AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Data Science and Machine Learning practitioners often find themselves navigating through a labyrinth of models, libraries, and frameworks. Which model to choose, what embedding size, and how to approach tokenizing, are just some questions you are faced with when starting your work. We understood how many data scientists wanted an easier and more intuitive means to do their embedding work. This is why we built FastEmbed, a Python library engineered for speed, efficiency, and usability. We have created easy to use default workflows, handling the 80% use cases in NLP embedding.

作者反思閱讀一本可能是AI生成的自出版書籍的不適感，分析了AI寫作的跡象以及對未知作者信任的影響。

人工智慧工程中三個術語——提示工程、迴圈工程和圖工程——分別對應不同的控制層級：提示控制單個模型響應，迴圈控制單個智慧體的行為週期，圖控制多個智慧體的組織。本文剖析了每一層的設計重點、適用場景以及它們之間的層次關係，並提供了選擇合適層級的實用方法。

Moonshot AI 在 Kimi K3 開放日開源了 MoonEP，一個用於混合專家（MoE）模型的專家並行通訊庫，透過動態冗餘專家實現完美負載平衡，採用 MIT 許可證釋出。

歐盟AI法案的合規截止日期為8月2日，相關合規文件服務起價僅197美元。

Supabook是一款集商務電話系統、CRM和AI接待員於一體的平臺，專為服務型企業設計，幫助捕捉來電、安排工作、收款並自動跟進，確保客戶工作順利進行。

該影片討論了韓國人工智慧領域的泡沫破裂現象，分析了其背後的原因和影響。

本研究提出Speech2Grasp框架，基於輕量級MLP投影器將ALBEF等文本條件模型適配到語音輸入，在保持語義判別和魯棒性的同時，實現資料高效的遷移。實際人形機器人實驗證明，Speech2Grasp在推理延遲和效能上優於級聯ASR流水線，為擴充套件既有文本條件系統到語音模態提供了實用正規化。

本文提出了一種用於視覺-語言-動作（VLA）模型的分析概念專家模組，透過3D資訊構建可執行的分析概念，提供顯式的運動學引導和密集獎勵，顯著提升了複雜操作任務的成功率和學習效率。

RLMM-Flow提出了一種結合專家流策略預訓練與潛在空間強化學習後訓練的移動操控框架。該框架首先從專家演示中學習多模態全身運動先驗，然後凍結預訓練流策略，透過潛在引導網路將初始噪聲導向高價值動作塊。實驗表明，該方法在任務成功率、避障和軌跡質量上顯著優於純模仿學習流策略。

本文探討在低成本四足機器人（如Mini Pupper 2）上部署強化學習策略時，超過50毫秒的傳輸延遲如何導致模擬與現實差距擴大。透過引入執行器延遲的前向模型和時序感知神經網路，實現了魯棒的行走，並且網路自組織出類似脊椎動物脊髓的中樞模式生成器（CPG），對高達+320毫秒的額外延遲擾動表現出強魯棒性。研究指出時間自組織可能是成本受限運動控制的通用策略。

本文提出了一種自適應的線上學習控制方法，用於跟蹤未知的目標動態。該方法能夠處理結構化、隨機和對抗性混合的動態切換行為，透過自監督、一次性學習高效訓練多個預測器並自適應選擇最佳匹配。理論上提供了有限時間近最優保證，在無誤差和切換時實現無遺憾，在有誤差時效能優雅退化。在Crazyflie無人機上進行了模擬和硬體實驗驗證。

提出一種利用縫合線作為輔助工具的自主針拾取框架，可在針被遮擋或不可接近時實現間接拾取，避免組織損傷，並在達芬奇研究套件上驗證了魯棒性。

本文介紹了MoMo，一種兩階段模仿學習框架，透過時空動作標記化和行為克隆變換器，使機器人能夠在不同任務中調節運動模式（平穩、動態、中間），從而實現執行層面的變化。在六項真實機器人操作任務中，該方法展現出對未見任務-模式組合的組合泛化能力。

本文提出了一種名為MMOCIC的多目標框架，將協同進化行為與合規行為融合，在最大化團隊進展與最小化規範違反之間取得平衡。其核心創新在於將學習過程與合規解耦，因為操作規範是預設而非發現的。在最多8個機器人的硬體部署和12個機器人的模擬中，該框架在協作救援任務中實現了高團隊效能並避免了碰撞。

本文提出了一個系統框架，將可信具身智慧定義為在環境和系統變化下可靠執行任務並將風險控制在可接受範圍內的持續能力，即“持續安全成功”。該框架包括四個相互依賴的層：模型層、系統層、證據層和部署層。此外，還提出了一個非規範的可信度層級，用於評估部署宣告的強度，為安全部署、比較評估、研究優先順序和未來標準化提供基礎。

