AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Discussion | Link

教宗萊奧十四世的演講與文集《希望地圖》獲澳洲公司Proudly Human認證為人類作者，該公司由前首席科學家艾倫·芬克爾博士領導。認證發生在教宗稱AI為人類最大威脅後不到兩個月。

Storybook 發佈 AI 集成功能，通過 MCP 工具讓 AI 代理使用現有組件生成 UI，並利用 Storybook Test 進行自動化測試反饋，確保 UI 質量與一致性。

澳大利亞最大媒體公司九號娛樂以人工智能帶來的“極端混亂”為由，宣佈在《悉尼先驅晨報》和《時代報》再裁30個新聞編輯室職位。出版業務董事總經理托里·馬奎爾表示，此舉並非單純削減成本，而是適應結構性變革的“演進”。

為專業人士提供快速AI培訓的平台，每次只需15分鐘。

Calyxa是一款瀏覽器原生的AI導師，能直接在作業網站和PDF上提供輔導，避免學生複製粘貼問題到聊天工具中。它通過上下文註釋和語音指導，幫助學生真正理解知識，而非簡單抄襲。免費版每月10次輔導，Pro版每月10美元無限使用。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Discussion | Link

隨着AI生成內容的激增，工作文檔中充斥着可能包含幻覺和錯誤的“AI垃圾”。作者建議在工作成果中添加AI使用披露，類似於“營養標籤”，以幫助同事評估可信度，同時促使自己反思判斷中的空白。

美國人工智能標準與創新中心（CAISI）主任克里斯·法爾（Chris Fall）已辭職，距其上任僅三個月。此前，前任主管科林·伯恩斯（Collin Burns）上任不到一週即離職。

法國憑藉豐富的核能提供低成本電力，在AI領域獲得競爭優勢，但美國科技巨頭可能搶先將這一資源納入囊中。

一項在匈牙利選舉期間進行的研究表明，AI聊天機器人在回答選民應支持哪個政黨的問題時，推薦了未參選的政黨，且對相同提示給出了高度不穩定的答案。該研究由公民自由組織Liberties發佈，對通用AI系統在選舉背景下的可靠性提出了嚴重擔憂。

AI行業面臨兩大對立策略：一是斥資數千億美元建設核電站以支持更大規模的AI模型，二是發佈可下載的開源模型，使智能幾乎免費。文章指出這兩種策略並非對立，而是對同一個問題的不同賭注：智能是否存在天花板？如果存在，效率陣營（開源、芯片架構）將獲勝；如果需求無上限，蠻力陣營（大規模計算）將勝出。生物學提供了先例：人腦在能量限制下通過架構創新（稀疏性、內存計算）實現了高效。當前開源模型利用這些技巧，但僅覆蓋中等難度的任務，而前沿模型仍保持優勢。真正的勝負取決於智能天花板的位置。

英國水務行業批評政府未考慮數據中心冷卻用水需求，稱AI發展計劃“存在根本性缺陷”。數據中心需要大量水來冷卻服務器，而政府規劃未解決這一問題。

魚形游泳啓發了數十乃至數百種仿生機器人的設計，但由於流固耦合建模困難和非線性欠驅動動力學，其控制與運動規劃極具挑戰。本文開發了一個高效仿真平台，並利用可微分強化學習通過時間反向傳播和課程訓練學習PID控制器的變增益，然後將仿真中習得的策略成功遷移至物理平台，取得了高度吻合的效果。

本文提出預見性殘差強化學習（Foresight Residual RL），通過在凍結的視覺-語言-動作（VLA）基策略上添加一個離線估計的預見值（即當前子任務終止狀態下未來子任務成功的概率）來優化子任務間的交接質量，從而提升長時域機器人操作的成功率。在Isaac Gym中的三階段扳手螺母擰緊任務上，該方法實現了85.6%的完整任務成功率，顯著優於標準子任務殘差RL（54.5%）和VLA基線。

提出一種安全的模型強化學習框架，通過學習控制仿射動力學並使用自適應共形預測量化不確定性，結合控制勢壘函數實現可證明的安全策略。在推車杆和3D四旋翼平台上驗證了有效性。

