本文提出了一種利用深度神經網絡從單張日常人體圖像估計BMI、體重和身高的方法。研究人員創建了包含6105張多樣本圖像的新數據集，並探索了多模態輸入（RGB、深度圖、姿態親和圖、邊緣圖）的效果。實驗表明，全身圖像比半身或面部圖像估計更準確。

本文提出知識引導的原子動作解纏（KDA）方法，利用大語言模型將動作標籤分解為原子動作，通過知識注入和解纏模塊增強視頻特徵，實現細粒度動作識別，在多標籤動作識別基準上取得最優性能。

AgentGUI是一個用户友好的本地GUI，旨在解決AI代理自主能力提升帶來的監督滯後問題。它提供豐富的代理軌跡可視化、手動和自動操控功能，並與開源及前沿代理框架集成。用户研究表明，使用AgentGUI識別代理軌跡關鍵元素的速度提高38%（p=0.023），其自動漂移預防功能可使小型本地代理的任務完成率提升高達34個百分點。

這項研究探討了在本地大語言模型（LLM）機器翻譯中，提示範圍和示例選擇作為實驗變量的影響。研究者比較了三種本地指令調優的LLM與專用機器翻譯基線，發現專用系統仍然最強，尤其是日耳曼語系語言。少樣本提示對某些模型有幫助，但家庭範圍提示可能暴露較小模型的結構化輸出失敗。研究建議評估LLM翻譯時不僅要考慮語言對和指標，還要考慮提示範圍、檢索策略和多目標遵從性。

本文提出Robostreet Flow貨運架構，通過優化車輛設計、編隊行駛和運營模式，將噸英里成本降低56%。該平台採用電池電動6x4牽引車，阻力系數0.35，碳纖維複合材料單殼車身和集成電池減輕重量50%。四輛卡車編隊行駛，後三輛實現L4自動駕駛，通過8米間距跟車減少阻力42-48%，能耗降低20.5%。

研究人員構建了一個包含超過60億字轉錄文本的宗教廣播語料庫，覆蓋785個網絡流媒體信號，為分析宗教媒體中的社會政治議題和語音處理研究提供了重要資源。

一種名為V-Steer的新方法通過在推理時編輯緩存的值向量來強制執行語言模型中的指令層級，在角色衝突基準測試中將主要約束準確率從不足18%提升到92%，且無需訓練。

本研究針對AI生成詩歌與人類詩歌難以區分的問題，提出了一種零樣本檢測流程，通過提取關鍵屬性來改善分類準確性，並減少訓練需求。

該研究評估了內容審核中不同干預位置和響應重寫的端到端效果，提出了有用性和有害暴露兩個客户結果指標。結果表明，僅響應過濾在僅過濾場景下有用性最高，而輸入+響應硬阻塞有害暴露最低。響應重寫可以恢復大部分被阻塞流量且不增加有害暴露。探針路由相比LLM路由顯著降低延遲。重寫通過泛化觸發語言平衡過濾器通過率和有用性，但在敏感領域可能遺漏安全支持信息。研究支持根據部署場景制定審核策略。

DuplexGen是一個通過校準LLM預測與少量人類偏好註釋來生成場景自適應輪流對話的框架。實驗表明，該方法在六個合作與競爭任務中比未校準的提示或通用數據訓練更符合人類偏好，證明人類校準是關鍵。

隨着科學投稿量激增，大型語言模型（LLM）被用於輔助同行評審。現有自動化新穎性評估通常將論文聲稱的貢獻與已有文獻比較，但人類評審員常因方法證據不足而質疑新穎性。為此，本文提出論文內主張驗證框架，利用LLM從引言中提取新穎性主張、檢索相關方法證據，並基於從182篇ICLR 2025論文評審中歸納的標準評估方法對主張的支撐程度。實驗表明，該框架的評估與人類評審員關注點高度一致，尤其在新穎性問題上。

本文提出了一種基於LLM的客户服務聊天機器人驗證方法，利用高保真合成客户代理(SCA)作為數字孿生，結合自動評估、專家測試和對抗性探測，在英國一家領先銀行成功應用，為受監管行業的合規部署提供了可擴展路徑。

本文研究了一種隨機多目標賭博機問題，智能體每輪選擇k個臂的候選集，並觀察其d維獎勵向量（半帶狀反饋）。目標是維護一個能聯合近似帕累託前沿的小型動作子集，通過所選臂的子集支配的超體積來形式化目標。定義了α-近似超體積遺憾（α=1-1/e），並提出了基於樂觀邊際貢獻估計的貪心算法THV-UCB，給出了無間隙和有間隙的遺憾界。

強化學習中的可驗證獎勵（RLVR）面臨展開生成瓶頸。SARA提出一種順序自適應分配方法，通過貝葉斯後驗和兩閾值規則，在早期識別有效或飽和的提示組，並將節省的預算重新分配給新提示。實驗表明，SARA在匹配基線性能的同時，減少了22%-67%的展開次數。

