人工智能已成为一个充满谎言的行业，充斥着过度承诺和兑现不足。本文为人员领导者提供关于采用AI的实用建议，重点关注成本、基于消耗的定价、代币优化以及利用竞争做出明智决策。

LongCat-2.0是一个完全在AI专用ASIC上训练的1.6万亿参数混合专家模型，标志着AI硬件效率的新突破。

澳大利亚助理技术部长安德鲁·查尔顿在悉尼AI安全论坛上指出，人工智能模型已经表现出欺骗、误导和偏离设计意图的行为，联邦政府的人工智能安全研究所已着手测试最新模型。

NVIDIA和Hugging Face合作，将NVIDIA Isaac GR00T 1.7模型和Isaac Teleop框架集成到Hugging Face的开源机器人库LeRobot中，并计划引入NVIDIA Cosmos 3。这些整合为开发者提供了更易访问和标准化的机器人开发路径，推动开放机器人社区的创新。

腾讯Hy团队发布Hy3，一个295B参数的混合专家模型，每个token仅激活21B参数。采用Apache 2.0许可，支持256K上下文窗口，专注于推理、代理和长上下文任务。在SWE-Bench Verified上获得78.0分，幻觉率较低。可通过OpenRouter免费试用至2026年7月21日。

本文深入探讨了大型语言模型的核心机制：下一个词元预测、训练过程、对数几率与Softmax、温度参数的影响，以及输出的概率性质。解释了为什么模型会“幻觉”、如何通过思维链提示提高准确性，并澄清了“模型知道”的真正含义。

sqlite-utils 4.0rc4 是 4.0 稳定版之前的最后一个发布候选，主要实现了 Claude Fable 5 的详细审查反馈。

本文探讨了为低资源语言（如阿塞拜疆语）构建实时语音AI的挑战，对比了端到端语音模型（OpenAI Realtime、Gemini Live）和级联流水线（LiveKit、Pipecat、Vapi），分析了各种失败模式、组件可用性，并提供了评估清单。

一份2026年5月的交互式报告，分析了澳大利亚普通保险品牌的AI搜索可见性，支持两家品牌的头对头比较。

本文概述了Thariq关于Fable模型的演讲，涵盖解绑模型、发现未知、应对情感转变以及追求卓越。此外，还包括AI新闻：腾讯混元Hy3开源、Agent基准测试、Anthropic的J-Space全局工作区、推理效率、世界模型和语音技术等。

OpenAI在API中新增了两个Realtime模型：gpt-realtime-2.1和gpt-realtime-2.1-mini。后者是一款针对实时语音的迷你推理模型，定价与之前的gpt-realtime-mini相同。OpenAI还通过改进缓存将p95延迟降低了至少25%。本文介绍了模型的变化、定价对比以及如何通过WebRTC连接。

本文提出了一种纵向运动感知的鲁棒非线性横向控制框架，解决了现有方法在速度和加速度变化时性能下降及参数不确定性问题。通过建立随纵向运动变化的跟踪误差模型，采用反馈线性化和两种鲁棒控制设计（Lyapunov重设计和增量非线性动态逆），确保了系统的有界稳定性和鲁棒性。仿真和实车验证了其高精度跟踪和实际应用能力。

该论文提出了一种针对连续时间随机系统的采样运动规划方法，该方法考虑了过程和测量不确定性，并提供了概率安全与性能保证。通过混合信念传播模型和信念障碍函数安全检测，实现了对连续轨迹的安全验证，有效避免了离散时间方法中因忽视采样间违规而导致的问题。该方法集成了RRT和SST规划器，在多个基准环境中表现出高成功率和鲁棒的约束满足能力。

DREAMSTEER是一种无需微调即可在部署时引导预训练视觉-语言-动作（VLA）策略的框架。它利用潜在世界模型和价值模型，通过采样候选动作块、想象其结果并排序，显著提升了任务成功率和指令遵循准确率。

该研究提出一种受模拟电路差分放大器启发的注意力机制AmpAttention，旨在抑制多视角机器人操控中的注意力漂移。基于此的RVAF模型在18个RLBench任务（249种变体）上达到最优平均成功率，同时训练时间减少33.3%。扩展版本RVAF++结合SAM2图像编码器，在高精度任务中表现突出，例如“插入销钉”任务成功率达91%。论文已被IROS2026接收。

CLEAR提出了一种基于强化学习的闭环训练系统，用于端到端自动驾驶。它从预训练的VLA模型中学习残差航点策略，并通过异构流水线扩展仿真环境，在CARLA longest6 v2和Bench2Drive上实现了最先进性能。

TACO是一个触觉感知的世界模型驱动框架，用于接触密集型操作中的可扩展VLA后训练。它通过识别-想象-标记循环，将真实失败转化为想象的视觉-触觉校正，从而提升策略性能。实验表明，TACO相比基础策略实现了44%的绝对成功率提升。