本文針對傾轉旋翼垂直起降無人機的增量非線性動態逆（INDI）俯仰角速率控制器，在模型失配條件下進行了線性穩定性分析。推導了閉環五階傳遞函數，並通過Routh-Hurwitz準則刻畫了穩定性。提出了魯棒性和性能導向的兩種調諧方法，發現控制效能失配（特別是符號錯誤）是最危險的失穩因素。

一項研究讓安卓機器人Andrea再次在德國一家博物館連續六天與遊客進行多語言對話，實驗設置了三種情感模擬條件（無情感、ChatGPT 4.1驅動、WASABI架構），有73名遊客參與評估。結果顯示，情感模擬未能帶來積極影響，且未被遊客有意識地察覺。

PRISM是一種多模態感知系統，通過融合熱成像、光學和深度傳感器，結合新型視覺變換器網絡OmniUnet，實現非結構化環境中的地形分割與可通行性地圖生成，並在資源受限的嵌入式計算機上成功部署，支持自主導航。

本文介紹了SEAGR（社會情感感知問候機器人），一種針對多元文化背景和不同情緒狀態用户的機器人問候框架。該框架通過雙層調節機制，根據文化身份確定問候類型，並根據情感線索調整執行方式，結合文化映射、情感手勢調節和空間距離管理，在Sense-Think-Act架構中實現。目前為概念驗證，未來需通過用户研究進行實證驗證。

該研究提出了一種基於四通道表面肌電信號（sEMG）的實時接口，用於遠程控制輔助機器人臂。通過一維卷積神經網絡（CNN）分類，在仿真和實際平台上均實現了90%以上的分類準確率，平均延遲約0.32秒，證明了sEMG遠程控制在輔助機器人領域的可行性。

為重新激發年輕人對摩托車的興趣，研究者開發了一款可騎乘的雙輪機器人，配備四肢，具備動態四足步態。機器人採用自平衡雙輪底座實現主要運動，四肢輔助上下車並協調運動，實現直觀的基於重心轉移的控制。本文聚焦於魯棒的自平衡控制方法和自然四足運動控制策略。

針對視覺導航中的災難性遺忘問題，研究者提出HyperDCM，一種結構感知的記憶機制。它利用大視覺語言模型提取場景語義三元組，通過關係圖卷積網絡編碼為場景圖嵌入，並投影到雙曲空間增強結構分離性。動態聚類和結構敏感更新策略選擇代表性樣本進行記憶回放，保持知識多樣性。實驗表明，HyperDCM在多場景室內外數據集上優於現有持續學習方法。

本文提出神經深度場（NDF），將深度估計器視為場景級隱式場，通過單次測試時優化同時解決預測不一致和分佈外數據不可靠的問題。實驗表明，NDF在室內掃描到衞星圖像等多種場景中生成高保真、全局一致的幾何形狀，跨視圖不一致性降低63.3%，修復精度提升23.1%，達到最先進水平。

提出一種共享潛變量方法，通過變分瓶頸在部分標註的多任務面部情感識別中實現跨任務信號共享，在s-Aff-Wild2數據集上提升表情識別宏F1至0.446，並通過第二個骨幹網絡突破動作單元瓶頸。

第三屆微動作分析大挑戰賽（MAC 2026）與ACM Multimedia 2026同期舉辦，通過引入利用多模態大語言模型評估的新任務，將微動作分析從識別推進到細粒度理解。本文詳細介紹了數據集、協議、競賽結果以及該新興領域的未來方向。

GenSyn10是一個包含6萬張合成圖像的數據集，與CIFAR-10對齊，使用三種架構不同的生成模型創建，旨在推進AI生成圖像檢測研究。評估顯示，模型在已知生成器上表現良好，但在未知生成器上性能顯著下降，凸顯了分佈外泛化的侷限性。

本文提出EMTS-Det系統，用於無人機上的實時跟隨人員追蹤，在低功耗硬件上實現高效運行。系統通過自我運動歸一化的殘差運動通道檢測人員，使用僅22k參數的輕量網絡，在Raspberry Pi Zero 2W上達到31.85 FPS，性能遠超YOLOv8n。

研究人員提出3D FaceShell框架，通過向3D面部頭像添加微妙擾動來誤導視覺語言模型推斷敏感屬性，同時保持視覺身份不變。

提出了一種風險感知人臉檢索框架（RA-FR），通過混合盲臉修復、自監督特徵提取和保形預測，在監控環境下實現自適應檢索集大小，保證在指定風險水平內包含真實目標。