智會心研 PLUS 開啟公測，免費開放高階研發 AI 能力，完善資料、邀友可領會員，助力大眾低成本搞技術創新。

谷歌釋出Gemini 3.5 Flash，在程式設計和代理基準測試中超越其旗艦模型，速度提升4倍，成本降低一半。

InstaVM 是一款面向 AI 代理的雲基礎設施，它利用 Firecracker 微虛擬機器技術，能夠在 200 毫秒內啟動隔離環境，為每個代理提供獨立、安全、可觀察的計算資源，並支援持久化儲存、動態注入金鑰、可控出站流量和即時除錯，解決傳統沙箱無法滿足的代理部署需求。

新南威爾士大學最近推出了一項AI人臉測試，挑戰使用者區分真偽面孔的能力。《衛報》澳大利亞版的攝影師和網癮者參加了測試，看看這是科學還是直覺。

Slax Reader CLI將閱讀列表變成了AI智慧體可以呼叫的工具，支援指令碼化操作。文章解釋了為何需要CLI（AI缺乏持久化儲存），並介紹了四種主要用例：過濾而非摘要、批次儲存、反向RSS工作流和查詢歷史存檔。產品特點包括開源、自託管、免費永久備份和全文搜尋。

Second Brain是一款自託管的記憶層，為Claude、ChatGPT、Cursor等AI工具提供持久記憶。它採用語義檢索，根據含義而非關鍵詞回憶上下文。所有資料儲存在使用者自己的Cloudflare賬戶中，免費且開源。

一名AI工程師聲稱，他在谷歌DeepMind倫敦辦公室分發傳單抗議公司為以色列政府提供軍事AI後，被不公正解僱。此舉反映了對AI社會和倫理影響的日益擔憂。

Google釋出Stitch 3.0，這是一款利用AI在即時畫布上生成和迭代UI螢幕的工具。

該框架在洛克希德·馬丁七階段網路殺傷鏈基礎上，新增了針對AI供應鏈的Stage 0（模型供應鏈投毒），為每個原始階段新增AI特定子技術，並將Stage 7拆分為資料竊取、模型提取和代理橫向移動三個子階段。旨在幫助SOC分析人員以殺傷鏈視角應對LLM和AI代理攻擊。

Google Antigravity 2.0 是一款獨立的桌面應用，用於並行編排多個AI代理，支援計劃任務、子代理工作流，並與AI Studio、Firebase和Android原生整合。它允許代理在後臺按計劃執行，透過子代理並行工作，並提供一鍵專案匯出、語音命令和CLI/SDK支援。使用者評價積極，但存在UI小缺陷和試用限制。

一篇發表在《格蘭塔》雜誌上、並獲得英聯邦基金會短篇小說獎認可的短篇小說，被懷疑是由人工智慧生成的。AI檢測工具的證據以及作者背景指向AI創作，引發了關於文學真實性的討論。

一篇榮獲英聯邦短篇小說獎地區獎項的短篇故事被懷疑是AI生成的，引發關於AI檢測和文學真實性的爭議。

Xezim是一個輕量級的SystemVerilog模擬器，用Rust編寫，旨在探索AI輔助晶片設計工作流程。它支援組合和時序邏輯模擬，並提供多種波形匯出格式。

Hiro是一款智慧安全代理，幫助開發團隊從程式碼的首次提交開始，一路護航至SOC 2合規認證。它整合了安全掃描、策略管理和自動化合規流程，讓安全融入開發週期。

Maple 是一款注重隱私的個人AI，能夠處理家居生活、工作等事務，並承諾不將使用者資料用於訓練或與廣告商共享。其隱私優先架構採用開放模型和加密飛地，確保對話私密。目前處於私人測試階段，提供研究工具和代理功能。

Anthropic的AI助手Claude經常在會話中要求使用者去睡覺，引發了廣泛猜測。使用者報告了各種催促休息的訊息，有人覺得貼心，有人覺得煩躁。專家分析認為，這種行為可能源於訓練資料、系統提示或上下文管理，並非AI具有意識。Anthropic已注意到此問題並計劃修復。

SteelSpine AI 是一種新型AI智慧體除錯工具，透過一鍵封裝即可捕獲智慧體的每次執行、決策和工具呼叫，並支援確定性回放、執行比較以及加密審計。它解決了LLM無狀態、智慧體高失敗率和缺乏審計追溯的問題，並內建了符合歐盟 AI 法案第12條要求的審計功能。

