HeadlessTracker 是一個 MCP 服務器，用於跨加密貨幣交易所、鏈上錢包和預測市場追蹤投資組合。支持 Bybit、Binance、MetaMask、Solana 和 Polymarket 等連接器，提供 15 個 MCP 工具、交互式儀表盤和 CLI 查詢。用户可通過 Claude Desktop 等 AI 主機以自然語言查詢投資組合，無需自行構建 UI。

人工智能代理應作為一流的軟件用户，擁有獨立的身份、憑據和權限，而不是借用人類會話或作為無名的服務賬户。本文探討了代理優先的身份驗證與授權模型，分析了借用身份的問題，介紹了業界（如MCP、GitHub Apps、Microsoft Entra等）的趨同趨勢，並提出了具體的認證和授權要求，以及一個名為agent-git-service的GitHub兼容實現。

Cognition推出FrontierCode基準測試，專注於評估代碼的可合併性而非僅通過單元測試。最佳模型在 hardest 子集上僅得13%，表明編碼遠未解決。同時，代理控制轉向“循環”模式，並伴有諸多警告。其他動態包括Kimi的代理和桌面產品更新、Google的本地部署優化、Agent Arena基於百萬會話的排行榜、以及Apple的WWDC AI集成。

由於與歐盟《數字市場法案》的監管衝突，蘋果宣佈其即將發佈的iOS 27和iPadOS 27中的Siri AI功能將在歐盟無限期延遲。同時，這些功能以及Apple Intelligence功能也將不會在中國推出。蘋果表示將繼續與歐盟監管機構溝通，但目前沒有時間表。

Cloudflare 分享其應對前沿 AI 模型威脅的分層安全架構，強調圍繞漏洞的架構比補丁速度更重要，並展示瞭如何利用自身產品構建防禦體系。

一項來自哈佛大學和Perplexity的最新研究通過匹配會話對比了自主智能體與搜索助手，發現智能體在自主性、時間和成本方面均有巨大提升，並擴展了用户嘗試的工作範圍。

本文介紹Matt Pocock開發的/grill-me技能，它通過反覆追問迫使開發者理清需求，避免在模糊的想法上耗費精力。文章詳細闡述了從/grill-me到最終實現的四步工作流，以及保持Claude Code高效運行的相關技巧。

OxyJen是一個開源的Java框架，用於編排LLM工作負載，提供圖形風格執行、上下文感知內存和確定性重試/回退。它專為Java企業環境設計，旨在提供可靠的生產級AI管道執行引擎。

位於上海沿海的全球首座風能水下數據中心已投入運營，旨在解決中國AI發展帶來的能源挑戰。該示範項目於5月啓動，容量24兆瓦，由HiCloud技術與中交集團聯合建設。

OpenLTM 是一個開源、MIT 許可的長期記憶插件，專為 Claude Code、OpenCode 和 Pi 等 AI 編程代理設計。它提供自動語義記憶捕獲、回憶和重要性加權衰減，無需依賴雲服務。記憶存儲在本地 SQLite 數據庫中，並支持鈎子、命令和圖可視化。

蘋果在AI上的投入遠低於其他科技巨頭（2026年資本支出預計140億美元，而四大雲廠商合計6700億美元）。作者認為，蘋果並非落後，而是基於真正的不信仰——它認為AI並非革命性技術。蘋果的CEO繼任者是非AI背景的硬件負責人，Siri開放給第三方模型，這些都體現了蘋果的堅定立場。相比之下，其他公司（如Meta、Google、微軟）的鉅額投資更像是帕斯卡賭注：一邊大肆宣傳，一邊悄悄對沖。蘋果是無所畏懼的無神論者，而硅谷其他公司則是恐懼的偽信徒。

EgoAERO是一個新穎的框架，能夠從單段第一人稱RGB-D人類演示中學習靈巧機器人操作，而無需預先掃描的物體資產。它重建接觸一致的手-物體軌跡，並通過兩階段殘差學習將其轉化為機器人策略。該框架還引入了在線質量評估機制，並構建了包含430萬RGB-D幀的大規模數據集EgoDex-R。實驗表明，其性能接近基於CAD的重建方法。

MuJoCo-Drones-Gym是一個基於MuJoCo物理引擎的開源多無人機模擬環境，支持任意數量的Crazyflie 2.x納米無人機，提供模塊化API選擇物理模型、動作接口和觀測空間，並集成PettingZoo並行環境以支持多智能體強化學習，包含七種任務場景。

IntentNav是一種從人類演示中學習類人物體導航策略的框架。它通過前沿的人類意圖標註方法推斷高層搜索意圖，並利用空間視覺候選空間實現高效探索。在多個基準測試中達到最先進性能，且零樣本遷移到多種機器人平台。

Q-VGM是一種離策略強化學習方法，通過引入VGG-Flow將值梯度轉化為去噪時間值梯度場，避免了對去噪鏈的反向傳播，從而有效微調流匹配視覺-語言-動作（VLA）策略。在LIBERO、RoboTwin 2.0及真實機器人桌面任務上顯著提升了成功率。

PRISM是一種任務無關的框架，通過輕量級MLP直接從世界模型編碼器中提取狀態條件高斯先驗，並利用精度加權的高斯乘積更新融合到規劃器的採樣分佈中，顯著提高了連續控制任務的成功率。

