台灣擁有超過500家英偉達生態系統合作伙伴，超過100萬個用於英偉達Vera Rubin基礎設施的MGX機架組件來自台灣25個工廠。隨着Vera Rubin全面投產以支持全球AI工廠，生態鏈覆蓋從晶圓和芯片合作伙伴（如台積電、日月光等）到製造和系統領導者（如富士康、廣達等）。這些夥伴不僅建設AI工廠，還將加速計算、模擬、AI智能體及物理AI應用於自身運營，提高製造效率。台積電利用CUDA-X庫和AI模型改進光刻和工藝；富士康基於英偉達工廠運營藍圖構建MoMClaw智能體，預計根因分析提速80%，生產率提升15%；廣達使用Omniverse數字孿生加速工廠規劃；緯創通過Omniverse DSX實現佈局分析提速70%並降低電力需求；和碩採用缺陷圖像生成智能體減少AI視覺檢測部署時間67%；英業達通過合成缺陷數據縮短AI部署時間約25%。

為了便捷和速度，我們正在削弱連接和組織社會的能力。我們必須堅持信任人類而非機器。文章通過作家史蒂文·羅森鮑姆的案例，揭示了AI在研究中產生虛假引用的風險，並警告人們應警惕AI的侵蝕。

超過100個難民兒童組織聯合批評英國政府計劃使用AI面部年齡估算技術評估年輕尋求庇護者的年齡，認為此舉可能導致更多兒童被錯誤地送入成人監獄或拘留中心。

Hephaestus' Forge 是一個自託管的Web應用，通過5階段引導式嚮導對您的想法進行訪談，並生成一份完整的、可立即投入構建的文檔包，包括項目藍圖、PRD、技術規範和估算，可直接作為上下文提供給AI編碼代理。它支持多種AI引擎（Claude Code、Codex、Gemini CLI、Ollama等），100%本地運行，注重隱私，開源（MIT），並且多語言支持。

NVIDIA發佈RTX Spark超級芯片，專為個人AI代理設計的Windows PC，提供1 petaflop AI性能和128GB統一內存。與微軟合作確保安全本地運行，支持120B參數大語言模型、大型3D渲染和高端遊戲。Adobe等軟件廠商正為其優化應用，搭載RTX Spark的筆記本和桌面電腦將於今年秋季上市。

NVIDIA 發佈了 Cosmos 3，這是一個開放的世界基礎模型，結合了視覺推理、多模態生成和動作預測，使機器人、自動駕駛汽車和視覺AI代理能夠理解並預測現實世界中的變化。該模型採用混合變換器架構，能夠生成合成視頻、機器人動作數據等，並支持從智能城市到工業自動化等多種應用。Cosmos 3 在多項基準測試中排名第一，並已開放獲取。

Simon Willison發佈了2026年5月的贊助者專屬月度通訊，內容包括AI成本上升、Anthropic表現強勁、模型發佈令人失望、Datasette Agent發佈等。

NVIDIA發佈了Cosmos 3，這是一個統一的世界基礎模型，結合了世界生成、物理推理和行動生成。該模型基於混合Transformer架構，支持多種輸入和輸出模態，包括文本、圖像、視頻和動作。提供兩個版本：Cosmos 3 Nano（8B參數）和Cosmos 3 Super（32B參數），並已集成到Hugging Face Diffusers庫中。同時發佈了多個用於物理AI的合成數據生成數據集。

Parallax是一種新型注意力機制，保留Softmax注意力並添加一個學習的協方差修正分支，替代了局部線性注意力（LLA）中的逐查詢求解器。它通過重用FlashAttention的鍵值流，將算術強度提高一倍，並在0.6B和1.7B規模的LLM預訓練中實現了更低的困惑度。然而，其優勢高度依賴於Muon優化器，在AdamW下增益顯著縮小。

NVIDIA 在 COMPUTEX 台北 GTC 上發佈了 RTX Spark——專為個人智能體打造的新型 Windows PC，並帶來一系列更新，將本地智能體擴展至整個 RTX 和 DGX 生態系統。RTX Spark 擁有 1 petaflop AI 算力和 128GB 統一內存，支持安全、私密的本地運行。NVIDIA 與微軟合作，通過新的 Windows 安全基元與 OpenShell 運行時，為智能體提供身份、策略和隱私保護。同時，llama.cpp 和 vLLM 等開源項目獲得性能優化，推理速度提升最高 2.6 倍。Adobe 也將為 RTX Spark 重新架構 Premiere 和 Photoshop，提供更快的 AI 加速創作體驗。