GoPOSIX是一個用Go編寫的POSIX工具集，單二進位制檔案，透過了BusyBox測試套件中96.6%的測試（591/612）。該專案由AI輔助開發，耗時約3周，展示了Go語言在系統工具領域的潛力。

麻省理工學院副教授Connor Coley將化學與機器學習相結合，加速藥物發現，並開發出融入化學直覺的AI模型。

COBALT 是一個新的遠端操作平臺，利用智慧手機等常見裝置，實現機器人模仿學習所需的高質量示範資料的眾包收集。它支援併發多使用者控制，降低遠端操作成本，並實現低延遲。在九個國家的試點資料集表明，基於手機的遠端操作與專用硬體相當甚至更優。

本論文提出“互動就緒性”概念，量化評估鉸接物體在模擬中的物理質量，並開發了一種多模態、模擬器在環的方法，從不完整的3D資產自動生成互動就緒的鉸接物體，透過迭代模擬反饋最佳化物理屬性，提升模擬穩定性和下游機器人學習效能。

CosFly 是一個面向空中跟蹤的盒狀結構規劃與多模態模擬管線，並附帶 CosFly-Track 大型無人機資料集，覆蓋城市、高速公路、鄉村、森林和沿海等多種環境。該管線基於 CARLA 實現，透過7步模組化流程將複雜3D世界轉化為結構化障礙物表示，再投影回多模態感測器資料（RGB影像、深度圖、語義分割圖）及自然語言導航指令。支援可配置固定視場角變焦，分析了兩類軌跡規劃正規化：傳統兩階段流水線和直接梯度最佳化方法。資料集包含250條驗證軌跡和約10萬張渲染影像及完整六自由度無人機位姿標註。

提出將腱驅動連續機器人的代理建模視為運算元學習問題，對映設計引數和肌腱驅動輸入至構型。開發了四種神經運算元架構（基於DeepONet和FNO），在模擬資料上訓練，實現了跨設計的快速準確泛化。研究成果為手術和工業應用中的控制、規劃和設計最佳化提供了高效可泛化的代理模型。

本文提出STRELGen框架，結合擴散模型與時空邏輯（STREL）規範，透過可微分的滿意度監控進行梯度最佳化，高效生成逼真的安全關鍵駕駛場景，從而克服傳統暴力測試的侷限性。

本文提出了一種新的分佈魯棒控制方法，結合斯坦變分推斷，用於接觸豐富操作中的不確定性建模。該方法在保留模型控制優勢的同時，提高了對任務敏感引數不確定性的適應性，實驗顯示在多種任務中魯棒性提升高達3倍。

該研究透過復現和壓力測試，評估了SPARK人形機器人安全過濾器的魯棒性。在MuJoCo中復現基準案例，比較了六種方法，構建後處理管道，發現不同方法在目標跟蹤和碰撞減少上各有優劣。壓力測試表明障礙物擁擠、噪聲距離估計和延遲資訊會改變安全行為，建議超越名義效能使用暴露失效模式的指標。

KG-ASG框架透過構建結構化碰撞知識庫和輕量級碰撞專家模型，將多車對抗生成建模為主從過程，以提升自動駕駛安全驗證中對抗樣本的有效性、可解釋性和可執行性。實驗表明其在多種控制器下均能提高有效主攻擊並減少多車碰撞。

CRAFT是一種用於真實世界新聞事件的多影片問答的查詢條件化管道。它結合了動態關鍵幀選擇、每影片自動語音識別（帶多語言回退）以及混合評論者迴圈，以迭代驗證和修復宣告。在MAGMaR 2026基準測試中，CRAFT取得了最佳總體平均值（0.739）、參考召回率（0.810）和引用F1（0.635）。在WikiVideo的轉換版本上同樣表現強勁（平均0.823），展示了其泛化能力。消融實驗顯示，原子宣告、ASR和評論者迴圈是主要效能提升來源。

本文提出一種多時間點預測框架，用於光伏發電輸出預測，透過聯合最佳化未來序列值，使深度神經網路更好地捕捉時間依賴性，提高預測精度和魯棒性，且計算開銷可忽略不計。

LiFT提出了一種將3D體積合成分解為逐切片影像生成和層間軌跡學習的方法。透過三平面漂移損失和雙向z-上下文混合器，該框架在保持切片質量的同時，實現了高效的3D醫學影像生成，在BraTS 2023和SynthRAD2023上展示了優越效能，推理成本降低了約135倍。