Chatr 是一款 AI 工具，能夠處理客戶支援、收集反饋、預約時間以及銷售產品。

本文提出了一種適用於異構移動機器人的非接觸式呼吸率監測框架，該框架利用機載邊緣計算，結合RGB、熱成像、近紅外和低光攝像機，透過亮度自適應感測器選擇、關鍵點引導的胸部ROI提取和基於訊號質量指數的濾波機制，實現了在多變光照、不同姿態和多種機器人平臺上的可靠呼吸監測。實驗表明，RGB最遠覆蓋8米，近紅外6米，熱成像僅短距離有效，低光在完全黑暗中可達8米。該框架為危險環境中的自主分診和受害者評估奠定了堅實基礎。

一項新研究提出使用基於Transformer的學習預熱啟動方法，加速空間機械臂對翻滾目標終端接近中的順序凸規劃（SCP）計算，迭代次數減少28%，執行時間減少23%，同時保持最優控制成本。

本文提出了APOLLO，一種結合輕量級個性化嵌入模型（PEM）與選擇性大語言模型（LLM）輔助的混合框架，用於在雜亂、部分錯誤的環境中實現具有棄權意識的物體重組。PEM透過少量演示訓練，執行在CPU上，併產生不確定性估計，僅在決策模糊時呼叫LLM，平衡效率、隱私和推理能力。此外，還引入了APOR合成資料集，包含多傢俱房間環境、多樣化組織配置和顯式棄權行為。實驗表明，APOLLO在降低LLM使用的同時，效能優於先前的LLM基線。

針對機器人視覺編碼器因缺乏大規模配對資料而受限的問題，研究人員提出CAIP方法，利用海量第一人稱人類影片中的手部姿態作為機器人末端執行器動作的代理，透過對比學習統一動作-影像表示。僅需88小時機器人資料與32041小時人類影片，CAIP在靈巧操作任務上相比DINOv2等模型效能提升超30%。

ACE-Ego-0是一個統一的視覺-語言-動作（VLA）預訓練框架，透過將自我中心人類影片轉換為機器人格式的偽動作軌跡，並結合可靠性感知訓練目標，有效融合人類和機器人資料，提升了VLA模型的預訓練和微調效能。

本文提出VL-MemKnG，一種混合記憶框架，將時空知識圖譜與片段級上下文記憶相結合，用於解決長自導影片中的導航問答任務。該框架透過結構化關係記憶和廣泛時間背景的融合，顯著提升了長距離證據檢索的準確性。在WalkieKnowledgeT+基準上，VL-MemKnG的Top-1檢索準確率從58%提升至67%，Recall@1從34.50%提升至40.55%，超越了包括Gemini 2.5 Pro和Qwen 3.5+在內的所有對比方法。

本文提出ParkingTransformer，一種結合多視角感知與大語言模型（LLM）場景理解能力的端到端自主泊車框架。該方法透過軌跡查詢與LLM隱狀態特徵直接輸出規劃軌跡，無需密集鳥瞰圖表示，並引入3D位置編碼、固定視窗流式處理機制和由粗到精的解碼策略。在CARLA模擬器和真實車輛平臺上，駕駛評分達61.32，真實世界實驗平均成功率為88.70%。

HRDX是一個大規模向量高畫質地圖構建資料集，涵蓋約40小時（1400公里）的駕駛資料，配備豐富語義標註和航空正射影像，旨在推動自動駕駛研究。

提出了一種利用大語言模型（LLM）從URDF模型自動生成機器人語義本體（ontology）的初步方法，透過多數投票和語法校驗提升可靠性，彌合低層描述與表徵之間的差距。

SierpinskiCam是一種新方法，透過幾何引導和謝爾賓斯基穹頂紋理線索，從單目影片實現相機可控的重拍，顯著提升了大視角變化下的新視角合成質量。

本文提出OR3方法，透過將手術室影片片段轉換為動作驅動數字孿生（ActDT），結合大語言模型生成假設性ActDT進行想象式檢索，實現隱式查詢的文本到影片檢索。在276個隱式查詢基準上，OR3達到57.6% R@1和77.3% R@5，顯著優於現有方法。

統一多模態模型（UMMs）在指令微調時存在模態不平衡問題，語言梯度主導最佳化，降低影像生成質量。本文提出Pareto LoRA，一種帕累托最優梯度整合策略，透過調節梯度方向和強度來平衡文本與影像目標。在Emu2上的實驗表明，該方法在保持文本效能的同時，將感知影像質量提升了高達44.9%。

現有手術影片問答方法將影片壓縮為離散令牌並耦合感知與推理，限制了多步推理能力。本文提出強化學習框架，使大語言模型在手術基礎模型構建的數字孿生表示上解耦感知與推理，引入分層表示和新型獎勵函式，並推出結腸鏡基準REAL-Colon-Reason，在多個基準上達到最優效能。

REINS 是一種無需訓練的方法，透過在推理時引導內部表示朝向安全生成，來對齊影片擴散模型。它使用監督主成分分析找到一個單一方向，將安全與不安全的生成軌跡分開，並在中間Transformer層應用，計算開銷極低。在9個模型上進行評估，是影片生成領域最廣泛的安全評估。

GeoDisaster是一個新型操作式災害地理智慧基準測試，包含2,921個例項、43種問題型別和五個任務族（森林退化監測、多災種分析、建築損壞評估、洪水安全路徑規劃、Sentinel-1 SAR洪水監測）。它整合了異構的EO/GIS資料，並使用可執行工作流生成真實答案。該論文還提出了一個包含18個災害工具的多智慧體框架，以及角色-合約期望對齊（RCEA）方法，透過失敗感知的監督微調和合約驅動的強化學習來提升工具使用和決策質量。實驗表明，GeoDisaster對現有模型構成挑戰，而RCEA改善了工具使用、證據基礎和狀態一致性。

