华盛顿大学移动智能实验室的Shyam Gollakota团队正在利用机器学习开发一种新型耳机，能够有选择性地过滤掉触发烦躁的噪音，同时保留或增强令人愉悦的声音，例如鸟鸣。这一技术对患有恐音症的人群尤其有益。

从编写本地实验脚本到构建可扩展的生产级AI系统，需要转变Python编写方式。本文介绍五种关键Python概念：生成器与惰性求值、上下文管理器、异步编程、数据类与Pydantic、魔术方法，帮助工程师管理内存、硬件资源、并发API调用和类型安全。

Anthropic正在为其新的Mythos模型限制某些任务的使用，同时开发直接与其最大客户竞争的应用程序。客户、合作伙伴和投资者均在施加压力。

OpenAI收购了原名Gitpod的初创公司Ona，该公司专注于AI代理和安全的云端开发环境，旨在增强Codex执行长时间自主编码任务的能力。

OpenAI推出了三门学院课程，帮助人们培养实用的人工智能技能、创建可重复的工作流程，并在日常工作中应用智能代理。

Databricks 推出 Lakehouse Federation，无需迁移即可连接外部数据源，并通过 Genie 进行自然语言查询，同时通过 Unity Catalog 保持治理一致性。

Kimi Work是Moonshot AI推出的本地桌面AI代理，支持macOS和Windows。它能在用户本地运行多达300个子代理的代理群，通过WebBridge控制已登录的浏览器，并内置定时任务引擎。基于Moonshot的旗舰模型Kimi K2.6（混合专家模型，激活参数约320亿，上下文窗口256K），它可读取本地文件、运行Python脚本、生成报告和幻灯片。与云端代理不同，它直接在用户桌面上执行操作，保证数据本地化。

《卫报》刊登了斯蒂芬·科林斯的一幅漫画，描绘了OpenAI总部的幕后场景，融合了人工智能、生活方式等主题，以幽默视角呈现科技与日常的交汇。

一项最新民调显示，八成美国人对人工智能感到担忧，多数人认为AI弊大于利。然而，无论公众是否愿意，AI正被强行纳入养老金和投资组合，将美国人的财务未来与科技巨头的AI竞赛紧密捆绑。

SpaceX将于周五在华尔街上市，估值达1.77万亿美元，成为全球史上最大IPO。创始人埃隆·马斯克持股比例高，若上市成功，他有望成为全球首位万亿富翁。

本文介绍了9项在Google Messages中推荐更改的设置，以提升隐私、减少干扰，包括关闭敏感内容警告、限制个人资料共享、禁用Gemini、关闭建议、自动删除验证码、启用RCS但关闭已读回执和输入指示器、显示语音消息转录、禁用锁屏预览以及关闭气泡功能。

Zyphra发布了Zamba2-VL系列开放视觉语言模型，提供1.2B、2.7B和7B三个参数版本。模型采用混合Mamba2状态空间与Transformer骨干网络，基于Apache 2.0许可发布。在保持与同类Transformer VLM竞争力相当的同时，将首Token延迟降低了约一个数量级。

客户细分是将现有客户群划分为具有共同特征的小组，以定制营销、产品和服务。有效细分需整合多种类型和方法，并依赖统一、治理良好的客户数据。

Gemini Omni将视频生成直接集成到Gemini多模态AI助手中，支持从文本或图像创建视频、动画静态图像以及编辑现有视频。文章通过实际测试展示了其能力，同时指出使用限制、版权问题和区域限制等不足。

本教程使用MONAI构建端到端3D医学图像分割流水线，在Medical Segmentation Decathlon Task09数据集上进行脾脏分割。涉及CT体积数据处理、医学图像变换（方向对齐、体素间距归一化、强度窗宽、前景裁剪、基于补丁的采样），训练3D UNet模型进行二元器官分割。采用混合精度训练、DiceCE损失、滑动窗口推理、Dice验证及定性可视化，从原始医学体积到完整的训练-验证-可视化分割系统。

