您的可教AI实习生，用于日常浏览器工作。

这篇文章批判了“AI只是工具，如何使用才重要”这一常见说法，指出工具并非中立，它们塑造社会、环境与人性。作者以汽车、椅子为例，说明工具的设计本身带有政治性。AI作为工具尤为危险，因为它消除了人类应有的挣扎与痛苦，导致批判性思维丧失。文章呼吁重新审视技术设计，关注工具对人类的深层影响。

一项关于AI牙膏推荐的调查，完成即可获取个性化免费产品推荐。

这是一个由Suhas Bhairav创建的包含50多个开源Next.js AI模板和入门套件的精选集合，涵盖聊天机器人、RAG、语音代理、图像生成等多种AI应用。

Paul Graham认为，人工智能的最大优势之一是让公司在跨越约10人和150人的门槛前保持更高效率。本文探讨AI如何使团队重组成为可能：从多人协作转向一人加AI的模式。Anthropic推出的Claude Tag允许AI加入Slack团队，但Slack和Cursor等工具仍基于传统团队协作理念。文章指出，软件开发中团队效率低下，AI可能催生独自工作的开发者。此外，数据显示个体创业者增长迅速，AI正填补能力缺口，减少雇佣需求。

一款基于Tauri v2 + React + Rust构建的轻量级桌面AI助手，具有始终置顶模式、安全密钥存储、本地SQLite数据库和多提供商支持（Gemini、OpenAI、Anthropic、Groq、本地Ollama或自定义端点）。开源免费，支持Windows、Mac和Linux。

荷兰皇家海军正在引领无人系统的应用，以将人员远离危险区域。他们在登海尔德海岸进行为期五周的试验，测试无人艇Defender 1和Defender 2的性能。

该论文提出一种面向赛车运动的最短圈速规划框架，在原有扰动感知方法基础上，进一步将车辆关键参数（转动惯量、质心位置和气动阻力系数）的不确定性纳入鲁棒约束，并通过空间选择性激活策略控制计算复杂度。研究使用模型预测控制器作为虚拟测试驾驶员，在巴塞罗那-加泰罗尼亚赛道部分路段上对FSAE赛车进行1000次仿真，比较名义参考轨迹与鲁棒参考轨迹。结果表明，鲁棒参考轨迹显著减少失败次数，虽带来适度的圈速代价，但使车辆输入和车轴饱和等关键信号围绕参考值的离散度更小，可跟踪性更好。

本文提出一种利用气压高度计辅助的姿态估计架构，通过提供垂直运动信息来增强非线性观测器在SO(3)上的姿态估计性能，并在模拟和真实飞行数据上验证了其有效性。

WANDA提出一种合成数据引擎，仅需一次人类演示即可生成大量训练数据，使移动操作策略获得空间泛化、长程鲁棒性与跨场景泛化能力，并支持跨本体零样本部署。

本文提出了一种名为HRO的层级房间到物体框架，利用大型语言模型（LLM）实现零样本目标导航。与现有方法不同，HRO模仿人类从房间到物体的层级空间认知，引导智能体由粗到细地探索未知环境并定位目标物体。实验结果表明，HRO在Gibson和HM3D数据集上取得了更高的成功率和更好的泛化能力。

提出一种基于ROS-Unity的多模态遥操作架构，利用3D高斯泼溅技术生成无遮挡的外部视角，并通过躯干振动触觉套装提供直观的接近提示。在30名受试者参与的实验中，该框架在严重通信延迟下表现出显著的性能优势，fNIRS结果显示其能维持操作者的执行控制能力，避免认知负荷过载。

研究人员提出一个分层贝叶斯生成模型，将恐怖谷的启发式设计准则转化为可计算的变量，并通过模拟与人类实验验证了不确定性对亲和力的影响。

一篇发表于arXiv的综述文章系统回顾了高压静电执行器（HVEAs）在触觉领域的应用，涵盖四类主要技术：静电可切换粘合剂、介电弹性体执行器、软电液执行器和电动泵。文章分析了各类执行器的工作机制、带宽、力密度和空间可扩展性，并评估了其在可穿戴和地面固定式触觉界面中渲染皮肤触觉和动觉反馈的通用性。综述还指出了共同的设计约束、改善人机工程学、简化制造和集成自感知的新兴策略，以及将HVEAs推向实用系统的关键研究方向。

研究者提出HRIBench，一个用于评估意图感知人机协作的诊断性基准。它通过结构化场景脚本建模交互角色、时序依赖和协作约束，包含13个任务和650多个评估回合，并引入同步性、响应性、协议合规性和安全性等指标。实验显示当前主流机器人策略在协作场景中表现不佳，但用HRIBench微调可显著提升性能，仿真数据还能将GR00T N1.5的真实任务成功率从0.10提升至0.43。

本文报道了一项关于环境监测中自主无人机覆盖最大化路径规划的系统性文献综述。该综述遵循PRISMA 2020框架，检索了Scopus和Web of Science中2015年至2026年的研究，重点关注路径规划、覆盖路径规划和信息路径规划。初步分析显示，现有研究集中于覆盖导向、多无人机协调和能量感知优化，而对天气、不确定性和障碍环境的关注较少，且多数研究依赖仿真验证。

该论文提出一种偏振感知的可微路径追踪方法，通过路径重放与局部缓存相结合来估计无偏梯度，解决了线性偏振器与漫反射等秩亏偏振算子导致的数值不稳定问题，从而将基于物理的逆渲染扩展到偏振领域。

