LangChain數據團隊通過集成Hex、dbt、語義模型和可觀測性，構建了一個可靠的數據代理，將自助分析容量提升了40倍，同時將數據團隊的角色從回答每個問題轉變為改進系統。

羅伯特·瓦拉丹的一條推文指出，雖然AI工具降低了遊戲開發的入門門檻，但完成一款遊戲仍然是一個重大挑戰。

Vibotify提供與300位AI專家對話的平台，每位專家專注於一個職業領域，讓用户能獲得各個行業的專業指導。

QuickOn是一個AI潛在客户資格認證平台，可連接任何潛在客户來源和CRM，在幾秒鐘內對潛在客户進行豐富、評分和解釋，幫助銷售團隊專注於高價值線索。

作者審計了自己的11個生產站點，發現由於AI爬蟲（如GPTBot、ClaudeBot）不執行JavaScript，三個依賴客户端渲染的單頁應用（SPA）對AI爬蟲幾乎不可見（僅呈現不到10個詞）。通過構建時預渲染，這三個站點的可讀內容從5-8詞提升至1442-3048詞。文章詳細分析了問題成因、影響及修復方案，並提供了檢查腳本。

利用Google AI信用額度解析了約百萬條維基詞典條目，構建了一個詞源數據庫，支持按詞綴、同源詞、派生詞、含義、源語言、詞性等搜索。項目仍在完善中，數據未全部驗證。

本研究利用通用大語言模型（LLM）的兩階段流水線自動檢測電子健康記錄出院小結中的內部不一致性。在3000份MIMIC-IV-Note出院小結中，流水線發現了3460個候選不一致性，影響69.7%的入院記錄。專家審查揭示了在需要時間推理、演變診斷背景或門診處方知識時出現的失敗模式。研究提出了一個分級本體框架，涵蓋嚴格矛盾和歧義，為後續大規模EHR不一致性分析奠定基礎。

研究表明，前沿大語言模型可以利用語義無關的填充令牌進行“隱形推理”，在合成推理任務上提升最高13個百分點的準確率。這種計算在輸出令牌中沒有可解釋的痕跡，對AI安全構成挑戰。

本文提出LEACL框架，結合大語言模型與自動課程學習，通過分解任務和生成規格，使用稀疏獎勵信號高效訓練長時域操作任務。在LIBERO基準上，LEACL在成功率上優於人工設計的密集獎勵。

PRISM是一種新的策略表示方法，通過顯式建模物理變量之間的多項式交互，提高了機器人運動控制的性能和柔順性，在強化學習和模仿學習中均優於標準MLP。

本文提出了一種廣義的無數據關聯SLAM框架，聯合估計數據關聯、機器人位姿、地標位置和地標語義，利用深度學習的語義信息（類別標籤和特徵向量），採用半增量式估計方案提高精度和效率，並提供了地標數量估計的原則和啓發式方法。在合成和真實數據集上，該框架在兩種語義信息類型下均表現出優於強基線的性能。

Sling2Sim2Real是一種新型框架，能夠通過一次非破壞性交互識別彈性物體參數，從而在仿真中學習策略並零樣本遷移到真實機器人。該方法解決了彈性行為在真實世界與仿真之間難以標定的問題，而僅憑視覺觀測無法區分彈性屬性。該框架包括兩個階段：多起始點的Real2Sim系統辨識（利用參數協方差估計彈性屬性），以及基於仿真的策略學習與零樣本Sim2Real遷移。在Franka Emika Panda機械臂和不同彈性帶的彈弓操作任務上，實驗表明Sling2Sim2Real實現了準確的策略學習和魯棒的泛化能力，同時顯著減少了真實世界交互次數。

研究人員提出了一種雙階段框架，用於基於LLM的對話機器人，在語音開始前生成上下文感知的前置響應，減少響應延遲。現場實驗顯示不同填充類型之間存在時間權衡。

一項新研究揭示了機器人操作中精度與數據需求之間的超指數關係。隨着目標精度接近一個極限，所需的演示次數呈超指數增長。該極限並非固定物理常數，而是整個機器人系統（包括傳感器和專家策略）的湧現屬性。通過改善系統組件（如添加腕部相機或使用更有效的專家），可以降低精度極限，從而擴展可實現的操作精度。這項工作為高精度機器人系統提供了新的理論框架和實用指導。

研究人員提出世界認知模型（WCM），一種基於SLAK架構的人本具身智能體，通過異步運行時分離感知、推理、控制與記憶，並引入人類在環教學模式，使機器人能夠通過交互學習複雜任務。在九項真實世界人機交互任務中，WCM實現了73.8%的平均成功率，包括未參與思維鏈微調的任務和通過教學學習的長時域任務。

本文提出了一個完全AMD加速的端到端技術棧，用於具身操控，覆蓋數據中心訓練、Radeon PRO模擬/渲染GPU和Ryzen AI邊緣計算，統一於開源ROCm軟件棧。展示了四個漸進式演示，證明VLA策略的訓練和部署無需CUDA生態。

一種新算法利用手部姿態數據減少柔性觸覺手套中的力感測誤差，在多種設計和用户中將最小可檢測力提高最多18.3%。

本文提出了一種重放約束仿真框架，通過MuJoCo模擬器重現假肢動力學，並利用個體步行數據中的髖部運動學和地面反作用力，無需複雜的人體神經肌肉模型。深度強化學習策略同時個性化兩個關節的相依賴性剛度、阻尼和平衡角，以最大化仿生學獎勵。三名經股截肢者的實驗表明，模擬到硬件的預測有效性很高（皮爾遜r=0.96-0.997），學習到的控制器將仿生學獎勵提高了42-59%。該框架支持可擴展的高維個性化，並可用於神經網絡控制器。

