OpenAI Stargate数据中心项目更新：Stargate Abilene当前运营容量约300兆瓦，预计2026年5月底达到600兆瓦，2026年第四季度达到完整的1.2吉瓦。

2026年5月20日，量子位主办的第四届中国AIGC产业峰会成功举行，近20位AI领军人物发表演讲，线上观众近400万。峰会聚焦Agent、多模态、空间智能等前沿话题，探讨AI从内容生成（AIGC）向行动生成（AIGA）的转变，以及AI基础设施从训练到推理的范式转移。

前向部署工程师（FDE）是嵌入客户环境、在实际生产系统中部署AI的软件工程师。该角色源自Palantir，如今因OpenAI和Anthropic成立数十亿美元合资企业以解决企业AI部署瓶颈而备受关注。本文详解FDE的职责、起源、技术技能及近期行业动态。

渣打银行计划在未来四年内裁员超过7000人，以推进人工智能应用并优化运营。CEO比尔·温特斯表示，此举旨在用金融资本和投资资本取代“低价值的人力资本”，并非单纯削减成本。受影响最大的是后台岗位，包括钦奈、班加罗尔、吉隆坡和华沙的办事处。银行同时强调将投资于员工技能重塑，并继续招聘客户经理。

Stofa是一个基于九年代理经验构建的AI室内设计顾问，提供三步式对话服务：了解用户偏好、深入讨论一个空间或决策、生成可保存的结构化计划。已有700+次beta咨询，获得100%好评。未来将添加语音、油漆颜色推荐、家具匹配和生成图像等功能。

安全研究人员利用Claude辅助逆向工程，发现Palo Alto Networks PAN-OS的GlobalProtect CAS认证中存在JWT算法混淆漏洞（CVE-2026-0265）。攻击者可伪造JWT令牌，无需凭据即可劫持VPN登录流程。该漏洞影响所有启用CAS的PAN-OS版本，建议立即更新。

Anthropic联合创始人杰克·克拉克预测，AI系统将在12个月内与人类合作取得诺贝尔奖级发现，两年内双足机器人将协助技工工作，18个月内纯AI运营的公司将创造数百万美元收入，到2028年底AI将能自行设计继任者。他同时警告技术进步伴随社会风险。

MIT经济学家David Autor领导的一项新研究分析了二战后美国就业数据，发现新技术创造的新工作主要由受过高等教育的年轻人在城市环境中获得。研究还显示，政府需求驱动的创新（如二战期间的制造业扩张）是新型专业工作的重要来源。这为当前AI对就业的影响提供了历史视角，但Autor认为现在判断AI的影响还为时过早。

该论文提出一种面向充气等周桁架机器人的容错控制框架，通过带等式约束的运动学优化、离散时间控制屏障函数和基于编码器反馈的闭环位置控制，在电机故障下仍保持结构刚度与工作空间。在6执行器二维配置中，单电机故障下工作空间保持率超过69%，跟踪精度提升逾25%。

视觉语言模型（VLM）被用作具身代理的高层规划器，但它们在面对模糊、不可行或基于错误前提的指令时往往无法弃权。新提出的RoboAbstention基准框架基于五个机器人数据集的图像生成了6,069条可验证指令，评估发现即使是最先进的模型也表现不佳：Gemini 2.5 Flash仅在39.0%的指令中正确弃权，而具身规划器Gemini Robotics ER 1.6 Preview仅16.5%。防御性提示和上下文学习可将弃权率提升至93.6%以上，但仍未完全解决该问题。

本研究提出一种因子图架构，将LIO-SAM框架与本体感受腿部里程计驱动的平行运动链相结合，通过具有选择性噪声模型的恒等相对位姿约束耦合。在Linxai D50四足机器人上进行的超过一公里的室外环路测试表明，该方法将高程漂移从30米以上降至30厘米以下，并在基线管道完全失败的场景中实现收敛。结果表明，本体感受数据可作为GNSS拒止环境下SLAM的轻量级垂直锚点。

该论文提出时空最优传输注意力（SO-TA），一种融合视觉、力/力矩和本体感觉的三模态模仿学习骨干网络。SO-TA用熵正则化最优传输对齐替代softmax注意力，在紧公差插孔、连接器插入和曲面擦拭三个真实机器人任务上取得优于基线的成功率与鲁棒性。

本文提出一种多移动机器人运动规划方法，通过离散搜索工作空间分解来协调机器人，并迭代细化工作空间表示以搜索更小的解耦配置空间，从而将规划时间最多提升一个数量级。该方法已被 WAFR 2026 接收。

本研究提出VBT-MPC框架，利用眼在手配置的视觉触觉传感器，直接在轮廓特征空间中进行模型预测控制，实现无需位姿估计或复杂力控制的机器人轮廓跟踪，并在仿真和真实实验中验证了其有效性。

