Firecoach AI 是一款利用 AI 角色扮演進行銷售培訓的工具，它能夠根據公司的銷售方法論建立自定義 AI 機器人，讓銷售代表在真實通話前進行演練，並獲得評分反饋。創始人 Midori 強調了可擴充套件的教練輔導對於提升團隊績效的重要性。

CoreWeave 推出專為 AI 構建的雲平臺，旨在解決傳統通用雲在 GPU 大規模平行計算中的瓶頸。透過整合基礎設施、資料、編排和專家支援，CoreWeave Cloud 支援 AI 訓練、推理及持續迭代的全生命週期，為 OpenAI 和 IBM 等企業提供更快的迭代速度和更高的效能。

WorkOS推出了auth.md，這是一個開放協議，旨在為AI智慧體提供結構化的註冊方式。該協議透過一個Markdown檔案定義註冊流程、範圍及憑證發放，支援兩種註冊流程：智慧體驗證（基於ID-JAG，無需人工互動）和使用者認領（基於OTP，無需智慧體提供商參與）。協議基於現有OAuth標準，不與WorkOS基礎設施繫結。

北京大學研究人員發現，像GPT和Gemini這樣的領先AI模型在文件分析中經常引用不支援的文本段落，即使答案正確，引用的證據也常常錯誤。他們稱之為“歸因幻覺”，對法律和醫學等監管領域構成風險。新的CiteVQA基準是首個系統測試該問題的工具。

本文認為，將軟體質量下降歸咎於AI是錯誤的。實際上，開發者長期以來已經接受了平庸、浪費和缺乏匠心的做法。AI只是加速了已有的不良實踐。

作者Sam Kriss以辛辣諷刺的筆觸，批判了AI生成內容對真實人類表達的侵蝕。透過尋找餐飲服務商的經歷，揭示了AI寫作如何製造出空洞、雷同的文本，並指出AI即使進步到能寫出好文章，單一化的聲音也是一種噩夢。作者強調AI寫作本質上是無意義的填充物，容易識別，並警告那些依賴AI寫作的人終將被發現。文章還提及AI在解決數學難題上的成就，但認為在人類情感表達領域它無能為力。

在2026中國AIGC產業峰會上，螞蟻靈波首席科學家沈宇軍提出，大模型在數字世界享受了網際網路資料紅利，但機器人物理世界資料仍是空白。他認為VLA和世界模型都不會是具身智慧的終局，未來將融合為物理世界獨有的模型。螞蟻靈波定位做“通用大腦”，並強調空間感知能力的重要性。預計2028年左右，人人都能為機器人提供資料，迎來具身智慧的ChatGPT時刻。

Cordium 是一個基於 Kubernetes 和 Octelium 的開源沙箱平臺，為開發者和AI代理提供隔離、可復現的通用沙箱環境。其核心優勢在於無需在沙箱中注入憑證即可安全訪問基礎設施，透過 Octelium 的身份感知代理實現無密碼訪問，支援多種訪問方式（Web、SSH、CLI、gRPC），並內建基於屬性的訪問控制和 OpenTelemetry 審計。

MashuPack是一款新推出的開發者工具，允許使用者從程式碼倉庫中精確選擇部分內容，並將其編譯成一個乾淨的文本檔案，旨在解決瀏覽器端AI聊天工具（如ChatGPT和Claude）中檔案數量限制、上傳困難和上下文碎片化的問題，使程式碼上下文變得便攜、可控。

Curlo 是一款注重隱私的 macOS 應用，用於搜尋、預覽和管理大型音效庫。它允許使用者透過自然語言描述來查詢音效或音樂，支援語義搜尋、後設資料搜尋、相似音訊搜尋、AI 自動標籤和 UCS 分類，所有操作均在本地完成。

本文討論了AI編碼工具如何大幅縮短功能開發時間，但同時也帶來了範圍蔓延的風險。作者以自身產品grith為例，分析了當每個功能只需幾小時而非幾天時，自律和範圍限制變得至關重要。

Linux 核心負責人 Linus Torvalds 表示，他將對開發者提交的無關緊要的拉取請求（其中一些來自 AI）進行更嚴格的審查，尤其是在釋出候選階段後期。他指出龐大的釋出候選版本不利於長期穩定性。

Anthropic開發的Claude Mythos AI模型能夠自動發現軟體漏洞，既可用於防禦也可能被濫用於攻擊，從而加速網路犯罪。監管機構和金融部門正評估其風險，專家警告AI可能將網路犯罪從技能問題轉變為規模問題。

Alister Palmer 在 ForwardPass 達到 100 訂閱者後，意識到傳統新聞通訊存在兩大限制：全球統一發布時間導致時區不適，以及訂閱者無法選擇接收頻率。為此，他開發了 ForwardPass MCP，允許使用者透過 AI 工具自定義接收時間和頻率。文章詳細介紹了在 Claude 和 ChatGPT 中設定 MCP 的步驟，並展望了這種個性化交付方式的潛力。

著名投資人凱文·奧利裡計劃在猶他州博克斯埃爾德縣建設一個7.5吉瓦的AI資料中心，該專案類似他在阿爾伯塔省的計劃。儘管縣委員會已批准，但居民擔心環境影響，特別是對已經萎縮的大鹽湖的生態影響。奧利裡承諾透明開發並帶來經濟效益，但反對者要求公投。