本文研究了金属超声波导作为分布式触觉传感器的应用，通过单个近端换能器实现接触定位、力估计和材料分类。实验证明了力与反射/透射系数比的线性关系，以及利用反射能量分区进行材料分类的可行性。该技术有望简化机器人触觉系统的复杂性。

研究人员提出了MorphQuad，这是一种可变形四旋翼飞行器，通过两轴云台独立驱动四个旋翼系统，实现了任意方向的推力矢量、全局稳定性以及超强的机动性、操控性和鲁棒性。该平台展示了多圈旋转、阀门操作、栖息和抗风干扰等能力。

EVA-Client 是一个开源框架，用于在真实机器人上部署、收集数据和评估训练好的操作策略。它位于策略服务器与物理硬件之间，将策略迭代循环中的真实机器人阶段统一到单个代码库中。框架采用组件解耦架构，支持调试、收集和评估工作流，并且每次评估运行同时作为数据收集，为下一轮训练提供训练就绪格式的完整轨迹。

本文系统研究了用于机器人策略评估的世界模型，提出了WMBench基准测试，基于324,000个模拟策略 rollout 和真实机器人执行数据，分析了7种视频世界模型和4种动作表示方案。核心发现包括：评估器质量主要取决于长时程、动作保真的一致性，而非短期视觉真实感；预训练收益不仅来自数据规模，还需平衡通用世界知识与机器人特定可控性；架构选择（如动作编码、记忆设计）对与实际机器人行为的一致性有决定性影响。基于此，作者提出了实用设计路线图并实现了GigaWorld-1模型，同时开源了代码、模型、数据集和工具包。

提出了一种可视化分析框架，用于探索扩散模型中的注意力动态，整合定量测量与数据驱动的阶段识别，在60提示基准测试中揭示了可解释的模式，支持更有效的人机协作。

该研究提出一种基于离散潜在表示的熵编码MS-VQ-VAE框架，在超低比特率（低于0.1 bpp）下显著优于H.265。通过矢量量化（VQ）码本大小K的硬信息上限和学习自回归先验，利用码本使用的幂律分布，无需率惩罚调优即可实现极低码率。在UCF101数据集上，模型以0.043-0.064 bpp运行，比特率仅为H.264和H.265的几分之一，同时感知质量（LPIPS）更高。

DH-Active是一种轻量级、无需训练的几何后端方法，将LiDAR视为度量标尺而非唯一深度来源。近场返回通过PnP锚定相对位姿，无有效深度返回的可视点则三角化。视差/重投影门在几何条件不良时弃权，形成显式空洞。核心前端在CPU上仅需1.11毫秒，比DINOv2-L GPU分支快约38倍。在TUM RGB-D和ARKitScenes基准上，恢复深度中值相对误差为1.4%-6.7%，远场候选覆盖率达64.2%，误差13.4%。

本研究提出了一种两阶段U-Net框架，用于高效预测真实城市形态下行人高度的平均风速。该模型利用UrbanTALES数据集训练和评估，通过第一阶段基础U-Net（M1）逐块预测风场，第二阶段修复U-Net（M2）采用基于修补的细化方法消除块边界伪影。实验表明，该框架能合理再现平均风速和空间变异性，但最大风速仍被低估。该模型为高分辨率行人高度风速预测提供了一种高效灵活的替代方案。

该研究提出了一个决策框架，量化了在跨海洋栖息地迁移视觉系统时标注工作量与识别准确率之间的权衡。基准测试涵盖五个数据集、三大洋和三个分类群（鱼类、珊瑚、无脊椎动物）。研究发现，使用冻结的自监督基础模型（DINOv2）结合线性分类器，每个物种仅需10-20张标注图像即可在新站点实现可靠识别，将标注工作量减少约一个数量级。

糖尿病足溃疡(DFU)分割的深度学习模型在域内数据上常报告高准确率，但跨临床来源的泛化能力尚未充分评估。本研究在严格的无泄漏协议下比较了U-Net、DeepLabV3+和SegFormer-B2三种架构，发现基于Transformer的SegFormer-B2在外部数据集上泛化最佳，而模型复杂性并不保证更好的泛化性。

在自动驾驶场景中，稀疏视角神经重建面临挑战。本文提出使用Depth Anything V2作为单目深度先验，通过光度掩码选择性监督，提升Splatfacto模型的重建质量，PSNR从14.903提升至15.932，RMSE从0.542降至0.100，并表明增益来源于选择可靠的低误差区域。

该研究使用可解释的机器学习方法，从QSM和fMRI特征预测帕金森病运动严重程度，最佳模型解释了45.4%的变异，75%的预测误差在5分以内。

视频多模态大语言模型在全局语义理解上取得进展，但在局部时空感知上仍存在不足。本文提出DELTAVID框架，将跨视频找不同转化为可训练的感知信号，并配套构建DELTAVID-10K数据集和DELTAVID-Bench基准。实验表明，该方法不仅显著提升跨视频差异理解能力，还将学到的局部证据推理迁移到多个通用视频理解基准中，推动模型从粗粒度语义理解走向细粒度时空证据推理。