NavIsaacLab是一个基于Isaac Lab的框架，利用基于物理和逼真的场景渲染以及GPU并行模拟，为机器人导航提供实时的3D视觉反馈。它采用数据驱动方法，结合轨迹扩散模型和对抗运动学习控制器，实现可控的、基于物理的行人模拟，并整合多种跨尺度场景，为人感知导航算法提供强大的基准测试。

这篇论文提出了TaskNPoint训练协议，通过人类教练提供少量输入（技能集、一次演示、交互窗口和目标），让人形机器人在物理仿真环境中快速掌握动态技能。实验在Unitree G1人形机器人上进行，成功执行了网球正反手击球、踢足球和搬箱子等任务，且训练时间不到一小时，无需每任务奖励调整。

RoboTales是一个低成本机器人讲故事系统，通过富有表现力的袜子木偶动作来演绎叙事。在Baxter机器人上的自主测试实现中，该系统同步叙述、手势和嘴部动作来表演角色驱动的故事。一项初步研究表明，木偶式讲故事优于仅手势模式，获得了更高的HRIES评分和更好的故事回忆效果，表明具身木偶表演能增强参与度和叙事理解。该系统设计模块化且平台无关，可适配其他机械臂，并提供了一种无屏幕的被动媒体替代方案，支持未来在儿童中心学习环境中的部署。

本文提出OmniContact分层框架，核心是接触流（CF）表示，由关键身体轨迹和时序二进制接触信号组成。底层策略CF-Track学习统一技能库，高层模块CF-Gen启发式合成未来接触流序列。在搬运箱子和推叠箱子任务中分别达到98.7%和76.5%成功率，显著超越基线。框架支持与视觉语言模型集成，实现语义驱动的复杂操作。

本文提出了首个针对对数螺旋连续臂的形态特定闭环任务空间控制框架。通过分段肌腱驱动模型和在线雅可比误差补偿（Broyden更新和卡尔曼滤波），实现了精确鲁棒的控制，并在仿真中显著优于分段常曲率方法，适用于抓取、避障等操作。

本文提出LiMoDE，一种基于动态专家混合（MoE）的两阶段学习方案，用于解决机器人终身操作中的灾难性遗忘和技能迁移问题。第一阶段通过多任务预训练学习先验知识，根据运动信息激活不同专家；第二阶段设计终身专家适应机制，动态组合新老专家以适应新任务。在模拟和真实任务中验证了其有效性。

本文提出RMTL（强化微任务学习），将长时操作任务分解为多个语言描述的微任务，并训练智能体进行切换。通过多视角VLM奖励、逆向课程和分层策略，RMTL提供了比单提示VLM奖励更丰富的奖励信号，加速学习。在Fetch操作环境中的实验验证了其有效性。

研究人员开发了基于物理的血液毛细血管网络模拟，利用深度强化学习训练微型机器人通过趋化性导航。他们系统绘制了导航的物理极限，发现了禁止区域，并观察到智能体自主发现多种通用策略。无需重新训练，这些智能体即可执行毛细血管流的定向阻塞与疏通，恢复健康基准水平。

本文提出了一种名为VMTAD的全无监督实时障碍物检测方法，专为农业机器人设计。它利用变换器架构和记忆模块处理动态场景，在油菜数据集上达到0.973检测和0.997分割AUC，轻量版推理仅需14毫秒，兼顾高精度与实时性。

一项新的研究通过简单的线性探针对视频、图像和音频的深度伪造基准进行审计，发现通用自监督表示即可接近专用检测器的性能，表明这些基准可能更多衡量的是通用模态理解而非真正的鉴伪能力。

本文提出一种基于可微架构搜索的方法，用于自动发现视觉提示微调中图像标记与提示标记的最佳融合方案。该方法将学习提示及其融合方式联合优化，并引入仿射变换和交叉注意力两种新融合机制。在34个数据集上的实验表明，该方法在准确率、延迟和参数数量之间实现了良好的权衡，并揭示了混合融合方式能更有效地利用Transformer的层语义。

研究人员引入了浑浊水下基线（TUB）数据集和新指标PCD，以量化极端浑浊度下水下场景的信息损失。PCD与实例分割性能强相关，优于常用指标。

GeMoE通过将令牌路由视为信息编码任务，基于最小描述长度原则和门控熵实现自适应专家选择，在保持99.5%性能的同时将专家激活稀疏性提升36.5%。

本研究将功能磁共振成像（fMRI）认知任务图谱从单源迁移扩展到多源迁移，覆盖人类连接组计划23个任务状态，并采用布尔整数规划（BIP）分析预算约束下的任务分配。训练了1127个任务特定和迁移模型。单源迁移具有方向性和范式结构：运动状态在运动范式内迁移良好，但对非运动目标支持有限。多源迁移依赖于源集组成，表明成对任务图谱无法完全捕捉多对一关系。BIP反复将直接监督分配给0-back和2-back工作记忆状态，尽管它们并非最强的单个源，这可能反映了工作记忆任务中感知、注意和执行过程的整合。揭示了跨范式受限的运动簇和工作记忆状态的高优先级。

本文提出了一种创新的多任务深度学习模型，能够高精度预测激光穿透焊接中的穿透状态、深度和焊缝形态。该模型基于CMOS相机捕获的熔池图像，结合焊接参数，利用卷积神经网络和状态空间模型提取时空特征。在测试集上，穿透状态预测精度达99.35%，穿透深度误差为1.79毫米，焊缝横截面重建精度为95.65%。

