谷歌Gemini API現已支持事件驅動型Webhook，允許開發者接收批處理、視頻生成等長時間運行的推送通知，以安全可靠的回調取代低效的輪詢。

AgentFloor是一個包含30個確定性任務的六層能力基準測試，用於評估開放權重模型在代理工作流中的表現。研究發現，中小型開放權重模型在短視距、結構化的工具使用任務上已經足夠強大，甚至可以在整體上匹配GPT-5，但長期規劃任務仍是前沿模型的優勢領域。結果建議了一種實用的設計原則：使用小型模型處理常規動作，大型模型處理複雜規劃。

Token Arena是一種衡量AI推理端點性能的持續基準測試，綜合輸出速度、首令牌時間、混合工作負載價格、有效上下文和實時端點質量，並融合能源估計，產生三大綜合指標：每正確回答焦耳、每正確回答美元和端點保真度。研究表明，同一模型在不同端點上的準確率差異高達12.5個百分點，每正確回答焦耳數差異達6.2倍。工作負載感知定價顯著改變排行榜，7/10的聊天預設頂部端點跌出檢索增強預設前十。框架以CC BY 4.0發佈。

研究提出一種新穎的訓練框架，通過引入內在動力學（ID）頭部，使控制策略能夠理解和推理物理動力學，從而提升四足機器人在複雜地形上的運動效率與穩定性。仿真實驗表明該方法能收斂到更優解，實際機器人實驗顯示扭矩效率提升16.8%、動作頻率提升18.6%、機械功率降低12.8%，同時安全扭矩佔用率提高6.4%。

模仿學習（IL）研究歷來以任務成功作為衡量策略性能的主要指標，但這限制了其在安全至關重要的現場機器人中的應用。本文提出了一種與策略無關的安全度量——執行保證，利用視角合成和Nagumo次切向條件，確保視覺運動IL策略在狀態空間特定區域內即使在運行時微小變化下也能保證最大任務成功率。通過Franka機器人的仿真和真實實驗，驗證了該安全分析如何使多種IL策略在保證安全的同時實現最大任務成功，並展示了恢復策略如何緩解安全與性能之間的權衡。

TAIL-Safe提出了一種模仿學習策略的安全監控框架，使用Q函數識別安全的狀態-動作集，並通過恢復機制防止任務失敗。實驗表明，該方法使流匹配策略持續成功。

VLA-ATTC為視覺-語言-動作（VLA）模型引入自適應測試時計算，通過基於不確定性的“認知離合器”和相對動作評判（RAC）模型，在複雜場景中提升決策能力。在LIBERO-LONG基準上，將SOTA模型PI0.5的失敗率降低超過50%。

Sentinel-VLA是一種元認知視覺-語言-動作（VLA）模型，通過主動的“哨兵”模塊監控執行狀態，僅在需要時觸發推理或錯誤恢復，從而在降低計算開銷的同時實現魯棒決策。模型使用自動生成的44個任務、超過260萬次轉換的數據進行訓練，並採用自演進持續學習（SECL）算法和正交持續適配器（OC-Adapter）防止災難性遺忘。實際實驗表明，其任務成功率比當前最優模型PI0提高30%以上。所有代碼、權重和數據生成流程將開源。

本文提出一種約束驅動的在線安全過濾器，用於可變形物體（如流體、布料）的機器人操作。通過結合視界無關神經算子和邊界控制障礙函數，實時強制執行任務級安全約束，無需重新訓練。在FluidLab上的流體操作任務中，該過濾器將安全軌跡率提高了22%，並減少了到達安全集的步數。

該研究揭示了在無折扣無限時域設置中，貪婪最大化Q函數可能導致策略無限期推遲任務完成的病理現象。作者通過將時序邏輯值函數分解為組成值函數圖，構建了基於狀態歷史的非馬爾可夫策略，證明了其對嵌套Until、Globally和Globally-Until規範的最優性，並展示了Q函數作為複雜TL規範的安全過濾器。

本文對多模態人機交互系統中的三個關鍵模塊——用於動作提取的大語言模型、用於視覺感知的感知系統以及用於運動執行的控制器——進行了受控消融研究。比較了三種語言模型、五種感知配置和三種控制器，隨後對最佳候選進行了因子研究，旨在闡明不同選擇對執行時間和成功率的影響，併為未來系統改進提供指導。