ZAPS-DA是一種新框架，通過解耦執行器與零相位濾波，在不引入相位延遲和後處理的情況下，顯著降低強化學習連續控制策略的高頻動作抖動，在駕駛模擬器中實現14-21倍的轉向抖動減少，且任務成功率幾乎不變。

ARISTO手是一種腱驅動機械手，通過主動遠端過度伸展和混合指尖傳感架構（剛性指甲安裝力-扭矩傳感器與軟電容觸覺陣列），將薄物體的拔出力提高了2.76倍，併成功完成SD卡插拔任務。

VLM-GLoc提出一種利用開放詞彙視覺語言模型（VLM）作為統一語義觀測前端的分層語義蒙特卡洛定位方法。該方法在幾何模糊且準靜態的環境（如雜貨店、辦公室等）中，通過提取區分性文本特徵、隱式質量過濾和持久性推理實現數據增強，並引入逆語義提議機制。在3500平方英尺雜貨店和3700平方英尺實驗室的實驗中，分別達到70%和74%的全局定位成功率，顯著優於傳統方法。

CoMo3R-SLAM是首個協作式單目密集RGB SLAM系統，利用學習的前饋三維重建先驗實現户外多智能體地圖構建。每個智能體運行先驗引導的前端進行實時跟蹤和局部密集融合，協調器執行密集點雲匹配、閉環Sim(3)同步和GPU加速的全局束調整。無需深度傳感器或參數化內參，僅憑單目RGB即可生成魯棒的跨智能體約束和全局一致的度量地圖。在Tanks and Temples和Waymo數據集上，CoMo3R-SLAM在四個場景中的三個取得最佳ATE，精度達到或超過最先進的RGB-D方法，同時在線運行速度達8 FPS。

ELAN4D是一個面向機器人操作的訓練框架，通過預測未來機器人關鍵點軌跡為VLA模型提供時空監督，無需額外追蹤器或重建。它採用即插即用的輔助分支，在推理時丟棄，僅依靠前向運動學計算。實驗表明，該方法在多種擾動下均顯著提升基線模型性能。

本文提出了一種結合監督式神經全局規劃器和學習型DWA局部規劃器的室內移動機器人導航框架。全局規劃器通過成本感知的A*專家軌跡訓練，局部規劃器採用行為克隆初始訓練後經PPO強化學習優化。在仿真和真實環境中的實驗表明，該方法能夠生成可行的全局路徑和可靠的局部運動指令，實現安全的避障導航。源代碼將公開發布。

本研究通過10個實體機器人的搬運與地圖構建任務，發現將全連接通信拓撲改為模塊化層次結構可使歸一化性能提升47分（0-100分），而將神經網絡隱藏層大小加倍最多僅提升9分。嵌套混合效應模型比較顯示拓撲結構對模型擬合的改善遠大於規模擴展。結果在獨立SMAC模擬中得到驗證，但異構基準重分析僅提供次要一致性支持。性能在隱藏單元超過1024時出現飽和（基於模擬校準外推）。這表明在所測試的系統和任務中，交互結構可主導性能提升，但更廣泛的定量泛化仍需驗證。

該論文提出了一種隱私優先的視覺監控流水線，所有推理均在邊緣設備上完成。使用YOLOv5n-seg模型在樹莓派5上通過Hailo-8L加速器進行實時目標檢測，原始像素緩衝區在推理後立即丟棄。狀態觸發引擎將最小JSON事件載荷發送至本地運行的Phi-3 Mini大語言模型，生成自然語言警報。整個過程無圖像數據跨越網絡邊界，符合GDPR數據最小化原則。

研究人員提出了一種名為GCSER-UNet的新型深度學習網絡，用於從多模態MRI中精確分割腦腫瘤。該網絡融合了空間和通道注意力機制，在TCGA LGG和BraTS 2020數據集上分別達到94%和95%/92%/90%的Dice分數，超越了現有最先進方法。

