Anthropic 发布了 Claude 安全插件的测试版，该插件可在 Claude Code 会话中运行多智能体漏洞扫描，并将选定的发现转化为补丁文件供用户审查和应用。插件支持全仓库扫描或提交前检查，采用六阶段多智能体工作流，发现经过三投票人对抗性验证后才进入报告。补丁在独立克隆中生成并验证，不会自动应用。

OpenCode Superapp将Codex的强大能力与本地自托管模型和语音控制相结合。

Poolside AI 发布新模型 Laguna S 2.1，号称以更低成本超越同类产品，同时 AI 社区关注安全事件和地缘政治紧张局势。

Poolside AI联合CEO Eiso Kant与主持人深入探讨了其团队如何以不到70人的研究团队，在八周内训练出击败近十倍规模模型的Laguna S，并分享了开源策略、模型工厂工程系统、以及从代码模型到AGI的十年探索之路。

本文通过三个关键时刻（首 token 延迟、高峰并发、工具调用）对比了 Highflame、Bifrost 和 LiteLLM 三种 AI 网关的性能。Highflame 在各项测试中表现最佳，几乎不增加延迟，能处理高并发，且内存占用低。Bifrost 因缓冲导致首 token 延迟，LiteLLM 在高负载下性能急剧下降。文章还提到了 MCP 工具调用场景下 Highflame 的优势。

Guardian是VaultSort 4.4.0的新功能，可在Mac上本地扫描敏感文件，如身份证件、财务记录、凭证和医疗文件，无需任何网络调用。它提供只读的内存报告，并与Encrypt集成，实现一键加密。所有处理均在设备上完成，确保数据永不离开你的机器。

曼彻斯特大学和杜伦大学的研究发现，AI聊天机器人在日常情感支持方面可以匹配甚至超越人类，尤其是在愤怒和恐惧情境中。研究强调，提供具体、可操作的建议是有效支持的关键，无论来自人类还是AI。

BeamWire 提供个性化的、无广告的每日新闻简报，以电子邮件和播客形式发送，包含事实核查、偏见检测和可定制主题。它提供多种新闻和专题“光束”（Beams），涵盖不同兴趣，并配有AI主播和语调定制。价格从免费开始。

Python 包索引（PyPI）现已实施新安全措施：拒绝向超过14天的旧版本上传新文件。此举旨在防止因发布令牌或工作流泄露导致的供应链攻击。

Orphograph 为 AI 代理的每个关键操作生成锚定到比特币区块链的收据，确保记录的存在时间不可篡改，且无需信任操作者即可验证。

Searchdesk是一款AI求职助手，它能自动搜索真实职位、基于事实定制申请材料，并让用户在私人工作区中掌控每一个机会。所有草稿均由用户审核，不会自动提交申请。目前处于Alpha阶段，欢迎反馈。

亚马逊确认正在其通用人工智能（AGI）部门裁减部分员工，这是该公司在持续削减岗位的同时大力投资AI基础设施的最新举措。公司未透露具体裁员人数或受影响部门，但表示正在聚焦对客户最重要的领域。AGI部门负责开发Nova模型，并包括硅片和量子计算团队。

研究者提出 EgoRecovery 框架，利用第一人称视角的人类失败恢复示范数据来训练机器人恢复策略：人类操作员每小时能产出比机器人遥操作多 10 倍以上的有效恢复数据，人类示范被对齐到与机器人数据共享的紧凑“纠正意图”空间，部署时由恢复门控判断何时触发纠正，真实任务实验显示其从失败状态起步的成功率优于只用机器人数据、直接联合训练和直接意图迁移等基线。

本文介绍了一种缆驱动无肢机器人 Morphing MILR，它通过可编程被动柔顺和滚动关节实现身体形态与弯曲平面的快速重构，从而在单一平台上达成侧向波动、侧向蜿蜒、滚动和扭转四种运动模式，并能在无地形知识和高带宽反馈的情况下在复杂环境中可靠移动。

研究人员提出了一种名为“接触持续全驱动”的控制理论框架，用于评估无人机在物理接触过程中的操作能力。该框架通过残差权柄集和残差权限边界等概念，超越了传统的全驱动机器人仅通过矩阵秩判据的认证方式。数值实验表明，对于倾斜六旋翼无人机，仅满足满秩条件并不能保证接触操作的可行性，而适当的倾斜角度能保留残差权限。

NavVerse 是一个物理启用的基准，包含 100 个室内场景、50 个城市室外场景和 50 个室内-室外场景，共 10,000 个回合，跨越 ObjectNav、VLN 和 PlaceNav 任务，并通过可执行机器人接口评估任务成功、路径效率与安全性。零样本实验显示，端到端 VLA 成功率最高，而模块化方法安全性最好；从室外到室内-室外场景的性能明显下降，表明适应仍是主要瓶颈。

