OpenAI與博通聯合發佈Jalapeño芯片，專為大語言模型推理設計，旨在提升性能、效率和擴展性。

2026年6月23日的AI新聞綜述顯示，AI正從軟件代理向物理世界跨越。Anthropic用Claude Opus 4.7教會四足機器人行走，速度比人類團隊快37倍；Nvidia發佈空間推理框架；特斯拉推進模塊化數據中心；Sakana AI推出Fugu協調多模型。同時，控制和安全成為新競爭前沿，但認知債務風險值得關注。

Ruby是一款AI工具，能在通話中實時提供最佳追問，幫助用户抓住關鍵信息。適用於用户訪談、銷售電話和投資者會議。

VoltanaLLM提出了一種基於反饋的頻率控制器和狀態空間路由器，用於預填/解碼分離的LLM服務架構，在保持延遲SLO的同時實現高達36.3%的能耗節省。該工作在多個LLM和NVIDIA A100 GPU上進行了評估。

Swimio結合AI教練、高級Apple Watch游泳追蹤和個性化訓練生成，專為游泳者打造。提供實時追蹤、數據分析及性能洞察。

日本AI初創公司Sakana聲稱其Fugu模型在基準測試中表現優於Fable 5、Gemini 3.1 Pro和GPT-5.5等主要競爭對手。Fugu通過策略性地選擇使用其他前沿AI模型（如Claude和Gemini）來提升性能，但不會告知用户具體使用哪個模型。該公司表示，Fugu將隨着時間推移整合更新的、更高效的模型。

Fork.ai 是一個分支式AI研究空間，您可以提問並得到分節答案，深入探索，高亮並分支，每個分支成為思維導圖上的節點。

印度一家服裝廠的工人被管理人員要求在上班前將小型攝像機綁在額頭上，起初覺得好笑，但後來感到擔憂。沒有人解釋原因，工人擔心這是為訓練AI取代他們做準備。

darktable 5.6 首次引入AI功能，包括AI物體蒙版（點擊生成矢量路徑）和神經修復模塊（基於ML的降噪與放大）。所有模型在本地CPU或GPU運行，無需雲端處理，並遵循可選、本地、可擴展等原則。本文詳細介紹各工具的使用方法、效果與侷限性。

該項目是一個社區創建的開源網絡安全技能庫，包含817個生產級技能，覆蓋29個安全領域，並映射到六個行業框架（MITRE ATT&CK v19.1、NIST CSF 2.0等）。AI代理可以利用這些技能執行威脅檢測、數字取證等複雜任務，獲得高級分析師的決策能力。

NavWM是一個統一的導航世界模型，它無縫集成了潛在世界推理、多模態動作預測和可控視覺生成。通過引入錨點基礎的多模態軌跡預測框架，模型能夠生成多樣化的動作空間，並利用視覺預見性進行魯棒閉環規劃。實驗證明，NavWM在高質量未來狀態生成和零樣本導航成功率上均取得了顯著提升。

提出DynaWM框架，通過世界模型正則化和動量目標編碼器增強雙輪足機器人在連續樓梯上的地形適應性和運動平滑性，在仿真和真實硬件上驗證了有效性。

本文提出MinInter方法，通過選擇需要最少插值的示範軌跡來生成更高質量的合成數據，從而提升模仿學習的性能。在MimicGen基準的12個任務上，MinInter顯著提高了數據生成成功率和策略成功率，尤其在接觸密集、長週期和高方差場景中表現突出。

SPACE框架提出使用笛卡爾狀態增量作為通用動作表示，結合狀態預測與自適應命令執行，解決不同機器人因動力學差異導致的行為克隆訓練和部署問題。實驗表明，該方法在跨形態、跨硬件單元及運行中動力學變化下均顯著優於直接預測控制指令的策略。

TurboMPC是一種完全在GPU上運行的可微分MPC求解器，支持多種約束和隱式積分器。通過SQP、ADMM和隱式微分等技術的結合，在仿真和實際車輛測試中分別比CPU和GPU求解器快15倍和58倍，且能擴展至超過8000個規劃節點。

本文介紹了將模擬到現實性能估計與賭博（來自Chen等人）和安全隨時有效推斷（來自Ramdas等人）相結合的方法。該方法利用縮放模擬器，為均值估計產生高效可靠的證書，在機器人性能測試中尤其有價值。

本文提出TOLD框架，一種實時邊級自適應方法，通過在線更新交互拓撲權重來最小化編隊畸變，相比傳統節點級控制器顯著提升魯棒性。理論分析和仿真實驗驗證了其有效性，在Crazyflie 2.0四旋翼上實現了超過62%的畸變降低。

