Taskbot 是一个基于时钟状态机的确定性浏览器自动化平台，提供 Mastodon 非英语帖子静音和 GitHub 仪表盘 RSS 生成功能，注重隐私和本地 AI，无需 SaaS 或云服务。

纳哈尔（Nahal）是一个将人工智能与数字灵性结合的创新项目，被称为‘赛博修道院’，旨在探索科技与信仰的融合。

童子军运动近25年来首次重大改革，为14至18岁青少年引入内容创作、数字通讯和在线安全徽章。这些新徽章基于对近3000名青少年的咨询，旨在帮助他们掌握在人工智能、社交媒体和数字技术日益塑造的世界中所需的技能。然而，随着英国政府计划对青少年社交媒体使用实施更严格限制，这些徽章可能需要调整。

ConnectMachine 2.0是一款隐私优先的AI代理，提供无限数字名片、名片扫描、AI笔记记录、团队计划等功能，帮助用户高效管理社交网络。新版本基于用户反馈构建，支持多语言和CRM集成。

一则《雅各宾电台》播客讨论AI是否将彻底改变工作方式，与以往技术变革浪潮进行比较，并主张利用人工智能促进人类繁荣。

大多数AI智能体遵循固定指令，无法自主学习。自我改进循环通过执行、评估、反思、记忆和优化五个层次，使智能体从每次结果中学习并不断进步。本文详细解释了该架构、与传统工作流的对比，并提供了可运行的代码示例。

本文作者Charity Majors认为AI只是一种普通技术，不应被特殊化为邪恶或不可接触。她呼吁技术工作者积极学习、使用并参与塑造AI，而不是出于纯粹态度抵制它。她分析了AI在创建和使用过程中的危害，批评了追求道德纯净的倾向，并提出应从工作场所开始实践性的参与。

一个基于Next.js的开源模板，通过AI编码代理一键克隆任何网站。支持多种AI代理如Claude Code，自动提取设计标记、组件规格并并行构建，快速将现有网站重建为现代化代码库。

OpenAI为降低基础设施成本，与博通合作开发了定制ASIC芯片“Jalapeño”，专为大语言模型推理设计。该芯片由台积电制造，预计2026年底部署，有望显著降低运营成本并提升效率。

本文探讨了大型科技公司在人工智能基础设施投资中隐藏真实成本的做法，包括资本支出、能源消耗和环境影响等未公开的财务负担。

Gemini Spark是一款全天候个人AI代理，可在手机和笔记本电脑关机时后台工作，自主执行任务但在重大行动前征询您的意见。现已在Product Hunt上线。

百度开源了Unlimited OCR，这是一个30亿参数的混合专家模型，采用参考滑动窗口注意力机制（R-SWA）保持KV缓存恒定，从而在一次前向传播中高效解析数十页文档。在OmniDocBench v1.5上达到93.23分，比DeepSeek OCR基线高出6.22分，采用MIT许可证。

新加坡在Anthropic的Claude AI人均使用量上位居全球第一。其他重大新闻包括：Anthropic因亚马逊发现的越狱漏洞而被强制下线Fable 5和Mythos 5模型，SpaceX以600亿美元收购AI编程初创公司Cursor，Meta推出自主AI助手，以及Anthropic与SpaceX和黑石集团合作获取算力和服务。

许多AI辅助构建的软件无法证明其实际行为，因为代码生成工具不生成治理记录。作者介绍了ASE（审计主权引擎），用于生成每个AI操作的加密收据，并提供基础诊断服务，帮助公司评估其代码库的治理情况。

Hezo是一个自托管平台，让您创建和管理AI代理团队。代理在隔离容器中运行，通过出口代理替换占位符，确保密钥永不暴露给代理。支持多种模型提供者，提供预算上限、审计跟踪等功能。

BetterAgent是一个CLI驱动的工具，能快速为Next.js应用添加AI代理层，通过读取路由和服务端操作，让用户获得能实际操作产品内部功能的代理。它提供无配置的开发体验、可嵌入的UI组件、内置可观测性和生产级基础设施，包括认证转发、流式传输和速率限制。

埃及分数是使用单位分数表示非整数的方法，在18世纪前是欧洲的主要方法。本文涵盖其定义、从莱因德纸草书的历史、每个有理数都是埃及数的定理、构造性证明、示例以及未解决问题。

