伊朗戰爭通過將AI整合到戰場上並打擊卡塔爾氦出口和數據中心來針對AI供應鏈，從而重塑全球衝突，給美國和中國AI行業都帶來危機。

Bonscape是一個為AI聊天設計的白板工具，每個框代表一個對話，用户可以通過畫線來分支想法，並在10種AI模型之間切換，保持上下文不丟失。它專為桌面端設計，強調視覺思維，讓用户更自然地探索想法。

Voicetta v3是一款基於超過100萬次對話構建的語音AI平台，提供50美元免費額度及免費設置服務，適用於各種語音交互場景。

研究人員使用OpenAI推理模型幫助診斷罕見疾病，在先前未解決的病例中識別出18個新診斷。

隨着企業整合AI並減少僱傭正式員工，向“零工經濟”的轉變即將開始。Klarna的案例顯示，AI客服仍處理大部分基礎問題，而零工工人處理更復雜問題，這種模式可能導致更多工作變得不穩定。

數據倉庫是集中式存儲結構歷史數據的倉庫，支持複雜查詢和商業智能。本文介紹三種主要類型：企業數據倉庫（EDW）、數據集市和操作數據存儲（ODS），以及現代雲計算、混合和湖倉架構。幫助您根據需求選擇合適的數據倉庫。

GLM-5.2是Z.AI開發的開源旗艦模型，擁有100萬token上下文窗口，在多個編程基準測試中超越GPT-5.5和Claude Opus，成本卻極低。

Kip，您的個人AI財富代理，幫助您智能估算並輕鬆支付第二季度税款。

2026年1月至6月，AI領域發生了大量事件，從新模型發佈到行業呼籲暫停。本文回顧了重要事件，並分析了從聊天機器人到智能體的轉變，以及由此帶來的成本問題。

OpenWave是一個開源平台，用於在統一計算環境中並行評估多種場論模型，通過嚴格的數值驗證和可復現的基準測試來三角測量物理現實。

一年前，法國在 NVIDIA GTC 巴黎大會上宣佈了推進本地 AI 的計劃，包括新的 AI 工廠、國家計算能力以及開放式前沿模型和工業平台。如今，這些 AI 基礎設施正在上線，AI 代理已投入生產，初創公司正在部署應用程序，法國 AI 生態系統正在開發針對本地語言、文化背景和歐洲要求的模型、數據集和平台。

本文探討了AI是否會取代人類的爭論，核心在於決定論與自由意志的千年辯論。作者通過個人經歷（預測股市、供應鏈模擬）説明現實世界數據充滿噪聲且本質上是概率性的，AI無法消除不確定性。量子力學的發現支持了非決定論宇宙觀，因此AI無法完全自動化所有工作，尤其是需要處理不確定性的角色。

Memharness 是一個開源的 AI 代理記憶庫，基於 SQLite 實現雙時態、可溯源的事實存儲。它支持時間旅行查詢（如“過去某個時刻相信什麼”）、事實修正鏈、來源追溯，並且完全無網絡依賴，適合需要審計和會話獨立性的場景。

VELA 是一款開源工具，利用 Firecracker 微虛擬機和 HMAC 能力令牌策略，安全地執行 AI 代理生成的不可信代碼，提供細粒度資源限制和完整審計日誌。

該項目演示瞭如何使用 FastAPI、Redpanda（或 Kafka）和 Docker 構建一個最小的事件驅動 AI 管道，將文檔處理分解為提交、提取、摘要和通知等多個階段。

Midjourney 發佈了一款全身超聲 CT 原型機，並計劃在舊金山開設一家融合水療與掃描的旗艦店。儘管目前尚未使用 AI，但長遠目標是實現高頻、廉價的身體成像，以支持 AI 驅動的健康監測。然而，該設備面臨監管、臨牀驗證、數據隱私等重大挑戰。

谷歌搜索出現訪問問題，用户可點擊鏈接或發送反饋。

LayerProof 推出 Bristol，一款基於AI的交互式報告生成工具。用户只需上傳文件或數據，通過聊天調整報告結構，一鍵發佈為實時網頁。專為代理機構、自由職業者和顧問設計，旨在讓報告更具可讀性和互動性。