BG-REAL是一個專注於背景篡改檢測與定位的公共基準，基於Open Images V7構建，包含7000個樣本，覆蓋6種編輯型別，並提供匹配的真實對照。評估顯示，重新編碼偽影是基線模型共有的捷徑風險，假陽性率從0.57到1.00不等。

本文提出輕量級時滯感知交叉手對齊模組(LACA)，顯式估計雙手特徵流之間的方向性時間偏移分佈，透過相容性感知目標監督對齊，無需額外標註。在HA-ViD和ATTACH資料集上，整合LACA可提升雙手動作分割效能，僅增加約0.0086百萬引數。同時提出未來無關變體LACA-C，實現即時感知。

該研究提出了聯邦物理資訊神經網路（Federated PINNs），結合聯邦學習與線性彈性方程，在保護患者隱私的前提下對腦腫瘤進行生物力學建模。模擬三個臨床站點，僅共享模型權重，實現了91.4%的準確率，優於集中式訓練的90.0%，並顯著提高了垂體腺瘤的準確性。

野外影片陰影去除由於光照複雜、陰影多樣以及訓練資料有限而具有挑戰性。WildShadowRemover 採用預訓練影片擴散模型，透過 LoRA 微調，引入細節注入和頻率分解調變模組，並利用單目深度先驗，在陰影去除質量和時間一致性上優於現有方法。

Rad-JEPA 3D是一種自監督預訓練框架，透過預測掩碼檢視的潛在特徵來學習3D CT體積表示。其核心是混合H-Mamba編碼器，結合狀態空間模型和分組查詢注意力，並引入隱藏狀態正交正則化（HSOR）以提高表示質量。在約12萬CT掃描上預訓練後，僅用4.0B引數即在封閉式VQA和空間推理基準上達到最先進水平。

本研究開發了一種混合計算機視覺方法，結合Mask R-CNN和基於顏色的演算法，從影像中量化暴露皮膚，用於皮膚暴露評估。使用170張室內塗裝影像，該方法與人工估計的一致性約為80%，為半定量暴露分析提供了一種可擴充套件的方法。未來工作包括身體部位識別、個人防護裝備檢測和影片分析。

DVPSFormer是一種統一線上架構，用於高效4D場景理解，透過顯式場景離散化（ESD）和離散到連續（D2C）深度頭實現單次度量深度解碼，並結合線上多數投票（OMV）機制在例項跟蹤中利用時間一致性來最佳化分類。該方法在Cityscapes-DVPS和SemKITTI-DVPS基準上取得了最新最優結果，為線上機器人感知提供了簡化解決方案。

TraceCLIP是一種無需訓練的新框架，透過從CLIP的CLS注意力輸出中提取補丁特定項，恢復潛藏的區域性語義證據，並利用語義測地拓撲門校準最終層的補丁親和度，實現零樣本語義分割的改進。在八個基準測試上，平均mIoU提升1.3至4.5個點，無需額外訓練或外部模型。

本文提出了一種利用深度神經網路從單張日常人體影像估計BMI、體重和身高的方法。研究人員建立了包含6105張多樣本影像的新資料集，並探索了多模態輸入（RGB、深度圖、姿態親和圖、邊緣圖）的效果。實驗表明，全身影像比半身或面部影像估計更準確。

本文提出知識引導的原子動作解纏（KDA）方法，利用大語言模型將動作標籤分解為原子動作，透過知識注入和解纏模組增強影片特徵，實現細粒度動作識別，在多標籤動作識別基準上取得最優效能。

AgentGUI是一個使用者友好的本地GUI，旨在解決AI代理自主能力提升帶來的監督滯後問題。它提供豐富的代理軌跡視覺化、手動和自動操控功能，並與開源及前沿代理框架整合。使用者研究表明，使用AgentGUI識別代理軌跡關鍵元素的速度提高38%（p=0.023），其自動漂移預防功能可使小型本地代理的任務完成率提升高達34個百分點。

這項研究探討了在本地大語言模型（LLM）機器翻譯中，提示範圍和示例選擇作為實驗變數的影響。研究者比較了三種本地指令調優的LLM與專用機器翻譯基線，發現專用系統仍然最強，尤其是日耳曼語系語言。少樣本提示對某些模型有幫助，但家庭範圍提示可能暴露較小模型的結構化輸出失敗。研究建議評估LLM翻譯時不僅要考慮語言對和指標，還要考慮提示範圍、檢索策略和多目標遵從性。

本文提出Robostreet Flow貨運架構，透過最佳化車輛設計、編隊行駛和運營模式，將噸英里成本降低56%。該平臺採用電池電動6x4牽引車，阻力系數0.35，碳纖維複合材料單殼車身和整合電池減輕重量50%。四輛卡車編隊行駛，後三輛實現L4自動駕駛，透過8米間距跟車減少阻力42-48%，能耗降低20.5%。

研究人員構建了一個包含超過60億字轉錄文本的宗教廣播語料庫，覆蓋785個網路流媒體訊號，為分析宗教媒體中的社會政治議題和語音處理研究提供了重要資源。