研究者利用AI對FreeBSD內核進行安全審計，發現15個漏洞，包括5個本地權限提升、1個bhyve虛擬機逃逸等，並公開了其中三個LPE漏洞的利用代碼。該項目旨在幫助維護者更高效地發現和修復漏洞。

本文探討了AI編碼代理（以Claude Code為例）在權限管理中的安全隱患，包括命令誤執行、憑據泄露、提示注入等風險。文章指出人類監督存在“權限疲勞”問題，並介紹了Anthropic提出的沙箱、自動模式、鈎子等緩解措施，同時強調了使用開發容器和最小化權限原則的重要性。

Hexo Labs 發佈了 SIA（Self-Improving AI），這是一個基於 MIT 許可證的開源框架，能夠在一個自我改進循環中同時更新代理的框架（scaffold）和模型權重。SIA 由三個 LLM 組件驅動，並在三個不同領域（法律分類、CUDA 內核優化、單細胞 RNA 去噪）的測試中表現出色，結合框架和權重更新優於僅框架更新。論文稱 SIA 是首個同時編輯框架和權重的系統，並已開源代碼。

AI可能改變跨平台應用開發的方式，從統一UI框架轉向一個產品圖譜，由代理生成多個原生界面。

PromptLayer是一個面向開發者的AI可觀測性工具，通過單一時間線和瀑布視圖追蹤請求、工作流、令牌使用、延遲、成本和失敗。支持多步驟AI系統的完整執行路徑。目前提供免費測試版。

企業AI項目常將設計視為最後一步，但HTEC首席產品與設計官Carsten Wierwille認為這是戰略性錯誤，導致許多AI工具技術可行卻無法改變實際工作方式。他探討了設計清晰度、認知設計等關鍵概念。

喜劇演員錢信伊在哈佛大學第375屆畢業典禮上，以幽默卻嚴肅的方式向畢業生髮出關於人工智能的警告。

Drafted是一款AI工具，可讓用户即時設計家居空間。

探討人工智能生成系統代碼的意義與潛在影響。

文章作者通過文本分析、統計證據和AI檢測工具，論證了教皇利奧一世的首份通諭《Magnifica Humanitas》中有大量內容是由AI（特別是Claude）撰寫的。作者指出，通諭中使用的破折號、詞語“genuinely”的頻率遠高於以前的通諭，且Pangram檢測器標記部分段落為AI生成。作者認為，儘管個別證據可能被解釋，但多重證據的吻合難以忽視。

CodePulse是一個開源的代碼庫索引工具，通過維護持久的、基於git差異的索引，為AI編碼助手（如Claude Code、OpenAI Codex CLI、Cursor等）在會話啓動時注入緊湊的快照，從而節省60-80%的令牌預算。它支持任務感知排序、git感知排序和自動預算功能，並提供了CLI、MCP服務器等多種集成方式。

Lithium是一個基於PostgreSQL ltree的分層版本化存儲引擎，提供確定性、範圍化的檢索，內置版本控制，零運行時依賴。它通過MCP服務器與AI工具集成，適用於AI代理記憶、決策跟蹤等場景。

作者因Wayland下剪貼板同步問題，用AI（Claude Code）將Java項目ClipCascade重寫為Rust，創建了輕量級二進制工具clipboardwire。過程中發現AI開發的關鍵瓶頸是反饋質量而非編碼能力，而UI測試是讓AI可靠迭代的護欄。

Xerolith是一個工作平台，通過分層遞歸架構實現持久身份、自主信念形成和獨立於底層的知識整合。系統在80多天的連續運行中，將2,817個原始條目壓縮為1,218個信念，並支持完整的譜系追蹤和內部對齊。

本文介紹了一個使用Deep Agents、LangSmith和You.com金融研究API構建的宏觀經濟研究代理，該代理在約45分鐘內分析所有27個歐盟成員國的GDP數據，檢測異常並生成帶有引用的簡報。報告詳細分析了愛爾蘭和德國的異常增長與收縮原因，並強調了方法透明性和可審計性的重要性。

本文提出了一種雙無人機空中對接平台，兩個四旋翼飛行器以領航-跟隨編隊運行，通過輕量級模塊化框架和被動磁鎖實現對接。系統採用進度感知任務監督器管理接近、對準、捕獲和穩定階段，集成了完整的硬件-軟件棧（ROS 2與Crazyflie/PX4接口），並在仿真和實際實驗中進行了評估。該平台為模塊化空中合作和可重複空中操作提供了統計上可靠的測試平台。

