谷歌Gemini API现已支持事件驱动型Webhook，允许开发者接收批处理、视频生成等长时间运行的推送通知，以安全可靠的回调取代低效的轮询。

AgentFloor是一个包含30个确定性任务的六层能力基准测试，用于评估开放权重模型在代理工作流中的表现。研究发现，中小型开放权重模型在短视距、结构化的工具使用任务上已经足够强大，甚至可以在整体上匹配GPT-5，但长期规划任务仍是前沿模型的优势领域。结果建议了一种实用的设计原则：使用小型模型处理常规动作，大型模型处理复杂规划。

Token Arena是一种衡量AI推理端点性能的持续基准测试，综合输出速度、首令牌时间、混合工作负载价格、有效上下文和实时端点质量，并融合能源估计，产生三大综合指标：每正确回答焦耳、每正确回答美元和端点保真度。研究表明，同一模型在不同端点上的准确率差异高达12.5个百分点，每正确回答焦耳数差异达6.2倍。工作负载感知定价显著改变排行榜，7/10的聊天预设顶部端点跌出检索增强预设前十。框架以CC BY 4.0发布。

研究提出一种新颖的训练框架，通过引入内在动力学（ID）头部，使控制策略能够理解和推理物理动力学，从而提升四足机器人在复杂地形上的运动效率与稳定性。仿真实验表明该方法能收敛到更优解，实际机器人实验显示扭矩效率提升16.8%、动作频率提升18.6%、机械功率降低12.8%，同时安全扭矩占用率提高6.4%。

模仿学习（IL）研究历来以任务成功作为衡量策略性能的主要指标，但这限制了其在安全至关重要的现场机器人中的应用。本文提出了一种与策略无关的安全度量——执行保证，利用视角合成和Nagumo次切向条件，确保视觉运动IL策略在状态空间特定区域内即使在运行时微小变化下也能保证最大任务成功率。通过Franka机器人的仿真和真实实验，验证了该安全分析如何使多种IL策略在保证安全的同时实现最大任务成功，并展示了恢复策略如何缓解安全与性能之间的权衡。

TAIL-Safe提出了一种模仿学习策略的安全监控框架，使用Q函数识别安全的状态-动作集，并通过恢复机制防止任务失败。实验表明，该方法使流匹配策略持续成功。

VLA-ATTC为视觉-语言-动作（VLA）模型引入自适应测试时计算，通过基于不确定性的“认知离合器”和相对动作评判（RAC）模型，在复杂场景中提升决策能力。在LIBERO-LONG基准上，将SOTA模型PI0.5的失败率降低超过50%。

Sentinel-VLA是一种元认知视觉-语言-动作（VLA）模型，通过主动的“哨兵”模块监控执行状态，仅在需要时触发推理或错误恢复，从而在降低计算开销的同时实现鲁棒决策。模型使用自动生成的44个任务、超过260万次转换的数据进行训练，并采用自演进持续学习（SECL）算法和正交持续适配器（OC-Adapter）防止灾难性遗忘。实际实验表明，其任务成功率比当前最优模型PI0提高30%以上。所有代码、权重和数据生成流程将开源。

本文提出一种约束驱动的在线安全过滤器，用于可变形物体（如流体、布料）的机器人操作。通过结合视界无关神经算子和边界控制障碍函数，实时强制执行任务级安全约束，无需重新训练。在FluidLab上的流体操作任务中，该过滤器将安全轨迹率提高了22%，并减少了到达安全集的步数。

该研究揭示了在无折扣无限时域设置中，贪婪最大化Q函数可能导致策略无限期推迟任务完成的病理现象。作者通过将时序逻辑值函数分解为组成值函数图，构建了基于状态历史的非马尔可夫策略，证明了其对嵌套Until、Globally和Globally-Until规范的最优性，并展示了Q函数作为复杂TL规范的安全过滤器。

本文对多模态人机交互系统中的三个关键模块——用于动作提取的大语言模型、用于视觉感知的感知系统以及用于运动执行的控制器——进行了受控消融研究。比较了三种语言模型、五种感知配置和三种控制器，随后对最佳候选进行了因子研究，旨在阐明不同选择对执行时间和成功率的影响，并为未来系统改进提供指导。

