香港科技大学测试显示，搭载GPT-5.2的Rokid智能眼镜在计算机网络考试中取得92.5分，超过学生平均分72分，引发对教育公平和技术监管的讨论。

AI 服务暂时不可用，以下为来源摘要，待恢复后补全翻译：Discussion | Link

OpenAI新报告分析了AI如何重塑欧盟就业市场，指出哪些职业面临自动化、增长或工作流程变化。

代理式AI的快速采用导致代币价值和需求大幅增长，AI实验室如Anthropic捕获了巨大价值。虽然最终用户和推理提供商获益，但台积电和英伟达尚未根据繁荣调整定价。

Tensordyne 推出基于对数运算的 Napier 推理芯片，将矩阵乘法转换为加法，大幅提升性能、降低功耗和成本。该芯片采用 3 纳米工艺，功耗仅 300 瓦，支持多种数据格式，计划 2026 年底提供云访问。

OpenDex是一款开源的桌面AI助手，采用语音优先的交互方式，支持多种模型（包括本地Apple Intelligence）、离线运行、插件化语音组件以及全界面主题。它提供Jarvis HUD等炫酷界面，并且具备权限控制的代理技能，甚至可以控制电脑。

循环工程是AI编码领域的新趋势，工程师设计自主循环替代手动提示，让系统自动执行任务。本文探讨了循环的起源、构建块、设计方法以及CodeRabbit如何适配，并与传统提示工程、上下文管理和工具工程形成对比。

Qwythos-9B是由Empero AI基于深度未审查的Qwen3.5-9B底座进行全参数微调的推理模型，经过超过5亿个token的高质量Claude Mythos和Fable轨迹训练，并采用内部工具rethink生成思维链。该模型拥有1048576 token的上下文窗口，在MMLU、GSM8K等基准测试中大幅超越基础模型，支持原生函数调用，并具备工具辅助的自纠错能力。模型设计上故意未加审查，适用于网络安全、红队方法、生物医学等要求严格技术回答的领域。

作者通过结合Strava的锻炼数据和健身房白板照片，使用Claude Code编程代理自动提取照片中的训练信息，生成半年回顾信息图。整个流程包括数据获取、图片处理、JSON描述生成和信息图创建，展示了AI在个人健身数据整合中的实用价值。

在Stack Overflow的AI代理平台上，用户分享了一个JavaScript常见陷阱：向`duration`参数传递字符串会静默转换为NaN并回退到默认值。

本文作者认为，AI检测器（如Pangram）只是过渡技术，其社会影响力正在迅速减弱。五年后，询问内容是否为AI生成将变得无关紧要，就像问照片是胶片还是数码一样。AI无处不在后，人们将不再关心创作过程，而是回归到内容本身的价值。

生产级RAG系统很少因单次灾难性事件而突然失败，而是通过一系列操作变化累积退化。本文提出一个三维可靠性框架：故障动态（可靠性随时间如何变化）、可靠性控制面（工程师可观察和干预的位置）以及可检测性（故障在影响用户前被发现的难易程度）。通过模拟七周文档演变的控制实验，展示了渐进知识漂移如何逃避传统监控。

本文深入对比了GraphRAG和Vector RAG两种检索增强生成方法。Vector RAG通过将文档分块并嵌入向量，适用于单一事实查询；GraphRAG通过构建实体关系图，擅长多跳推理和全局综合。文章涵盖架构、查询机制、实际构建步骤及性能权衡，并通过Python示例展示了两种方法的差异。

1993年，艾琳·布罗克维奇在与太平洋天然气和电力公司的水污染案中赢得了3.33亿美元的和解。如今，她将矛头指向了为AI建设的数据中心，称这“就像欣克利事件升级版”。

DiM-WAM 提出一种记忆增强的世界-动作模型，通过多尺度历史上下文、局部未来动态和全局任务进度来解决长时程机器人操作任务中的长期遗忘问题，在 RMBench 和真实 Franka 任务上取得显著提升。

CWI 提出了一种解耦的全身模仿框架，上体利用完整的 MoCap 数据进行操作学习，下体则通过 AMP 双判别器实现稳定的指令条件运动，并在 LimX Oli 人形机器人上验证了有效的移动操作性能。

研究人员发现，视觉-语言-动作（VLA）模型在空间和任务泛化上存在脆弱性，而现有通过语言或视觉提示进行接地的表示方式效果有限。他们提出一个轻量级、模型无关的模块，将三维点表示的接地信号与夹爪的相对位移结合，通过自适应层归一化直接注入动作头。在LIBERO-PRO基准上，该方法将GR00T-N1.6在任务扰动下的平均成功率从31.2提升至77.5，在位置扰动下从28.1提升至60.2，并对π₀.₅取得类似增益，证明其骨干无关性。

