這是與克勞德的一次聊天分享。

MonkeysCode推出Capuchin AI，一個可完全擁有的智能IDE，賦予用户對開發環境的絕對控制權。

人權網絡指出，英國內政部面部識別軟件中的“種族主義偏見”高估了年齡，這將導致無人陪伴的兒童與成人被安置在一起，可能危及兒童安全。

本文提出一種基於視覺語言模型（VLM）的機器人定位方法，利用OpenStreetMap的豐富語義信息，從全景圖中提取地標並與先驗地圖匹配，通過蒸餾輕量級匹配器提高效率，並在多種環境（包括雪夜）中驗證了泛化能力。

針對掌上納米無人機在感知、計算和續航方面的嚴重限制，研究者提出了一種輕量級傳感器驅動的萊維遊走（SDLW）控制器。該方法結合離散萊維步長採樣和基於方向測距的傳感器反應式航向策略，每個無人機獨立採樣萊維指數以多樣化探索，無需機器人間通信。仿真表明，相比均勻航向萊維遊走基線，在開放區域覆蓋提升79.6%，房間走廊佈局提升43.1%，雜亂環境提升13.6%，碰撞分別減少13.0%、7.1%和1.4%。該工作為資源受限的納米無人機多機探索提供了實用框架。

本文研究了通過Star-World工作空間重塑實現Franka Emika Panda機械臂的三維反應式控制。該方法將相交的膨脹障礙物聚類並替換為星形代理，然後評估基於動力系統的末端執行器控制器。在六種PyBullet場景中，重塑方法在五種場景下成功到達目標，而基線方法僅在四種場景下成功。儘管重塑方法解決了重疊牆問題並保持了較低的計算時間（每工作空間更新0.68-8.70毫秒），但它也增加了路徑長度，產生了兩個近平衡點，並通過過度合併封閉了可通行走廊。結果表明了將Star-World保證從工作空間幾何轉移到通過逆運動學控制的冗餘機械臂的潛力和實際侷限性。

針對纜索驅動的連續體機器人臂在靜止到靜止運動末端的殘留振動問題，研究者應用時滯濾波器作為輸入整形器，設計了非魯棒和魯棒兩種濾波器。實驗表明，輸入整形器顯著減少了超調量和穩定時間，魯棒整形器效果更佳，為實現精確且魯棒的連續體機器人操作提供了重要成果。

本文比較了13種路徑規劃算法，提出了一種結合人工勢場（APF）和時空（ST）變換器的混合方法，在AUV導航中表現優異。

新研究提出環境約束利用（ECE）方法，通過主動接觸環境簡化機器人運動規劃，降低維度與計算複雜度，並在RRT規劃器及實際任務中驗證其有效性。

傳統抓取質量度量假設單一摩擦係數，無法預測接觸表面摩擦變化時的力閉合喪失。本文提出FIRMGrasp，基於條件風險價值（CVaR）的摩擦波動感知度量，評估風險調整後的力閉合裕度。實驗表明，在1599個抓取中，傳統Ferrari-Canny度量認定的高質量抓取有53%在不利摩擦下失效，而FIRMGrasp的排序準確率顯著更高。

本文提出了一種基於隱函數定理的自動微分輔助隱式導數方法，用於正則化平滑接觸的軌跡優化。該方法避免瞭解算器展開和手工KKT系統，內存增長顯著低於展開式自動微分。此外，引入了優化器蒸餾技術，將批量化全時域iLQR攤銷為指導短時域殘餘iLQR的策略，在Finger、Franka和Unitree機器人上六步成功率提升28-98個百分點。

本研究提出了一種針對無轉向四輪獨立驅動車輛的差動扭矩漂移控制方法。通過建立雙軌車輛模型並開發閉環控制器，在1:10比例車輛上實現了約20°側偏角的穩態圓形漂移和八字形漂移軌跡跟蹤，驗證了僅依靠差動輪扭矩進行漂移控制的可行性。

研究人員提出了SWiFT框架，通過強化學習使仿生魚在未知湍流中僅依靠自我中心反饋實現定位保持，顯著優於現有方法。

MorphUNet是一種新型的擴散變形框架，通過α控制的生物特徵傳輸生成可驗證多個身份的面部變形圖像，對邊境控制和身份驗證系統構成威脅。該模型利用CLIP外觀和ArcFace身份信息，通過可訓練的雙交叉注意力機制在去噪過程中分別處理每個父本的生物特徵，並結合DDIM逆潛在插值和弱父本引導選擇，有效防止身份坍縮。在FEI和FRLL數據集上的評估顯示，MorphUNet在變形攻擊潛力（MAP）和圖像質量（FID）上均優於現有方法，且跨數據集檢測難度極高。

研究人員提出了Diff-ID，一種基於擴散模型的框架，用於生成身份一致的人臉圖像。它集成了ArcFace和CLIP嵌入，在保持逼真度的同時確保身份一致性，幷包含一個變形管線。該方法在身份相似度和圖像質量之間取得了良好的平衡。

研究提出RegAL框架，通過拓撲感知的帕累託優化統一主動學習與半監督學習，在極少標註數據下穩定提升醫學圖像分割性能。

本文提出了I-LW-DETR，首個完全整數運算的輕量級DETR，解決了視覺Transformer檢測器在NPU和微控制器上部署的難題，通過三種關鍵組件實現模型大小減少3.6倍，計算成本降低超過一個數量級，精度損失適中。

