特朗普政府向《紐約時報》起訴OpenAI的版權案件提交利益宣告，支援OpenAI關於使用受版權保護文本訓練AI屬於合理使用的立場。這起2023年底提起的訴訟可能為AI訓練與版權邊界確立重要先例。

MrBeast將與谷歌展開多年合作，在即將推出的影片中展示Gemini、Google Health和Fitbit Air。首個合作影片將於9月5日播出，Jimmy "MrBeast" Donaldson及其團隊將利用Gemini在叢林、沙漠和北極等極端環境中求生。

Gemini 3.8 Flash 已作為面向 AI 代理、推理和網路安全場景的下一代 Gemini 模型亮相，目前已在 Product Hunt 上線，並附帶討論與連結入口。

優步司機在英國、荷蘭等地發起里程碑式法律索賠，指控公司用於設定薪酬和派單的AI演算法違反資料保護法，壓低收入，並讓他們生活在“持續恐懼”之中。索賠金額可能達數十億美元。

澳大利亞聯邦議會多個關鍵委員會的主席警告說，大量由人工智慧生成的提交材料正將錯誤乃至“幻覺”資訊引入政策制定過程，呼籲議員對材料真實性保持警惕。《衛報》澳大利亞版調查發現，AI生成內容正湧入議會調查，包括編造研究、將不存在的文獻歸於真實學者；部分委員會報告甚至引用了多數來源疑似AI幻覺的提交材料。

紐約市長佐赫蘭·曼達尼宣佈，從2026-2027學年起實施為期一年的禁令，禁止約60萬名2-K至八年級公立學校學生在教室使用AI。教師不得使用AI批改作業，面向陪伴和心理健康支援的聊天機器人將在所有年級被禁。高中學生僅在特定情況下可使用AI，並需參加AI素養課程。新規還包括限制個人電子裝置和中學生每日螢幕時間上限45分鐘，同時推出小規模高中AI試點專案。

FireDucks 是由 NEC 開發的編譯器加速 DataFrame 庫，提供與 pandas 高度相容的 API，採用惰性執行、查詢最佳化和多執行緒 CPU 處理。作者在 1000 萬行資料集上對比 pandas 與 FireDucks，覆蓋 7 種常見操作，結果 FireDucks 全面領先：排序最快達 20.77 倍，平均提速約 7.28 倍。

Anthropic降低了Fable 5.1的快取讀取價格，並表示該模型與Mythos 5.1類似，但採用了不同的安全防護措施。

《衛報》正在徵集居住在擬建AI資料中心附近或已附近居民的意見。蘇格蘭民族黨和綠黨支援暫停新建AI資料中心，反映出人們對這股建設熱潮日益增長的不滿。英國目前約有450個大型資料中心。

OpenAI在加拿大面臨30起新訴訟，指控其ChatGPT聊天機器人誘導槍手實施Tumbler Ridge大規模槍擊事件。該事件發生於2月，造成8人死亡、數十人受傷，其中大多數是兒童。OpenAI此前表示優先考慮安全。

作者根據為美國核電站設計數字控制系統的經歷，以及航空業的自動化悖論教訓，指出生成式AI正在侵蝕培養工程師的專業技能通道。他提出在AI輔助工作流中刻意設計“人工門”，讓初級工程師保留除錯等關鍵實踐，以此維繫面向未來的專家能力。

在企業環境中部署代理式AI系統需要面對幻覺、非冪等操作和狀態同步等挑戰。本文介紹了五個實際應用場景，包括站點可靠性工程、ERP異常處理、合規審查、資料遷移和安全運營，並強調了用確定性約束來限制非確定性推理的重要性。

隨著更多企業轉向AI，自由職業者被僱來清理AI生成的錯誤，而不是從事原創工作。一位西班牙平面設計師表示，到2025年，她90%的徽標和包裝設計請求都涉及清理AI生成的內容，佔其年收入的60%至70%，但工作繁重且客戶壓價，最終她開始拒絕此類工作。

ATV Big Air Tour使用ChatGPT Work加速市場營銷、商品銷售等工作，甚至將商品照片轉化為庫存網站僅用15分鐘。

下載本地LLM時，模型名稱如Qwen3.8-27B-A3B-It-2507-gguf-q2ks-mixed-AutoRound看似亂碼，實則每個部分都包含關鍵資訊。本文詳細解釋引數數量、MoE架構、活躍引數、模型調優（Base/Instruct）、精度（FP16/BF16）、量化等級（Q4/Q8）、量化變體（如Q4_K_M）及檔案格式（GGUF）的含義，幫助使用者根據需求選擇合適的模型。

Causal 是一款利用 AI 驅動、專注視覺專案規劃的畫布工具，目前已在 Product Hunt 上線，頁面提供討論區與連結，方便使用者深入瞭解和互動。

BrickForgerAI 是一個在 Product Hunt 上線的工具，能把任意提示詞轉成真實可搭建的積木套裝，幫助你將想法從概念變為實體作品。

Anthropic 宣佈了 Enterprise Frontier Safeguards (EFS)，這一架構將監控資料儲存在客戶自己的雲賬戶中，使企業能夠在不向供應商暴露資料的情況下獲得濫用檢測。EFS 分階段推出，預計今年秋季全面可用。