ARIS是一个统一多模态推理、基于图谱的社会世界模型和检索增强生成（RAG）的智能体AI框架，用于社交机器人。在Pepper机器人上的用户研究（N=23）显示，ARIS在感知智能、活力、拟人化和喜爱度方面显著优于基线大语言模型。其三大贡献包括：通过知识图谱显式建模用户间社会关系的社交世界模型；高效的RAG对话流程，在对话历史达数千轮时仍保持低延迟和回复相关性；以及通过结构化API协调语音、视觉和物理动作的模块化智能体架构。

这篇综述性论文总结了LiDAR传感器在康复、伤后护理和医院环境中的应用，涵盖2019年至2025年的研究。LiDAR相比传统基于摄像头的系统和可穿戴传感器具有隐私保护、舒适性和精确性等优势。文章探讨了3D人体扫描、步态分析、机器人安装LiDAR、实时监测和活动识别等应用，并分析了基于学习的处理技术，指出了当前的研究缺口和未来方向。

红外小目标检测在海上监视、军事搜救等任务中至关重要，但低信号杂波比和小空间范围带来挑战。本文提出SANet，基于U-Net框架，包含双路径语义感知模块（DSM）和选择性注意融合模块（SAFM），以增强目标感知并减少虚警。

现有单图像去雾方法在处理均匀薄雾图像时表现良好，但难以应对空间变化浓度和突变密度转换的非均匀雾图像。本文提出CPIFNet多分支深度神经网络框架，将非均匀去雾分解为多个均匀子问题。网络包含图像增强网络（IENet）和图像融合网络（IFNet）两阶段，分别处理不同浓度均匀雾区域并智能融合，同时引入综合损失函数监督训练。

研究人员提出了LiteVLA-H，一个紧凑的256M参数视觉-语言-动作（VLA）系统，专为无人机部署设计。该系统在NVIDIA Jetson AGX Orin上实现双速率操作：快速外环制导模式（50.65ms/19.74Hz）用于短动作令牌输出，以及较慢的语义模式（149.90-164.57ms）用于场景理解和危险描述。关键发现是延迟主要由多模态预填充主导，而非解码额外令牌。通过知识保留微调，系统在保持描述能力的同时实现了高边缘推理速率，超越了AnywhereVLA、FutureVLA和ReMem-VLA等最新架构。

本文全面综述了基于深度生成模型的换脸方法，将其分为五大范式，并提出了一个新的基准数据集CASIA FaceSwapping，包含均衡的人口统计分布和显式属性变化，以及标准化评估协议。通过对代表性方法的广泛实验，揭示了当前技术的性能特征和局限性。

远程光电容积描记法（rPPG）可实现便捷的非接触生理测量。现有自监督学习（SSL）方法常陷入相关陷阱，倾向于学习数据中最主要的周期信号（如高能运动或光照噪声），而非微弱的真实rPPG信号，导致模型泛化能力差。为解决该问题，作者提出一种新的SSL范式——生理因果探测（PCP），将潜在rPPG信号视为底层物理源，像素色度变化视为其视觉表现。其核心思想是从被动相关学习转向主动精确干预：基于提出的rPPG假设对视频进行干预，并验证干预后的变化是否符合物理预期。作者提出了实现PCP的Interv-rPPG框架：rPPG提取器PhysMambaFormer假设rPPG信号，可控生理信号编辑器基于该假设对视频进行精确的色度域干预。Interv-rPPG通过“归零可证伪性”和“公理等变性”验证假设的物理真实性。编辑器通过干预视频的低频色度分量实现rPPG信号的精确编辑。该方法在VIPL-HR和MMPD等挑战性数据集上提升了域内和跨域性能，并在复杂跨数据集设置中超越监督基线，同时在干净数据集上保持竞争力（干预机制可能引入轻微残余色度噪声）。大量实验（包括干扰敏感性诊断分析）表明PCP范式能有效抵抗运动和光照伪影。

端到端自动驾驶系统正向着两大范式演进：以视觉-语言-动作为代表的单体模型和专用模块化架构。两者都依赖Transformer骨干进行复杂推理，这带来共同漏洞。本文提出对抗流匹配（AFM），一种新型灰盒攻击框架，利用Transformer结构脆弱性，通过神经平均速度场一步生成对抗样本。实验表明AFM在攻击有效性和不可察觉性之间取得优异平衡，显著降低各类场景下VLA和模块化自动驾驶代理的性能，同时保持最先进的视觉不可察觉性，并展现出强大的跨模型迁移性。

