提出“每瓦智慧”(IPW)作為評估AI系統效率的指標，借鑑了計算領域每瓦效能的思路。研究表明，本地模型能回答88.7%的單輪查詢，混合推理可將能耗和成本降低60-80%。IPW還可用於衡量經濟價值和國家級競爭力，如“國內總智慧”(GDI)框架。

AI 2027 追蹤器最新更新顯示，截至2026年5月，53項預測中16項被確認，整體進展速度約為預期的70%。代理、編碼工具、基礎設施投資和機構響應方面取得定性進展，但關鍵定量里程碑仍不均衡。

Google Vids是Google Workspace推出的一款AI影片創作工具，整合了Gemini AI，支援透過提示和檔案自動生成故事板，並提供螢幕錄製、AI頭像、Veo影片生成、豐富媒體庫和協作編輯等功能，旨在讓任何人都能輕鬆製作專業影片。現已面向Workspace商業版和企業版使用者及消費者AI計劃開放。

瞭解如何構建高效的滲透測試代理，涵蓋關鍵考慮因素和最佳實踐。

本教程指導如何在Google Colab中構建一個輕量級的個人AI代理，靈感來源於奈米機器人的核心架構。從提供者抽象開始，逐步新增工具註冊、會話記憶、生命週期鉤子、技能以及MCP風格的伺服器。透過自己構建每個模組，深入理解訊息、工具、記憶和模型響應的協同工作方式。

大型語言模型的成本正在飆升，但技術進步和市場競爭將推動價格下降。本文分析了效能瓶頸、開源模型、晶片改進、零切換成本和本地模型這五個關鍵因素。

中國深圳普渡科技宣佈，將在2027年於深中通道西人工島開設全球首家全場景機器人服務酒店。機器人將負責接待、客房服務、清潔、餐飲等所有崗位。

一個由 BenchFlow 維護的精心策劃、帶註釋的 AI 智慧體評估資源庫，包含 443 多個連結和 146 篇深度閱讀筆記，涵蓋論文、部落格、講座、工具和基準測試。資源透過遞迴引用爬取、實踐者發現和對抗性驗證篩選，每項都有說明和驗證，確保高質量。

Notion 宣佈關閉其電子郵件應用 Notion Mail，該應用基於收購的 Skiff 構建。由於大多數使用者轉而使用 AI 代理管理郵件，Notion 決定停止該服務。使用者需在 9 月 21 日前匯出草稿和定時郵件，HIPAA 覆蓋的組織可延期至 2026 年 6 月。此舉標誌著 Skiff 影響力在 Notion 的終結。

一個 Claude Code 技能，透過分析原始 HTML 判斷網站對 AI 搜尋引擎的可見性，並提供框架特定的修復方案。

Ogment AI是一個Slack整合工具，只需標記@O即可召喚AI同事。它幫助團隊更高效地協作和獲取資訊。

加州聖地亞哥的特許學校Altus Schools斥資50萬美元購買了兩臺名為Ameca的AI人形機器人，作為探索AI教育應用的試點。儘管學校官員對其潛力充滿期待，但研究人員質疑其實際效果，並擔憂可能帶來的風險，包括技術故障、安全隱患以及對學生心理健康的潛在危害。

作者開發了SlimSnap工具，將螢幕截圖轉換為結構化JSON，供AI程式設計代理使用。相比直接貼上截圖，JSON表示可節省37-85%的令牌，且代理能直接引用元素而無需每次重新解釋畫素。文章詳細說明了令牌節省、結構化優勢、技能整合及開放模式的重要性。

隨著AI在研究中的應用日益普遍，區分負責任的使用、誤用和不當行為變得至關重要。本文提出了一個基於意圖和影響兩個維度的框架，以幫助研究界做出適當且一致的回應。

Gartner研究人員預測，隨著令牌消耗增加和基於消費的計費模式普及，生成式AI編碼的成本將持續上升，預計到2028年將超過全球開發者平均薪資（約每月2000美元）。

Supercomplete.ai 是一款AI工具，可在您打字的地方提供即時個性化建議，響應時間低於0.5秒，學習您的寫作風格，適用於電子郵件、社交媒體、客戶支援、營銷文案、訊息和筆記。提供免費、專業版（$8.99/月）和終身版（$59.99）選項。

Agent Zero是一個開源、動態、有機的代理框架。透過一個Docker容器，它提供了一個完整的Linux系統（含桌面環境），內建瀏覽器（支援DOM註釋）、文件協作編輯、LibreOffice整合、超過100個社群外掛，並支援多代理協作與主機擴充套件。

