欧盟AI法案的合规截止日期为8月2日，相关合规文档服务起价仅197美元。

Supabook是一款集商务电话系统、CRM和AI接待员于一体的平台，专为服务型企业设计，帮助捕捉来电、安排工作、收款并自动跟进，确保客户工作顺利进行。

该视频讨论了韩国人工智能领域的泡沫破裂现象，分析了其背后的原因和影响。

该论文研究了如何将已有的文本条件抓取检测模型以数据高效的方式迁移到语音输入。作者以ALBEF为案例，通过诊断分析发现轻量级MLP投影器即可完成适配，并据此提出Speech2Grasp框架。真实人形机器人实验显示，该方法优于级联ASR流水线，同时降低了推理延迟。

该论文提出为视觉-语言-动作（VLA）模型构建“概念专家”模块，利用三维视觉基础模型生成可执行的解析概念，并在操作过程中动态跟踪参数，从而以密集程序化奖励和精确空间引导的方式微调VLA，在监督和强化学习设置下均提升了成功率与学习效率。

RLMM-Flow 提出一种两阶段框架：先用专家演示预训练流策略捕捉多模态全身运动先验，再冻结该策略，通过潜空间强化学习训练一个潜变量引导网络来优化初始噪声，从而生成更高价值的动作块。该方法在移动操作运动规划基准上显著提升了任务成功率、避碰能力和轨迹质量，同时保留了流模型快速推理的优势。

一篇 arXiv 论文研究如何通过使用执行器延迟的前向模型和时间感知神经网络，缩小低成本四足机器人（如 Mini Pupper 2）的仿真到现实差距，并发现网络能够自发学得中央模式发生器式的节律步态。

本文提出一种面向未知目标动态跟踪的自适应在线学习控制方法。该方法同时学习多个预测器，并通过自监督、一次性且计算高效的方式自适应选择最佳预测器，以应对结构化、随机和对抗性混合运动。作者给出了有限时间近最优性保证，并在无学习误差且无切换时实现期望意义下的无遗憾。

本文提出一种利用缝合线作为辅助工具的自主拾针框架，使机器人能够间接拾取被遮挡或难以直接接近的缝合针，避免不必要的工具-组织接触，并在达芬奇研究套件上验证了其鲁棒性。

本文介绍了MoMo，一种两阶段模仿学习框架，通过时空动作标记化和行为克隆变换器，使机器人能够在不同任务中调节运动模式（平稳、动态、中间），从而实现执行层面的变化。在六项真实机器人操作任务中，该方法展现出对未见任务-模式组合的组合泛化能力。

本文提出了一种名为MMOCIC的多目标框架，将协同进化行为与合规行为融合，在最大化团队进展与最小化规范违反之间取得平衡。其核心创新在于将学习过程与合规解耦，因为操作规范是预设而非发现的。在最多8个机器人的硬件部署和12个机器人的仿真中，该框架在协作救援任务中实现了高团队性能并避免了碰撞。

本文提出一个四层系统框架来定义和评估具身智能的可信度，并引入一个非规范性的可信度等级体系，以支撑有限部署、比较评估和研究优先级。

BG-REAL 是一个基于 Open Images V7 实例分割数据构建的公开基准，专注于图像背景篡改的检测与定位。它包含 7,000 个样本、六类编辑家族、匹配的真实对照和三种外部基线，并揭示重新编码伪影会导致基线模型产生虚警的共性问题。

本文提出轻量级时滞感知交叉手对齐模块(LACA)，显式估计双手特征流之间的方向性时间偏移分布，通过兼容性感知目标监督对齐，无需额外标注。在HA-ViD和ATTACH数据集上，集成LACA可提升双手动作分割性能，仅增加约0.0086百万参数。同时提出未来无关变体LACA-C，实现实时感知。

一项新研究提出联邦物理信息神经网络（PINN），将联邦学习与基于线性弹性方程的物理损失结合，在三个模拟临床站点上训练，仅共享模型权重而不泄露原始MRI数据。联邦模型整体准确率达91.4%，超过集中式基线的90.0%，平均AUC为0.985，并将垂体瘤准确率从85.6%提升至94.5%。

论文提出 WildShadowRemover，通过 LoRA 微调预训练视频扩散模型来实现真实场景下的视频阴影去除，并引入细节注入模块、阴影掩码引导的频率分解调制模块以及 Depth Anything 3 的单目深度先验，同时构建了大规模配对数据集 WildShadow。