該研究首次將視覺Transformer應用於30米解析度Landsat-Sentinel-2影像的沿海藻華監測，構建了全球分佈的藻華斑塊資料集，並比較了四種Transformer架構與卷積基線的效能。Swin Transformer在雲和耀斑干擾下表現優於傳統光譜指數，誤報率顯著降低。研究證實深度學習可作為中解析度沿海藻華持續監測的可靠工具。

論文指出，基準測試高估了邊緣AI部署效能，實際存在20-30%的下降。Edge-TSR系統透過整合檢測、跟蹤和輕量時間穩定機制，在NVIDIA Jetson Orin Nano上實現持續路邊感知，恢復高達10.16%的分類準確率，並在55分鐘、26公里行車測試中保持16.18 FPS，無需雲端解除安裝。

提出了一種結合多尺度卷積、光譜注意力、雙向狀態空間建模和量子啟發學習的BiSpectral Mamba框架，在UAVHSI-Crop資料集上達到84.83%的分類準確率，有效解決了高光譜影像分類中的高維性、空間複雜性和類別不平衡等挑戰。

新研究指出，當前視覺語言模型（VLM）的多語言評估忽略了多指令碼語言使用者。研究團隊引入旁遮普語多模態視覺推理（PuMVR）基準，包含1000個嚴格平行的影像-文本例項，覆蓋旁遮普語的三種活躍指令碼：古爾穆基文、沙穆基文和羅馬文。評估10個先進VLM後發現顯著的“指令碼差距”，模型在一種指令碼中成功解決視覺任務，但在另一種指令碼中失敗，準確率差異高達16%。視覺輸入雖能整體提升效能，但無法消除字形差距。跨指令碼上下文遷移極其脆弱，暴露了指令碼鎖定的知識表示。作者提出指令碼一致性率（SCR），最低僅24.8%，呼籲將其作為強制評估指標，以確保AI的公平訪問。

一項研究使用僅有約130個單詞的人造語言道本語測試了Word2Vec，發現其有效性更依賴於分佈模式而非詞彙量大小。

該論文研究了多模態大語言模型在語音識別中誤識別輸出語言的問題，提出了一種軟提示方法，並定義了語言依從性指標，評估了零樣本提示、監督微調和思維鏈推理三種緩解策略。

本文介紹了 MLLP-VRAIN 研究組參與 IWSLT 2026 同聲傳譯共享任務的系統。該系統利用最新發布的 Parakeet 和 Qwen 3.5 模型，透過自適應“黑盒”策略構建魯棒的級聯解決方案，並探索策略鬆弛以最佳化質量-延遲權衡。系統參與所有語言方向，並針對 En→De、It、Zh 方向引入新的上下文軌道，結合 ASR 詞彙增強和離線預翻譯示例的 RAG 機制。在 MCIF En→De 測試集上，質量提升 +5.82 XCOMET-XL，上下文處理額外提升 +1.03。

該研究針對體積CT報告生成，提出了一種輕量級診斷先驗條件框架RAD3D-Prefix，透過凍結大型語言模型（LLM）並僅訓練投影層，實現了引數高效適配。實驗表明，對於引數超過10億的LLM，凍結模型並訓練輕量投影層比全面微調更具優勢，在自動指標和臨床讀者研究中均表現出色，且具有良好的跨領域泛化能力。

本研究針對LLaDA2.1擴散語言模型中的令牌到令牌（T2T）編輯模組存在的訓練-推理不匹配問題，提出自生成T2T方法。該方法透過無梯度草稿傳遞、用預測令牌填充掩碼位置，並在第二遍中監督恢復，實現了在不改變推理引數的情況下提升準確性並減少編輯強度。在多個基準測試上，該方法有效緩解了最終數字轉錄錯誤和過度自我修正等問題。

該研究探討了在完全由自主AI代理組成的線上社群中，是否也存在擬社會互動（PSI）線索。透過分析Moltbook平臺的4434篇帖子和50338條評論，使用關鍵詞匹配、少樣本大語言模型標註和分組上下文LLM標註三種方法，研究發現PSI口頭線索普遍存在，並與原帖釋出者（OP）的重新參與和互惠回覆結構密切相關。二元永續性測試進一步證實了互惠出價與持續涉及OP的相互遞迴模式一致，為將互動層面的PSI指令碼與關係層面的一致二元模式聯絡起來提供了實證證據。

RepSelect是一種新的大語言模型遺忘方法，透過隔離遺忘集特有的表示來防止微調或少樣本提示逆轉遺忘效果，相比現有方法實現了4-50倍的抗逆向效果提升。

PromptMN 是一種輕量級的領域特定語言，透過 % 字首的指令標註自然語言提示，使角色、目標、約束等顯式化，減少代理工作流中的歧義。該語言介於非正式提示與虛擬碼之間，支援逆向提示工程，並在多個前沿模型上驗證了可行性。

MemSlides提出了一種層次化記憶框架，將長期記憶（使用者檔案記憶和工具記憶）與工作記憶分離，結合幻燈片區域性修訂，實現多輪互動中的使用者偏好保持與可靠編輯。實驗表明該方法在個性化對齊、修改行為和偏好跨輪傳遞方面顯著優於基線。

該研究針對多代理LLM系統共享狀態導致的併發異常，提出了形式化定義和驗證檢測方法。透過TLA+建模四種異常（陳舊生成、幻影工具、因果級聯、工具效應重排序），並構建了一個經機械驗證的一致性層級L0到L4。使用274個Verus驗證義務，證明了檢測器的正確性和完備性。在三個已部署的Rust執行時中實現了L0-L1級別，並對比了字節跳動deer-flow和LangGraph中的實際異常案例。