Shotlist 是一款開源工具，透過一個配置化的 .shotlist.yaml 檔案，自動化生成文件所需的網頁、終端和命令列截圖。它支援可重複截圖、CI 整合，並提供多種截圖模式，確保文件截圖始終與最新程式碼同步。

本文提出了一種結合模型預測控制（MPC）和強化學習（RL）的層次化控制框架，用於在自主競速中管理輪式四足機器人的側向載荷轉移。該框架包括離線最優路徑生成、線上MPC規劃器以及直接作用於16個執行器的全身RL策略。實驗表明，主動側傾控制將平均載荷轉移率降低44%，最快圈速提升8.7%，峰值側向加速度提高21.3%至1.98 m/s²。

NavIsaacLab是一個基於Isaac Lab的框架，利用基於物理和逼真的場景渲染以及GPU並行模擬，為機器人導航提供即時的3D視覺反饋。它採用資料驅動方法，結合軌跡擴散模型和對抗運動學習控制器，實現可控的、基於物理的行人模擬，並整合多種跨尺度場景，為人感知導航演算法提供強大的基準測試。

這篇論文提出了TaskNPoint訓練協議，透過人類教練提供少量輸入（技能集、一次演示、互動視窗和目標），讓人形機器人在物理模擬環境中快速掌握動態技能。實驗在Unitree G1人形機器人上進行，成功執行了網球正反手擊球、踢足球和搬箱子等任務，且訓練時間不到一小時，無需每任務獎勵調整。

RoboTales是一個低成本機器人講故事系統，透過富有表現力的襪子木偶動作來演繹敘事。在Baxter機器人上的自主測試實現中，該系統同步敘述、手勢和嘴部動作來表演角色驅動的故事。一項初步研究表明，木偶式講故事優於僅手勢模式，獲得了更高的HRIES評分和更好的故事回憶效果，表明具身木偶表演能增強參與度和敘事理解。該系統設計模組化且平臺無關，可適配其他機械臂，並提供了一種無螢幕的被動媒體替代方案，支援未來在兒童中心學習環境中的部署。

本文提出OmniContact分層框架，核心是接觸流（CF）表示，由關鍵身體軌跡和時序二進位制接觸訊號組成。底層策略CF-Track學習統一技能庫，高層模組CF-Gen啟發式合成未來接觸流序列。在搬運箱子和推疊箱子任務中分別達到98.7%和76.5%成功率，顯著超越基線。框架支援與視覺語言模型整合，實現語義驅動的複雜操作。

本文提出了首個針對對數螺旋連續臂的形態特定閉環任務空間控制框架。透過分段肌腱驅動模型和線上雅可比誤差補償（Broyden更新和卡爾曼濾波），實現了精確魯棒的控制，並在模擬中顯著優於分段常曲率方法，適用於抓取、避障等操作。

本文提出LiMoDE，一種基於動態專家混合（MoE）的兩階段學習方案，用於解決機器人終身操作中的災難性遺忘和技能遷移問題。第一階段透過多工預訓練學習先驗知識，根據運動資訊啟用不同專家；第二階段設計終身專家適應機制，動態組合新老專家以適應新任務。在模擬和真實任務中驗證了其有效性。

本文提出RMTL（強化微任務學習），將長時操作任務分解為多個語言描述的微任務，並訓練智慧體進行切換。透過多視角VLM獎勵、逆向課程和分層策略，RMTL提供了比單提示VLM獎勵更豐富的獎勵訊號，加速學習。在Fetch操作環境中的實驗驗證了其有效性。

研究人員開發了基於物理的血液毛細血管網路模擬，利用深度強化學習訓練微型機器人透過趨化性導航。他們系統繪製了導航的物理極限，發現了禁止區域，並觀察到智慧體自主發現多種通用策略。無需重新訓練，這些智慧體即可執行毛細血管流的定向阻塞與疏通，恢復健康基準水平。

本文提出了一種名為VMTAD的全無監督即時障礙物檢測方法，專為農業機器人設計。它利用變換器架構和記憶模組處理動態場景，在油菜資料集上達到0.973檢測和0.997分割AUC，輕量版推理僅需14毫秒，兼顧高精度與即時性。

一項新的研究透過簡單的線性探針對影片、影像和音訊的深度偽造基準進行審計，發現通用自監督表示即可接近專用檢測器的效能，表明這些基準可能更多衡量的是通用模態理解而非真正的鑑偽能力。

本文提出一種基於可微架構搜尋的方法，用於自動發現視覺提示微調中影像標記與提示標記的最佳融合方案。該方法將學習提示及其融合方式聯合最佳化，並引入仿射變換和交叉注意力兩種新融合機制。在34個資料集上的實驗表明，該方法在準確率、延遲和引數數量之間實現了良好的權衡，並揭示了混合融合方式能更有效地利用Transformer的層語義。