OpenLTM 是一个开源、MIT 许可的长期记忆插件，专为 Claude Code、OpenCode 和 Pi 等 AI 编程代理设计。它提供自动语义记忆捕获、回忆和重要性加权衰减，无需依赖云服务。记忆存储在本地 SQLite 数据库中，并支持钩子、命令和图可视化。

苹果在AI上的投入远低于其他科技巨头（2026年资本支出预计140亿美元，而四大云厂商合计6700亿美元）。作者认为，苹果并非落后，而是基于真正的不信仰——它认为AI并非革命性技术。苹果的CEO继任者是非AI背景的硬件负责人，Siri开放给第三方模型，这些都体现了苹果的坚定立场。相比之下，其他公司（如Meta、Google、微软）的巨额投资更像是帕斯卡赌注：一边大肆宣传，一边悄悄对冲。苹果是无所畏惧的无神论者，而硅谷其他公司则是恐惧的伪信徒。

EgoAERO是一个新颖的框架，能够从单段第一人称RGB-D人类演示中学习灵巧机器人操作，而无需预先扫描的物体资产。它重建接触一致的手-物体轨迹，并通过两阶段残差学习将其转化为机器人策略。该框架还引入了在线质量评估机制，并构建了包含430万RGB-D帧的大规模数据集EgoDex-R。实验表明，其性能接近基于CAD的重建方法。

MuJoCo-Drones-Gym是一个基于MuJoCo物理引擎的开源多无人机模拟环境，支持任意数量的Crazyflie 2.x纳米无人机，提供模块化API选择物理模型、动作接口和观测空间，并集成PettingZoo并行环境以支持多智能体强化学习，包含七种任务场景。

IntentNav是一种从人类演示中学习类人物体导航策略的框架。它通过前沿的人类意图标注方法推断高层搜索意图，并利用空间视觉候选空间实现高效探索。在多个基准测试中达到最先进性能，且零样本迁移到多种机器人平台。

Q-VGM是一种离策略强化学习方法，通过引入VGG-Flow将值梯度转化为去噪时间值梯度场，避免了对去噪链的反向传播，从而有效微调流匹配视觉-语言-动作（VLA）策略。在LIBERO、RoboTwin 2.0及真实机器人桌面任务上显著提升了成功率。

PRISM是一种任务无关的框架，通过轻量级MLP直接从世界模型编码器中提取状态条件高斯先验，并利用精度加权的高斯乘积更新融合到规划器的采样分布中，显著提高了连续控制任务的成功率。

本文提出一种名为X-OP的全身遥操作框架，仅使用单个扩展现实（XR）设备即可跨不同形态机器人泛化，无需针对特定机器人重新训练策略。该方法采用模型预测控制（MPC）运动重定向器，同时优化操作员意图对齐和机器人动态可行性，并引入状态同步和SLAM全局位姿反馈以确保鲁棒在线执行。仿真和真实实验表明，该方法在类人机器人和移动操作手上均取得更高成功率，降低完成时间和能耗，实现零碰撞。

研究人员开发了一种基于时间卷积网络的实时端到端假肢控制器，无需手动调谐和意图分类器。在平地、斜坡和楼梯等五种运动模式下测试，控制器表现出无缝适应能力，匹配训练数据的缩放特性，并能在无需个体调整的情况下实现自然的楼梯过渡。

本文提出一种基于深度确定性策略梯度（DDPG）的路径规划方法，用于威胁环境中的自主车辆导航。该方法将威胁建模为圆形禁入区，通过强化学习训练智能体直接从状态映射到安全动作。奖励函数包含目标吸引、障碍排斥和能量消耗惩罚。与传统最优控制方法相比，DDPG在保证路径有效性的同时大幅提升计算速度，适用于实时应用。

MinNav是一种基于光流及其不确定性的导航堆栈，使微型空中机器人能够在静态和动态障碍物以及未知形状的间隙中飞行，无需任何关于场景组件的先验知识。在真实世界实验中实现了70%的整体成功率，且计算量远小于深度方法，可直接在微型机器人上运行。

本文提出VoLoAgent，一种利用视觉语言模型（VLM）编排多种机器人能力的系统，用于开放词汇长程操控任务。该系统将机器人动作视为可中断的工具，实现实时规划、监控和故障恢复。同时引入RoboVoLo基准测试，实验表明VoLoAgent显著优于单一VLA/VLM或基于工具的系统。

NeuroAlign是一个分层多模态融合框架，整合fMRI和DTI数据用于轻度认知障碍（MCI）分析。它引入了双模态分层对齐（DMHA）和双域分层交互（DDHI）模块，以及无需梯度的协同激活映射（SAM）归因方法，在多个数据集上取得了有竞争力的性能。

提出AMN（自适应多尺度细胞核网络），一种双编码器分割框架，结合Swin Transformer和ResNet-50特征金字塔，通过学习的每通道门控机制动态加权各编码器贡献。在CoNIC基准上平均Dice 0.82，F1 0.68，优于八种基线模型，并在MoNuSeg上展示强泛化能力。

本文针对非结构化城市交通中密集、遮挡和运动不规则等挑战，提出了一种基于360度LiDAR的全方位感知框架，结合扇形区域全景处理与旋转等变稀疏卷积，在印度城市交通数据集上验证了其有效性。结果表明，该框架对汽车、公交车和卡车等大型物体检测性能优异，但对行人、自行车和摩托车等小型可变交通参与者检测仍有提升空间。