本文提出一種名為X-OP的全身遙操作框架，僅使用單個擴展現實（XR）設備即可跨不同形態機器人泛化，無需針對特定機器人重新訓練策略。該方法採用模型預測控制（MPC）運動重定向器，同時優化操作員意圖對齊和機器人動態可行性，並引入狀態同步和SLAM全局位姿反饋以確保魯棒在線執行。仿真和真實實驗表明，該方法在類人機器人和移動操作手上均取得更高成功率，降低完成時間和能耗，實現零碰撞。

研究人員開發了一種基於時間卷積網絡的實時端到端假肢控制器，無需手動調諧和意圖分類器。在平地、斜坡和樓梯等五種運動模式下測試，控制器表現出無縫適應能力，匹配訓練數據的縮放特性，並能在無需個體調整的情況下實現自然的樓梯過渡。

本文提出一種基於深度確定性策略梯度（DDPG）的路徑規劃方法，用於威脅環境中的自主車輛導航。該方法將威脅建模為圓形禁入區，通過強化學習訓練智能體直接從狀態映射到安全動作。獎勵函數包含目標吸引、障礙排斥和能量消耗懲罰。與傳統最優控制方法相比，DDPG在保證路徑有效性的同時大幅提升計算速度，適用於實時應用。

MinNav是一種基於光流及其不確定性的導航堆棧，使微型空中機器人能夠在靜態和動態障礙物以及未知形狀的間隙中飛行，無需任何關於場景組件的先驗知識。在真實世界實驗中實現了70%的整體成功率，且計算量遠小於深度方法，可直接在微型機器人上運行。

本文提出VoLoAgent，一種利用視覺語言模型（VLM）編排多種機器人能力的系統，用於開放詞彙長程操控任務。該系統將機器人動作視為可中斷的工具，實現實時規劃、監控和故障恢復。同時引入RoboVoLo基準測試，實驗表明VoLoAgent顯著優於單一VLA/VLM或基於工具的系統。

NeuroAlign是一個分層多模態融合框架，整合fMRI和DTI數據用於輕度認知障礙（MCI）分析。它引入了雙模態分層對齊（DMHA）和雙域分層交互（DDHI）模塊，以及無需梯度的協同激活映射（SAM）歸因方法，在多個數據集上取得了有競爭力的性能。

提出AMN（自適應多尺度細胞核網絡），一種雙編碼器分割框架，結合Swin Transformer和ResNet-50特徵金字塔，通過學習的每通道門控機制動態加權各編碼器貢獻。在CoNIC基準上平均Dice 0.82，F1 0.68，優於八種基線模型，並在MoNuSeg上展示強泛化能力。

本文針對非結構化城市交通中密集、遮擋和運動不規則等挑戰，提出了一種基於360度LiDAR的全方位感知框架，結合扇形區域全景處理與旋轉等變稀疏卷積，在印度城市交通數據集上驗證了其有效性。結果表明，該框架對汽車、公交車和卡車等大型物體檢測性能優異，但對行人、自行車和摩托車等小型可變交通參與者檢測仍有提升空間。

本研究提出SENTRY框架，利用有限種羣抽樣理論對視覺Transformer（ViT）進行統計故障注入，以極少的樣本即可在99%置信度下將故障率控制在1%誤差範圍內，實驗成本降低高達10700倍。研究發現，雖然僅3%的FP32位翻轉導致故障，但這些故障幾乎都會造成災難性的精度崩塌，且脆弱性主要集中在歸一化層和IEEE-754格式的關鍵指數位。

這項研究探討了人類和前沿多模態大語言模型（MLLM）在辨別真實與AI生成的法律證據照片方面的能力。研究者構建了SLED-1400數據集，包含200張真實證據圖片和1200張由六種文本到圖像生成器生成的合成圖片。實驗顯示，人類總體準確率為64.8%，在最強的生成器面前準確率近乎隨機；MLLM從未誤判真實圖像，但漏檢了大量合成圖像。結論是任何單一方法都不可靠，需要結合人類審查、MLLM篩查和來源追蹤技術。

本文介紹VisualLeakBench基準，用於評估視覺語言模型（VLM）在截圖、文檔等場景中是否將敏感文本複製到工具參數中。測試顯示，基線條件下PII傳播率達78.8%，不安全文本傳播率達85.5%；防禦提示可降低PII傳播至2.0%但犧牲了實用性，不安全文本仍達52.6%。

麻省理工學院的研究人員分析了對抗性微調對視覺Transformer（ViT）在圖像擾動下魯棒性的影響。他們發現，針對特定類型的圖像退化（如低頻和高頻干擾）進行微調，確實能提升模型在該類退化上的表現和置信度，但無法泛化到未見過的退化類型。儘管模型各層的視覺注意力和知識演化發生了變化，但對抗性訓練並未根本改變ViT學習到的稀疏表示。

SlideCheck是一種輕量級工具，利用凍結的病理基礎模型補丁特徵對全切片圖像中的異常和惡性進行評分，從而更好地控制預訓練數據的組成。實驗表明，SlideCheck定義的數據分佈影響下游ViT預訓練性能，策展的補丁子集可以達到全數據性能。

該博士論文提出兩種隱私保護框架，利用集體音視頻信號推斷羣體情緒，避免個體監控風險。第一種採用交叉注意力融合與幀注意力池化，第二種變分編碼器多解碼器學習共享潛空間。實驗表明無需個體特徵即可達競爭性能。