該論文提出GeoMVC模型，利用幾何交互層和多視角共識策略檢測厭女模因，在CC-MMD挑戰中馬拉雅拉姆語和中文分區取得優異成績。

StepX-Edge是一款僅有0.9B參數的端側UI視覺語言模型，通過架構、訓練和部署的三層協同設計，在OCR、屏幕理解、視覺問答和元素定位等任務上實現了高精度與高效率的平衡。其創新包括UI感知分層視覺編碼（ULVE）、漸進維度投影連接器（PDP）、五階段課程學習框架以及模塊化兩階段量化方案。在多個基準測試中，StepX-Edge超越了同尺寸模型，甚至媲美2B參數級別的模型。量化後可在驍龍8 Gen5設備上穩定運行，首令牌延遲約0.84秒，解碼速度98 tok/s，峯值內存1.4GB。代碼和模型將開源。

提出LowAux-RDNet，在RDNet基礎上引入訓練專用的低通反射輔助目標（LowAux），通過低頻約束增強對多樣化反射分佈的平衡性能。結合RRW場景平衡的真實對，提升跨數據集泛化能力。在統一基準測試中，五數據集宏平均PSNR達27.546 dB，SSIM、NCC、LMSE均達到最優。

EditCLEVR是一個新的基準測試，用於評估對象中心學習中的組合忠實性。它通過配對場景干預（已知屬性更改或無更改）來測試模型在語義編輯下是否正確改變對象表示。該基準引入場景圖干預準確率（SGIA）和Delta-SGIA指標，分別要求完整後場景預測正確和僅檢測單一變化模式。基線評估表明，即使使用真實掩碼，組合分佈外性能下降依然存在，僅憑局部性或穩定性可能會高估語義忠實性。

該論文提出了一種基於差分Transformer的神經網絡模型Delta-InvFormer，利用可見光相機視頻幀捕捉託卡馬克等離子體動態，預測二維光強分佈，顯著加速傳統方法並保持高精度。

該研究提出了一種語言引導的分割輔助診斷Transformer模型（LSDT），用於多參數MRI的前列腺癌四分類，通過構建前列腺癌組織病理學光譜數據集（PCa-HSD）並結合零樣本分割提供解剖先驗，在344名患者的五折交叉驗證中實現了0.633的平均準確率和0.768的聯合召回率，顯著提高了細粒度分類性能。

本文介紹了多模態交互運動編碼器（MIME），這是首個專為雙人交互運動設計的多模態編碼器。MIME通過基於流的共注意力機制、顯式交互特徵和基於課程的對比訓練，捕捉個體與共享結構。在Inter-X文本-運動檢索任務中，MIME顯著優於基線方法，在2000樣本庫中文本到運動R@1相對提升12.8%。作為凍結的輔助先驗，MIME在TIMotion和InterMask中提升了語義對齊指標，同時保持了相當的FID分數，表明交互感知的多模態編碼能夠提升多人運動檢索並遷移至下游運動生成任務。

FogDrive是一個基於CARLA模擬器的多模態自動駕駛數據集，包含660個場景（約13.3萬幀），覆蓋四種同步攝像頭、激光雷達和雷達。它通過科施米德模型和比爾-朗伯定律在三種能見度（160米、100米、50米）下模擬物理一致的霧，並提供清潔和三種霧級別的配對數據。數據集在8千幀上驗證了95.1%的標註精度和超過99%的車輛召回率。基線測試表明，訓練時混合多種霧密度可改善3D檢測，而2D圖像質量指標不能預測下游性能。

MegaSlide-DiT提出一種系統級方案，通過將模型狀態駐留於主機內存並流式傳輸至GPU，結合3D可變形滑動注意力機制，在單塊H200 GPU上適配105B參數的DiT模型，解決了參數內存和激活內存兩大瓶頸。

基礎視覺模型在自然圖像上訓練後可直接應用於醫學任務，無需領域預訓練。本研究在KiTS23數據集上比較了三種聚合器用於腎臟腫瘤和囊腫檢測，發現門控注意力多實例學習（MIL）性能最佳，腫瘤AUROC為0.74，囊腫為0.80。原型頭部在囊腫檢測上失敗（AUROC 0.51），凸顯了可解釋性與性能之間的權衡。

跨語言不匹配是現代説話人驗證性能下降的關鍵因素。TidyVoice 2026挑戰針對此問題，提供了40種語言的訓練數據和38種未見語言的測試數據。本文采用Nuisance Attribute Projection（NAP）作為嵌入空間中的簡單語言歸一化步驟，在開發集上將等錯誤率從2.97%降至2.18%，並在Codabench評估中獲得8.40分，表明簡單的後端語言歸一化可與更復雜的系統相媲美。

研究人員提出了CHiPS，一種輕量級的字符級作者歸屬方法，專門針對羅馬尼亞語文本。該方法結合了字符直方圖分類器（CH-SVM）和位置信號分類器（FFT12-LR），無需分詞、句法分析、預訓練語言模型或Transformer微調。在封閉集實驗中，CHiPS-F在400個文件數據集上達到0.9310的準確率，但作者強調其貢獻不在於最佳分類性能，而在於研究在嚴格泄漏控制下，受限且透明的字符證據能達到何種程度。