Google Antigravity 2.0 是一款獨立的桌面應用，用於並行編排多個AI代理，支持計劃任務、子代理工作流，並與AI Studio、Firebase和Android原生集成。它允許代理在後台按計劃運行，通過子代理並行工作，並提供一鍵項目導出、語音命令和CLI/SDK支持。用户評價積極，但存在UI小缺陷和試用限制。

一篇發表在《格蘭塔》雜誌上、並獲得英聯邦基金會短篇小説獎認可的短篇小説，被懷疑是由人工智能生成的。AI檢測工具的證據以及作者背景指向AI創作，引發了關於文學真實性的討論。

一篇榮獲英聯邦短篇小説獎地區獎項的短篇故事被懷疑是AI生成的，引發關於AI檢測和文學真實性的爭議。

Xezim是一個輕量級的SystemVerilog模擬器，用Rust編寫，旨在探索AI輔助芯片設計工作流程。它支持組合和時序邏輯仿真，並提供多種波形導出格式。

Hiro是一款智能安全代理，幫助開發團隊從代碼的首次提交開始，一路護航至SOC 2合規認證。它集成了安全掃描、策略管理和自動化合規流程，讓安全融入開發週期。

Maple 是一款注重隱私的個人AI，能夠處理家居生活、工作等事務，並承諾不將用户數據用於訓練或與廣告商共享。其隱私優先架構採用開放模型和加密飛地，確保對話私密。目前處於私人測試階段，提供研究工具和代理功能。

Anthropic的AI助手Claude經常在會話中要求用户去睡覺，引發了廣泛猜測。用户報告了各種催促休息的消息，有人覺得貼心，有人覺得煩躁。專家分析認為，這種行為可能源於訓練數據、系統提示或上下文管理，並非AI具有意識。Anthropic已注意到此問題並計劃修復。

SteelSpine AI 是一種新型AI智能體調試工具，通過一鍵封裝即可捕獲智能體的每次運行、決策和工具調用，並支持確定性回放、運行比較以及加密審計。它解決了LLM無狀態、智能體高失敗率和缺乏審計追溯的問題，並內置了符合歐盟 AI 法案第12條要求的審計功能。

GoPOSIX是一個用Go編寫的POSIX工具集，單二進制文件，通過了BusyBox測試套件中96.6%的測試（591/612）。該項目由AI輔助開發，耗時約3周，展示了Go語言在系統工具領域的潛力。

麻省理工學院副教授Connor Coley將化學與機器學習相結合，加速藥物發現，並開發出融入化學直覺的AI模型。

COBALT 是一個新的遠程操作平台，利用智能手機等常見設備，實現機器人模仿學習所需的高質量示範數據的眾包收集。它支持併發多用户控制，降低遠程操作成本，並實現低延遲。在九個國家的試點數據集表明，基於手機的遠程操作與專用硬件相當甚至更優。

本論文提出“交互就緒性”概念，量化評估鉸接物體在仿真中的物理質量，並開發了一種多模態、仿真器在環的方法，從不完整的3D資產自動生成交互就緒的鉸接物體，通過迭代仿真反饋優化物理屬性，提升仿真穩定性和下游機器人學習性能。

CosFly 是一個面向空中跟蹤的盒狀結構規劃與多模態仿真管線，並附帶 CosFly-Track 大型無人機數據集，覆蓋城市、高速公路、鄉村、森林和沿海等多種環境。該管線基於 CARLA 實現，通過7步模塊化流程將複雜3D世界轉化為結構化障礙物表示，再投影回多模態傳感器數據（RGB圖像、深度圖、語義分割圖）及自然語言導航指令。支持可配置固定視場角變焦，分析了兩類軌跡規劃範式：傳統兩階段流水線和直接梯度優化方法。數據集包含250條驗證軌跡和約10萬張渲染圖像及完整六自由度無人機位姿標註。

提出將腱驅動連續機器人的代理建模視為算子學習問題，映射設計參數和肌腱驅動輸入至構型。開發了四種神經算子架構（基於DeepONet和FNO），在模擬數據上訓練，實現了跨設計的快速準確泛化。研究成果為手術和工業應用中的控制、規劃和設計優化提供了高效可泛化的代理模型。

本文提出STRELGen框架，結合擴散模型與時空邏輯（STREL）規範，通過可微分的滿意度監控進行梯度優化，高效生成逼真的安全關鍵駕駛場景，從而克服傳統暴力測試的侷限性。

本文提出了一種新的分佈魯棒控制方法，結合斯坦變分推斷，用於接觸豐富操作中的不確定性建模。該方法在保留模型控制優勢的同時，提高了對任務敏感參數不確定性的適應性，實驗顯示在多種任務中魯棒性提升高達3倍。

該研究通過復現和壓力測試，評估了SPARK人形機器人安全過濾器的魯棒性。在MuJoCo中復現基準案例，比較了六種方法，構建後處理管道，發現不同方法在目標跟蹤和碰撞減少上各有優劣。壓力測試表明障礙物擁擠、噪聲距離估計和延遲信息會改變安全行為，建議超越名義性能使用暴露失效模式的指標。