本研究提出了一種面向北極的超高分辨率遙感基礎模型，通過多樣性感知的區域圖像篩選和掩碼自編碼器（MAE）自監督預訓練，在Vision Transformer（ViT）上取得了顯著改進。模型在四個北極數據集上相比ImageNet基線提升了5-8%的F1分數，並超越了通用地球觀測基礎模型Prithvi-EO-2.0，凸顯了領域特定預訓練的重要性。

Dex2HOI是一種統一的擴散模型，能夠從文本生成單對象和雙對象的人-物交互（HOI）動作。它採用雙流擴散方法，通過雙向交叉注意力協調雙手操作兩個物體，並引入運動融合網絡和手部相對物體表示，實現實時生成任意長度序列，推理速度相比先前最先進方法提升540倍。

本文提出了一種後處理框架，用於融合原始圖像與生成式AI增強圖像，在保留感知增強的同時強制結構保真度，有效抑制空間錯位、紋理扭曲和內容幻覺。實驗表明，該方法在保持像素級結構一致性和輸入分辨率的同時，更好地保留了美學質量。

本文提出DTG-Restore，一種無需訓練的視頻超分辨率框架，通過解耦時間引導（DTG）來利用視頻擴散模型先驗，增強扭曲和低分辨率視頻。該方法在更乾淨的擴散時間步評估無條件分支，提供前瞻先驗，保留幾何結構同時抑制扭曲內容的複製。與任何現成的恢復模塊即插即用，提升了感知連貫性和結構合理性。同時發佈了包含4400個扭曲480p視頻的GenWarp480基準測試，專注於生成式退化如扭曲面部、身體錯位等。實驗表明，該方法在不需重新訓練的情況下顯著提高了結構保真度和時間穩定性。

SANA-Streaming是一個系統-算法協同設計的框架，用於在消費級GPU上進行高分辨率實時流式視頻編輯。它採用混合擴散變壓器架構、循環反向正則化訓練策略和高效系統協同設計，在RTX 5090上實現1280x704分辨率24 FPS的實時編輯。實驗表明，該方法在時間一致性和系統吞吐量上顯著優於現有技術。

本文提出SURGE框架，通過對比InfoNCE損失在共享嵌入空間中遷移教師檢測器的關係幾何知識，實現輕量級SAR艦船檢測。該架構無關的方法在SSDD和HRSID基準上使兩級檢測器提升6.2 mAP和8.0 AP75，甚至超越教師性能。

本文介紹了CanLegalRAGBench，一個基於真實查詢和專家註釋的加拿大法律QA基準，用於評估檢索增強生成系統。研究表明，檢索性能對設計選擇敏感，開源嵌入模型與閉源模型競爭力相當，但自動評估存在侷限性，生成答案常出現幻覺或偏離正確答案。該基準旨在推動法律RAG系統的改進。

本研究探討大型語言模型（LLM）在跨語言知識接口中的文化偏差問題，提出了“全球敍事主導”概念，並通過孟加拉語數據集CulturalNB的測試，發現英語提問會系統性地增加全球替代和制度框架，減少本地視角覆蓋。本地證據能改善事實一致性，但無法消除語言引發的認知偏移。這一發現表明，LLM的文化失敗不僅是知識缺失，更是根基缺失和敍事優先級的問題。該研究為開發更具文化包容性的AI系統提供了重要理論基礎。

一項最新研究首次系統評估了多模態語音識別中的偏見問題。研究發現，當不同面孔與相同音頻配對時，模型的轉錄準確率出現顯著差異，尤其是涉及性別和種族交叉時，詞錯誤率最高可差4.05個百分點。這表明，增加模態並非一定提升性能，反而可能引入新的偏見。

本研究提出一個基於知識圖譜的零樣本多標籤主題分類框架，系統比較了八種方法（四種基礎變體及其圖增強版本）在十五個大語言模型和八個數據集上的表現。結果表明，關鍵詞增強分類（AK）是最佳基礎方法；圖增強對小型模型有正面影響，但對大型模型效果不佳，説明大型模型已從預訓練中獲得足夠的關係信息。自一致性解碼未提升性能，但計算成本增加約五倍。

該研究探索了多語言大模型中比喻語言生成的內部信號是否跨語言可複用。通過激活引導，從一種語言的比喻-字面激活差異中估計方向並應用於生成。實驗證明這些方向在同語言內可靠引導，且可跨語言遷移，其中德語最易接受。多語言組合的方向可匹敵或超越目標語言自身方向。