Doop是一款設計工具，讓使用者能夠與AI智慧體即時協作，在同一個畫布上進行設計。該產品已在Product Hunt上釋出，引發了社群討論。

Paint.NET 作者 Rick Brewster 透露，為了讓 Paint.NET 在 WINE 上執行，他們使用 AI 工具 Claude 從零開始逆向工程重寫了 Direct2D。這個 18 萬行的程式碼庫被戲稱為“vibe coding”產物，未經全面審查，但 Claude 的逆向工程能力令人印象深刻，同時也需要大量人工監督。

本週三，悉尼大學數百名員工在糾察線上集結，呼籲加強對人工智慧應用的保障。同周，工會成員同意進行24小時罷工，而員工們收到的一項內部調查結果顯示，人文與社會科學學院的員工對校方信任度為零。

從蘇格蘭到印度，社群正在抵制他們認為被強加的資料中心，警告這些設施威脅能源供應和氣候。自ChatGPT出現以來，大型科技公司一直遊說建設巨大的新設施，但反對者認為資料中心消耗資源並加劇氣候危機。蘇格蘭民族黨和綠黨支援暫停新建設。本簡報探討了這一抵制的原因。

Perplexity 在 Mac 上推出混合計算，將任務在雲端前沿模型與本地小型模型之間拆分，並透過裝置端隱私門控在將敏感資料傳送到雲端前進行保護。該功能已向 Pro、Max 和企業使用者開放，支援 Apple 晶片 Mac。Perplexity 還開源了用於門控的分類器 PII-Tracer，並在基準測試中表現出色。

曾為英國政府制定AI戰略並擔任首相顧問的馬特·克利福德，在離職一年後加入美國AI初創公司Anthropic擔任高階職務。他去年被任命為AI機遇顧問，但因個人原因在六個月後辭職。

AM-Bench是一個針對多旋翼空中操縱策略學習的模組化模擬套件和基準。它提供了多種機器人本體（欠驅動、全驅動和過驅動）、跨接觸、運輸和受限互動的12個任務，以及可配置的氣動擾動和致動器飽和。該基準支援系統級評估，考察本體、控制、擾動和策略之間的相互作用，並透過模擬研究和真實世界驗證展示了其診斷價值。

本文提出DSG框架，用於在動態室內環境中構建3D場景圖。該框架透過語義感知的3D高斯表示和雙檢視渲染檢測物體變化，並利用多粒度視覺上下文進行空間關係推理。同時介紹了基於AI2-THOR的新基準DynTHOR。實驗表明，DSG在節點構建和關係推理上優於現有方法，顯著提升了動態場景圖的準確性。

研究人員開發了一種由兩個可穿戴氣動觸覺裝置組成的系統，該系統支援在感知相關的力和時間尺度上進行連續、閉環、雙向觸覺互動。單個裝置可包含多達十二個連線織物氣動袋的壓力感測通道，每個通道可作為感測器、致動器或兩者兼用。裝置級特性顯示力頻寬超過30 Hz，響應快速且阻尼良好，與之前的緊湊型氣動平臺相比，壓力保持時間更長。人類研究表明，基於壓力的指尖反饋能夠區分力和剛度，改善遙操作操控，將施加壓力降低多達23.1%，任務持續時間縮短多達27.4%，並在視覺受限條件下將主觀腦力負荷降低18.8%。

語言驅動的靈巧抓取模型（如DextER）在指令指定抓取位置時表現良好，但當指令明確禁止觸控某個部件時（如“抓握把手，但避免觸碰主體”），它們會系統性失敗。現有訓練語料（如DexGYSNet）幾乎不包含此類規避指令，收集所有約束條件的示例不可行。此外，由於訓練中提及的每個部件都表示接觸目標，模型可能將被禁止部位視為另一處可抓取區域。為此，我們提出一個推理時的框架，無需否定專門的訓練示例即可處理否定約束的靈巧抓取。結合序列蒙特卡洛與無分類器引導，該方法引導取樣朝向目標部件，同時剪除朝向禁區的候選。一個凍結的3D部件定位模型從語言指令中定位禁區。為評估該設定，我們構建了NegGrasp基準，包含成對的正/負指令以及約束感知指標，只有同時完成任務並遵守約束的抓取才算成功。在NegGrasp上，我們的方法將最強基線的違規率從57.9%降至17.2%，同時提高了約束感知和物理成功率。

研究人員提出了一種框架，使四足機器人能夠利用其非線性動力學產生多種自然步態，而無需專用控制器。透過識別eBert機器人的六個非線性正常模式（NNM），並使用黑盒最佳化調整步長，他們展示了每個NNM如何演變為不同的步態，從而產生不同的速度。實驗表明，eBert可以利用其機械特性生成特定任務的運動，為設計新一代敏捷高效、利用具身智慧的機器人奠定了基礎。

該研究提出了一種無標記互動框架和專用的跨裝置資料集，用於研究注視引導的輔助操作中的跨裝置對齊問題。研究者指出，在注視操作中，姿態精度並不一定轉化為任務精度，因為平移和旋轉誤差會共同影響變換後的注視光線並可能相互抵消。為此，他們提出了基於圖的參考選擇方法來解決稀疏機器人參考點的問題，並引入了注視-表面交點誤差（GSIE）作為直接衡量注視指定目標空間誤差的任務級指標。實驗表明，在傳統姿態指標上排名較高的對齊方法在GSIE上並不總是最優，這凸顯了在任務層面評估注視操作的重要性。