本文探討了大型科技公司在人工智能基礎設施投資中隱藏真實成本的做法，包括資本支出、能源消耗和環境影響等未公開的財務負擔。

Gemini Spark是一款全天候個人AI代理，可在手機和筆記本電腦關機時後台工作，自主執行任務但在重大行動前徵詢您的意見。現已在Product Hunt上線。

百度開源了Unlimited OCR，這是一個30億參數的混合專家模型，採用參考滑動窗口注意力機制（R-SWA）保持KV緩存恆定，從而在一次前向傳播中高效解析數十頁文檔。在OmniDocBench v1.5上達到93.23分，比DeepSeek OCR基線高出6.22分，採用MIT許可證。

新加坡在Anthropic的Claude AI人均使用量上位居全球第一。其他重大新聞包括：Anthropic因亞馬遜發現的越獄漏洞而被強制下線Fable 5和Mythos 5模型，SpaceX以600億美元收購AI編程初創公司Cursor，Meta推出自主AI助手，以及Anthropic與SpaceX和黑石集團合作獲取算力和服務。

許多AI輔助構建的軟件無法證明其實際行為，因為代碼生成工具不生成治理記錄。作者介紹了ASE（審計主權引擎），用於生成每個AI操作的加密收據，並提供基礎診斷服務，幫助公司評估其代碼庫的治理情況。

Hezo是一個自託管平台，讓您創建和管理AI代理團隊。代理在隔離容器中運行，通過出口代理替換佔位符，確保密鑰永不暴露給代理。支持多種模型提供者，提供預算上限、審計跟蹤等功能。

BetterAgent是一個CLI驅動的工具，能快速為Next.js應用添加AI代理層，通過讀取路由和服務端操作，讓用户獲得能實際操作產品內部功能的代理。它提供無配置的開發體驗、可嵌入的UI組件、內置可觀測性和生產級基礎設施，包括認證轉發、流式傳輸和速率限制。

埃及分數是使用單位分數表示非整數的方法，在18世紀前是歐洲的主要方法。本文涵蓋其定義、從萊因德紙草書的歷史、每個有理數都是埃及數的定理、構造性證明、示例以及未解決問題。

本文研究了在自我中心視覺理解中，如何通過權重剪枝實現低延遲視覺-語言模型，同時保證預測的準確性和證據基礎（雙重正確）。現有剪枝方法常保持證據定位但損害準確性，作者提出理由告知剪枝策略，在自我中心視頻數據集上達到了最高準確率和雙重正確預測。

SwarmFly是一個基於MATLAB的開源無人機集羣仿真平台，解決了現有工具維護不足、學習曲線陡峭和場景單一的問題。它支持四種集羣協調模式、插件架構和實時地圖，並通過八項實驗驗證了編隊精度、抗風、故障恢復、續航和空域合規性。其模塊化設計便於擴展至硬件在環測試和更大規模集羣。

本文介紹了HALO，一種用於長時程機器人控制的視覺運動策略，通過注意力機制進行記憶檢索，克服了模仿學習中的虛假相關性和錯誤累積問題。

該論文提出了一種基於因果推理的參數化控制屏障函數方法，用於解決多車交互中的安全控制問題。通過將因果推斷嵌入到參數化CBF中，該方法能夠顯式推理車輛間的相互影響，克服了現有方法中難以確定因果關係或過度保守的缺陷。基於學習到的因果關係參數化CBF，自適應安全控制器允許自車根據對周圍車輛行為的預期做出安全反應，並在多種交互密集場景中顯著提升了任務效率。該工作已被ICRA 2026接收。

RGB框架將預訓練的強化學習策略作為採樣先驗，結合模型預測路徑積分（MPPI）在線優化，無需重新訓練即可實現人形機器人的全身魯棒控制。在Unitree G1仿真中達到280Hz控制率，任務精度顯著提升。

AeroCast是一個概率性軌跡預測框架，結合了Transformer編碼器和混合密度網絡，用於預測未來三維位移的高斯混合分佈。在混合真實與合成的四旋翼飛行器數據集上，相比基線方法，平均位移誤差和最終位移誤差降低了約50%，每個樣本推理時間僅0.1毫秒，支持機載實時部署。

一種新型室內協同物體導航數據集及框架SurveilNav，通過整合主動相機調度、聯合2D/3D地圖、基於視覺語言模型的價值估計和協同目標驗證，克服了單機器人感知範圍有限和固定攝像頭盲區的侷限。在HM3D數據集上的實驗表明，該方法在探索效率和導航成功率上均達到最優水平，有望應用於大規模搜索、家庭環境和救援任務。

提出ADM-Fusion，一種端到端深度學習多傳感器融合方法，採用自適應傳感器混合專家框架和內容感知路由，動態分配傳感器權重，並分離平移和旋轉分支，通過跨任務注意力機制實現信息共享。在CARLA-LOC模擬數據集訓練並在KITTI真實數據微調，展示了仿真到現實的有效遷移，在退化條件下保持魯棒性。

本研究提出了一種用於多IMU鉸接剛體系統的擴展位姿估計的不變卡爾曼濾波方法。通過引入相對L擴展位姿這一李羣表示，並結合迭代不變擴展卡爾曼濾波（IterIEKF），該方法有效處理了關節運動學約束，在UR5e機器人和人體腿部驗證中，均方根誤差降低至少50%。

