本文探讨聪明人为何容易被AI热潮俘获，分析了认知防御的削弱、局部偏见、信息泡沫等因素，并指出AI工具的广泛使用导致了认知卸载和思维失真，形成一种“AI心理病”的民主化现象。作者以网络安全领域对Claude Mythos和GlassWing的过度反应为例，说明即使专家也常常陷入非理性推测。最后呼吁同时保持AI有用性与过度炒作两种认知。

Hopper 是首个专门为大型机和 COBOL 设计的代理式开发环境，结合 TN3270 终端、数据集和任务管理面板以及 AI 代理，助力开发者高效调试大型机工作流。

菲尔兹奖得主Timothy Gowers用ChatGPT 5.5 Pro在17分钟内解决了加法数论开放问题，成果达到博士论文水平。Gowers警告这提高了博士生入门门槛，而陶哲轩则强调人类在“消化”证明方面的不可替代性。

本文证明了在冗余双旋翼执行器中，气动共收缩可以调节被动、配平定义的气动机械阻尼，同时保持命令净力恒定。定义了一个增量阻尼系数，并证明其在轻微气动硬化条件下沿恒力纤维单调增加。通过叶素理论验证了所需的阻尼和硬化特性，得出了一個最小推力模型。该机制被形式化为可变气动阻尼执行器（VADA），并显示出与拮抗可变刚度执行（VSA）中的刚度调制动态同构。同样的纤维密度原理也增强了冗余多旋翼的主动气动响应速度。最后，阻抗形式表示阐明了共模和差模驱动在控制VADA系统被动阻抗和平衡速度中的作用。

本文提出一种轻量级自主探索系统，利用多鱼眼相机实现全方位视野和深度估计，并通过稀疏拓扑图代替传统占据栅格或点云，显著降低内存和计算开销。在仿真和11厘米轴距、400克重的掌上无人机上验证了高效探索能力。

PISTO是一种新型随机轨迹优化算法，通过引入KL正则化稳定更新，在机器人运动规划中达到89%的成功率，优于CHOMP和STOMP，并生成更短、更平滑的路径。

本文介绍了Dr-BA，一种直接对二维旋转雷达强度图像进行束调整（BA）的创新框架。雷达对降水不敏感，是全天候自动驾驶的关键。Dr-BA利用多帧雷达回波联合估计密集地图与传感器位姿，通过可分离优化将位姿估计与地图构建解耦，并能自然地扩展到雷达仅用定位（DRL）。在超过200公里的五条不同路线上实现了最先进的性能。该工作已被RSS 2026接收，代码已开源。

提出意图同化控制（IAC）策略，通过估计操作者目标位置而非当前位置来引导从机器人，从而在低刚度下实现高精度跟踪，平衡安全性与准确性。实验表明，IAC在多种任务中优于传统遥阻抗控制（TIC），提高了跟踪精度、任务完成率并缩短了完成时间。

本文提出一种无需弹性模型的自适应控制器，使两架无人机能够协同运输可弯曲物体，并通过李雅普诺夫分析证明其渐近稳定性，硬件实验验证了多种场景下的性能。

该研究提出了一种基于约束满足的交通场景编排方法，利用基础模型将自然语言描述转化为约束，再通过求解器生成符合测试意图的驾驶场景。在基准测试中，该方法显著优于基线，尤其对于需要自我反应规范的场景，闭环方法至关重要。

本文提出了一种用于垂直农业环境的空中操作器平台，集成了RGBD感知、MPPI无人机控制和轻型2自由度机械臂，实现对花朵的精准检测、定位和接近。仿真和实验验证了厘米级末端执行器定位精度，为未来非接触式授粉系统提供了基础。

一种新的控制框架利用旋量理论李代数和偏微分方程来管理多体柔性机械臂。该方法将系统分解为子系统，通过基于李雅普诺夫的方法和自适应参数估计实现全局指数稳定性和模块化。数值模拟验证了该方案的物理一致性。

本文提出异构步分配（HSA），一种训练无关的推理算法，根据速度动态为不同时空令牌分配不同步数预算，通过KV缓存同步和缓存欧拉更新，在不牺牲全局上下文的情况下加速视频生成。在Wan-2和LTX-2模型上，HSA在50%和25%运行时下显著优于先前方法，实现质量-运行时帕累托最优。

本文提出了一种数据中心的置信学习适配方法，用于在图像分割中检测和缓解标签偏差。该方法无需干净的无偏标注，通过比较训练标签与模型置信预测来识别方向性错误，并利用偏差对特征空间中子组可分离性的影响进行缓解，在三个数据集上实现了公平性能。

TriDE是一种新的全局相机姿态估计方法，利用相机三角形一致性优化成对平移方向，提高了精度和后续相机位置估计。

AdpSplit是一种新的自适应分割算子，通过基于L1像素误差区域统计确定分割子体数量并初始化子体参数，减少了3D高斯泼溅（3DGS）训练中的密集化迭代次数，从而缩短训练时间，同时保持渲染质量。在多个数据集上，作为即插即用的替换，AdpSplit将训练时间减少了9.2%-22.3%，在FastGS中实现16.4%的加速，较原始3DGS快12.6倍。

本文研究了3D医学影像中不同成像模态之间的知识迁移缩放定律，发现迁移具有强不对称性，并提出了基于缩放定律的数据分配优化方法，形成枢纽-孤岛结构，迁移感知分配优于数据比例采样，提升幅度达58%。

