本文作者分享了他如何通过构建一个名为 baro 的工具，利用 Mozaik 框架实现并行代理工作流，从而最大化利用 Claude Code 订阅的体验。他详细描述了从最初的串行使用到最终实现无需监督的并行 PR 生成过程，并解释了关键架构选择如何解决了协调、内存共享和状态管理等问题。

面对人工智能的迅猛崛起，硅谷领袖试图减轻其破坏性影响，提出全民基本收入、缩短工作周和对亿万富翁征税等方案，反映出对就业和社会稳定的深刻担忧。

快手计划分拆视频生成模型可灵AI，目标估值200亿美元，明年初启动IPO。可灵年化收入已达5亿美元，预计IPO时达13亿美元。分拆背后是估值重构、算力压力和人才激励的考量。

Sherloq 是一款 AI 销售工具，能够自动监控 LinkedIn 上的潜在客户动态，如互动、职位变更等，识别出有购买意向的“热线索”，并自动为 B2B 销售代表生成个性化的外联资料，帮助他们在最佳时机联系潜在客户。

州和联邦能源部长同意，数据中心应通过投资新的可再生能源发电和储能来完全抵消其电力需求。

构建AI智能体时，作者发现智能体本身的进步不足以应对真实工作场景，关键在于构建制度性控制层，包括所有权、授权、审查、关闭、回放等机制，否则智能体容易制造“虚假进展”。

台湾公司Skymizer推出HTX301 PCIe AI加速器，采用28纳米芯片和LPDDR4/LPDDR5内存，功耗仅240瓦，却能运行高达7000亿参数的大语言模型，挑战英伟达和AMD的现有产品。

一位中国记者搬进马克·扎克伯格的旧居，深入探访硅谷中那些才华横溢、备受追捧的中国AI研究员社区，揭示他们如何凭借数学天赋和刻苦努力成为科技界的新星，并在地缘政治紧张背景下抓住AI浪潮的机遇。

TestSprite 3.0 利用并行代理团队，能够在几分钟内完成应用测试，极大提升测试效率。

Peekaboo v3让AI agent能看屏幕、操作鼠标键盘，实现真正的桌面操控。支持像素级截图、UI元素读取、点击输入等人类操作，提供四种安装方式，并可作为OpenClaw Skill使用。

BEACON是一个理论驱动的框架，用于在仅有少量目标域演示的情况下，利用丰富的源域演示训练生成式机器人策略。它通过差异感知的重要性重加权，联合学习扩散视觉运动策略和每个样本的源权重，从而最小化由目标域泛化保证指导的目标。在模拟到模拟、模拟到真实及多源操作场景中，BEACON在鲁棒性和数据效率上优于现有基线，并隐式实现了特征对齐。

本文提出四种互补策略解决流匹配策略在机器人操作中的训练-推理不匹配问题，包括辅助整流流速度回归、多步轨迹一致性训练、速度场正则化和四阶龙格-库塔推理，并结合双视角3D点云编码器。在真实机器人任务和仿真中取得显著提升，长时程多阶段任务成功率从0%提升至70%和60%，精密工具放置达100%。

研究人员提出LE-PAVD混合模型，结合物理先验与学习组件，提升高速自动驾驶赛车中的动力学预测精度。在未见过的赛道上，相比深度动力学基线，平均位移误差降低16.1%，最终位移误差降低20.6%，偏航角速率均方根误差降低91.3%，同时计算量减少21.6%，推理速度提升1.5倍。闭环模拟中圈速提升17.4%（训练赛道）和9.5%（测试赛道），无赛道边界违规。

研究人员提出了一种分层语言驱动框架，利用两个大语言模型模块（高层规划代理和低层空间推理子模块）改进服务机器人的自然人机交互。系统通过ReAct风格提示处理自然语言指令，并集成YOLOX-GDRNet进行物体检测和姿态估计。在24个测试场景中，整体任务成功率达到86%。

该研究提出了一种基于解剖标志的深度强化学习框架（AL-DRL），用于无线胶囊内窥镜的自主胃部导航，通过轻量级边缘-轮廓-深度融合模块，在模拟中实现97%以上的覆盖率和50秒内完成，在体外实验中达到87%的平均覆盖率，并将手术时间减少53%，显著优于专家手动控制。

本文提出将机器人服务本体（RoSO）嵌入到通用智能结构模型（SMGI）中，从而为服务在运行时变更（如重新绑定、重组、修复或重新部署）下的可允许性提供形式化标准。通过RoSO到SMGI的充分性定理，论文建立了身份保持的重配置准则和组合条件，确保局部可接受的更新在全局范围内仍然可允许。

本文系统比较了四种VLA模型异步推理方法：推理时补全(IT-RTC)、训练时延迟模拟(TT-RTC)、未来状态感知条件(VLASH)和轻量残差校正(A2C2)。在Kinetix和LIBERO基准测试中，A2C2表现最佳，在延迟8步以内保持90%以上的解决率。TT-RTC是最稳健的训练方法，零推理开销。IT-RTC在低延迟时具有竞争力，但在高延迟下急剧下降。VLASH表现出明显的低延迟与高延迟权衡。