本研究提出SENTRY框架，利用有限种群抽样理论对视觉Transformer（ViT）进行统计故障注入，以极少的样本即可在99%置信度下将故障率控制在1%误差范围内，实验成本降低高达10700倍。研究发现，虽然仅3%的FP32位翻转导致故障，但这些故障几乎都会造成灾难性的精度崩塌，且脆弱性主要集中在归一化层和IEEE-754格式的关键指数位。

这项研究探讨了人类和前沿多模态大语言模型（MLLM）在辨别真实与AI生成的法律证据照片方面的能力。研究者构建了SLED-1400数据集，包含200张真实证据图片和1200张由六种文本到图像生成器生成的合成图片。实验显示，人类总体准确率为64.8%，在最强的生成器面前准确率近乎随机；MLLM从未误判真实图像，但漏检了大量合成图像。结论是任何单一方法都不可靠，需要结合人类审查、MLLM筛查和来源追踪技术。

本文介绍VisualLeakBench基准，用于评估视觉语言模型（VLM）在截图、文档等场景中是否将敏感文本复制到工具参数中。测试显示，基线条件下PII传播率达78.8%，不安全文本传播率达85.5%；防御提示可降低PII传播至2.0%但牺牲了实用性，不安全文本仍达52.6%。

麻省理工学院的研究人员分析了对抗性微调对视觉Transformer（ViT）在图像扰动下鲁棒性的影响。他们发现，针对特定类型的图像退化（如低频和高频干扰）进行微调，确实能提升模型在该类退化上的表现和置信度，但无法泛化到未见过的退化类型。尽管模型各层的视觉注意力和知识演化发生了变化，但对抗性训练并未根本改变ViT学习到的稀疏表示。

SlideCheck是一种轻量级工具，利用冻结的病理基础模型补丁特征对全切片图像中的异常和恶性进行评分，从而更好地控制预训练数据的组成。实验表明，SlideCheck定义的数据分布影响下游ViT预训练性能，策展的补丁子集可以达到全数据性能。

该博士论文提出两种隐私保护框架，利用集体音视频信号推断群体情绪，避免个体监控风险。第一种采用交叉注意力融合与帧注意力池化，第二种变分编码器多解码器学习共享潜空间。实验表明无需个体特征即可达竞争性能。

一种基于超过48,000张历史文档页面图像微调的图像分类器，使用RegNetY-16GF达到99.16%的准确率，可实现自动分类以支持OCR和数据提取。CLIP模型虽然在测试集上表现优异，但在未标注数据上表现不佳。

本文扩展了基于Sinkhorn最优传输的MST-Direct方法，使其能够处理多变量、条件和大规模场景。通过稀疏候选限制的Sinkhorn匹配器解决了可扩展性问题，利用FFT-MA高斯骨干扩展至多变量，并通过克里金法实现硬数据条件化。验证表明，该方法在保留精确联合分布的同时，优于PPMT近似方法。

本文提出CARTOGRAPH框架，为AI科学家提供可验证的实验引导与拒绝能力。该框架通过未解析子空间实验引导、显式模糊闭合和基于残差的库不足检测，在多个测试中优于原始投影方法。在回顾性审计中，成功标记了A-Lab系统中所有后续被认定为不确定的主张。

扩散语言模型（DLM）中的双向注意力机制导致传统KV缓存方法失效，模型精度近乎归零。本文提出双向前缀缓存（bicache），通过动态识别安全层深度重用共享前缀KV，实现36.3%-98.3%的吞吐量提升，且精度下降仅0-1.8%。

准确监测碳排放对气候政策至关重要，但城市级高频监测数据极度稀缺，限制了深度学习模型的应用。TriHead-GAN是一种基于Transformer的对抗框架，其三头判别器联合监督联合分布的三个互补方面：分布真实性、跨变量依赖性和时间平滑性。实验表明，TriHead-GAN在多数设置下优于主流基线，生成的合成窗口能提高低资源碳监测场景的预测准确性。

STARIXNet 是一种轻量级神经网络，通过捕捉多系统指标间的时空关系，在多变量空间内指导资源分配决策，优先保障服务稳定性与成本效率。在沃尔玛关键生产微服务中部署后，实现了 10% 至 50% 的显著成本节约，并提升了服务稳定性与客户体验。

新提出的层级涌现框架（HEF）将涌现建模为机制景观中的相变，解释了机器学习、生物学和物理学中独立演化系统趋向相似高层结构的现象。在111次模算术Transformer实验中发现，权重范数在突现前系统性达到峰值，所有突现模型收敛到相同的0.9745±0.014准确率，支持HEF的预测。

本文提出了一种去中心化集群控制框架SPIN，通过将联合策略张量分解为矩阵乘积状态链，将计算复杂度从指数级降低到线性级，并采用混合神经符号控制管道实现零样本适应。

研究人员提出MedicalRec，一种基于Transformer的推荐系统，可推荐最优的医学图像分类模型而无需重新训练，从而减少能源消耗和试错浪费。该系统使用了从3000篇论文中收集的超过5000条记录的基准数据集MedicalRec-Bench，在评估中达到了75.5%的最大HitRate@100。