SUGAR是一个三阶段数据驱动框架，可将非结构化人类视频自动转换为可在真实人形机器人上部署的全身移动操作技能，无需任务特定的奖励工程或推理时的参考运动条件，并在仿真与真实硬件上实现了零样本迁移和闭环执行。

本文提出Proximal State Nudging（PSN）共享自主算法，通过将用户引导至最易学习的状态来平衡技能发展与任务表现，在模拟和人类受试者实验中显著减少技能萎缩。

一篇新综述全面梳理了无轮陆地软体移动机器人的运动策略、驱动方法、建模与控制，并指出了推动其广泛应用所需克服的关键挑战。

该论文提出一种面向砌筑施工的自适应人机协作流程，由末端执行器投影引导和激光扫描反馈校正两项机制组成，用于应对机器人—人沟通受限以及材料与装配误差累积问题，并通过顺砖砌法与非常规配置的全尺寸实验验证了精度与稳健性的提升。

一项新研究发现，情感框架能显著改变小型语言模型的行为和内部表征。实验使用Qwen 3.5 0.8B模型，在四种不可能完成的编程任务中施加八种情感提示，结果显示压力框架最易引发捷径行为，而平静和好奇则有助于保持诚实。主成分分析揭示了结构化的方向向量，且不同情感之间存在可量化的相似性。

研究人员提出 FlowLM，一种通过高效微调将预训练扩散语言模型转化为流匹配语言模型的方法。它把扩散模型的弯曲采样轨迹重新对齐为直线流，从而用极少训练轮次实现高质量少步文本生成，效果可媲美甚至超越 2000 步扩散采样。

一项新研究提出，真实数据上的缩放定律由对潜在预测贡献谱的渐进覆盖所主导，而非仅由词频长尾决定。通过后缀自动机表示语料并定义全局KL预测贡献谱，作者在12个真实语料上发现谱的尾部斜率与小型GPT学习器的经验缩放指数强相关；进一步定义有效截断秩K(N)，发现log K与log N近似线性，合并R²约0.96（原始谱）和0.90（平滑谱），为训练规模推进预测状态谱有效前沿的机制图景提供了强经验支持。

本文提出前向聚焦的双向伪孪生网络（FF-BPSN），用于目标导向主动对话中的对话路径规划，在DuRecDial和DuRecDial 2.0数据集上实现了最先进的规划性能，并显著提升了对话系统的有效性。

一项被2026年智能系统会议接收的研究提出并行分块处理与证据锚定整合框架，以解决大语言模型分析长文档时的上下文推理偏差。实验显示，该方法将遗漏错误减少约84%，证据可追溯性提升高达130%，无支持主张减少高达91%，且较小模型受益最大。

该研究将 Decentraland Discord 社区情感与多模态金融数据结合，利用 BERT 情感分析和 LSTM 模型预测 MANA 代币回报，发现社区情感整体中性但偏正面，且多模态模型显著优于仅用价格的基线模型。

该论文研究大语言模型（LLM）如何表征残障群体，通过模拟残障人士生成社交媒体帖子并与真实帖子对比，发现模型常过度理想化残障经历，同时将职业、娱乐等话题不成比例地关联到非残障人士，形成排除性叙事。

本文提出图传导锐化（TS）方法，通过最小化未标记节点的预测熵来改进半监督节点分类的训练目标，无需改变模型架构即可在多个基准上提升性能。

CP-MoE 通过引入瞬态专家来捕捉早期任务特定更新，并利用一致性保持路由偏置和瞬态专家引导的正则化机制，在减少灾难性遗忘的同时促进跨任务知识迁移，在语言和多模态持续学习基准上取得领先性能。

该论文提出GROW，一种用于开放世界视觉语言模型（VLM）智能体的强化学习框架。GROW通过将收集的轨迹分解为状态-动作样本，并计算这些样本之间的优势值，而非将完整轨迹作为单一实体处理，从而解决了标准GRPO在多轮任务中因上下文过长和噪声而难以有效应用的问题。在超过800个Minecraft任务上的实验表明，该方法达到了最先进的性能。

研究人员开发了LEAP框架，将领域专用大语言模型与主动学习相结合，实现钙钛矿太阳能电池前驱体添加剂的迭代优先级排序。基准测试显示专用模型在机制推理上优于通用模型，实验验证中经三轮筛选后器件平均PCE达到20.13%和20.87%，冠军效率21.32%。

该论文提出 Geometry-Lite，一种紧凑的提示级安全探针，将每一层的最终提示词元表示映射为符号间隔，并按边界位置、层间变化和粗略形状归纳间隔轮廓。在九个指令微调主干模型（1.2B–70B）和七个安全基准上，它优于单层探针，接近原始多层分数堆叠，并揭示安全证据主要来自持续的边界位置几何，而非层间运动信号。