PerceptionBench是一個專門設計用於評估多模態大語言模型（MLLMs）原子視覺感知能力的基準。它通過自下而上的方法，從42個現有基準中構建錯誤分類法，定義十種原子感知能力，並創建3000個可驗證問題。對16個前沿MLLMs的測試顯示，沒有模型達到60%的準確率，感知相關幻覺是最薄弱的環節。

Mage-VL是一種新型流式多模態基礎模型，通過自定義Mage-ViT分詞器（利用運動向量和殘差能量選擇性編碼動態區域）減少75%以上視覺令牌消耗，並採用雙系統架構實現實時感知。在多項任務上匹配或超越更大模型，推理速度提升3.5倍。

最新研究表明，針對文本到圖像生成的主流毒性檢測器採用“一刀切”方法，無法有效保護邊緣化社區。約35%被標記為安全的生成圖像，對殘障社區而言被認為有害。本文主張社區特定毒性檢測（CTD），並與殘障專家合作制定了針對矮小症和盲/低視力兩個社區的安全指南。實驗顯示，現有通用檢測器在零樣本設置下F1評分低於隨機猜測（0.32和0.37），而基於提示的適應方法（如ICL、VQA）顯著提升了性能（GPT-4o達0.50和0.78），參數高效微調也以小樣本取得進步，但整體性能仍遠低於通用檢測的0.9，凸顯挑戰與持續研究的必要性。

社交媒體的圖像文本中常含有模糊的地理信息，難以精確定位。本研究提出DisasterTD框架，結合多模態大語言模型（MLLMs）的語義推理與跨視角地理定位，先提取地名並生成候選位置，再通過跨視角匹配（社交媒體圖像、遙感圖像、街景圖像）驗證和優化候選。在颶風哈維數據集上測試，其50米內定位準確率達47.01%，顯著優於僅用MLLM或僅用跨視角的方法，尤其在模糊地名場景下提升最大。

本研究提出一種無軌跡泄漏的留出協議，用於攝影測量重建的自驗證，無需外部地面真值。實驗表明，該協議能夠測量內部幾何一致性，但無法反映絕對精度或檢測全局一致性的扭曲。

研究發現人類語言中單詞序列的上下文影響遵循近似於1/d的冪律衰減，指數接近1，該規律在十種不同語系語料庫中一致出現，且在打亂順序或合成文本中消失。

TabRank提出一種針對表格檢索的推理重排序器訓練框架，通過從大型推理模型（LRM）蒸餾思維鏈（CoT）推理軌跡，顯著提升多階段檢索系統的性能。在多個數據集上，Acc@10提升高達52.9%，並展現出強大的跨領域和多表格泛化能力。

一種結合時序卷積網絡與標籤注意機制的深度學習模型顯著提升了醫療編碼的準確性，相比先前最先進方法，F1分數提高9%，召回率提高28%。

本研究創建首個專家標註的隱含意義取消數據集，評估大語言模型（LLM）理解未言明信念及信念更新的能力。實驗表明，LLM在自然場景中理解信念更新顯著落後於人類，成功部分依賴先驗信念，失敗與更新類型和形式相關。當前LLM尚未達到人類水平的未言明信念理解能力。

該論文介紹了在CLEF 2026 CheckThat!任務2中開發的系統，旨在對英文和阿拉伯語的數值聲明進行自動化驗證。系統探索了兩種方法：基於LoRA微調的LLM驗證器，以及輕量級TF-IDF獎勵模型。實驗結果表明，LLM方法在多數指標上表現更優，尤其在Recall@5上；而獎勵模型在處理矛盾類聲明時表現更強。子聲明分解未能提升性能，反而引入了噪聲。對於阿拉伯語，AraBERT模型優於多語言基線。

CogArena是一個包含13個範式的程序化生成基準，用於評估大型語言模型的認知能力結構。對55個開源模型的測試顯示，所有範式相關性均為正，共同因子解釋了約一半的方差，但基於理論的分組內優勢很小，且未能通過驗證標準。研究表明，現有證據不支持穩定的五維認知能力畫像。

本研究報告分析了歸一化離散多項式傅里葉展開中的噪聲整形一位係數。針對一階Sigma-Delta量化，推導了誤差表示和變分估計，得到了緊湊參數集上的O(N^{-1})逼近率。對於拋物相位，該率通過積分J(x,t)表示並證明是最優的。進一步推導了高階有限記錄恆等式，在端點兼容條件下，r階噪聲整形誤差可實現O(N^{-r})衰減。還建立了精確L^2正交恆等式、四階矩公式、局部核估計和振盪傳遞界，並擴展到多項式相位、多維參數族、增長觀測區域和相關狀態模型。

自迴歸大語言模型推理效率低，掩碼擴散模型部分解決了內存受限問題。本文提出神經形態MDLM（N-MDLM），結合塊擴散和脈衝神經形態計算，進一步提高吞吐量和能效。塊擴散增加每次參數訪問生成的令牌數，脈衝誘導的稀疏性通過跳過非活動通道減少參數流量。實驗表明，N-MDLM在計算受限平台上也能顯著提升能效和吞吐量。