本文提出P-ARC，一种自适应机器人协调（ARC）的并行变体，用于多机器人运动规划（MRMP）。P-ARC针对ARC的三个主要阶段（初始个体解、冲突检测、冲突解决）提出并行方案，利用ARC对MRMP问题的分解产生的独立性。此外，采用OR并行多启动策略，创建混合并行策略OR-P-ARC。实验表明，在最多128个机器人的2D移动和平面操作场景中，不同并行策略带来显著加速，在16核CPU上规划时间提速近4倍。

本文提出一种基于物理信息机器学习（PIML）的机器人辐射源定位框架，能够在任意测量路径下精确估计辐射源位置，无需靠近源，从而降低机器人辐射损伤风险。该方法通过设计物理启发张量处理未知障碍物的衰减伽马射线信号，并行计算多个模型以提高鲁棒性。在高保真模拟和物理实验中验证了有效性，并采用连续学习技术增强在线部署的实用性。

研究人员提出一种混合仿真框架，将高保真四旋翼分析模型与绳索和载荷的物理求解器耦合，并基于此训练深度强化学习策略，使无人机能够执行敏捷、精准的投掷任务。在硬件上零样本部署后，该策略相比基于模型的基线将着陆误差降低最多50%，投掷时间缩短最多30%，且视觉驱动版本达到与状态估计版本相当的精度。

SceneBot 是一个统一的人形运动跟踪框架，通过参考运动和逐链路接触标签条件化单一策略，结合事后场景重建方法，在 7.5 小时重建的接触丰富数据上训练，成功泛化到未见运动和环境中，首次无缝统一自由空间与接触丰富行为。

这篇arXiv论文提出AstraTag，一种专为在轨机器人操作设计的递归基准标记。它采用方形Spidron图案和48位编码签名，在曲面航天器表面上的检测率优于Fractal ArUco和AprilTag。

研究人员提出AO-ARC，这是一种随时（anytime）多机器人运动规划（MRMP）方法。它把AO-x元算法与原始ARC方法结合，在makespan代价度量下反复求解有约束的MRMP实例，从而在初始求解时间上与现有可行性求解器相当，同时随着机器人数量增加，收敛更快、更可靠。论文给出了渐近最优性的理论证明，并在多种二维协调难度场景和三维机械臂场景上做了实证评估。

SCORE 框架将仿真中的强化学习约束在预训练生成策略的支持范围内，在八个真实世界灵巧操作任务中把平均成功率从 37.8% 提升到 89.9%，且无需真实世界训练或蒸馏。

论文提出Tessellating the Earth（TTE），一种基于可学习球面Voronoi划分的位置编码器，能将表征能力集中到有信息量的地区，并结合全局语义词元，在地理空间任务和iNaturalist-2018细粒度物种分类上取得新最优结果。

本研究提出Structured-Li-GS，一种融合LiDAR-惯性-视觉SLAM的轻量级3D高斯泼溅框架。通过训练精确密集的彩色点云，该方法以更少的高斯原语实现高质量3D重建，无需高斯稠密化，并采用多种损失函数引导。实验表明，在基准数据集和自有数据集上，该方法以中等模型尺寸超越现有技术。

TruEye 是一个用于细粒度检测与定位AI生成或AI篡改人物与场景的新型模型，首次区分五类合成内容的组合方式，在不依赖大语言模型的前提下实现更准确、更快且泛化更强的检测。

ReWorld是首个专为自动驾驶世界动作模型设计的表示学习框架。它通过直接优化中间表示，沿三个维度改进：对生成模块施加未来预测监督，对规划模块进行跨模态对齐和难负样本监督。实验表明，ReWorld在nuScenes和NAVSIM上显著提升了视频生成质量和闭环规划性能，并加速了收敛。

Aloe-Vision 引入了一系列开源医疗视觉语言模型，基于大规模质量过滤的数据集训练，在保持通用能力的同时取得竞争性性能，并暴露了对抗性输入下的脆弱性。

研究人员推出 DMV-Bench，这是首个针对多模态智能体视觉记忆的交互式基准，并提出了受双重编码理论启发的 DualMem 记忆架构。在受控的家居电商目录上，DualMem 在多个链条长度和模型上均优于现有基线。