本文提出一种去中心化的、抗欺骗的轨迹规划框架，用于应对小型无人机系统在远程ID（RID）位置欺骗攻击下的运行。该框架将RID信息视为未验证，并通过物理层观测（如接收信号强度）检测欺骗并概率定位欺骗源，将不确定性转化为机会约束下的风险有界不安全区域，集成到基于马尔可夫决策过程的规划器中。仿真表明，与信任RID数据的规划器相比，该方法减少了近碰撞事件，同时保持实时计算效率。

尽管通用机器人操作取得进展，现实世界中多物体杂乱环境仍具挑战。LENS作为一种即插即用的解决方案，利用大语言模型自动生成场景特定的简化抽象表示，通过合并或修剪实体来适应任务进展，从而提升各种操作方法的性能。

该论文提出“从触觉学习”（LfH）框架，借助可微的控制障碍函数（CBF）优化层，从稀疏的演示中学习用户偏好的安全干预方式，使触觉共享控制在保留直观交互的同时，实现个性化且更契合用户期望的安全反馈。仿真与硬件实验表明，该方法可从少量用户输入中学习个性化安全干预，并降低生成触觉反馈与演示偏好之间的不匹配。

研究团队推出Milo，一种开源、低成本（约2000美元）的机器人导盲犬平台，基于改装Unitree Go2，完全自主、机载计算，无需先验地图，可在室内外避障并跟随使用者，性能优于基于代价地图的基线。

本研究探索在真实冬季驾驶条件下，漂移何时可能成为安全最优选择。团队提出一种具备漂移能力的非线性模型预测控制（MPC）系统，基于碰撞致死数据设计场景，并在高保真模拟器中测试。控制器能在后轮遇到冰面时自然启动并维持漂移以保持道路，或避开滑入车道的对向车辆。与基准电子稳定控制（ESC）系统对比显示，漂移控制器可在危险冬季驾驶场景中通过稳定性与可控性的权衡实现精确操控。蒙特卡洛研究进一步表明，该控制器在多个速度下实现更低的车道误差中位数，且漂移主要在高速度时涌现。

arXiv 论文提出 ModPack，一套模块化、可扩展的遥操作系统，以自包含的可穿戴“背包”统一提供计算、供电、通信与存储，并通过可插拔能力模块支持多种机器人形态与任务，已在两个机器人平台和真实移动操作任务上验证，并开源全部硬件设计与软件栈。

提出一种基于稀疏像素级监督的统一变分框架用于图像分割，采用单纯形约束的Potts模型和平滑周长正则化子，得到凸且平滑的能量泛函，可用于弱监督深度学习训练损失或迭代优化。在RKHS中通过函数扩展构建模糊隶属函数处理稀疏标签，实验表明优于基线和部分交叉熵方法。

该研究指出，跨数据集泛化是超声心动图左心室分割临床部署的主要障碍。通过六个数据集的分析，发现几何感知预处理能显著改善域偏移，表明偏移主要源于视野和框架不一致，而非声学差异。强度归一化影响甚微。使用特定表示的距离度量可高精度预测分割性能下降。

研究者收集了121张前列腺全切片图像的多模态人类注意力数据集，并通过注意力对齐损失微调报告生成模型，使模型注意力分布更接近病理学家，在前列腺癌报告生成和视觉问答任务上取得显著提升。

研究人员提出EGRNet，一种用于城市场景实时语义分割的轻量级深度学习模型。该模型仅含0.46M参数，在Cityscapes数据集上达到65.28%的mIoU，并集成了轻型对抗攻击检测策略，适合部署在边缘设备上。

VQ-Transplant提出一种即插即用框架，可将新的向量量化模块替换到冻结的预训练视觉分词器中，无需端到端重训练，仅需5个epoch的轻量解码器适配，即可在ImageNet-1k上获得接近SOTA的重建保真度，并将训练成本降低95%。

ChronoStitch提出一种免训练方法，通过将独立缓存的视频块KV状态重新映射到全局三维多模态RoPE坐标系，并选择性重计算少量高偏差token，使长视频问答中的时序推理更准确且速度提升3.3倍。

研究评估了合成与衍生图像能否提升 YOLOv8n 在校园垃圾桶摄像头场景下的检测性能。在 148 张真实校园照片上，所有增强配置均未超过仅用真实图像的基线（平均 [email protected] 为 0.691）；背景替换和全量增强池反而显著下降。手部复合图修正后的配对差异不显著，单种子迁移实验的排序随源数据变化。

本文介绍D3VL，一个多模态大语言模型框架，可同时处理2D视频和3D LiDAR时间序列数据以回答交通场景问题。在KITTI问答数据集上性能提升11%，并提出了Waymo问答数据集扩展以评估复杂驾驶条件。