一年前，NVIDIA創始人黃仁勳與英國首相斯塔默宣佈英國將成為AI製造者。如今，NVIDIA及其合作伙伴展示該國在基礎設施、初創企業和企業領域的AI進展，包括主權AI部署、Isambard-AI超級計算機及多項創新應用。

這句新格言是對經典程序員嘲諷“雲是別人的計算機”的現代演繹，反映了AI時代技術依賴的新現實。

Web Speed 將 HTML 頁面解析為 AI 代理易於讀取的站點地圖，通過避免分析完整 HTML 或截圖，使代理更便宜、更快。它原生支持 MCP，並具有全局站點地圖緩存，進一步加速代理。

研究人員首次在真實倉庫中展示了僅利用外部攝像機網絡和邊緣計算實現多機器人協調的可行性。系統通過未經標定的像素級拓撲攝像機圖在圖像空間中進行規劃，採用分層規劃器為每個機器人選擇攝像機序列並規劃運動，通過優先-聯合策略協調機器人，將重疊攝像機區域視為共享資源以避免碰撞和死鎖。在4個機器人、30個攝像頭、6條27米通道的倉庫中驗證了該方法。

視覺運動操控策略在分佈偏移下常因缺乏對機器人基座座標系的理解而失敗。AxisGuide通過渲染基座座標軸到RGB圖像中，提供顯式的動作座標線索，顯著提升了策略的泛化能力和任務成功率。

自主網絡物理系統（CPS）處於基於模型的系統工程（MBSE）與數據驅動機器學習/人工智能（ML/AI）的交匯點，但尚無一種系統工程（SE）方法論原生涵蓋兩者。本文提出IDDMBSE，一種集成數據驅動與基於模型的系統工程方法，在嚴格的MBSE V流程每一步擴展數據驅動循環，並基於SysML、自主棧及混合模型驅動與數據驅動權衡架構。通過開源工具鏈PERFECT（將SysML系統架構映射到可執行ROS自主棧用於可擴展性能評估）、TRADES-X（將設計空間探索分解為基於模型的優化階段與數據驅動的評估階段）和VERITAS（結合形式化、數據驅動與運行時驗證於統一保障工作流）實例化該方法。在可信自主地面機器人全生命週期上演示，包括傳感器套件選擇、風險敏感路徑規劃、行為樹任務驗證、基於共形預測的魯棒感知以及多機器人協調，均在發佈的Isaac Sim測試環境中進行。最後概述了正在SysML v2/KerML基礎上重構IDDMBSE，以實現語言原生組合性和更緊密的ML/AI集成。

SCOUT是一個在線語義探索框架，通過將主動遍歷與概率場景圖構建相結合，使機器人能夠逐步理解環境。它利用不確定性引導的遍歷規劃器，在語義確定性增益、幾何覆蓋增益和移動成本之間取得平衡，從而實現自主的長期場景理解和更新。

本文提出了一種基於模型的控制框架，用於七自由度機械臂使用工具進行非抓取式拋球接球。該框架採用兩階段最優控制方法計算可行的運動模式，並通過離線計算軌跡實現實時誤差校正，在仿真和Franka Emika Panda機器人實驗中驗證了有效性。

本文通過一個簡單框架解決了樹形結構上多智能體路徑規劃（MAPF）的複雜性問題，涵蓋距離、最大完工時間和流動時間等標準目標，以及標記和着色變體。證明了在樹上標記和2着色MAPF的所有三種目標都是NP難的，並解決了經典的卵石移動問題。所有結果通過堆棧重排問題的NP難性得出。

本文探究了利用日常互聯網視頻共訓練機器人操作策略時影響遷移效果的關鍵因素。作者構建了一個包含532段人類視頻、28小時高質量三角測量手部標註的新數據集，發現手部姿態質量影響遷移，但即使手部標註準確，視覺和策略網絡若不針對具體形態特化，動作差距仍會阻礙遷移。所提出的共訓練方法在低機器人數據場景下，六個操作任務的平均成功率提升了29.7%。