該研究提出ULoRA，一種統一的LoRA初始化方法，將現有方法統一為雙參數連續族，並發現最優初始化點因任務而異。調優後的ULoRA在GLUE任務上媲美甚至超越全微調，而自動變體ULoRA-Auto無需搜索即可接近最優性能。

本文提出弱到強在策略蒸餾（W2S-OPD），一種通過多個弱模型構建代理教師來提升強學生模型的新框架。該方法在數學和代碼基準測試中優於傳統在策略蒸餾，甚至允許學生超越領域專家。

依賴輸入的控制器係數常被視為動態推理或計算節省的證據。本文提出凍結控制器審計（FCA）來解耦這些概念，證明動態參數化單獨並不意味動態推理或效率提升。實驗顯示，靜態層間配置保留超過98%的性能，而動態模型可能更慢。

該研究探討了將監督微調（SFT）中的經驗教訓在不同研究領域之間轉移的可能性，包括對齊訓練、模型生物和玩具模型。通過三個實驗，作者證明了行為泛化、能力保留和魯棒性方面的教訓可以跨領域應用，並建議研究人員應借鑑其他領域的技術。

研究人員提出了一種改進的編碼器-解碼器Transformer模型，用於從紅外光譜中自動解析分子結構，無需預知的化學式。通過引入專家混合（MoE）解碼器模塊，利用線性順序統計量和Choquet積分進行非加性聚合，並添加對比對齊損失項，模型在Top-K預測準確率上比基線IR-only模型提升了超過10個百分點。研究表明，紅外光譜編碼了大部分化學信息，為AI在分析化學中的應用拓寬了道路。

新框架MeRLa通過元學習任務感知的獎勵塑形函數，改進了RLHF中的獎勵模型，從而實現了更好的對齊和性能。在LLaMA-3-8B上的實驗表明，與PPO、DPO等方法相比，該方法取得了顯著提升，並且訓練穩定性提高了41%。

Sim2Win是一種不依賴球隊身份的賽前戰術推薦框架，利用StatsBomb事件數據構建戰術畫像，通過K-Means聚類識別八種比賽風格，並訓練十三種分類器預測勝負平概率。在LOCO評估中，平均ROC-AUC達到0.704，準確率55.4%，優於ELO等基線。

研究人員發現，使用凍結隨機CNN特徵提取器的深度強化學習智能體，在沒有任何稀疏性誘導目標的情況下，會自發地在全連接層中產生極度稀疏的表徵。在確定性的Pong遊戲中，64個神經元中僅1-3個被激活，而可訓練的CNN在相同條件下激活55-64個。稀疏性程度隨任務複雜度變化，且隨機種子會導致不同的稀疏模式。移除這些活躍神經元會導致性能崩潰，而活躍集在訓練早期就已鎖定。該現象揭示了輸入維度遠大於任務固有維度時，梯度下降在凍結隨機投影上可以揭示問題的有效秩，無需顯式的稀疏性機制。

Textideo的AI Facebook廣告視頻生成器利用先進的人工智能模型，幫助企業和營銷人員快速將產品圖片、描述和創意轉化為專業視頻廣告。無需編輯技能或昂貴製作團隊，即可生成產品推廣、品牌故事、教育視頻等多種廣告類型，支持UGC和移動端優化。

Premation是一款開源AI工具，旨在替代Adobe After Effects，提供基於人工智能的動畫和合成功能。

作者反駁了AI萬能論，指出人工智能無法解決醫療、住房等領域的主要瓶頸——這些瓶頸源於監管、政策和社會治理。通過分析藥物研發中的臨牀實驗和專利制度，作者揭示了AI在現實世界應用中的限制，並批評了硅谷技術精英的思維文化。

據報道，谷歌AI工作室的“刪除”功能並未真正刪除用户數據，服務器上仍保留聊天記錄。此問題通過三個視頻被揭露，引發對數據隱私的擔憂。

Kinney Drugs藥店在佛蒙特州和紐約州的門店推出了AI助手“伯特”用於處方續藥，但顧客反映系統頻繁出錯，包括錯誤劑量、未通知取藥、無法找到賬户等問題。許多顧客感到困惑和不信任，部分人因隱私擔憂而轉投其他藥店。AI技術的應用也引發了關於數據共享和監管滯後的討論。

Databricks 推出 Genie Code 的智能代理轉換器（Beta 版），將專有 SQL 方言（如 T-SQL、Snowflake 等）轉換為開放的 ANSI SQL。通過並行代理迭代轉換、驗證語法和語義，簡化數據倉庫遷移。支持遷移項目管理、複雜度評分和血緣分析，並提供自定義技能自動應用轉換規則。

Databricks推出智能代碼轉換器（Beta），利用Genie Code AI代理將T-SQL、Snowflake等專有SQL方言自動轉換為開放ANSI SQL，並支持遷移項目管理、複雜度評分、譜系分析及自定義規則，大幅簡化從傳統數據倉庫到Lakehouse的遷移。

一段視頻引發了關於AI行業是否面臨泡沫破裂風險的討論，分析了市場過熱跡象和潛在影響。