《波士頓環球報》2026年“科技強人”榜單中，八位MIT成員入選。文章探討了MIT在人工智能、創業、能源和量子技術等領域的領導力，強調馬薩諸塞州在科技創新中的核心地位。

本文提出一種基於導納控制的機器人實時閉環姿態控制算法，用於精密視覺檢測。該方法將末端執行器建模為在粘性介質中運動的虛擬球體，統一操作員輸入與感知驅動的表面配準。在六自由度機械臂上驗證，最終平均姿態誤差為0.4°，實現了穩定的法向跟蹤。

本研究系統評估了四種動作空間（位姿增量、位姿速度、關節位置增量、關節速度）在視覺抓取和推拉任務中的表現。通過仿真訓練並遷移到真實機器人，發現關節速度動作空間在平滑性和任務完成度上最優，並提供了動作空間選擇的實用指南。

DREAM-Chunk是一種測試時擴展方法，通過輕量級潛在世界模型增強基於分塊的動作策略，無需微調策略本身。該方法在測試時採樣多個候選動作分塊，預測其潛在未來狀態，並選擇與實際狀態最匹配的分塊，從而提升在隨機動力學下的魯棒性。在Kinetix基準和多種機器人平台上驗證了其有效性。

本文提出了一種結合凸集圖（GCS）軌跡優化與共識捆綁算法（CBBA）分佈式任務分配的解決方案，用於多智能體在動態雜亂環境中的任務規劃。GCS在3D+時間配置空間中尋找最優軌跡，CBBA協調任務分配，實現避碰並提供準確的任務完成時間估計。在模擬環境中驗證了有效性。

本文提出N(CO)$^2$框架，將強化學習融入神經組合優化，無需手動設計啓發式算法即可求解隨機定向問題。實驗表明，該方法在多種實例上泛化良好，性能與最先進的混合整數線性規劃相當，減少了人工啓發式設計成本。

VEGA是一種從無標籤自我中心導航視頻中訓練導航視覺-語言-行動（VLA）模型的方法。通過重建單目視頻的場景幾何並生成避障軌跡，VEGA將幾何感知規劃蒸餾到純視覺策略中。VEGA-Bench基準包含25萬場景和約500萬導航目標，實驗顯示VEGA在減少碰撞和提升障礙物規避方面顯著優於基線。

PAIWorld提出了一種擴散變換器框架，通過幾何感知跨視圖注意力、幾何旋轉位置編碼和潛在3D-REPA蒸餾，實現了機器人操作中的多視圖3D一致性，在WorldArena排行榜上排名第一，在AgiBot-Challenge2026上排名第二。

Guava是一種針對具身操作的框架，通過系統性探索設計空間，提出迭代感知-推理-行動循環、語義抽象動作和多模態觀察三個關鍵要素。利用少於2000條仿真軌跡，可將具身操作能力蒸餾至4B開源模型，性能和泛化能力與前沿專有模型相當。

本文提出ReSYNC方法，通過從失敗恢復經驗中逐步發現和細化狀態抽象（關係謂詞），聯合學習技能與概念，實現機器人從局部恢復向全局失敗避免的泛化。在四個模擬域中，ReSYNC持續擴展抽象庫，解決未見過的長時域問題，性能超越基線方法50%以上，併成功遷移到真實機器人操作任務。

大型語言模型（LLM）越來越多地用於臨牀文本任務，但它們在保留診斷不確定性方面表現不佳。本研究構建了一個包含1,200份臨牀文檔和9,184個不確定性標註的基準，評估了三個LLM，發現它們保留原始不確定性線索的比例不到一半，且難以區分相鄰級別。

蒙特利爾強制對齊器(MFA)自2016年發佈以來，已成為研究和工業界最廣泛使用的強制對齊工具。最新版本MFA 3.0在英語、日語和韓語基準測試中均達到或接近最先進水平，平均邊界誤差低於15毫秒。本文詳細介紹了MFA從1.0到3.0的發展歷程、技術改進及其跨語言適應能力。