GitHub 推出了全新的 Copilot 桌面应用，专为代理驱动的开发而设计，深度集成 GitHub 上下文。应用支持从 Issue、PR 或提示启动会话，提供代码差异检查、内置浏览器预览、终端检查和 PR 合并等功能。定价从免费到每用户每月 100 美元不等，不同套餐包含不同的模型访问、使用量和协作功能。

亚马逊青年计划为18-24岁或在读大学生提供Prime会员半价优惠，首6个月免费，之后每月7.49美元。包含快速免费配送、Prime Video、Prime Gaming、Grubhub+等福利。Prime Day将于6月23-26日举行，建议提前注册。

英国SOC即服务提供商e2e-assure发布了Cumulo，这是英国唯一的主权、AI优先、IT/OT融合的SOC平台。该平台采用数字孪生技术和客户专属AI模型，能够提前识别威胁和漏洞，支持零日SOC，并响应GCHQ对AI网络盾牌的呼吁。

PageToMD 是一款命令行工具，可将任何网页转换为干净、带有YAML前置元数据的Markdown格式，适合AI代理工作流（如RAG和LLM提示）。支持静态和JS渲染页面，具备重试、robots.txt遵守、原子写入等功能。

Nexus Foundation的文章深入探讨了本地化、主权AI相对于商业云端AI的优势，指出了集中式AI的五大风险：单点故障、模型擅自变更、数据保密性、输入数据用途不明和供应商锁定。文章通过成本对比显示本地主权AI更经济、更安全，并介绍了开源本地AI系统Lumen，它赋予机构对数据和流程的完全控制权。

Terminal-Bench Challenges是一种新的基准测试格式，旨在测试智能体在需要人类专家数月完成的大规模、长周期任务上的表现。首批发布了三个挑战：Rust编译器加速、推理引擎代码高尔夫和WASM WebGL渲染器。初步实验显示智能体表现参差不齐，主要失败模式包括缺乏探索空间和过度使用测试套件。

MentionDrop MCP是一款新产品，旨在为AI代理提供实时市场信号，使其能够基于最新市场数据做出决策。

本文介绍了一个名为Prodigy的AI员工概念，原文是一个Google Slides演示文稿，概述了AI员工如何融入现代工作流程。

本文讨论了寻找统一的AI平台的误区，指出应针对不同任务选择专用工具。文章分析了自我托管、按量付费和订阅模式的成本与隐私权衡，介绍了公司内部使用GitHub Copilot、Gemini和n8n+OpenAI的实践，并提出了根据任务复杂度匹配模型的原则。

本文探讨了如何将Claude Code和OpenAI Codex结合使用，而非二选一。通过基准测试、上下文窗口行为、代币经济分析和MCP集成，作者展示了两种工具在设计哲学上的互补性，并提供了具体的工作流模式。

探索2026年世界杯的AI预测，包括实时分组表洞察和模型比较。

随着 GLM-5.2 通过所有人的“氛围检查”，开源模型的故事终于成为真正的前沿故事。

Mutter AI Dictation 是一款Mac应用，提供隐私保护的听写和意图模式，能将口述的粗糙想法直接转化为完成品，速度比打字快约三倍。

本文作者认为，像Replit这样的“氛围编程”初创公司正在通过TikTok广告向非程序员推销轻松开发应用并致富的梦想，这让人联想到多层营销（MLM）骗局和加密货币泡沫。文章指出，这种营销方式隐瞒了AI编码的真实成本、安全风险以及成功的极低概率，在经济不景气的时期尤为具有剥削性。

Plansera AI 提供由人工智能起草的 E-2 签证商业计划书，旨在帮助创业者快速生成符合要求的文件。

波士顿儿童医院与OpenAI合作，利用AI工具成功诊断了18名患有罕见疾病的儿童，这些病例此前一直未能得到确诊。该研究发表在《新英格兰医学杂志》AI特刊上，展示了AI在基因组分析中的潜力。

巴雷特·佐夫重返OpenAI仅五个月后再次离职。他于1月中旬回归，负责企业AI销售，此前曾在米拉·穆拉蒂的Thinking Machines Lab担任联合创始人兼CTO，因不当行为指控于1月离职。OpenAI已确认其离职。