本研究提出一种基于迁移学习的数字图像伪造检测框架，通过压缩感知特征增强和深度卷积神经网络，结合混合输入表示（RGB+FDIFF）和约登指数自适应阈值优化，在CASIA v2.0数据集上测试了多种预训练CNN架构。实验表明DenseNet121在准确率和AUC上表现最佳，ResNet50则实现了最平衡可靠的预测（最高MCC），并强调了仅在准确率上评估的不足。

本研究针对AutoPET III挑战，提出了一种基于nnU-Net框架的全身肿瘤分割方法，系统探索了强度归一化、批次Dice优化及CraveMix数据增强等训练策略对模型性能的影响。最佳配置在初步测试阶段取得了高达0.80的Dice分数，并在挑战中排名第三，代码已公开。

WATCH是一个利用PlanetScope卫星影像（2017-2024，4.7米/像素）实现月度级变化事件定位的框架，支持无监督和有监督方法。在阿富汗1943个遗址的基准测试中，无监督方法TED和SSCD优于弱监督方法，其中TED结合SatMAE在精确月份召回率上达到55%，而结合GeoRSCLIP、CLIP或Satlas-Pretrain在三个月容差内达到92.5%。分析还揭示了系统性的时间偏差，SSCD具有早期预警特性，而TED偏向于确认性检测。

VT-Bench是首个统一基准，用于标准化视觉-表格数据的判别预测与生成推理任务。它聚合了14个数据集（涵盖9个领域，超过75.6万个样本），并评估了23种代表性模型，揭示了视觉-表格学习面临的重大挑战。

当前视觉语言模型在面对模糊或损坏的模态时存在幻觉和鲁棒性问题。本文假设通过利用模态间的共享信息来补偿受损模态可以解决这些问题。为此，论文分析了多模态交互——冗余（共享）、独特（独占）和协同（涌现）的任务相关信息——对模型可靠性的影响。具体来说，放大冗余交互将增加可利用的共享信息；然而，现代指令数据集常消除冗余以优先视觉定位。本文通过一种自描述工作流弥合这一差距，该工作流包含一个多模态交互门：将独特交互转化为冗余交互的机制。研究结果表明，增加冗余可将视觉诱导错误减少38.3%，一致性提高16.8%。

一项研究评估了RT-DETR在不同环境条件下使用ResNet骨干网络检测圆形物体的性能。测试了ResNet18、34、50和101，发现光照变化下ResNet50最佳（精度接近1，置信度0.869，延迟0.058-0.059毫秒），背景变化下ResNet34最佳（置信度0.887）。结果表明最优架构取决于环境变化类型，中等深度模型平衡了性能和效率。

研究人员提出了VLADriver-RAG框架，通过检索增强生成技术提升自动驾驶中视觉-语言-动作模型的长尾场景泛化能力。该框架将传感器输入抽象为时空语义图以过滤视觉噪声，并利用场景对齐嵌入模型优先匹配拓扑结构一致性，最终在Bench2Drive基准上实现了89.12的驾驶得分，创下新纪录。

Magis-Bench是一个新基准，用于评估大语言模型在治安法官级法律写作任务上的能力，包含来自巴西司法考试的74道题目。测试23个模型，Gemini-3-Pro-Preview得分最高（6.97/10），但所有模型得分均低于满分70%，表明司法级法律推理对当前LLM仍具挑战。

本文提出Sem-ECE（语义采样期望校准误差）框架，用于评估大语言模型在开放问答中的校准性能。该框架通过采样答案、聚类语义类别并利用频次作为置信度，克服了现有方法的局限。实验表明，Sem-ECE优于口头置信度和传统采样方法，并能诊断问题难度。

该研究提出一个计算模型，利用大型语言模型将解释转化为行动规划指导（策略先验和价值图），并在部分可观测性下执行规划。通过四个预注册实验（1200个解释、24张地图），发现高分解释被认为更有帮助，且能显著提升导航性能。结果表明，程序性解释是一种效用导向的沟通，受语言在不确定性下如何转化为行动的影响。

该研究探讨了将大规模语言模型（LLMs）与遥感图像相结合，用于智慧城市中的建筑环境评估与决策支持。通过多空间尺度分析，研究比较了InternVL和Qwen等先进模型在生成建筑环境建议方面的准确性和可靠性，展示了该方法的潜力。

AIPO是一个增强的强化学习框架，通过引入验证、知识和推理三个协作智能体，在训练过程中主动引导策略模型突破推理能力边界，从而提升大语言模型的推理性能。实验表明该方法在多个基准测试中一致优于现有方法。

Jina AI 发布了 jina-embeddings-v5-omni，这是一套多模态嵌入模型套件，能够将文本、图像、音频和视频编码到统一的语义空间中。采用冻结塔组合方法，仅训练总权重的0.35%，实现了与更大模型相当的性能，训练效率极高。