这款全球流行的增强现实游戏收集的位置扫描数据，被用于训练人工智能识别和解读物理空间，未来可能帮助军用无人机在战区确定位置。

苹果软件主管 Craig Federighi 表示，新的 Siri 不会像其他聊天机器人那样阿谀奉承或鼓励用户建立情感联系，而是专注于提供帮助。

Qursor 是一款创新工具，允许用户通过指向任何用户界面元素，将其精确上下文发送给AI助手，从而简化交互过程。该产品已在Product Hunt上发布。

本文探讨了AI领域中的“循环”概念，即设计自动循环来驱动代理，而非手动提示。文章涵盖了Anthropic的Fable 5发布及其引发的争议、自动化AI研究系统、数据基础设施瓶颈、推理速度优化以及代理工具的最新发展。

Sparse2Act是一种新的预训练框架，利用任务空间末端执行器动作作为几何监督来对齐稀疏点云编码器的观察与动作。在LIBERO-10基准上达到86.9%的成功率，并成功跨域迁移至Meta-World-5（73.4%），真实世界实验中达到72.5%的成功率。

EquiDexFlow 是一种 SE(3) 等变流匹配模型，可从物体点云计算腕部位姿、关节角度、指尖接触、表面法线与接触力，并让接触点与摩擦力锥满足条件成为模型结构的一部分，无需依赖损失惩罚；实验显示其摩擦力违规为零，并成功迁移到真实机械手完成抓取。

EWAM是一种基于冻结核Cosmos3骨干网络的闭环在线自适应架构，通过推理时协同推理机制（包含四个轻量级神经层）实现零样本任务适应，无需微调或额外演示数据，显著降低新任务布局所需的部署数据量。

本文提出DARRMS算法，通过让智能体动态调整注意力半径，减少计算资源需求，同时保持决策性能，适用于资源受限的多智能体系统。

EgoEngine 是一个可扩展框架，可将第一人称 RGB 视频转换为高保真机器人观测视频和可行的机器人动作轨迹，据称实现了首个无需真实机器人演示即可从人类视频进行零样本视觉运动灵巧策略学习。

研究人员提出FlowPilot，一种仅使用单目RGB相机的无地图导航策略，通过锚定流匹配进行预训练，并引入人类偏好学习进行微调，显著提升了长时程人行道导航的鲁棒性和社会合规性。

本文提出 G-MAPP，一个利用 GPU 加速世界建模与向量场规划的框架，解决了高保真环境下规划运行时性能与感知-规划时序集成两大瓶颈。实验表明，其 GPU 版本较 CPU 版本最高实现 5 倍加速，并在 7-DoF Franka Emika 机器人上成功完成碰撞避免。

Foresight 是一个测试时框架，微调的视觉语言模型在图像空间运动计划与批评之间交替，利用人类反馈学习的奖励模型进行强化学习后训练，在真实环境中将任务成功率提升37%，干预次数减少52%。

研究者提出 AEM（Action-Effect Memory）预训练框架，通过交错视觉与动作特征并进行掩码建模，从视觉-动作历史中学习紧凑的时间表示。AEM 使用 Mamba 编码最终视觉 token 的输出作为历史单向量瓶颈，为扩散策略和流策略提供全局上下文。实验表明，该方法在仿真和真实环境的干净、杂乱及非马尔可夫任务中均优于基线，同时降低推理延迟与计算成本。

一项新研究探索了端到端训练的视觉-语言-动作（VLA）模型如何支持隐式人机协作，发现了一个由动作分块引起的失败模式，并提出了一种推理时引导方法来缓解该问题。在16名参与者参与的长时程装配任务中，该方法实现了更快、更少失败的协作。

VLADriveBench是一个新框架，用于评估视觉-语言-行动（VLA）模型中思维链（CoT）推理与驾驶轨迹之间的相关性、一致性和因果关系。它结合了观测指标（提及、幻觉、矛盾、行动对齐）和CoT干预协议。应用于三个模型后，发现观测分析与因果分析可能截然不同：ORION在观测对齐上得分最高，但其CoT是附带现象；而Alpamayo v1.5得分较低，但其CoT具有很强的因果性，视觉显著性调节了CoT的影响程度。