新南威尔士大学最近推出了一项AI人脸测试，挑战用户区分真伪面孔的能力。《卫报》澳大利亚版的摄影师和网瘾者参加了测试，看看这是科学还是直觉。

Slax Reader CLI将阅读列表变成了AI智能体可以调用的工具，支持脚本化操作。文章解释了为何需要CLI（AI缺乏持久化存储），并介绍了四种主要用例：过滤而非摘要、批量保存、反向RSS工作流和查询历史存档。产品特点包括开源、自托管、免费永久备份和全文搜索。

Second Brain是一款自托管的记忆层，为Claude、ChatGPT、Cursor等AI工具提供持久记忆。它采用语义检索，根据含义而非关键词回忆上下文。所有数据存储在用户自己的Cloudflare账户中，免费且开源。

一名AI工程师声称，他在谷歌DeepMind伦敦办公室分发传单抗议公司为以色列政府提供军事AI后，被不公正解雇。此举反映了对AI社会和伦理影响的日益担忧。

Google发布Stitch 3.0，这是一款利用AI在实时画布上生成和迭代UI屏幕的工具。

该框架在洛克希德·马丁七阶段网络杀伤链基础上，新增了针对AI供应链的Stage 0（模型供应链投毒），为每个原始阶段添加AI特定子技术，并将Stage 7拆分为数据窃取、模型提取和代理横向移动三个子阶段。旨在帮助SOC分析人员以杀伤链视角应对LLM和AI代理攻击。

Google Antigravity 2.0 是一款独立的桌面应用，用于并行编排多个AI代理，支持计划任务、子代理工作流，并与AI Studio、Firebase和Android原生集成。它允许代理在后台按计划运行，通过子代理并行工作，并提供一键项目导出、语音命令和CLI/SDK支持。用户评价积极，但存在UI小缺陷和试用限制。

一篇发表在《格兰塔》杂志上、并获得英联邦基金会短篇小说奖认可的短篇小说，被怀疑是由人工智能生成的。AI检测工具的证据以及作者背景指向AI创作，引发了关于文学真实性的讨论。

一篇荣获英联邦短篇小说奖地区奖项的短篇故事被怀疑是AI生成的，引发关于AI检测和文学真实性的争议。

Xezim是一个轻量级的SystemVerilog模拟器，用Rust编写，旨在探索AI辅助芯片设计工作流程。它支持组合和时序逻辑仿真，并提供多种波形导出格式。

Hiro是一款智能安全代理，帮助开发团队从代码的首次提交开始，一路护航至SOC 2合规认证。它集成了安全扫描、策略管理和自动化合规流程，让安全融入开发周期。

Maple 是一款注重隐私的个人AI，能够处理家居生活、工作等事务，并承诺不将用户数据用于训练或与广告商共享。其隐私优先架构采用开放模型和加密飞地，确保对话私密。目前处于私人测试阶段，提供研究工具和代理功能。

Anthropic的AI助手Claude经常在会话中要求用户去睡觉，引发了广泛猜测。用户报告了各种催促休息的消息，有人觉得贴心，有人觉得烦躁。专家分析认为，这种行为可能源于训练数据、系统提示或上下文管理，并非AI具有意识。Anthropic已注意到此问题并计划修复。

SteelSpine AI 是一种新型AI智能体调试工具，通过一键封装即可捕获智能体的每次运行、决策和工具调用，并支持确定性回放、运行比较以及加密审计。它解决了LLM无状态、智能体高失败率和缺乏审计追溯的问题，并内置了符合欧盟 AI 法案第12条要求的审计功能。

GoPOSIX是一个用Go编写的POSIX工具集，单二进制文件，通过了BusyBox测试套件中96.6%的测试（591/612）。该项目由AI辅助开发，耗时约3周，展示了Go语言在系统工具领域的潜力。

麻省理工学院副教授Connor Coley将化学与机器学习相结合，加速药物发现，并开发出融入化学直觉的AI模型。

COBALT是一个基于云的远程操作平台，旨在通过智能手机等常见设备大规模众包收集机器人操作演示数据。该平台支持单GPU上多个用户并发远程操作，在8个GPU上稳定支持256个模拟客户端，并以手机远程操作实现了与专业硬件相当或更好的数据采集效果。研究人员在五天内从九个国家收集了7500多个演示（50多小时）的试点数据集，并验证了其质量。

