在旧金山AI峰会上，韩国总统李在明与顶级商业领袖和研究人员会晤英伟达及生态系统合作伙伴，共同规划韩国AI发展蓝图。双方宣布成立英伟达与韩国科学技术院（KAIST）联合AI研究实验室，并深化与SK集团的合作，推动韩国成为全球AI创新中心。

cloro.dev，全球领先的 AI UI 抓取平台，新增每月 500 次免费积分套餐，适合个人项目。该平台通过单一 API 从 ChatGPT、Perplexity、Grok 等AI工具提取结构化数据，已服务超过 200 家企业客户。

Black Forest Labs发布了FLUX 3，一个统一的多模态模型，涵盖图像、视频、音频和动作预测。FLUX-mimic模型基于FLUX 3，用于机器人控制。此外，文章还涵盖了开放代码数据集The Stack v3、蒸馏辩论、音频/TTS系统、代理基础设施以及OpenAI的产品更新。

LOCK TF IN 是一款以讽刺风格著称的AI健身伴侣应用，它扮演一位铁血教练的角色，无情地嘲讽你的借口，激励你坚持锻炼。该应用提供免费和付费订阅两种模式，注重隐私保护，免费版AI完全在设备端运行。

arXiv 2026年7月22日论文探讨了使用简化混合专家（MoE）动作头的视觉-语言-动作模型（VLA）能否从专家演示中无监督地涌现出可复用、可解释的底层行为原语，并发现路由网络隐式学习高层任务排序，专家模块则对应不同低层行为。

该论文提出一种用于自动化采矿液压冲击锤的实时RGB-D感知流水线，在嵌入式硬件上以约10 Hz运行，总延迟约675毫秒，可同时生成可操作的破岩姿态和无机器人的三维工作空间表示，为地下采矿中遥控冲击锤的自主化迈出一步。

这篇后续研究检验了一种神经启发的自监督轨迹规划框架：它以前向模型和逆向模型作为内部监督信号，并在含障碍物的环境中进行评估。实验证明了该方法可行，但也暴露出规划器会利用前向与逆向模型所提供的学习信号的问题；作者为此提出了额外的训练方案与缓解策略。

随着无人机在军事行动中的普及，对反无人机防御系统的需求日益增长。本文提出一种在GPS和通信受干扰环境下，利用自主无人机蜂群保护地面目标的方法。该方法不依赖外部通信和卫星定位，仅通过机载传感器和相对测量实现目标跟踪与蜂群协调，并采用去中心化包围技术适应目标运动。在实际机器人上的实验验证了其检测、包围和拦截敌对无人机的有效性。

FELT 是一个基于学习的框架，能从 RGB 观测中合成每根手指的压力触觉图像，减少对触觉数据采集的依赖，并在四项接触丰富的操作任务中超越纯视觉基线。

该论文提出能力感知可通行性（CAT）框架，将机器人本体的物理约束直接编码进空间特征表示，而非依赖后期的轨迹过滤，从而让同一地形对不同形态机器人给出差异化的可通行性判断。

该研究提出了一种基于学习的框架，用于安全且可扩展的多无人机协同载荷运输。通过最小2D抽象保持任务相关的耦合，并利用域随机化和离散图控制屏障函数近端策略优化（DGPPO）训练分布式策略，实现了零样本模拟到真实迁移。实际实验表明，单一策略可泛化至不同团队规模和动态环境。

该论文提出 RAINBOT™——由消费级3D打印机改造的低成本开源液体处理机器人，集成浏览器数字孪生实现远程监控，并与CEID™逆设计框架闭环，硬件成本低于1300美元，约为入门级商用设备的十分之一。

PhysCoRe是一种结合可微物质点法（MPM）模拟器与两个前馈神经网络的物理修正残差世界模型，能够从视觉观察中推断粒子弹性并学习模拟器偏差的修正，显著提升对可变形物体在机器人操作下的预测精度，并支持在线材料识别与置信度引导的探索。

该研究提出HERMES模型，利用异构边关系图神经网络和SSM多头注意力，将交通冲突评估建模为时序异构图分类，在信号交叉口数据集上达到AUC-ROC 0.9898，优于Transformer基线，并展现出强迁移能力。

本文研究VR头显中基于虹膜和眼周生物特征的用户认证，评估ISO/IEC 29794-6质量指标在VR数据上的局限性，利用生成模型处理离轴注视、非均匀光照和镜面反射等挑战，并发现多模态分数级融合可将EER降低约11%。

3D-GIMP提出了一种新的混合范式，用于3D高斯散点图中的高保真物体移除。它通过在关键参考视图上进行单次生成修复，然后利用3D感知的PatchMatch算法将纹理传播到所有其他视图，避免了多视图不一致和结构伪影。实验表明，该方法在修复质量上与传统多视图扩散方法相当，但在渲染速度和视图一致性上更优。

本文指出当前开放世界视频异常检测（OWVAD）评估存在“定义盲区”问题，即模型对用户提供的异常定义不敏感。作者提出了三个新的评估指标（DC-Disc、DC-DetΔ、DC-SelΔ）和一个定义对比评分规则DeCoS，有效提升了模型对定义的响应能力。

