FreeCAD開發團隊更新了AI政策，將其獨立成文，強調以人為本，明確了對AI輔助程式碼提交的期望和要求，包括披露AI使用、承擔責任以及避免在程式碼審查中使用聊天機器人。政策未來可能進一步調整，長期計劃是追蹤符合倫理的LLM用於開發輔助。

Bored People Chat 是一個極簡的匿名全球聊天室，無需註冊、無廣告、無機器人，旨在提供一個安全的空間，讓人們與陌生人交流。建立者受舊式聊天室和MMORPG的啟發，強調安全與AI輔助的稽核。

谷歌英國發布最新經濟影響報告，揭示AI在工作場所的採用率在一年內翻倍，但僅有15%的“AI先鋒”使用者獲得了顯著的職業晉升和薪資提升。報告將使用者分為四個階段，並指出行為、認知和組織三大障礙。谷歌發起“AI為英國工作”計劃，旨在透過技能培訓幫助所有工人成為AI先鋒，目標在2030年前培訓1000萬人。

AI 服務暫時不可用，以下為來源摘要，待恢復後補全翻譯：Discussion | Link

Zero Trace AI 提供完全私密的AI聊天體驗，不記錄日誌、歷史或跟蹤資訊。會話在關閉標籤頁後消失，訊息永不儲存。免費版僅限AI知識，Pro或Ultra版支援即時網路搜尋。令牌和條款接受僅儲存在本地瀏覽器，不會上傳至伺服器。

Moondream的推理引擎Photon透過流水線解碼技術，將GPU空閒時間降至最低，在NVIDIA B200上實現了約33ms的近即時視覺語言模型推理，解碼吞吐量提升高達35%。該技術透過重疊CPU和GPU工作，消除了傳統逐令牌解碼中的“GPU泡沫”。

cwsum 是一款 Chrome 擴充套件，利用 AI 對任意網頁進行摘要和重新格式化，支援中英文雙語輸出。它透過側邊欄提供 TL;DR 要點總結或完整頁面的 Markdown 重排版，保留圖片、連結和表格。API 金鑰本地儲存，無分析無追蹤，開源且輕量。

Livinity 是一款開源的家庭伺服器作業系統，內建 AI 代理 Liv。它可以將閒置 PC 變成私有 AI 家庭伺服器，支援 495+ 一鍵部署的 Docker 應用。使用者可自備 Claude 或 Gemini 金鑰以保護資料隱私。

2017年，哲學家Iason Gabriel加入谷歌DeepMind，成為前沿AI實驗室中唯一活躍的哲學家。他的工作彌合了AI安全與AI倫理之間的鴻溝，為人工智慧的倫理學思考開闢了新路徑。

物理護理機器人需要適應不同使用者、任務和環境。現有系統大多緊密耦合特定環境與機器人形態，且未明確建模人機互動。本文提出E²-CARE框架，透過互動模板和統一3D動態場景圖實現情境感知自適應，使技能模板可零樣本安全地複用於多樣環境與形態。在數百個模擬場景和真實世界實驗中驗證了有效性。

本研究提出了一種基於機械臂的光譜感測系統，用於草莓的檢測、定位、接近和無損甜度評估。系統整合了YOLOv11s檢測器、RGB-ToF校準和手眼標定，實現了88.10%的端到端成功率，為農業品質控制提供了可擴充套件的解決方案。

本文提出TISED分析框架，統一多種有損推理最佳化技術，並揭示其在具身任務中的悖論效應：靜態任務中最佳化可能延長完成時間，動態任務中適度最佳化可提高成功率，且效果受硬體配置影響。

本文提出FADA，一種用於人形機器人控制的少樣本域自適應框架，透過動力學對齊在少量目標域資料下實現高效適應。

本文提出了一種名為LMKF SLAM的新方法，透過應用簡單指南針和有效變換將非線性狀態空間模型轉化為線性模型，從而解決了擴充套件卡爾曼濾波（EKF）在同時定位與地圖構建（SLAM）中的發散問題。實驗表明，LMKF SLAM在精度、收斂性和計算複雜度上顯著優於現有方法，且對感測器不確定性和引數變化更穩定。

本研究探討了在多人群組人機協作中機器人主動性的影響。透過一個協作密室逃脫實驗，比較了反應式（僅在被呼叫時回應）和主動式（持續監聽、自主貢獻、定期重新發起互動）兩種互動模型。結果顯示，主動模型顯著增加了互動頻率，而反應模型在整體成功率上更高（92.86% vs 71.42%）。效果因使用者先前的LLM經驗、機器人經驗和性格特質而異。

本文提出了一種診斷協議，用於研究被動物件狀態世界模型中事件條件化的潛在物理結構。透過平衡的資料集（包含自由運動、碰撞和遮擋事件），評估了多種模型。結果表明，隱藏狀態支援事件機制讀取，事件上下文系統地重新加權運動學、接觸和物件永久性場，且場對齊的方向對預測具有功能敏感性。

