餐廳和品牌用AI製作食物宣傳圖，卻不斷產出扭曲、令人反胃的“電子食品”。本文結合多位研究者解釋，這類怪象源於擴散模型的生成機制、模型對真實世界缺乏理解、訓練資料偏差以及人類演化出的厭惡反應。

微軟為開發者最佳化的Windows體驗正式定名為Project Zenith，面向配備64GB及以上統一記憶體的新一代開發者裝置。AMD在IFA釋出了首款搭載Ryzen AI Halo晶片的迷你PC，後續還將有采用不同晶片的機型。裝置預裝VS Code、GitHub Copilot等工具，並預設關閉多項系統干擾功能，讓開發者可在本地不受計量限制地執行300億引數以上的模型。

OpenAI釋出GPT-6 Astra數小時後，CEO薩姆·奧爾特曼就為“混亂的釋出”道歉。該模型先向部分企業客戶開放，其他付費使用者需要再等幾天，令Pro訂閱者大為不滿。OpenAI同時面臨安全性質疑，並推出重置補償以安撫使用者。

Ugreen在IFA推出HomeAgent智慧家居平臺，將安防攝像頭儲存、端側AI和智慧家居控制整合到中樞中，並由語音助手Uliya管理，宣稱一切在本地執行，資料不出家門，也無需為影片儲存支付月費。該平臺包含三檔中樞，支援Matter及多種第三方裝置，將於10月在Kickstarter上線。

Sciptly 是一款適用於 iOS 的提詞器應用，支援透過語音控制，讓使用者無需觸碰螢幕即可操作提示詞。

OpenAI正式釋出新一代旗艦模型GPT-6 Astra，宣稱為“最智慧且最對齊的模型”，其計算機使用、軟體工程和數學推理能力被標榜為重大突破。不過，第三方評測顯示其能力提升不均衡，而且每token價格更高、可監測性下降，引發了關於評測飽和、部署治理和監管難度的廣泛爭論。

GitWarren 是一款面向開發者的工具，讓開發者在提交程式碼變更之前，透過自己的編碼智慧體對程式碼進行審查，以便提前發現並改進問題。

本文介紹了一套基於CAD模型的易用程式設計與執行系統，用於引數化技能和技能監控。該系統採用改進的行為樹結構，且僅使用事件進行通訊。測試示例中，人類操作員指揮橋式起重機與機械臂協同，將起重機支撐的重型物體插入目標位置，以驗證其對多變生產與物流任務的適應性。

本文介紹一種面向拆卸任務的新型機器人夾爪 ARTiS。它將軟體夾爪的適應性、類人手的靈巧性與剛性機構的穩健性融為一體，採用柔軟掌心與指尖實現穩定工具握持；掌心利用主動顆粒阻塞，指尖採用鰭條自適應設計。七自由度設計使指尖能夠朝向任意表面，適合自動化與人機協作場景。論文使用多種常規拆卸工具評估了其順應性、耐用性和功能通用性，已被 TASE 接收併釋出於 arXiv。

論文提出R2S-Eval，一種結合真實到模擬校準與視覺語言模型偏好評級的機器人操作策略評估流程。它透過在已校準的模擬器中生成rollout影片來減少重複硬體試驗，並利用VLM對執行質量進行兩兩比較，進而彙總出策略排名。實驗顯示該方法比傳統成功率評估更可靠、更穩定，且與人類偏好一致，能揭示二進位制成功標籤無法反映的行為質量差異。

RoboTok 是一個能從網際網路影片中檢索人類操作演示的資料引擎。給定一段查詢影片，它利用以執行者為中心的三維手部軌跡構建潛在動作空間，從而在視角、場景與遮擋變化下高效匹配相關演示。實驗顯示，RoboTok 的檢索結果更相關，並且能顯著提高機器人下游任務的成功率，為機器人學習提供了可擴充套件的網際網路級資料來源。

CoverPruner 是一種面向視覺語言模型的免訓練視覺 token 剪枝方法。它不只問“保留哪些 token”，而是進一步問“每個被移除的 token 該由哪個倖存 token 代表”，並將剪枝建模為表示覆蓋最大化。藉助投影器空間覆蓋和輕量第一層注意力探針，CoverPruner 在多種 VLM 架構與壓縮率下取得最佳平均準確率，且在激進壓縮下增益最大。