強化學習可以訓練雙靈巧手在物理仿真中高精度地彈奏鋼琴，但高自由度手的任務獎勵或逆運動學方法常導致不自然的姿態和關節過度伸展。本文提出對抗姿勢正則化（APR），利用少量隨意的人類彈奏數據，通過對抗目標使策略的姿勢分佈與人類先驗匹配，從而產生更像人類的手形。同時，使用消費級Meta Quest 3收集併發布非結構化手部運動數據，並將其重定向到Shadow Hand。在cPSI、BSE和FAC三人性化指標及視覺質量上均顯著優於先前方法。

本文報道了2024年6月10日至14日舉行的洛倫茲中心研討會“工程化可靠自主系統”(ERAS)的成果。研討會聚焦於自主系統的驗證與確認技術、實際工程應用以及安全軟件架構，形成了一份挑戰目錄和解決方案路線圖。部分挑戰可通過現有學術方法解決，但未在工業界廣泛應用；其他挑戰仍需進一步研究。

本文提出FEARL框架，通過將策略分解為大型控制器和小型安全模塊，實現了對機器人控制基礎模型的形式化驗證，在保持感知與推理能力的同時，使安全關鍵屬性可被現有工具驗證。在模擬和實體機器人上的實驗證明了該方法的有效性。

隨着生成式AI的發展，圖像偽造變得高度逼真，亟需可信的認證系統。現有的取證檢測器缺乏可解釋性，而視覺語言模型（VLM）雖能提供解釋，但無法利用取證痕跡進行可靠檢測。本文提出取證知識圖譜（FKG），將取證證據提取、結構化推理和可解釋解釋統一起來。FKG結構編碼取證痕跡及其因果依賴關係，並鏈接到場景內容。為生成準確的FKG，我們引入了一種新的取證認證網絡和迭代上下文細化策略，引導VLM生成忠實、有依據的解釋。我們還發布了FKG-50K數據集，包含50,000個具有真實FKG的逼真偽造圖像。實驗表明，FKG在檢測、偽造識別與定位以及取證論證方面均優於現有檢測器和VLM。

研究人員提出TheProfessor，這是PromptKD的多教師擴展，用於蒸餾視覺語言模型。使用領域微調教師和零樣本教師的集成，基於置信度的集成方法將平均調和準確率從87.52提升至89.28，在域遷移數據集如EuroSAT上提升顯著。

REALM 提供了首個針對物理世界視覺語言模型的統一紅隊測試基準，整合了12種攻擊方法、3種防禦措施和13個模型，以公平比較漏洞。關鍵發現包括文本和排版注入攻擊最有效，且模型規模本身不提升魯棒性。

一種名為HeRA的新方法在個體注意力頭級別上對齊多模態大語言模型的表示，提升了性能並減少了幻覺。

視覺語言模型（VLM）在面對否定表述時表現脆弱，易受誤導性文本干擾。HANCLIP通過雙曲幾何和角度三元組目標，在保持預訓練表示全局結構的同時增強否定敏感性，僅用2萬圖像-文本四元組訓練，即可提升NegBench基準性能。

ABACUS是一個統一的視覺語言模型，能夠在無基準特定訓練的情況下處理物體計數、人羣計數、指代表達計數以及計數忠實圖像生成。它基於3B參數統一基礎模型構建，通過三項關鍵創新適配於物體定位任務：密度感知自適應縮放與目標圖用於空間定位；基於GRPO的邊界感知計數策略消除裁剪邊界誤差；以及循環一致GRPO策略，理解分支自我批評生成輸出，無需外部標註即可彌合理解與生成之間的差距。ABACUS在七個基準上均達到最先進水平，超越了任務特定專家和更大的通用模型。

提出了一種從空間域轉向頻譜域的小目標檢測新範式，通過頻率引導特徵表示框架（包括WDG、LGE、FDHead三個輕量模塊）在多個基準上以僅1/6的參數超越YOLOv11。

最新研究指出，當前的視覺語言模型（VLM）在評估視覺-語言一致性時存在注意力偏移問題，即高注意力區域與語義標記不匹配。為解決這一問題，研究人員提出了基於提示側語義的PV-TAM方法，通過過濾模態邊界標記的偏差並利用注意力峯值分佈來評估對齊程度，實驗表明該方法在多個數據集上顯著提升了定位指標。

現代視頻擴散模型通過擴展規模提升了生成質量，但也帶來了高昂的推理成本。Sol視頻推理引擎提出了一種無需訓練的智能體加速框架，通過緩存、稀疏注意力、token剪枝、量化和內核融合五種技術，針對具體模型、硬件和配置進行實例特定優化。在三個不同規模的視頻模型上，該框架實現了超過2倍的端到端加速，同時幾乎不損失VBench質量指標。

本文提出了一種幾何信息驅動的計算機視覺流水線，能夠從單台自行車攝像頭自動檢測超車事件，無需多傳感器或標定。在315個真實世界事件上驗證，召回率97.8%，零誤報。系統平均在車輛通過前2.44秒識別超車意圖，84.1%的事件超過1.5秒人類反應時間閾值。橫向距離估計誤差13-14釐米，足以區分近距離超車。