機器人操作物理謎題對於自動組裝和拆卸任務至關重要，但訓練數據集生成耗時費力。提出PhyRoGen框架，利用程序化內容生成自動生成合成操作謎題數據集，包含六種具體生成器生成24個謎題，並在仿真中用KUKA機器人驗證了所有謎題的可操作性。

本文認為通用機器人智能的瓶頸不僅是策略學習，還缺乏將非結構化行為數據轉化為機器人監督的機制。作者提出了四種缺失組件：數據接口、具身接口、世界模型接口和獎勵接口，並呼籲構建能從更廣泛的物理世界學習的機器人系統。

深度偽造檢測系統在基準測試中近乎完美，但法醫部署需要可靠的不確定性估計。現有不確定性量化方法依賴單一來源，忽略了最優不確定性組合因架構而異。本文提出相關性優化融合（COF），一種架構自適應框架，通過最大化融合不確定性分數與預測誤差之間的皮爾遜相關性，融合五種互補的不確定性來源：認知、偶然、校準、共形和分佈。COF無需修改模型，僅需42秒權重優化，而5模型深度集成需要20-45小時。在FaceForensics++上對11種架構的評估揭示了根本性權衡：在匹配訓練/評估協議下，非線性方法域內相關性比COF高約5-6%（平均r=0.438），但在分佈偏移下情況反轉。在CelebDF上，COF在9/11架構上優於隨機森林，相關性最高提升7.3倍（MaxViT-B：r=0.249 vs 0.034）；RF跨域退化85%至r=0.071，而COF保留更多信號（下降74%至r=0.116）。跨數據集評估（CelebDF和DFDC）顯示所有方法均出現災難性泛化失敗：域內相關性0.41-0.47降至外部接近零（平均退化90.7%），11種架構中有7種出現不確定性反轉。這些結果將COF確立為可控分佈部署的實用可解釋框架，並指出域自適應UQ是法醫部署的核心開放挑戰。

ViSAE是一個基於神經科學原理的工具箱，通過概念電路解釋和引導視覺Transformer（ViT），顯著提升可解釋性和最差組準確率。

DIRECT框架通過將插入條件分解為外觀、幾何和上下文引導，實現了可控制姿態的對象插入，在幾何控制和視覺質量上優於現有方法。

本文提出DTG-FF方法，在前向-前向（FF）學習框架上實現了多個真實數據基準的最優性能，但發現：在真實數據上，反向傳播（BP）仍顯著優於FF，且差距隨類別數增加而擴大；合成任務高估了FF的可擴展性；在同等硬件條件下，FF的內存優勢並不成立。

WorldBench是一個新的多模態推理基準，旨在評估多模態大語言模型在視覺多樣性方面的表現。它通過構建包含數千個視覺概念的分類體系，從搜索引擎和現有數據集中精選圖像，並設計前沿模型難以回答的問題。評估15個模型顯示，最強模型準確率僅64%，部分模型接近隨機水平，突顯了視覺多樣性在基準測試中的重要性。

提出AE-YOLO框架，通過集成輕量瓶頸自編碼器、CBAM和方差最大化正則化，解決無人機圖像中絕緣子缺陷檢測的類不平衡、尺度變化和小目標問題。在數據集上達到95.10% [email protected]，超越YOLO基線5.0點。

該論文提出利用U-net和DeepLabV3+卷積神經網絡架構，對混合現實中的駕駛艙圖像進行前景與背景分割，以增強虛擬與現實圖像的融合。在CAT793F礦用卡車模擬器採集的圖像上實現了約90%的分割準確率。

本研究提出在線策略擴散語言模型（OPDLM），通過在線策略蒸餾（OPD）將自迴歸模型轉換為擴散語言模型，解決了傳統方法中的分佈偏移問題。實驗表明，OPDLM在多種任務上僅需15到7000分之一的訓練數據即可達到強性能，將DLM轉換定位為ARLM的後訓練步驟。

網絡代理在長週期任務中每步動作都讀取完整DOM（通常數萬token），導致上下文逐漸退化。本文提出信號驅動觀察（SDO）：專用子調用讀取完整DOM但只返回任務相關元素，僅當輕量信號檢測器觸發時重新調用。作者呼籲將觀察壓縮作為核心架構決策。

