本文作者Charity Majors認為AI只是一種普通技術，不應被特殊化為邪惡或不可接觸。她呼籲技術工作者積極學習、使用並參與塑造AI，而不是出於純粹態度抵制它。她分析了AI在建立和使用過程中的危害，批評了追求道德純淨的傾向，並提出應從工作場所開始實踐性的參與。

一個基於Next.js的開源模板，透過AI編碼代理一鍵克隆任何網站。支援多種AI代理如Claude Code，自動提取設計標記、元件規格並並行構建，快速將現有網站重建為現代化程式碼庫。

OpenAI為降低基礎設施成本，與博通合作開發了定製ASIC晶片“Jalapeño”，專為大語言模型推理設計。該晶片由臺積電製造，預計2026年底部署，有望顯著降低運營成本並提升效率。

本文探討了大型科技公司在人工智慧基礎設施投資中隱藏真實成本的做法，包括資本支出、能源消耗和環境影響等未公開的財務負擔。

Gemini Spark是一款全天候個人AI代理，可在手機和筆記型電腦關機時後臺工作，自主執行任務但在重大行動前徵詢您的意見。現已在Product Hunt上線。

百度開源了Unlimited OCR，這是一個30億引數的混合專家模型，採用參考滑動視窗注意力機制（R-SWA）保持KV快取恆定，從而在一次前向傳播中高效解析數十頁文件。在OmniDocBench v1.5上達到93.23分，比DeepSeek OCR基線高出6.22分，採用MIT許可證。

新加坡在Anthropic的Claude AI人均使用量上位居全球第一。其他重大新聞包括：Anthropic因亞馬遜發現的越獄漏洞而被強制下線Fable 5和Mythos 5模型，SpaceX以600億美元收購AI程式設計初創公司Cursor，Meta推出自主AI助手，以及Anthropic與SpaceX和黑石集團合作獲取算力和服務。

許多AI輔助構建的軟體無法證明其實際行為，因為程式碼生成工具不生成治理記錄。作者介紹了ASE（審計主權引擎），用於生成每個AI操作的加密收據，並提供基礎診斷服務，幫助公司評估其程式碼庫的治理情況。

Hezo是一個自託管平臺，讓您建立和管理AI代理團隊。代理在隔離容器中執行，透過出口代理替換佔位符，確保金鑰永不暴露給代理。支援多種模型提供者，提供預算上限、審計跟蹤等功能。

BetterAgent是一個CLI驅動的工具，能快速為Next.js應用新增AI代理層，透過讀取路由和服務端操作，讓使用者獲得能實際操作產品內部功能的代理。它提供無配置的開發體驗、可嵌入的UI元件、內建可觀測性和生產級基礎設施，包括認證轉發、流式傳輸和速率限制。

埃及分數是使用單位分數表示非整數的方法，在18世紀前是歐洲的主要方法。本文涵蓋其定義、從萊因德紙草書的歷史、每個有理數都是埃及數的定理、構造性證明、示例以及未解決問題。

本文研究了在自我中心視覺理解中，如何透過權重剪枝實現低延遲視覺-語言模型，同時保證預測的準確性和證據基礎（雙重正確）。現有剪枝方法常保持證據定位但損害準確性，作者提出理由告知剪枝策略，在自我中心影片資料集上達到了最高準確率和雙重正確預測。

SwarmFly是一個基於MATLAB的開源無人機叢集模擬平臺，解決了現有工具維護不足、學習曲線陡峭和場景單一的問題。它支援四種叢集協調模式、外掛架構和即時地圖，並透過八項實驗驗證了編隊精度、抗風、故障恢復、續航和空域合規性。其模組化設計便於擴充套件至硬體在環測試和更大規模叢集。

本文介紹了HALO，一種用於長時程機器人控制的視覺運動策略，透過注意力機制進行記憶檢索，克服了模仿學習中的虛假相關性和錯誤累積問題。

該論文提出了一種基於因果推理的引數化控制屏障函式方法，用於解決多車互動中的安全控制問題。透過將因果推斷嵌入到引數化CBF中，該方法能夠顯式推理車輛間的相互影響，克服了現有方法中難以確定因果關係或過度保守的缺陷。基於學習到的因果關係引數化CBF，自適應安全控制器允許自車根據對周圍車輛行為的預期做出安全反應，並在多種互動密集場景中顯著提升了任務效率。該工作已被ICRA 2026接收。

RGB框架將預訓練的強化學習策略作為取樣先驗，結合模型預測路徑積分（MPPI）線上最佳化，無需重新訓練即可實現人形機器人的全身魯棒控制。在Unitree G1模擬中達到280Hz控制率，任務精度顯著提升。

AeroCast是一個機率性軌跡預測框架，結合了Transformer編碼器和混合密度網路，用於預測未來三維位移的高斯混合分佈。在混合真實與合成的四旋翼飛行器資料集上，相比基線方法，平均位移誤差和最終位移誤差降低了約50%，每個樣本推理時間僅0.1毫秒，支援機載即時部署。