ARIS是一個統一多模態推理、基於圖譜的社會世界模型和檢索增強生成（RAG）的智能體AI框架，用於社交機器人。在Pepper機器人上的用户研究（N=23）顯示，ARIS在感知智能、活力、擬人化和喜愛度方面顯著優於基線大語言模型。其三大貢獻包括：通過知識圖譜顯式建模用户間社會關係的社交世界模型；高效的RAG對話流程，在對話歷史達數千輪時仍保持低延遲和回覆相關性；以及通過結構化API協調語音、視覺和物理動作的模塊化智能體架構。

這篇綜述性論文總結了LiDAR傳感器在康復、傷後護理和醫院環境中的應用，涵蓋2019年至2025年的研究。LiDAR相比傳統基於攝像頭的系統和可穿戴傳感器具有隱私保護、舒適性和精確性等優勢。文章探討了3D人體掃描、步態分析、機器人安裝LiDAR、實時監測和活動識別等應用，並分析了基於學習的處理技術，指出了當前的研究缺口和未來方向。

紅外小目標檢測在海上監視、軍事搜救等任務中至關重要，但低信號雜波比和小空間範圍帶來挑戰。本文提出SANet，基於U-Net框架，包含雙路徑語義感知模塊（DSM）和選擇性注意融合模塊（SAFM），以增強目標感知並減少虛警。

現有單圖像去霧方法在處理均勻薄霧圖像時表現良好，但難以應對空間變化濃度和突變密度轉換的非均勻霧圖像。本文提出CPIFNet多分支深度神經網絡框架，將非均勻去霧分解為多個均勻子問題。網絡包含圖像增強網絡（IENet）和圖像融合網絡（IFNet）兩階段，分別處理不同濃度均勻霧區域並智能融合，同時引入綜合損失函數監督訓練。

研究人員提出了LiteVLA-H，一個緊湊的256M參數視覺-語言-動作（VLA）系統，專為無人機部署設計。該系統在NVIDIA Jetson AGX Orin上實現雙速率操作：快速外環制導模式（50.65ms/19.74Hz）用於短動作令牌輸出，以及較慢的語義模式（149.90-164.57ms）用於場景理解和危險描述。關鍵發現是延遲主要由多模態預填充主導，而非解碼額外令牌。通過知識保留微調，系統在保持描述能力的同時實現了高邊緣推理速率，超越了AnywhereVLA、FutureVLA和ReMem-VLA等最新架構。

本文全面綜述了基於深度生成模型的換臉方法，將其分為五大範式，並提出了一個新的基準數據集CASIA FaceSwapping，包含均衡的人口統計分佈和顯式屬性變化，以及標準化評估協議。通過對代表性方法的廣泛實驗，揭示了當前技術的性能特徵和侷限性。

遠程光電容積描記法（rPPG）可實現便捷的非接觸生理測量。現有自監督學習（SSL）方法常陷入相關陷阱，傾向於學習數據中最主要的週期信號（如高能運動或光照噪聲），而非微弱的真實rPPG信號，導致模型泛化能力差。為解決該問題，作者提出一種新的SSL範式——生理因果探測（PCP），將潛在rPPG信號視為底層物理源，像素色度變化視為其視覺表現。其核心思想是從被動相關學習轉向主動精確干預：基於提出的rPPG假設對視頻進行干預，並驗證干預後的變化是否符合物理預期。作者提出了實現PCP的Interv-rPPG框架：rPPG提取器PhysMambaFormer假設rPPG信號，可控生理信號編輯器基於該假設對視頻進行精確的色度域干預。Interv-rPPG通過“歸零可證偽性”和“公理等變性”驗證假設的物理真實性。編輯器通過干預視頻的低頻色度分量實現rPPG信號的精確編輯。該方法在VIPL-HR和MMPD等挑戰性數據集上提升了域內和跨域性能，並在複雜跨數據集設置中超越監督基線，同時在乾淨數據集上保持競爭力（干預機制可能引入輕微殘餘色度噪聲）。大量實驗（包括干擾敏感性診斷分析）表明PCP範式能有效抵抗運動和光照偽影。

端到端自動駕駛系統正向着兩大範式演進：以視覺-語言-動作為代表的單體模型和專用模塊化架構。兩者都依賴Transformer骨幹進行復雜推理，這帶來共同漏洞。本文提出對抗流匹配（AFM），一種新型灰盒攻擊框架，利用Transformer結構脆弱性，通過神經平均速度場一步生成對抗樣本。實驗表明AFM在攻擊有效性和不可察覺性之間取得優異平衡，顯著降低各類場景下VLA和模塊化自動駕駛代理的性能，同時保持最先進的視覺不可察覺性，並展現出強大的跨模型遷移性。