Rad-JEPA 3D 提出一种针对三维 CT 体积的联合嵌入预测预训练框架，采用混合 H-Mamba 编码器与隐藏状态正交正则化，在约 12 万次 CT 扫描上预训练后，以 4.0B 参数在封闭式 VQA 与 Spatial-Med 空间推理基准上取得领先表现。

本研究开发了一种混合计算机视觉方法，利用室内粉刷图像量化裸露皮肤面积以评估皮肤暴露。该方法使用Mask R-CNN识别并去除背景，再通过颜色算法分割皮肤，得到的皮肤-身体像素比与人工估计约80%一致，展示了从图像中提取半定量暴露信息的可扩展途径。

DVPSFormer 是一种统一的在线架构，可同时估计度量深度、语义分割和实例轨迹，用于自动驾驶中的 4D 场景理解。它通过显式场景离散化（ESD）和离散到连续（D2C）深度头单次解码深度，并利用在线多数投票（OMV）机制在跟踪过程中优化分类。该方法在 Cityscapes-DVPS 和 SemKITTI-DVPS 基准上取得新的最优结果，代码和模型已公开。

TraceCLIP是一种免训练框架，通过分离写入CLS注意力输出的patch特定项来恢复潜藏的patch级语义证据，并将其转化为语义测地拓扑门以校准最终层patch亲和度，在八个零样本语义分割基准上平均mIoU较此前最强的免训练方法提升1.3至4.5点。

本文提出了一种利用深度神经网络从单张日常人体图像估计BMI、体重和身高的方法。研究人员创建了包含6105张多样本图像的新数据集，并探索了多模态输入（RGB、深度图、姿态亲和图、边缘图）的效果。实验表明，全身图像比半身或面部图像估计更准确。

本文提出知识引导的原子动作解缠（KDA）方法，利用大语言模型将动作标签分解为原子动作，通过知识注入和解缠模块增强视频特征，实现细粒度动作识别，在多标签动作识别基准上取得最优性能。

研究人员推出AgentGUI，一个本地托管的图形界面，用于在多个并发、长时间运行的会话中观察和引导AI代理。用户研究显示识别关键元素的时间减少38%，自动防漂移功能可将小型本地代理的任务完成率提升高达34个百分点。

该论文研究了提示范围和示例选择对本地LLM机器翻译的影响，发现专用MT系统仍整体最强，少样本提示对不同模型效果不一，家族范围提示对强模型可行但暴露小模型的结构输出问题。

论文提出Robostreet Flow货运架构，通过电池电动牵引车、四车编队（仅头车配安全驾驶员，后三车L4自动驾驶）和轻量化设计，将运营成本从每吨英里9.4美分降至4.1美分，降幅56%。

研究人员构建了一个包含超过60亿字转录文本的宗教广播语料库，覆盖785个网络流媒体信号，为分析宗教媒体中的社会政治议题和语音处理研究提供了重要资源。

新论文提出 V-Steer，一种无需训练的推理时方法，通过编辑缓存中的值向量来修复大语言模型对指令层级的违反，在7B到70B模型上将主要约束准确率从不足18%提升至92%，且几乎不增加解码开销。

arXiv 论文提出零样本检测流程，通过分析人类与 AI 诗歌分类正确与错误的关键属性，验证现代检测器能否区分两者，并为减少训练数据提供依据。

该研究评估了内容审核中不同干预位置和响应重写的端到端效果，提出了有用性和有害暴露两个客户结果指标。结果表明，仅响应过滤在仅过滤场景下有用性最高，而输入+响应硬阻塞有害暴露最低。响应重写可以恢复大部分被阻塞流量且不增加有害暴露。探针路由相比LLM路由显著降低延迟。重写通过泛化触发语言平衡过滤器通过率和有用性，但在敏感领域可能遗漏安全支持信息。研究支持根据部署场景制定审核策略。

arXiv 论文 DuplexGen 提出一种通过少量槽位级人类偏好标注来校准大模型预测、从而生成具备场景自适应轮流行为的人机对话框架。实验表明，在六个合作与竞争任务中，人类对轮流行为的偏好存在系统性差异，而 DuplexGen 比未校准提示或仅用通用人-人语音数据训练的方法更贴近这些偏好。