本文介绍 AffectFlow-DINO，一种用于第11届ABAW挑战赛的多任务学习系统。它在标准确定性架构上增加条件整流流头，以建模野外面部行为固有的模糊性。模型学习条件生成分布，通过蒙特卡洛采样实现不确定性感知的一对多预测。系统基于冻结的DINOv3 ViT-S/16骨干，联合估计连续效价-唤醒度、分类八种面部表情并检测十二个动作单元。消融实验表明整流流解码持续提升确定性预测，尤其效价-唤醒度估计（CCC-V +0.058）。事后阈值校准可在不重新训练的情况下恢复严重不平衡稀有类的性能（如恐惧类从3.8%提升至33.1%）。结合骨干微调和流重调，最终模型达到P_MTL=1.177，显著优于官方基线0.45。

论文提出JITOMA框架，通过按需激活场景图中的关键锚点来过滤观测冗余，以缓解长时机器人任务中的感知饱和问题，并引入JITOMA-Bench基准。

该论文提出一种人在回路的知识获取框架，将主动学习与双损失优化结合，用于腹腔镜手术视频中的工具定位与分割，在训练结束时相比全手动标注将标注工作量减少约50%。

静态深度伪造检测器在真实场景中性能急剧下降（AUC降幅达45-50%），因其训练一次后无法应对不断进化的生成技术。BitMind Forensics (BMF) 通过Bittensor SN34的开放对抗竞赛持续更新训练数据，在19个公开数据集上展现出优异性能，包括对真实世界扰动（如JPEG压缩、下采样）的鲁棒性，以及在时间推移中持续提升的检测能力。

一项新研究系统比较了自监督学习中的两种训练范式：预训练后微调（PFT）和联合训练（JT），发现JT在数据效率和低标签设置下表现更优，而PFT在专门领域更可靠。

研究者提出 MGFace，一种掩码门控人脸识别流程。它先判断查询人脸是否被口罩遮挡，据此决定相似度计算方式：未遮挡人脸走全局嵌入匹配，仅遮挡人脸才启用掩码感知的细粒度重排序，在保持高精度的同时大幅降低查询开销。

一篇 arXiv 论文提出用 Transformer 掩码自编码器学习钢材表面缺陷表征，无需标签即可将缺陷分成六类，聚类准确率达 91.3%。

Boogu-Image-0.1 是一个开源统一多模态理解与生成模型系列，包含 Base、Turbo、Edit 和 Edit-Turbo 变体。该模型在高质量文本到图像生成、快速推理、基于指令的编辑和中英双语文字渲染方面表现出竞争力，并且仅使用 2.0862 亿张独特图像和约 40 万美元的理论训练成本，就达到了接近领先闭源系统的性能。

研究团队提出 C-Norm 方法，通过解耦并重新合成异常与正常细胞，使 TCT 涂片中的细胞群体分布更加均衡，从而缓解分布偏差导致的泛化退化。该方法结合 YOLOv12 的检测能力与 DINOv3 的特征表示，在实验中显著优于主流检测算法，达到最先进水平，完整实现已开源。

本文提出Samba，一种混合Mamba架构，用Mamba状态编码器替代GRU进行时序聚合，并用音频Mamba编码器改进频谱图全局时频依赖的捕捉。在Matterport3D上导航成功率提升11.3%，在Replica上增益更明显，展现出对未见声源和场景的强泛化能力。

STKAN是一种新的时空预测架构，它将泰勒多项式Kolmogorov-Arnold网络模块引入空间与时间令牌混合，在五个交通预测基准上取得有竞争力的表现，并提示非线性函数逼近器的设计可作为架构设计的有益补充。

知识追踪（KT）旨在通过建模学生历史交互中的动态知识状态来预测其未来表现。现有方法通常将原始交互序列视为统一行为过程，忽略了学习行为的阶段性。本文提出相位感知知识追踪（PAKT），将学生交互分解为能力和熟练度阶段，并设计多分支Transformer联合捕获阶段特定和整体知识状态。在六个基准数据集上，PAKT最大AUC提升1.33%，平均提升0.82%。

全球站点天气预报（GSWF）对局部和极端天气预测至关重要。现有方法过度依赖短期模式，难以捕捉混沌天气动态，尤其在部分观测条件下。为此，本文提出三轴状态空间模型（TSSM），结合历史增强的时间-变量-历史范式，通过周期对齐的历史数据弥补时间回溯窗口之外的长程、大尺度周期和全窗口天气模式。TSSM将历史样本堆叠为周期对齐批次，利用时间和历史观测支持因果预测，并通过时间、变量和历史扫描捕获轴向上的时间依赖、变量相关性和历史演化。该结构层次共享，可建模从季节性到极端事件，并缓解历史模式间的错位。TSSM在最大站点天气数据集Weather-5K上达到SOTA，准确率和极端事件指标分别提升10%和61%，在人工参与数据集中取得95%最佳或次佳结果。在长周期和迭代预测中优势更显著，240小时预测提升37.5%，48小时×5迭代设置下提升高达103.5%。此外，在高达80%观测缺失的情况下，TSSM仍保持>90%性能，而基线低于43%，展示了在全球原位观测网络中可靠GSWF的鲁棒性和实用潜力。