提出一種混合去霧模型，結合四階非線性偏微分方程與物理霧霾形成模型。採用暗通道先驗估計大氣參數並生成引導圖像，通過四階電報型偏微分方程演化進行最終恢復，包含邊緣自適應擴散係數和透射圖加權保真項。該方法有效抑制霧霾，保持結構細節，並與現有方法相比具有競爭性視覺質量。

本研究系統比較了原始K線圖、格拉姆角場（GAF）及多通道GAF三種圖像編碼方法，以及五種圖表組件配置、四種神經網絡架構（CNN、ResNet18、EfficientNet-B0、Vision Transformer）和ImageNet遷移學習在加密貨幣制度預測中的效果。基於2018-2024年的比特幣、以太坊和標普500數據進行的八項控制實驗表明，一個簡單的4層CNN在原始K線圖上達到0.892的AUC-ROC，優於大型預訓練模型。令人驚訝的是，更簡單的表示（僅價格圖表、128x128分辨率）始終優於更復雜的替代方案。研究還使用GradCAM進行可解釋性分析，並證明遷移學習在自然圖像與金融圖表之間存在領域差距的情況下仍能將性能提升4-16%。

該研究提出一種潛在空間探測框架，通過攔截CogVideoX視頻擴散模型推理過程中的去噪潛在表示，並附加輕量級分類器，實現實時成人內容檢測。實驗基於11,039個十秒視頻片段（5,086個違規，5,953個非違規）構建的數據集，在測試集上達到97.29%的F1分數，檢測開銷僅4-6毫秒。

當前合成數據流水線隨機生成圖像，而未診斷下游模型的實際需求。本文基於實驗設計（DoE）統計理論，提出合成設計實驗（SDRS），利用部分因子設計通過ANOVA分解高效審計模型的因子敏感性，將故障分為類型I（覆蓋不足）和類型II（虛假依賴），並針對性生成數據。實驗驗證：在dSprites上準確率從49.9%提升至79.0%；在分割任務中mIoU從0.948提升至0.998；還能檢測生成器中的交叉污染。

本文研究了受控語義相近句子集的嵌入空間局部幾何結構，提出了基於仿射、二次和三次擬合模型的局部幾何建模方案，並採用表面潛在探測方法構建合成潛在點。實驗表明非線性模型優於仿射模型，但幾何有效性並不自動提升分類性能。同時發佈了CoPaGE-300K數據集。

該研究系統評估了差分隱私文本混淆中的文本分解和隱私預算分配技術，發現設計選擇對隱私-效用權衡有顯著影響，並提供了優化DP混淆程序可行性的證據。

新研究指出，當前反事實提示評估常因忽略表面形式變化而錯誤歸因模型敏感性。作者提出框架，通過統計檢驗將目標干預與釋義基線比較。重新審視MedPerturb數據集後，僅120項測試中的5項顯著，而職業傳記分類中的方向性性別偏見仍可檢測。基於樣本和迴歸的指標比聚合指標更有效。

一篇新的arXiv預印本將大型語言模型中的對抗性攻擊和防禦形式化為理論博弈，推導出最優攻擊和防禦策略，並在多種設置下表現出優於現有方法的性能。

新研究提出XHS-SCoRE基準，用於檢測小紅書帖子是否引發向上、向下或中性的社交比較。研究發現，儘管LLM能夠流暢生成社交比較內容，但其提示分類器在檢測這些信號時表現出系統性失敗，包括中立化和方向性偏差。實驗還顯示，LLM生成的帖子能影響讀者的感知和情緒，儘管檢測仍然脆弱。

CLEAR框架通過系統性擾動決策空間中的選項數量、真實答案或棄權選項的存在以及語義框架，評估了17個LLM在三個醫學基準上的表現。研究發現，增加合理答案數量會降低模型識別正確答案和拒絕錯誤答案的能力；棄權表述從“以上皆非”變為“我不知道”時，模型的不謹慎性加劇，且僅包含“我不知道”選項就會增加錯誤選擇；此外，模型在識別正確答案與拒絕錯誤答案之間的“謙遜赤字”隨模型規模擴大而惡化，表明單純擴大規模無法解決LLM的可靠性問題。

一項研究表明，大型語言模型（LLM）生成的去偏見新聞標題可以通過框架重述提高保守派讀者的信任和參與意願，但詞彙層面的調整無效。LLM還高估了自身效果，並缺乏對讀者心理的準確理解。