一種名為潛序列優化（LSO）的新方法，通過優化行為基礎模型中的潛變量序列，實現了精確的物理模擬運動追蹤，並在真實人形機器人上得到驗證。

大多數視覺-語言-動作（VLA）模型是反應式的，僅根據當前指令和觀測預測下一步動作，難以應對部署時的環境變化。本文提出反射式VLA，通過上下文中的觀測-動作-後果三元組來調節決策，從而暴露部署特定的動作-效果映射。在LIBERO等基準測試中，反射式VLA在分佈偏移下平均成功率提升5.4和4.2個百分點，消融實驗表明動作後果而非額外上下文長度是關鍵。

本文提出一種新的神經網絡量化方法，通過學習量化感知的線性路徑來尋找低損失子空間的中點，從而在不使用直通估計器或顯式離散化的情況下實現與量化感知訓練相當的性能。

本研究評估了多模態大語言模型（MLLM）在輔助AI任務中的表現，包括貨幣識別、場景文本問答和多語言視覺內容閲讀。研究者構建了NetraLink系統，使用頭戴式GoPro採集真實世界第一人稱數據，並創建了相應基準測試。結果揭示了當前MLLM在視覺感知和語言交互方面的優勢與侷限。

視覺故事生成要求圖像序列與敍述提示對齊且角色外觀一致。現有免訓練方法依賴結構化提示（每句重複完整描述），不符合自然敍述。FreeStory通過實體引導的特徵複用，在自由形式提示下保持角色一致性，並引入FreeStoryBench基準，在單/多角色故事中均達到領先水平。

Wan-Streamer 是一個原生流式、端到端的交互基礎模型，專為低延遲、全雙工信視聽交互設計。它在一個Transformer中統一建模語言、音頻和視頻的輸入輸出，使用塊因果注意力實現增量流式，無需依賴外部模塊。模型側響應延遲約200毫秒，總交互延遲約550毫秒，支持亞秒級雙工信視聽通信。

Chorus II 提出一種跨請求稀疏性重用框架，通過複用歷史請求的稀疏注意力掩碼來避免在線掩碼預測，可選的特徵重用和引導增強進一步保持生成質量，實現2.16倍加速。

Yuvion VL是一系列專為內容和AI安全設計的多模態大語言模型，通過將安全性視為對抗性和多模態問題，構建了圍繞對抗魯棒性的完整管道。其數據構建採用自動化對抗感知合成與多階段質量控制；訓練採用三階段流程，包括風險概念跨模態對齊的繼續預訓練、生產級安全任務的指令後訓練以及增強可解釋性的推理後訓練。創新性地引入困惑-對比微調框架，通過挖掘模型特定困惑並構建多圖像對比組，強制區分細粒度視覺語義元素。同時推出YVRE基準集，包含多樣化的安全評估。實驗表明Yuvion VL-32B在安全性能上領先於同類開源和閉源模型，同時保持通用能力。

本文提出了一種噪聲感知邊界增強生成學習（NBGL）框架，用於超聲散斑抑制。該框架由散斑抑制分支和邊界增強分支組成，並引入噪聲感知交互權重生成（NIWG）模塊，通過3D拉普拉斯濾波和中位數絕對偏差估計自適應調節噪聲水平。在141個3D經陰道超聲數據集上的實驗表明，NBGL在六個噪聲級別上均優於現有方法。

本研究開發了一個涵蓋認知、情感和行為領域的自我污名編碼本，並分析了Reddit上藥物使用者的帖子。結果顯示，自我污名普遍存在，且行為指標往往先於核心指標出現，挑戰了傳統的漸進模型。

大語言模型在代碼生成方面的進步引發了關於作者身份、評估完整性和軟件信任的擔憂。SemEval-2026任務13子任務A將檢測定義為對代碼片段的二元分類，特別關注跨未見編程語言和領域的分佈外泛化。研究提出了一種SALSA風格的方法，即單次自迴歸大語言模型結構化分類，將每個類別映射到專用輸出標記，並訓練模型在結構化響應中發出單標記標籤。通過平衡採樣、參數高效微調和保守訓練，系統在官方排行榜上取得了OOD F1=0.789，大幅超越CodeBERT基線（F1=0.305）。

隨着學術投稿量的激增，傳統同行評審面臨可擴展性極限。該綜述系統分析了基於大語言模型（LLM）的科學同行評審，聚焦於評語生成與評分預測兩大核心功能。文章構建了包括提示工程、監督學習、檢索增強和對齊優化在內的建模方法分類體系，並綜合了現有基準的實證結果。除性能指標外，文章還揭示了提示注入、數據投毒、檢索漏洞和獎勵破解等魯棒性風險，這些風險可能使自動化評審流程遭受策略性操縱。從數據挖掘視角，作者指出了主觀分歧建模和跨領域泛化等關鍵開放挑戰。該綜述將自動化同行評審重新定義為高風險、多目標的決策問題，為開發魯棒、透明且可信的AI輔助科學評估系統提供了路線圖。

一項新研究引入了一個包含32,534份真實GCSE模擬考試雙評分學生回答的數據集，涵蓋五個科目328道題，包括手寫內容。測試發現，現成的大型語言模型與考官評分的一致性非常高，頂級模型的一致性甚至超過考官之間的一致性。模型在主觀任務如英語作文評分以及處理複雜手寫數學試卷方面表現出色，且一致性不受模型大小顯著影響，為自動化評分提供了經濟有效的解決方案。