本文研究了在自我中心视觉理解中，如何通过权重剪枝实现低延迟视觉-语言模型，同时保证预测的准确性和证据基础（双重正确）。现有剪枝方法常保持证据定位但损害准确性，作者提出理由告知剪枝策略，在自我中心视频数据集上达到了最高准确率和双重正确预测。

SwarmFly是一个基于MATLAB的开源无人机集群仿真平台，解决了现有工具维护不足、学习曲线陡峭和场景单一的问题。它支持四种集群协调模式、插件架构和实时地图，并通过八项实验验证了编队精度、抗风、故障恢复、续航和空域合规性。其模块化设计便于扩展至硬件在环测试和更大规模集群。

本文介绍了HALO，一种用于长时程机器人控制的视觉运动策略，通过注意力机制进行记忆检索，克服了模仿学习中的虚假相关性和错误累积问题。

该论文提出了一种基于因果推理的参数化控制屏障函数方法，用于解决多车交互中的安全控制问题。通过将因果推断嵌入到参数化CBF中，该方法能够显式推理车辆间的相互影响，克服了现有方法中难以确定因果关系或过度保守的缺陷。基于学习到的因果关系参数化CBF，自适应安全控制器允许自车根据对周围车辆行为的预期做出安全反应，并在多种交互密集场景中显著提升了任务效率。该工作已被ICRA 2026接收。

RGB框架将预训练的强化学习策略作为采样先验，结合模型预测路径积分（MPPI）在线优化，无需重新训练即可实现人形机器人的全身鲁棒控制。在Unitree G1仿真中达到280Hz控制率，任务精度显著提升。

AeroCast是一个概率性轨迹预测框架，结合了Transformer编码器和混合密度网络，用于预测未来三维位移的高斯混合分布。在混合真实与合成的四旋翼飞行器数据集上，相比基线方法，平均位移误差和最终位移误差降低了约50%，每个样本推理时间仅0.1毫秒，支持机载实时部署。

一种新型室内协同物体导航数据集及框架SurveilNav，通过整合主动相机调度、联合2D/3D地图、基于视觉语言模型的价值估计和协同目标验证，克服了单机器人感知范围有限和固定摄像头盲区的局限。在HM3D数据集上的实验表明，该方法在探索效率和导航成功率上均达到最优水平，有望应用于大规模搜索、家庭环境和救援任务。

提出ADM-Fusion，一种端到端深度学习多传感器融合方法，采用自适应传感器混合专家框架和内容感知路由，动态分配传感器权重，并分离平移和旋转分支，通过跨任务注意力机制实现信息共享。在CARLA-LOC模拟数据集训练并在KITTI真实数据微调，展示了仿真到现实的有效迁移，在退化条件下保持鲁棒性。

本研究提出了一种用于多IMU铰接刚体系统的扩展位姿估计的不变卡尔曼滤波方法。通过引入相对L扩展位姿这一李群表示，并结合迭代不变扩展卡尔曼滤波（IterIEKF），该方法有效处理了关节运动学约束，在UR5e机器人和人体腿部验证中，均方根误差降低至少50%。

一种名为潜序列优化（LSO）的新方法，通过优化行为基础模型中的潜变量序列，实现了精确的物理模拟运动追踪，并在真实人形机器人上得到验证。

大多数视觉-语言-动作（VLA）模型是反应式的，仅根据当前指令和观测预测下一步动作，难以应对部署时的环境变化。本文提出反射式VLA，通过上下文中的观测-动作-后果三元组来调节决策，从而暴露部署特定的动作-效果映射。在LIBERO等基准测试中，反射式VLA在分布偏移下平均成功率提升5.4和4.2个百分点，消融实验表明动作后果而非额外上下文长度是关键。

本文提出一种新的神经网络量化方法，通过学习量化感知的线性路径来寻找低损失子空间的中点，从而在不使用直通估计器或显式离散化的情况下实现与量化感知训练相当的性能。

本研究评估了多模态大语言模型（MLLM）在辅助AI任务中的表现，包括货币识别、场景文本问答和多语言视觉内容阅读。研究者构建了NetraLink系统，使用头戴式GoPro采集真实世界第一人称数据，并创建了相应基准测试。结果揭示了当前MLLM在视觉感知和语言交互方面的优势与局限。