尽管公众普遍认为AI发展过快，许多政客却呼吁加快AI adoption。本文探讨了这一矛盾背后的政治与经济原因，指出快速变革可能带来的社会冲击。

Sakha是一款集成在Slack中的AI入职助手，能够自动引导新员工完成入职流程、回答公司政策相关问题、审核合同并生成公司政策。该工具旨在解决传统入职流程中知识分散、管理者负担重等问题，提供从第一天到完全融入的自动化支持。

Ferrix AI代理专为产品经理设计，通过上下文层、发现、验证、规划、PRD生成、规格制定、设计反馈、验收标准、工单创建、执行情报、发布沟通和上线后监控等12个代理，自动化产品管理工作流，同时保持人工审核与控制。

FetchSandbox是一款专注于API集成测试的工具，能够自动记录和分析测试中出现的故障，帮助开发团队快速定位和修复问题。

OALABS 的研究人员发现，一名低技能攻击者利用 AI 代理 Claude 和 Codex，通过模糊的提示绕过防护措施，突破至少 14 家公司并窃取数据。攻击者的操作安全失误导致超过 1000 个会话日志被恢复，暴露了其身份和手法。

SCAN-Planner是一种用于四足机器人的空间碰撞感知局部规划框架，通过偏航感知双圆柱足迹模型和投影A*搜索，实现了在狭窄通道、杂乱室内和大规模三维非结构化环境中的安全高效导航。

该研究提出了一种基于范畴论与层论的新型数学模型，用于描述软件组件集合语言（SCEL）中的自主代理系统。该模型将组件视为点、集合视为开集、分布式知识视为层的数据，通过“粘合”局部数据来模拟信息共享，并利用层上同调将系统故障量化为拓扑障碍。此方法将复杂分布式系统的验证转化为几何分析，为设计鲁棒的自主系统提供了结构性见解。

本文提出了一种基于不变扩展卡尔曼滤波（InEKF）的实时状态估计方法，用于仿人机器人在非惯性地面上仅依靠本体感觉传感器进行定位。该方法通过足部IMU利用运动学约束，无需直接测量地面运动或外部传感器。实验显示，在摇摆地面上收敛速度提高96%，位置估计误差减少80%；在旋转地面上行走的平均估计误差小于9厘米。

本文提出一种游戏化的机器人学习方法，让机器人通过自我导向的玩耍持续学习技能，并构建可复用的代码技能库。引入RATs框架，在玩耍阶段自主探索、执行、验证和固化技能。实验表明，该方法在LIBERO-PRO和MolmoSpaces上将下游任务成功率分别提升20.6和17.0个百分点，且学到的技能可迁移至其他Code-as-Policy代理，无需微调模型。

本文提出DiffusionVS，一种基于扩散策略的视觉伺服方法，通过条件去噪生成相机速度，采用在线训练增强泛化能力。仿真成功率近100%，物理实验成功率93%，并可集成到现有视觉伺服网络中提升性能。

3D场景图（3DSG）作为空间AI的强大表示，结合了几何基础与语义及关系抽象，在机器人学和计算机视觉中广泛应用。然而，该领域碎片化严重，不同社区采用不同公式、构建流程和评估协议，难以比较方法、识别共同假设和评估稳健部署的挑战。本综述统一批判地审视3DSG，重点讨论开放挑战和未来方向，包括节点边属性、层次结构、动态表示和可负担性扩展，并回顾构建方法、下游应用和评估策略。

WorkBenchMark是一个基于乐高得宝的机器人装配基准测试，受RoboCup智能制造联盟启发。它提供400个任务，分为四个复杂度等级，并提出了一个开源词汇感知的‘拆解式装配’基线解决方案。基于规划的流水线在所有等级上均优于现代视觉-语言-动作方法。该基准、仿真环境和基线实现将公开发布。

研究人员构建了名为Robotroller的机器人，可操作Atari CX40+控制器，并开发了Atari Devbox设备，在屏幕上渲染游戏画面和奖励信号。整个系统（Physical Atari）结合了现成摄像头和台式电脑，可用于研究物理世界中的强化学习算法。系统设计注重稳健性（所有运动通过轴承实现，软件高频监控舵机状态）和易用性（使用廉价现成组件和3D打印零件），总成本低于1000美元，可连续运行数周无机械故障。实验验证了强化学习算法可直接在机器人上学习，并表明学习与部署之间的微小分布偏移会显著降低策略性能，凸显了设备端自适应的重要性。