U-CFR是一种新型交互式图像分割框架，通过在推理过程中自主生成内部伪点击来自我纠正，减少用户所需点击次数。该方法引入边界感知的不确定性分数，融合分割不确定性、轮廓梯度和显式边缘预测，引导伪点击放置在模糊边界区域。双头网络包括分割头和边缘头，通过级联精炼步骤逐步优化掩膜。在标准数据集上，U-CFR将挑战性数据集（如Berkeley）所需的点击次数减少10%以上。

DS@GT ARC 团队为 ImageCLEFmed GANs 2026 挑战赛开发了一种隐私保护框架，用于生成合成肺部 CT 切片。该方法结合了最优传输条件流匹配与隐私导向训练，以及生成后的“监督者”管道，利用自编码器嵌入、行列式点过程和 Stein 核稀疏化在学习的几何潜在空间中过滤生成的候选样本。最佳模型实现了 0.549 的隐私保护得分和 0.3290 的 FID，展示了真实感与隐私之间的强权衡。虽然几何过滤大幅减少了最近邻记忆和成员推理泄漏，但持续的患者重识别得分表明，防止直接图像复制不足以消除更深层的患者特异性解剖身份，这为未来隐私保护医学图像生成指明了重要前沿。

本研究提出一种空间锚定概念瓶颈模型（SG-CBM），通过粗粒度病变分割作为弱监督，引导模型关注解剖学相关的区域，从而提高乳腺超声诊断的可解释性和可信度。在五折交叉验证中，SG-CBM显著提升了诊断AUROC和概念宏AUROC，并增强了概念证据的空间对齐。论文还通过Train-corrupt/Test-clean压力测试，量化了标注质量对诊断和空间忠实度的影响，强调了数据质量意识监督设计和系统可信度验证的重要性。

ODeform是一种基于神经常微分方程的新方法，用于对可变形物体在3D空间中的连续4D动态进行建模。它将3D点云和物理条件映射到统一潜在空间，通过求解常微分方程实现连续形变建模，无需离散时间步长，同时保持计算效率。实验表明，该方法在未见过的物理参数配置上提高了运动预测精度，并成功迁移到真实3D物体的新形状上。

Axolotl3D 是一个多模态、遮挡感知的三维生成模型，联合以图像、可见性掩码、相机参数和部分点云为条件，实现可控且忠实的三维形状补全。该工作被 ECCV 2026 接收，在 Toys4K 和 OmniObject3D 数据集上取得最先进性能。

该论文提出掩码拓扑建模（MTM），一种面向参数化CAD边界表示（B-Rep）的自监督预训练任务，通过遮蔽面邻接图中的部分边并预测其凸性与曲线类型来学习表示，并结合MoCo风格对比学习与BFS连通面区域掩码重建目标，在ABC数据集和新建程序化生成数据集上预训练，于多项基准取得强劲表现。

RealVDeblur是一种高效的生成框架，通过基于3D高斯泼溅的物理模糊合成管道生成逼真训练数据，并利用视频扩散先验和一步式扩散蒸馏，实现真实世界视频去模糊。该方法在未知视频上展现出强感知质量、语义保真度和时间一致性，并提升了严重运动模糊下下游3D重建的鲁棒性。

该论文首次数学证明低秩分解与量化是非正交的，两者结合会引入额外误差导致性能显著下降，并提出对角粘合方法（DAM）来有效结合两种方法并缓解性能损失。

知识编辑是替代重新训练的一种重要方法，但常导致数学与编程推理能力严重退化。Moir通过从模型自身的解码分布中采样来估计保持协方差，无需外部数据，在多个模型和编辑方法下显著提升了脆弱领域的能力保持。

一篇立场论文认为，尽管LLM的进步引发了自然语言可完全取代编程语言等形式语言的断言，但自然语言本质上是为开放性上下文的欠规范而优化的。作者引入了“任务特异性”框架，证明了“特异性交叉定理”，并通过图像生成、代码合成和音频制作等案例研究展示：自然语言在低特异性任务中表现出色，而形式语言在要求严格的任务中更具优势。结论是两者互补，应发展混合系统。

研究者提出 AlphaAgent，一个技能驱动的智能体框架，通过显式的技能契约将检索式问答与论文级报告生成分离，并在 40 道材料科学问题的盲测中显著优于匹配基线的检索增强生成系统。

LLM-INSTRUCT系统在2026年ArgMining的UZH共享任务中获胜，专注于联合国和联合国教科文组织决议的段落级论点挖掘。该系统通过元数据感知的密集检索缩小候选标签空间，应用带维度上限的约束解码，对不确定案例使用三智能体辩论分支，并验证输出模式。官方排行榜上总体第一，F1第一，LLM作为评判第五。开发中进一步将Task 1b Micro-F1从35.83%提升至40.08%。主要经验：生成前缩小决策空间可提高准确性和提交稳健性。

一项因子实验揭示了提升大语言模型输出多样性的有效策略：增加角色细节并不总是有效，组合不同交互架构可扩大观点覆盖范围，而提高采样温度或添加多样性指令效果甚微。