一種新型室內協同物體導航資料集及框架SurveilNav，透過整合主動相機排程、聯合2D/3D地圖、基於視覺語言模型的價值估計和協同目標驗證，克服了單機器人感知範圍有限和固定攝像頭盲區的侷限。在HM3D資料集上的實驗表明，該方法在探索效率和導航成功率上均達到最優水平，有望應用於大規模搜尋、家庭環境和救援任務。

提出ADM-Fusion，一種端到端深度學習多感測器融合方法，採用自適應感測器混合專家框架和內容感知路由，動態分配感測器權重，並分離平移和旋轉分支，透過跨任務注意力機制實現資訊共享。在CARLA-LOC模擬資料集訓練並在KITTI真實資料微調，展示了模擬到現實的有效遷移，在退化條件下保持魯棒性。

本研究提出了一種用於多IMU鉸接剛體系統的擴充套件位姿估計的不變卡爾曼濾波方法。透過引入相對L擴充套件位姿這一李群表示，並結合迭代不變擴充套件卡爾曼濾波（IterIEKF），該方法有效處理了關節運動學約束，在UR5e機器人和人體腿部驗證中，均方根誤差降低至少50%。

一種名為潛序列最佳化（LSO）的新方法，透過最佳化行為基礎模型中的潛變數序列，實現了精確的物理模擬運動追蹤，並在真實人形機器人上得到驗證。

大多數視覺-語言-動作（VLA）模型是反應式的，僅根據當前指令和觀測預測下一步動作，難以應對部署時的環境變化。本文提出反射式VLA，透過上下文中的觀測-動作-後果三元組來調節決策，從而暴露部署特定的動作-效果對映。在LIBERO等基準測試中，反射式VLA在分佈偏移下平均成功率提升5.4和4.2個百分點，消融實驗表明動作後果而非額外上下文長度是關鍵。

本文提出一種新的神經網路量化方法，透過學習量化感知的線性路徑來尋找低損失子空間的中點，從而在不使用直通估計器或顯式離散化的情況下實現與量化感知訓練相當的效能。

本研究評估了多模態大語言模型（MLLM）在輔助AI任務中的表現，包括貨幣識別、場景文本問答和多語言視覺內容閱讀。研究者構建了NetraLink系統，使用頭戴式GoPro採集真實世界第一人稱資料，並建立了相應基準測試。結果揭示了當前MLLM在視覺感知和語言互動方面的優勢與侷限。

視覺故事生成要求影像序列與敘述提示對齊且角色外觀一致。現有免訓練方法依賴結構化提示（每句重複完整描述），不符合自然敘述。FreeStory透過實體引導的特徵複用，在自由形式提示下保持角色一致性，並引入FreeStoryBench基準，在單/多角色故事中均達到領先水平。

Wan-Streamer 是一個原生流式、端到端的互動基礎模型，專為低延遲、全雙工信視聽互動設計。它在一個Transformer中統一建模語言、音訊和影片的輸入輸出，使用塊因果注意力實現增量流式，無需依賴外部模組。模型側響應延遲約200毫秒，總互動延遲約550毫秒，支援亞秒級雙工信視聽通訊。

Chorus II 提出一種跨請求稀疏性重用框架，透過複用歷史請求的稀疏注意力掩碼來避免線上掩碼預測，可選的特徵重用和引導增強進一步保持生成質量，實現2.16倍加速。

Yuvion VL是一系列專為內容和AI安全設計的多模態大語言模型，透過將安全性視為對抗性和多模態問題，構建了圍繞對抗魯棒性的完整管道。其資料構建採用自動化對抗感知合成與多階段質量控制；訓練採用三階段流程，包括風險概念跨模態對齊的繼續預訓練、生產級安全任務的指令後訓練以及增強可解釋性的推理後訓練。創新性地引入困惑-對比微調框架，透過挖掘模型特定困惑並構建多影像對比組，強制區分細粒度視覺語義元素。同時推出YVRE基準集，包含多樣化的安全評估。實驗表明Yuvion VL-32B在安全效能上領先於同類開源和閉源模型，同時保持通用能力。

本文提出了一種噪聲感知邊界增強生成學習（NBGL）框架，用於超聲散斑抑制。該框架由散斑抑制分支和邊界增強分支組成，並引入噪聲感知互動權重生成（NIWG）模組，透過3D拉普拉斯濾波和中位數絕對偏差估計自適應調節噪聲水平。在141個3D經陰道超聲資料集上的實驗表明，NBGL在六個噪聲級別上均優於現有方法。

本研究開發了一個涵蓋認知、情感和行為領域的自我汙名編碼本，並分析了Reddit上藥物使用者的帖子。結果顯示，自我汙名普遍存在，且行為指標往往先於核心指標出現，挑戰了傳統的漸進模型。