生成影片的畫面流暢並不等於物理可靠，單一評分也無法說明片段違反了哪項物理約束或在哪一時刻失敗。VeriPhy 是一個可審計的物理驗證系統：它先用文本規劃器把提示詞編譯為型別化物理約束和靜態驗證後的執行計劃，再透過分割追蹤、深度估計、OCR、音訊事件檢測等凍結專家模型收集帶來源的證據記錄，最終給出可追溯的 plausible/implausible/abstain 判定。在含 1500 個片段的人工標註語料上，VeriPhy 比問答分解式評估器識別出更多區域性化生成缺陷，且每條結論都保留證據鏈，可望作為批評訊號回寫至生成模型。

研究者提出TRIM（Trigger Removal by Identifying Manipulated Regions），一種面向部署的黑盒後門防禦方法，無需模型內部資訊、訓練資料或乾淨樣本，即可在推理時檢測並選擇性移除後門觸發器。實驗表明TRIM能將攻擊成功率降至1.16%，同時保持高達87.87%的乾淨準確率。

一項新的arXiv研究透過將基準測試原始題目與語義等價的改寫題目進行對照，把資料汙染對LLM評測的影響拆分為“絕對分數虛高”和“排名重排”兩個問題。基於47個公開模型和74個已知汙染強度的微調模型，在ARC、GSM8K、HellaSwag與MMLU上的結果表明，標準排行榜與釋義對照排行榜的秩相關達0.997；汙染在公開模型中近乎均勻，會推高絕對分數，卻很少改變相對名次。作者建議排行榜同時公佈帶置信區間的釋義對照排名。

論文提出蒸餾快速嵌入遷移（DRET），將BioBERT、ClinicalBERT等大型生物醫學語言模型的領域知識注入輕量級通用模型DistilBERT，而無需在原始專業語料上重新訓練。該技術在EBM-NLP語料庫上的PICO分類評測中，以6600萬引數達到與規模大一個數量級的模型相當甚至更優的平衡準確率、召回率和ROC-AUC，同時保留了高效推理與部署能力。

提出 AdaptiveSpec，一種無需訓練的逐步推測解碼方法，透過解碼過程中已有的內部訊號，同時自適應地調整 token 接受裕度和草稿樹結構。在 SGLang 生產級推理引擎上，相比 EAGLE-3，吞吐量最高提升 56%，在 GSM8K、MATH-500 和 HumanEval 上恢復 93% 至完全無損的任務準確率。

TRACE 是一種新型圖網路模擬器，將顆粒接觸歷史直接儲存在接觸邊上，透過連續接觸記憶和身份字典應對接觸圖變化，從而在二維和三維顆粒柱坍塌基準中實現更穩定、更精確的長時程模擬，並將計算速度顯著提升。

這篇論文提出“來源密度”（Provenance Density）證據視覺化介面，幫助使用者區分真實與捏造的AI生成內容。81人的使用者研究表明該介面顯著提升辨別力，而200個樣本的技術審計則發現僅靠檢索密度不夠，“一致性否決”在動態查詢中承擔主要判別訊號。

一項新研究提出CONFLICTGUI基準，系統評估圖形使用者介面（GUI）智慧體在指令衝突下的表現，發現其存在嚴重的“執行偏向性過度遵從”問題。研究進一步提出CONFLICTGUARD推理時框架，透過可行性驗證與條件性動作調節，使智慧體在識別不可行指令後停止執行，顯著提升衝突任務成功率，同時不損害正常GUI任務表現。

全雙工語音代理需要在即時對話中持續判斷何時傾聽、插話、處理重疊語音和接管話輪。現有基準多透過顯式指令測試這些行為，而實際部署的代理往往根據角色或人設隱式推斷行為。為此，研究者提出 DuplexSpeechBench-IFEval（DSB-IFEval），用 1,038 個測試用例、8 種助手角色和 5 種指令條件，系統評估代理在即時語音互動中的隱式指令遵循能力。結果顯示不同架構存在顯著權衡：有些模型在只有人設提示時效能明顯下降，有些則無法適應不同指令來調整話輪管理。

本文提出中央路徑驗證器（CP-Cert），用於解決機器人學中因半定規劃鬆弛退化而導致傳統“先區域性求解、後驗證”方法失效的問題。CP-Cert 從候選解出發，在可行域的鄰近區域（即中心路徑）中構造最優性證書，並藉助間接線性代數、問題稀疏性和平行計算保持高效。作者將其應用於矩陣加權位姿註冊與點雲資料關聯，在模擬實驗中執行速度比最先進的直接求解器快至多三個數量級，並整合為可認證、抗離群的真實位姿估計流水線。