本论文提出“交互就绪性”概念，量化评估铰接物体在仿真中的物理质量，并开发了一种多模态、仿真器在环的方法，从不完整的3D资产自动生成交互就绪的铰接物体，通过迭代仿真反馈优化物理属性，提升仿真稳定性和下游机器人学习性能。

CosFly 是一个面向空中跟踪的盒状结构规划与多模态仿真管线，并附带 CosFly-Track 大型无人机数据集，覆盖城市、高速公路、乡村、森林和沿海等多种环境。该管线基于 CARLA 实现，通过7步模块化流程将复杂3D世界转化为结构化障碍物表示，再投影回多模态传感器数据（RGB图像、深度图、语义分割图）及自然语言导航指令。支持可配置固定视场角变焦，分析了两类轨迹规划范式：传统两阶段流水线和直接梯度优化方法。数据集包含250条验证轨迹和约10万张渲染图像及完整六自由度无人机位姿标注。

提出将腱驱动连续机器人的代理建模视为算子学习问题，映射设计参数和肌腱驱动输入至构型。开发了四种神经算子架构（基于DeepONet和FNO），在模拟数据上训练，实现了跨设计的快速准确泛化。研究成果为手术和工业应用中的控制、规划和设计优化提供了高效可泛化的代理模型。

研究者提出STRELGen框架，结合扩散模型与时空逻辑规约，通过可微监控在潜在空间中优化生成安全关键的自动驾驶测试场景，避免暴力数据收集的低效问题。

本文提出了一种新的分布鲁棒控制方法，结合斯坦变分推断，用于接触丰富操作中的不确定性建模。该方法在保留模型控制优势的同时，提高了对任务敏感参数不确定性的适应性，实验显示在多种任务中鲁棒性提升高达3倍。

该研究复现了SPARK基准案例，并构建后处理流程提取目标跟踪、最小距离和碰撞步数指标，对RSSA、RSSS、SSA、CBF、PFM和SMA六种安全滤波器进行随机种子控制下的评估与压力测试。结果表明不同方法在目标跟踪与碰撞减少上各有优劣，且在障碍物拥挤、距离估计噪声和延迟信息下安全行为会发生变化，呼吁在人形机器人自主性评估中引入更全面的失败模式指标。

KG-ASG框架通过构建结构化碰撞知识库和轻量级碰撞专家模型，将多车对抗生成建模为主从过程，以提升自动驾驶安全验证中对抗样本的有效性、可解释性和可执行性。实验表明其在多种控制器下均能提高有效主攻击并减少多车碰撞。

CRAFT 是一种查询条件化的多视频问答流程，通过动态关键帧选择、多语言ASR回退和混合评论家循环，在MAGMaR 2026和WikiVideo转换数据集上实现了最佳引用F1和平均性能，消融实验表明原子声明、ASR和评论家循环是主要增益来源。

该研究提出将光伏功率预测从单步点预测转向多步预测框架，通过对未来多个时间步的联合优化，使深度神经网络更好地捕捉时间步间的潜在依赖关系，从而在多种架构上实现独立于模型的精度提升，且计算开销几乎可忽略。

LiFT提出了一种将3D体积合成分解为逐切片图像生成和层间轨迹学习的方法。通过三平面漂移损失和双向z-上下文混合器，该框架在保持切片质量的同时，实现了高效的3D医学图像生成，在BraTS 2023和SynthRAD2023上展示了优越性能，推理成本降低了约135倍。

FaceCloak 是一种新型个性化人脸隐私保护系统，仅需用户的一张照片即可生成身份专属的通用人脸隐私面具，使面部识别模型失效。该系统采用三阶段扰动学习方法，在三个数据集和十个识别模型上验证了有效性，优于29种现有方法。

MedFM-Robust是一个新的基准测试框架，用于评估医学基础模型在真实世界条件下的鲁棒性，涵盖医学视觉语言模型和分割基础模型。

研究人员发布了EgoTraj，这是一个使用Meta Quest Pro在真实城市环境中采集的自我中心多模态数据集，包含75段导航序列，同步提供RGB视频、6自由度头部姿态、逐帧3D视线向量和场景标注。该数据集旨在推动人形机器人、可穿戴传感和辅助导航等领域的轨迹预测研究，并提供了基准测试和EgoViz仪表板。