本文提出一種相位條件、力感知的框架，用於魯棒的可變形物體操作。通過FiLM調節的ACT編碼器和多模態相位預測器，系統能自主檢測並恢復接觸故障，將T恤懸掛成功率從56%提升至87%。

本文提出了一種去中心化框架，將大語言模型與聲學移動機器人相結合，實現非接觸式物體操作。系統利用Whisper語音識別、LLM語義解析和JSON任務調度，將語音指令轉換為協調的多機器人行動。在兩個基於TurtleBot3的聲學機器人上的實驗顯示，順序任務成功率為96%，並行任務為86%，同步協作任務為70%，展示了LLM驅動自動化在人機交互中的潛力。

開放運動規劃庫（OMPL）自2008年首次發佈以來，已成為運動規劃社區的基石，提供了大量最先進的基於採樣的算法實現。經過近二十年的持續發展，OMPL 2.0通過硬件加速瞄準實時運動規劃，並與現代AI研究工作流程無縫集成。

MonoDuo提出了一種利用單臂機器人演示結合人類協作來訓練雙臂操縱策略的方法。通過在單臂遙操作和角色互換中收集數據，並利用手部姿態估計、圖像分割和修復技術生成合成演示，MonoDuo在五項任務中實現了高達70%的零樣本成功率，並通過少量微調進一步提升性能。

研究人員提出動態對稱性概念，以動態各向同性衡量機器人質心加速度的均勻性。通過模擬和物理實驗，他們發現高動態對稱性顯著提升軌跡跟蹤、任務成功率、魯棒性、恢復力和能效。團隊開發了Argus系列球形機器人，其中20足變體實現了近乎極端的動態各向同性，展示了方向無關的運動、複雜地形穿越、快速自我穩定及部分致動器失效下的韌性。

本文提出了一種基於遞歸神經網絡和一步預測控制的數據驅動方法，用於線弧增材製造（WAAM）中的焊道幾何控制。通過在線更新模型以應對熱條件變化，顯著提高了焊道高度和寬度的一致性。

研究者提出了一種多分辨率端到端深度神經網絡，用於自動駕駛中延遲與安全性的平衡。通過在運行時選擇輸入分辨率，該網絡在CARLA模擬中相比固定分辨率模型改善了車道入侵、闖紅燈和碰撞等安全指標。

本文提出“仿生羣體”系統，通過讓人類用户執行機器人難以實現的任務，降低野外和羣體機器人研究的門檻。該系統使用智能手機應用、藍牙傳感器和中央服務器運行羣體算法。研究驗證了分數偏置搜索算法，在模擬和實際户外環境中均表現出超線性地圖重建能力。

該論文提出了一種目標感知的自監督預訓練與模型集成策略，利用未標記的目標域數據提升醫學影像AI在跨設備場景下的泛化性能。在兒科腕部骨折超聲評估任務中，該方法在目標域上Dice係數提升超過6%，實現了標籤高效且隱私保護的跨設備魯棒AI。

論文《Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals》提出GeRaF 2.0框架，融合視線幾何約束與神經場，實現射頻信號下隱藏場景的高質量三維重建，在CVPR 2026發表。

GeRaF 是首個利用神經隱式學習從射頻（RF）信號進行近距三維幾何重構的方法，通過濾波渲染、物理建模和無透鏡採樣等技術解決了RF信號的低分辨率和噪聲問題。

本文提出兩種輕量級人臉偽造檢測模型LFWS和LFWL，通過在Xception基線基礎上添加僅292參數的融合模塊，分別結合小波去噪特徵與相位譜或局部二值模式，在多個基準上提升AUC 3-4%，超越更大模型。

該論文提出了一種自監督的Sentinel-1條帶模式SAR圖像增強框架，利用方位子孔徑分解生成訓練數據，無需外部傳感器或模擬真值。該方法結合單幀和多幀學習，並通過迭代推理逐步提升圖像質量。實驗表明，在PSNR和SSIM指標上優於MERLIN，但MERLIN在ENL上更高，揭示了結構保真度與斑點平滑之間的權衡。

該研究提出了Embodied3DBench，一個針對視覺語言模型在3D環境中低層級具身空間智能的基準測試，包含6個任務類別和超過21000個問答對。評估了13個模型，發現當前模型在高層次空間推理上表現較好，但在交互導向感知方面較弱。為此，他們合成了130萬問答對的訓練數據集，微調後顯著提升了低層級空間智能。