視覺-語言-動作（VLA）策略在有限的、同質的機器人演示上訓練時，容易學習到感測器之間的虛假相關性，而不是任務相關訊號；這種失敗模式被稱為“模態糾纏”。為應對真實世界中的遮擋與干擾，該論文提出證據門控正則化（EGR），一種零推理開銷的訓練目標。EGR 利用逐幀、逐感測器的任務相關性估計，對低證據感測器施加不變性約束、對高證據感測器施加單感測器充分性約束。在基於 BEHAVIOR-1K 的基準測試和兩套真實機器人平臺上，EGR 顯著提升成功率：單感測器回退場景提升 120%，雙臂平臺在物理干擾下提升 183%。

家庭機器人在本地保留原始感測器資料時仍可能透過結構化表示匯出洩露隱私。一項新研究提出任務功能感知蒸餾（TFPD）框架，在120個AI2-THOR場景中評估導航、碰撞檢測和目標執行任務，發現即使任務效能相同，不同表示的隱私風險差異巨大，且刪除欄位或加強抽象並不總能帶來更安全的排序。

本文提出 WireSeg-32k，一個面向線纜/電線例項分割的合成資料集，包含 32,000 張 RGB 影像、例項掩碼和深度圖，並提供帶標註的真實世界測試集。為生成該資料集，作者設計了 DeformX 協同模擬管線，將 Cosserat 杆動力學與 Isaac Sim 照片級渲染相結合，從而獲得物理可信、接觸一致的線纜形狀。僅用 WireSeg-32k 對 SAM3 做 LoRA 微調，真實世界 mAP@75 相對原始模型提升 10.2%，表明物理可解釋的合成資料能有效遷移到真實線纜感知任務。該論文已被 CVPR 2026 Workshop 的 Synthetic Data for Computer Vision 環節接收。

論文提出TopKSigLIP，一種針對乳腺X線攝影的CLIP風格視覺語言模型(VLM)。該方法引入可學習的TopK-Patch模組，在不犧牲批大小的情況下采樣高解析度病灶疑似圖塊，並透過基於結構化資料軟標籤的Sup-sigmoid損失替代對比損失。在密度評估、BI-RADS分類、發現亞型與癌症預測等零樣本任務上，TopKSigLIP超越現有開源醫學VLM，其病灶定位也優於Grad-CAM。

這篇立場論文指出，視覺學習中“無標註”並不等於“無人類監督”，因為不同的資料篩選方式和訓練目標都嵌入了各不相同的人類先驗。作者呼籲研究社群更明確地識別和披露監督來源，避免用“無監督”一詞籠統概括不同方法，從而提升學術交流、確保公平比較，並保護方法論多樣性。該文被ICML 2026接收。

銀行、貸款機構和政府部門等越來越依賴線上身份驗證，但真實身份證件敏感稀缺，使反欺詐檢測工具的評估與調優成為難題。IDSpace 提出面向身份文件的合成資料生成方法：透過模型引導的貝葉斯最佳化，僅需少量真實樣本即可生成視覺與預測一致性更好的文件；將人口統計等使用者後設資料同字型、噪聲、畫質等控制引數解耦；並支援掃描件和手機拍攝件。實驗顯示，該方法將評估一致性較 CycleGAN 等基線提升 15–45%，訓練準確率最高提升 9%，SSIM 提升 10%，同時釋出了覆蓋歐洲十類身份證件的 359,240 張高質量合成文件資料集。

大型公共事件中錯誤資訊的快速傳播對公共安全和社會凝聚力構成重大風險。該論文提出 BharatGather，一個專為印度大型集會場景設計的二進位制錯誤資訊分類資料集，包含透過事實核查平臺抓取、多模態轉錄提取和 LLM 合成增強構建的 14,646 條記錄，旨在為文化感知的檢測系統提供基準。

該研究將線性探針在分佈外欺騙檢測中的失敗歸因於子空間選擇問題。作者在Llama-3.1-8B-Instruct上發現，僅用訓練啟用的前若干主成分做投影即可大幅提升跨域遷移能力，並藉助LLM裁判篩選可遷移主成分，在多個基準上縮小了與理想探針的差距。