LookWhen 是一种新的视频识别框架，通过选择-提取机制学习何时、何地以及计算什么，从而在不处理所有令牌的情况下近似完整视频表示，显著提升效率。实验表明，LookWhen 在多个数据集上实现了更好的准确率-计算平衡，比 InternVideo2-B 快6.7倍。

本文提出R$^3$L框架，通过不变空间分解、一致空间想象和支持性空间优化，显著提升基于相对空间关系的3D布局生成的可靠性和一致性。多跳推理中的参考系变换导致误差累积，该框架有效缓解了这一问题。实验表明，R$^3$L能生成物理可行且语义一致的布局，代码已开源。

HumanNet 是一个一百万小时的人类中心视频语料库，涵盖第一人称和第三人称视角，包含细粒度活动、人机交互、工具使用和长期行为。该数据集提供交互中心注释，包括字幕、动作描述以及手部和身体相关信号，支持运动感知和交互感知学习。通过系统性数据策展范式，HumanNet 将非结构化互联网视频转化为可扩展的表示学习、活动理解、运动生成和人类到机器人迁移的基础。初步验证表明，使用 HumanNet 中的1000小时自我中心视频对 Qwen VLM 模型进行持续训练，优于使用 Magic Cobot 的100小时真实机器人数据，表明人类视频可作为机器人数据的可扩展且经济高效的替代方案。

本文全面综述了边缘深度学习在计算机视觉特别是医疗诊断中的最新进展。介绍了边缘深度学习的基础原理与技术优势，提出了一种基于性能和用途的硬件平台分类，探讨了轻量级设计与模型压缩等部署方法，并展示了实际应用案例。最后分析了未来发展方向与挑战，为研究人员和从业者提供了重要参考。

研究人员提出了一种基于传输度量的框架来预测视觉文本压缩（VTC）中的信息损失。他们将成本分解为精度和覆盖度，实现了无标签路由准则和自适应注视机制。在Qwen3-4B上的24个NLP数据集实验中，该方法在70.8%的数据集上匹配了每个数据集的oracle，任务得分提升3.3%，同时令牌使用减少10.3%。

提出GoSkills方法，通过群组结构化检索将技能库中的原子技能组织成角色明确的执行上下文，包括起始、支持、检查和避免字段，提升智能体技能复用效率。

MultiSoc-4D是一个包含58K+条孟加拉语社交媒体评论的基准数据集，用于诊断大语言模型（LLM）在闭集指令下的标注偏差。研究发现LLM普遍存在“指令诱导标签坍塌”现象，即偏好使用后备标签（如“其他”、“中性”、“否”），导致对少数类别（如仇恨言论和讽刺）的检测率大幅下降（分别漏检79%和75%）。该研究揭示了“标签一致性幻觉”，并通过弗莱斯Kappa系数近乎为零（κ≈-0.001）得到验证。该基准旨在推动低资源语言NLP中的标注偏差研究。

一项新研究评估了大型语言模型根据检索信息确定性调整回答的能力，发现系统性的局限性，并提出了一个交互策略，平均减少25%的服从错误。

本文提出了一个开发以人为本的大型语言模型（HCLLM）的框架，整合了自然语言处理、人机交互和负责任的AI视角，强调在系统设计、数据收集、模型训练、评估和部署等每个阶段都需严格关注人类的关切、偏好、价值观和目标，并以未来工作案例研究作为结尾。

研究人员提出了MIST（多模态交互式语音工具调用数据集），这是一个合成的多轮语音驱动代码生成任务，专为物联网设备设计。实验表明，开放权重与闭权重多模态大语言模型在MIST上存在显著性能差距，即使是最前沿的闭权重模型也有很大的改进空间。该数据集和可扩展的数据生成框架已公开，旨在推动能够推理物理世界约束的混合主动性语音助手的研究。

本文介绍了TajPersLexon，一个包含40,112个单词和短语对的塔吉克-波斯语平行词汇资源，用于低资源场景下的跨脚本词汇检索、音译和对齐。研究在仅使用CPU的条件下，对三种方法族进行了全面基准测试：轻量级混合管道、神经序列到序列模型和检索方法。评估表明，该任务基本可解，神经和检索基线达到了98-99%的Top-1准确率。值得注意的是，大型多语言句子转换器在此精确词汇匹配任务上表现不佳，而可解释的混合模型在OCR后校正任务中实现了96.4%的准确率，提供了良好的精度-效率权衡。所有实验使用固定随机种子以确保完全可重复性。数据集、代码和模型将公开发布。

IntentGrasp是一个大规模、多领域的意图理解基准测试，涵盖49个语料库、12个领域，包含26万余训练样本和两套评估集。对20个主流大语言模型的测试显示，其表现远低于人类水平（81.1%），但提出的意图微调（IFT）方法能显著提升性能，并展现出强大的跨领域泛化能力。

VITA-QinYu是首个端到端的表达性口语语言模型，支持自然对话、角色扮演和歌唱生成。它采用混合语音-文本范式和多码本音频标记，在保持模态分离的同时增强副语言表征。通过15.8K小时的合成数据训练，在角色扮演和歌唱基准测试上超越同行模型，并实现最先进的对话准确性和流畅性。代码和模型已开源。