KG-ASG框架通過構建結構化碰撞知識庫和輕量級碰撞專家模型，將多車對抗生成建模為主從過程，以提升自動駕駛安全驗證中對抗樣本的有效性、可解釋性和可執行性。實驗表明其在多種控制器下均能提高有效主攻擊並減少多車碰撞。

CRAFT是一種用於真實世界新聞事件的多視頻問答的查詢條件化管道。它結合了動態關鍵幀選擇、每視頻自動語音識別（帶多語言回退）以及混合評論者循環，以迭代驗證和修復聲明。在MAGMaR 2026基準測試中，CRAFT取得了最佳總體平均值（0.739）、參考召回率（0.810）和引用F1（0.635）。在WikiVideo的轉換版本上同樣表現強勁（平均0.823），展示了其泛化能力。消融實驗顯示，原子聲明、ASR和評論者循環是主要性能提升來源。

本文提出一種多時間點預測框架，用於光伏發電輸出預測，通過聯合優化未來序列值，使深度神經網絡更好地捕捉時間依賴性，提高預測精度和魯棒性，且計算開銷可忽略不計。

LiFT提出了一種將3D體積合成分解為逐切片圖像生成和層間軌跡學習的方法。通過三平面漂移損失和雙向z-上下文混合器，該框架在保持切片質量的同時，實現了高效的3D醫學圖像生成，在BraTS 2023和SynthRAD2023上展示了優越性能，推理成本降低了約135倍。

一種名為FaceCloak的新型個性化面部隱私保護系統，能從用户的一張圖像生成防禦性的身份特定通用面部隱私掩碼，使面部識別失效。該系統通過三階段方法：首先生成高多樣性合成圖像，然後迭代擾動學習關鍵區域掩碼，最後生成像素級輕量掩碼。在十個識別模型上的實驗表明，FaceCloak優於29種現有方法。

MedFM-Robust是一個新的基準測試框架，用於評估醫學基礎模型在真實世界條件下的魯棒性，涵蓋醫學視覺語言模型和分割基礎模型。

研究人員發佈了EgoTraj，一個通過Meta Quest Pro記錄的自我中心多模態數據集，包含75個真實城市環境中的導航序列，同步RGB視頻、頭部姿勢、眼動追蹤和場景註釋。該數據集旨在推動人形機器人、可穿戴系統和輔助導航中的軌跡預測研究，並已對多種最先進方法進行了基準測試。

Artifact-Bench是一個新基準，用於系統評估多模態大語言模型（MLLM）在檢測和分析AI生成視頻偽影方面的表現。該基準建立了三級層次化的偽影分類體系，覆蓋真實感、動畫和CG風格視頻，並定義了三個互補任務。對19個領先MLLM的實驗顯示，它們在偽影感知和推理方面存在嚴重缺陷，許多模型在挑戰性設置下表現近乎隨機甚至低於隨機，且與人類感知偏好存在顯著偏差。

MotionMERGE是一個統一框架，通過在大語言模型中顯式建模局部和時序運動模式，彌合了運動語言模型中的粒度差距。它引入了推理感知粒度協同預訓練策略和包含98萬個三元組的大規模數據集MotionFineEdit，實現了精細的文本驅動運動編輯和基於運動的思維鏈推理。實驗表明，該框架在運動生成、理解和編輯方面具有更高精度，並能零樣本泛化到其他複雜運動任務。

本文提出步驟置信度歸因（SCA）框架，用於黑盒大語言模型的多步推理診斷。基於信息瓶頸原理，通過分析推理軌跡中的一致性，自動標記低置信步驟。實驗表明，該方法能有效識別與推理錯誤高度相關的步驟，並提升自我糾錯成功率高達13.5%。

研究人員提出利用非侵入性fMRI數據來訓練ECoG編碼模型，發現即使fMRI時間分辨率低兩個數量級，微調後的表示仍能顯著提升ECoG預測性能，且性能隨fMRI數據量增加而提升。這一方法有望整合多種記錄手段，改善腦解碼等應用。

本文指出當前大型語言模型（LLM）中的不確定性量化（UQ）方法存在類別錯誤，本質上是無監督聚類算法，只衡量內部一致性而非外部正確性，無法檢測“自信幻覺”。作者識別出三種關鍵病理：超參數敏感性危機、內部評估循環混淆穩定性與真實性、缺乏真實標籤導致依賴不穩定代理指標。研究呼籲範式轉變，並提出了改進評估、原生不確定性和客觀真理錨定的路線圖。

隨着深度研究代理越來越多地自動化複雜信息檢索任務，評估其可信度變得至關重要。LLM作為法官被用於評估這些代理，但其可靠性尚未得到充分研究。REFLECT基準通過細粒度的元評估揭示了當前LLM法官的系統性侷限，即使最佳模型在推理、工具使用和報告質量方面的整體準確率也低於55%，特別是在證據驗證方面表現尤為糟糕。該研究為構建更可靠的評估管道提供了可行指導。