RoboGaze是一種無需訓練的多智慧體VLM框架，用於對生成的機器人操作影片進行結構化、可解釋的評估。它採用三階段流水線，輸出基於新穎分類法的本地化故障報告，在多種基準測試中大幅超越零樣本基線。

數字孿生技術在自動駕駛中面臨高計算和通訊開銷的問題。本文提出一種查詢驅動的數字孿生架構，允許數字孿生根據模擬結果主動從車輛請求所需環境資料，並設計了跨時間步漸進查詢機制。模擬表明，與傳統方法相比，該方法將規劃位置誤差降低24%，通訊開銷減少40%。

一項新研究引入基於梯度的審計框架，評估LLM管理的社交機器人在不同文化背景下的道德權衡行為。研究發現，這些機器人在優先決策中存在文化不對稱的梯度追蹤失敗，西方語言決策的校準質量幾乎是中文和日文的兩倍，而多數優先的高確定性往往抹去跨文化梯度。該研究呼籲在部署前進行多語言、多元化的審計。

研究人員提出JIP-2框架，利用GPU加速的物理引擎和深度學習方法，從倒塌的塊體影像預測原始結構，類似於解Jenga遊戲。該模型在450個模擬場景中訓練，可生成3D重建影片，有望應用於烏斯馬爾瑪雅遺址的考古復原。

本文提出了一種無需訓練的過渡感知最佳N取樣方案，用於預訓練的胸部X光報告生成器。該方法透過將報告拆分為句子並嵌入向量，利用集合間距離編碼前後變化，並透過餘弦距離評分候選。在多個視覺-語言生成器上評估，該方法優於隨機選擇，尤其在印象部分提升最大。

RADIANT-PET是一個新穎的推理增強框架，它將高靈敏度體素級分割模型與基於大語言模型（LLM）的病變級別裁決相結合，用於PET/CT成像中的準確病變分割。透過形態學描述和臨床報告上下文，LLM可區分真正的病變與生理性假陽性，並利用組相對策略最佳化（GRPO）進行強化學習微調。在AutoPET和OSU測試集上，該方法顯著優於純影像基線，尤其在整合放射學報告時提升最大。

本文提出一種名為“少類保真度”的XAI評估指標變體，專用於真實條件下類數較少的CNN分類器。該方法透過生成分佈內、引發不確定性的擾動來準確測量XAI方法的忠實度，並與人類中心的物件定位和分割指標進行比較。在醫學和自然影像應用中，該方法揭示了領域、資料整理和XAI方案選擇之間的複雜關聯。

本文提出Topo4Vec框架，透過拓撲錯誤模擬和空間表示學習自動評估地理空間向量資料質量，在重疊建築和道路網路錯誤檢測中分別達到0.99和0.60的準確率。

該論文提出了一種兩階段流水線，用於從廣播影片中定位足球比賽中的球員動作。首先，軌跡感知動作檢測器（TAAD）利用時間變換器生成每個球員的動作得分；然後，去噪序列轉導（DST）變換器將遊戲狀態特徵和TAAD得分轉換為結構化事件序列。透過引入空間優先的注意力排序和加權事件融合整合（含一致性過濾），該系統在SoccerNet 2026挑戰賽中將Macro-F1從48.6提升至58.94。

本研究提出了一種事後溯源框架，無需修改生成過程或輸出，即可檢測影像自迴歸模型（IAR）生成影像中的特徵模式，從而可靠地將生成影像與其源模型關聯。該方法適用於已釋出的無水印影像或未整合水印的模型，有助於防止虛假資訊傳播、欺詐檢測和有害內容溯源。實驗表明該方法在多種IAR上有效，並被ICLR 2026接收。

提出一種無需任何標註的駕駛場景複雜度檢測方法，利用聯合嵌入預測架構（JEPA）對結構化代理狀態資料進行訓練，透過時間預測誤差作為複雜度評分。在nuPlan mini資料集上驗證，該方法能有效區分複雜場景（如無保護轉彎、人行橫道互動、行人靠近）和簡單場景（如車道跟隨、靜止交通），異常檢測平均精度達0.512。

提出一種全無監督的時空特徵融合框架，利用記憶增強自編碼器從多感測器IMU資料中提取特徵，在DaLiAc和PAMAP2資料集上分別達到96.6%和98.4%的準確率，優於監督和無監督基線方法。

GeoISF是一種新穎的大規模LiDAR到影像地理定位管道，透過構建基於WordNet的例項語義森林，增強時間語義表示和區分能力，有效彌合點雲與衛星影像之間的模態差距，在KITTI資料集上R@10指標比並行方法提升13.22倍。

一項新研究評估了手語識別（SLR）模型對手語音韻特徵的感知能力，發現模型展現出湧現的音韻敏感性，但存在架構權衡：基於姿態的模型對手形對比敏感，而基於畫素的模型更好地捕捉位置變化。