一項研究分析了來自75個國家1500份開放式回答，發現人們對AI的偏好高度多樣且矛盾。除“真實性”外，多數價值觀被不到四分之一的受訪者提及。即使“真實性”也被賦予不同含義，有些要求來源可查，有些要求專家意見，還有些要求不受歡迎的觀點。某些AI能力，如擬人化行為，存在爭議。研究指出當前RLHF對齊方法存在根本缺陷，將情境化、有爭議的信號壓平為普遍偏好模型，構成“認知暴力”。

提出搭便車假設，認為聊天模板標記可以將微調行為搭便車到域外查詢上。通過前綴擾動驗證，並提出了標記正則化微調（TReFT）來緩解湧現性錯位。實驗表明，TReFT在保持領域內學習的同時顯著減少錯位，支持該假設。

從自然文本中形式化複雜推理是計算語言學的核心挑戰。當前的論證挖掘技術能識別基本主張和前提，但難以捕捉更豐富的結構信息。CAF-Gen是一個自動化多智能體框架，通過迭代的創建者-審查者流水線，將淺層論證結構豐富為符合卡尼德斯論證框架（CAF）的模型。實驗表明，迭代反饋循環提高了數據質量，並與原始標註高度一致。

該研究通過詞元級不確定性信號識別語言模型推理失敗的兩種不同過程：承諾性失敗（模型早期鎖定錯誤路徑）和持續性不確定（不確定性持續累積）。框架在23個模型-數據集配置中驗證，20例通過可證偽預測，並展示了對自一致性方法的改進。

UnpredictaBench是一個新的基準測試，用於評估大型語言模型（LLM）捕捉真實底層分佈的能力。隨着LLM越來越多地被用作其他實體的替代品（例如，在經濟模擬中替代人類），許多模型傾向於收斂到單一合理答案，無法捕捉真實系統的不可預測性。該基準包括448個問題，涉及典型統計分佈、隨機程序誘導的分佈以及描述隨機過程的自然語言場景。採用KS@N指標，通過Kolmogorov-Smirnov檢驗量化模型輸出近似黑盒目標分佈的程度。實驗表明，模型表現差異很大，KS@100得分從接近0到超過20%，沒有模型能超過40%。添加推理能力可以略微提高得分，但無法根本解決。UnpredictaBench表明，即使是簡單的分佈模擬仍然具有挑戰性，是使用LLM作為複雜系統替代品的必要第一步。

該研究通過收集550段人類對話及三個階段的判斷數據（提取、配對、響應），揭示了大型語言模型在個性化任務中依賴合成數據與真實人類數據之間的性能差距。模型在提取用户屬性時表現不佳，與人類判斷存在分歧，生成的個性化響應在人類評價中並不優於通用響應。引入兩種輕量級訓練干預能改善前兩個階段，但獎勵模型與人類評分的相關性仍然有限。

大型語言模型在英語訓練中編碼了大量世界知識，但在其他語言中表達這些知識時常常失敗，即跨語言事實不一致。本文提出PolyFact數據集（10萬條Wikidata事實，12種語言），比較了輕量持續預訓練（CPT）、監督微調（SFT）和基於GRPO的強化學習。結果表明GRPO顯著優於SFT和CPT，提高了跨語言一致性和對未見語言的泛化能力。機制分析顯示GRPO通過減少MLP層和注意力頭的語言專門化，促進了共享跨語言表示。代碼、模型和數據集已開源。

一種名為GPLFR的新模型，結合壓縮與預測，通過高斯過程先驗和低維潛在狀態解碼高維輸出，適用於低數據量場景。首次用於構建岩石系外行星全球氣候模型的空間分辨仿真器。

研究發現，大語言模型（LLM）的層可以被動態跳過或重複，形成針對每個輸入的定製程序，通常用更少的層就能達到相同或更高的準確率。通過輕量級預測網絡，PoLar方法在數學推理基準上持續優於標準推理和先前動態深度方法。