提出一种混合去雾模型，结合四阶非线性偏微分方程与物理雾霾形成模型。采用暗通道先验估计大气参数并生成引导图像，通过四阶电报型偏微分方程演化进行最终恢复，包含边缘自适应扩散系数和透射图加权保真项。该方法有效抑制雾霾，保持结构细节，并与现有方法相比具有竞争性视觉质量。

本研究系统比较了原始K线图、格拉姆角场（GAF）及多通道GAF三种图像编码方法，以及五种图表组件配置、四种神经网络架构（CNN、ResNet18、EfficientNet-B0、Vision Transformer）和ImageNet迁移学习在加密货币制度预测中的效果。基于2018-2024年的比特币、以太坊和标普500数据进行的八项控制实验表明，一个简单的4层CNN在原始K线图上达到0.892的AUC-ROC，优于大型预训练模型。令人惊讶的是，更简单的表示（仅价格图表、128x128分辨率）始终优于更复杂的替代方案。研究还使用GradCAM进行可解释性分析，并证明迁移学习在自然图像与金融图表之间存在领域差距的情况下仍能将性能提升4-16%。

该研究提出一种潜在空间探测框架，通过拦截CogVideoX视频扩散模型推理过程中的去噪潜在表示，并附加轻量级分类器，实现实时成人内容检测。实验基于11,039个十秒视频片段（5,086个违规，5,953个非违规）构建的数据集，在测试集上达到97.29%的F1分数，检测开销仅4-6毫秒。

当前合成数据流水线随机生成图像，而未诊断下游模型的实际需求。本文基于实验设计（DoE）统计理论，提出合成设计实验（SDRS），利用部分因子设计通过ANOVA分解高效审计模型的因子敏感性，将故障分为类型I（覆盖不足）和类型II（虚假依赖），并针对性生成数据。实验验证：在dSprites上准确率从49.9%提升至79.0%；在分割任务中mIoU从0.948提升至0.998；还能检测生成器中的交叉污染。

本文研究了受控语义相近句子集的嵌入空间局部几何结构，提出了基于仿射、二次和三次拟合模型的局部几何建模方案，并采用表面潜在探测方法构建合成潜在点。实验表明非线性模型优于仿射模型，但几何有效性并不自动提升分类性能。同时发布了CoPaGE-300K数据集。

该研究系统评估了差分隐私文本混淆中的文本分解和隐私预算分配技术，发现设计选择对隐私-效用权衡有显著影响，并提供了优化DP混淆程序可行性的证据。

新研究指出，当前反事实提示评估常因忽略表面形式变化而错误归因模型敏感性。作者提出框架，通过统计检验将目标干预与释义基线比较。重新审视MedPerturb数据集后，仅120项测试中的5项显著，而职业传记分类中的方向性性别偏见仍可检测。基于样本和回归的指标比聚合指标更有效。

一篇新的arXiv预印本将大型语言模型中的对抗性攻击和防御形式化为理论博弈，推导出最优攻击和防御策略，并在多种设置下表现出优于现有方法的性能。

新研究提出XHS-SCoRE基准，用于检测小红书帖子是否引发向上、向下或中性的社交比较。研究发现，尽管LLM能够流畅生成社交比较内容，但其提示分类器在检测这些信号时表现出系统性失败，包括中立化和方向性偏差。实验还显示，LLM生成的帖子能影响读者的感知和情绪，尽管检测仍然脆弱。

CLEAR框架通过系统性扰动决策空间中的选项数量、真实答案或弃权选项的存在以及语义框架，评估了17个LLM在三个医学基准上的表现。研究发现，增加合理答案数量会降低模型识别正确答案和拒绝错误答案的能力；弃权表述从“以上皆非”变为“我不知道”时，模型的不谨慎性加剧，且仅包含“我不知道”选项就会增加错误选择；此外，模型在识别正确答案与拒绝错误答案之间的“谦逊赤字”随模型规模扩大而恶化，表明单纯扩大规模无法解决LLM的可靠性问题。

一项研究表明，大型语言模型（LLM）生成的去偏见新闻标题可以通过框架重述提高保守派读者的信任和参与意愿，但词汇层面的调整无效。LLM还高估了自身效果，并缺乏对读者心理的准确理解。