DeepSeek V4系列釋出一個月後，開源社群推出Reasonix工具，專為DeepSeek設計，透過最佳化快取機制將賬單成本降低至原來的五分之一左右。該工具快取命中率高達99.82%，實現4億+token從61美元降至12美元。

2026年智源大會將於6月12日至13日在北京中關村國際創新中心舉行，匯聚圖靈獎得主、中國大模型領軍企業及全球頂尖學者，聚焦智慧體與世界模型兩大趨勢，探討AI從數字世界走向物理世界的路徑。大會設有25場論壇，首次推出智慧體聽會夥伴，並新增AI Native教育、Token經濟等論壇。

作者分享了其AI編碼流程的簡化過程，從使用複雜工具鏈轉向確定性構建塊，並透過自建擴充套件和本地工具顯著降低了token消耗。

提出SAGE系統，結合CLIP實現開放詞彙探索，在保持覆蓋的同時優先語義前沿。模擬中物體發現優於FALCON，探索速度比FTU快13.7倍，並在真實飛行中驗證。

研究人員提出π0-EqM，用均衡匹配解碼器替換π0中的流匹配專家，在相同計算預算下顯著提升機器人操作成功率。實驗表明，在19個任務上平均成功率從40.4%提升至50.2%，並發現任務相關的殘差與成功率之間的非單調關係，稱為“平穩性-可執行性差距”。該方法引入能量視角，為跨任務和跨本體的組合動作生成提供新思路。

論文提出四種利用足地接觸減少IMU漂移的腿式機器人狀態估計器，包括接觸輔助不變擴充套件卡爾曼濾波器、因子圖、固定滯後平滑器等，並已在GTSAM和ROS2中開源實現。

本文提出UfM*演算法，透過緊湊高斯混合模型高效衡量多檢視不一致性，僅需單次深度神經網路推理即可實現可靠的不確定性估計，在能耗和記憶體上遠優於傳統整合方法，適用於資源受限的機器人系統。

本文介紹了PIMbot框架，該框架透過獎勵通道激勵操控和智慧體自身策略操控兩種互補手段，對多機器人強化學習環境進行對抗性操控。自適應多目標控制器線上平衡這些手段。實驗在Gazebo模擬環境和NVIDIA Jetson Orin Nano真實嵌入式裝置上驗證了效果，PIMbot可作為多機器人協作任務漏洞的嚴格壓力測試工具。

研究人員提出一種方法，在關節限制下認證可達笛卡爾步長，在對抗場景中實現零違規和100%目標到達。

機器人從演示中學習獎勵函式時，演示常常不完善，導致某些重要特徵（即任務相關行為方面）未被充分指定，從而在部署時出現行為錯位。本文提出一種框架，透過分析演示中特徵值的變異性來檢測未充分指定的特徵（變異小表示指定良好，變異大表示指定不足）。機器人隨後用自然語言解釋其不確定的特徵，並主動請求針對性的糾正演示。在模擬桌面操作和真實Franka機器人使用者研究中，定向解釋引導的查詢顯著優於隨機查詢和被動資料收集。

Agentic-VLA提出了一種智慧體訓練框架，透過自適應獎勵合成、語言引導探索和經驗記憶三大創新，使VLA模型能夠在部署中高效線上自適應。在LIBERO基準測試中，長時任務提升12.3%，單樣本學習提升28.5%，跨任務遷移從0%提升至31.2%，收斂速度提升2.4倍。在RoboTwin 2.0雙機械臂基準上也保持優勢。

事件相機憑藉低延遲、高時間解析度和高動態範圍，在高速運動和複雜光照條件下的視覺里程計任務中表現優異。深度事件視覺里程計（DEVO）透過結合稀疏補丁跟蹤、學習補丁選擇、迴圈對應最佳化和可微分光束法平差，實現了強大的單目事件里程計效能。本研究在DEVO基礎上新增了稀疏點雲匯出管道，無需修改核心里程計演算法，即可將內部估計的3D結構轉換為顯式點雲表示，支援視覺化和後續處理。實驗表明，匯出的稀疏點雲在區域性與EMVS重建一致，在5釐米閾值下精度高，但也暴露了密度、完整性和對累積里程計噪聲敏感等侷限性。

本系統綜述評估了遠端遙操作血管內介入機器人的技術可行性、通訊基礎設施和臨床結局。在2501篇初始文獻中納入16項研究，發現機械或電磁驅動的遙操作導管和導絲可在長達7000公里的距離內導航，網路延遲控制在30-163毫秒的臨床可接受範圍內。小規模人體試驗顯示100%的手術成功率，但多數證據來自動物或模型研究。綜述指出，該技術有望減少輻射暴露、擴大患者就醫機會，並最佳化資源分配。未來需在低收入國家開展研究，並進行多中心臨床試驗以驗證安全性和有效性。

利用毫米波雷達實現無需脫衣的快速全身測量，保護隱私，適用於臨床和護理機構。

本文提出一種以運動為核心模態的影片表示學習方法TIME（時間感知運動嵌入），透過掩碼自編碼器在點軌跡上進行自監督學習，僅使用合成運動資料訓練，在多種零樣本任務上達到與使用多四個數量級資料的SOTA模型相當的效能。