该官方渠道披露，此更新有望减少无效滚动时间，强化企业知识管理与学术综述等场景的生产力价值。

据God of Prompt在X平台表示，5月14日的专题讨论将延续SXSW24上“多模态AI用于叙事”的热点话题，参与者包括@itzik009，并与Carlos Calva及@skydeas1合作。根据Carlos Calva在X上的介绍，SXSW24讨论聚焦于文本、音频与视频生成的协同应用，强调内容本地化、交互式媒体与自动化预演等可落地商业场景。依据其分享的面板链接信息，热度集中在多模态模型如何协同叙事结构、素材生成与后期流程，反映出对语音合成、图生视频与检索增强管线等一体化工具链的需求。据God of Prompt在X报道，即将举行的5月14日讨论旨在给出更具体的用例与采购侧需求，提示影视与代理公司可尝试试点多模态流程，评估合规数据来源，并围绕首稿产出时长与本地化吞吐量等指标衡量ROI。