研究人员开发了一种自监督框架，利用机载LiDAR和光学影像估算城市树木的地上生物量。该方法实现了高精度的树冠分割和生物量估算，揭示了城市碳储量及其随时间的变化，无需手动标注。

本文提出LCG框架，通过稀疏关系注意力（SRA）和路由一致性约束（RCC）实现长上下文多图像生成中的一致性和可扩展性，并构建了大规模合成数据集LCCD。实验表明，LCG在提示对齐和角色一致性方面优于基线方法。

本研究提出一种结合图像处理与深度学习的混合方法评估水果新鲜度。开发了量化腐败程度的图像处理算法（0-100分），并训练CNN进行二元分类（新鲜/腐烂）。通过逻辑回归融合两者结果，最终使图像处理算法能直接进行二元分类，无需CNN。该方法计算资源需求低，在苹果和橙子数据集上实现实时检测，准确率超90%。主要限制是水果需在白色或透明背景上隔离。

DocArena是一个全自动数据整理流水线，利用多模态大语言模型（MLLM）将原始文档转化为可控、可扩展的训练环境，用于训练文档搜索智能体。它无需人工标注，可生成推理密集的问答对，并构建包含8,336篇文档、覆盖16个领域和49种语言的DocArena-79K数据集。实验表明，基于DocArena训练的智能体在检索准确率和问答质量上均达到最优。

该研究提出了一种系统化的方法，将结构化语言资源（如Hindi WordNet）转化为125万条指令-回答对，用于微调12B参数的语言模型，并通过资源高效的LoRA和4位量化实现。实验表明，基于结构化知识的系统在印地语学习聊天机器人中取得了卓越的教学效果（91.0分），优于通用模型（79.4-83.6分），同时保持了竞争力的语义性能和一致性。该工作为低资源语言提供了无需大规模语料库的AI开发替代方案，有望推动数百种拥有WordNet资源的语言的专业AI发展。

一项新研究揭示了大型语言模型在推理任务中优于小型模型的关键原因：约束引导推理。大型模型更擅长识别显式和隐式约束，组织结构化推理，并排除不可行路径。研究团队开发的AdvCluster框架自动分析了模型间的推理差异，发现Qwen3-32B比Qwen3-8B平均高出6.43%，GPT-OSS-120B比GPT-OSS-20B高出7.38%。

本研究提出了NEST-V1，一个基于轻量级Transformer架构的多模态框架，能够从口语输入生成带有情感表达的尼泊尔手语虚拟形象。在包含4个常见词汇和3种情感状态的数据集上，系统实现了81.1%的语音识别准确率和79.21%的情感识别准确率，参数仅为22.1M，适合边缘部署。该研究为低资源语言的情感感知手语翻译奠定了基础。

本研究探讨如何利用非暴力沟通（NVC）原则作为轻量级提示约束，引导大型语言模型（LLM）在情感冲突情境中采取更缓和、非升级的对话行为。通过双智能体模拟框架，实验表明NVC约束能显著减少对话升级，稳定与高抵触用户的交互。

大型语言模型在短上下文推理中表现出色，但在长对话中因上下文窗口限制和低效令牌使用而性能下降。ContextForge系统通过结构化查询生成、外部记忆检索和受控合成来回收上下文，显著减少令牌开销并保持答案质量。在15轮医疗对话基准测试中，ContextForge提高了连贯性并降低了令牌消耗。

一项新研究发现，在训练语言模型时，使用明确主张、道德词汇和情感语言等特征可以显著增强模型对动物福利的支持倾向；而含糊措辞和具体感官描述则会稀释这种立场。该研究为动物福利倡导者提供了实用的写作指导。

一项新研究通过模型蒸馏方法评估LLM在静力学问题上的表现，发现LLM在处理纯文本问题时表现良好，但引入图表和多步推理后准确率下降。分析表明，性能下降主要源于多步推理困难，而非图像识别限制。

研究发现，对语言模型进行帮助性后训练（如SFT和RL）会显著削弱中期训练注入的动物同情价值观，而编程领域后训练则能更好地保留这些价值观。帮助性训练在英语通用道德推理上也导致大幅下降，但跨语言迁移时效应消失，而同情价值观的退化则一致跨语言存在。这表明中期训练习得的价值观比后训练带来的推理改进更为深层和跨语言。因此，构建价值导向模型时，编程后训练可能是更优选择。

arXiv:2606.26101 新论文提出Know2Guess基准，包含1200个跨域问题，用于区分LLM的知识回答与猜测。评估了FLAN-T5、Qwen2.5-Instruct和Llama-3-Instruct模型，发现Qwen2.5-3B-Instruct表现最佳，但仍有校准不足等问题。

HierBias是一种新的分层上下文条件媒体偏差检测器，通过建模文档上下文来改进句子级偏差分类。理论证明利用上下文可降低贝叶斯误差，多任务学习提高样本效率。架构使用RoBERTa编码器和跨句子Transformer，在BABE和BASIL数据集上达到0.853 F1和0.723 MCC，超过现有最优方法。

该研究提出一种结合拓扑数据分析的神经网络方法，用于提升洪水检测的准确性和可解释性。使用SEN12-FLOOD数据集，通过提取图像的拓扑特征并融入神经网络，证明拓扑描述符能独立携带洪水信号，并增强现有网络的鲁棒性与可解释性。