Deep Agents 是 LangChain 推出的一款開源智慧體框架，專為長期、多步驟任務設計。它內建了子智慧體、檔案系統、上下文管理、Shell 訪問、持久化記憶以及人工稽核等特性。該框架與模型無關，支援任何支援工具呼叫的 LLM，並基於 LangGraph 構建，具備生產級可靠性。

本文深入剖析了當前AI可見性監測工具的侷限性。作者指出，這些工具聲稱能測量品牌在ChatGPT、Claude等AI助手內的可見性，但其資料往往建立在不可靠的抓取、API差異、提示集偏差、地理位置影響和模型漂移之上。文章揭示了儀表盤中看似精確的數字背後隱藏的混亂和不確定性，並提出了更誠實的測量方案。

本文提出了一種結合全域性與區域性路徑規劃器的新方法，用於無人水面艦艇（USV）避障。全域性規劃器融合了Grassfire、改進版Grassfire和一種新的機率路線圖變體；區域性規劃器透過高階決策邏輯根據障礙物相對運動方向最佳化避障策略，使USV系統性地繞到障礙物後方而非並行等待。模擬驗證了該方法有效性，並與D*演算法進行了對比。

本文提出了一種基於多速率非線性模型預測控制（MR-NMPC）的分層規劃與控制框架，使四足機器人能在受限環境中利用牆面輔助實現混合雙足行走。該方法在高層次同時規劃離散接觸點和連續質心/姿態軌跡，低層次使用非線性全身控制器跟蹤參考。在Unitree A1機器人上的模擬表明，與傳統啟發式MPC相比，成功率提高了2.9倍。該研究已被IEEE/RSJ IROS 2026接收。

本研究提出一種可重構搖桿-轉向架機構，透過少量執行器實現高效轉彎，同時保持高臺階攀爬能力。樣機實驗表明，該機器人零半徑轉彎速度是傳統六輪搖桿-轉向架機構的五倍以上，所需平均輪扭矩僅約17%，並能成功攀爬40釐米臺階。

本文提出SE(2)導航網格（SE(2) NavMesh），一種編碼偏航依賴可通行性的多邊形表示方法，用於地面機器人在複雜多層環境中的全域性導航。該方法利用足跡掩膜評估可通行性，構建偏航特定層的圖結構，並提出A*-String Pulling-A* (ASA)路徑規劃策略。模擬顯示比經典導航網格多捕獲50%以上可通行區域，並在真實機器人上驗證了即時線上生成與導航。

BIFROST是一種新的模擬到現實遷移方法，透過跨域雙模擬目標從原始觀測中學習不變特徵，使策略能夠從模擬零樣本遷移到現實。在視覺和動力學域差距的任務中，它優於現有方法。

CommonRoad-Game是一個輕量級的人機協同模擬框架，緊密整合於CommonRoad平臺，用於測試運動規劃器與人類駕駛員的即時互動。它採用多執行緒架構和魯棒同步機制，支援確定性互動、可擴充套件的多智慧體模擬，幷包含場景生成模組以構建多樣化的可重複測試用例。實驗表明，該框架實現了穩定的時間同步，並能夠無縫整合CommonRoad相容的運動規劃器。原始碼已公開。

本文提出一種神經符號安全引導機制，用於基於流匹配的視覺-語言-動作（VLA）模型，實現預測性碰撞避免。該方法將安全執行表述為最小范數約束最佳化問題，在迭代去噪過程中糾正軌跡預測中的安全違規。在SafeLIBERO基準測試中，該方法實現了82.8%的碰撞避免率和81.6%的任務成功率，分別比單步方法提高6.3%和19.8%，尤其擅長長時域任務。

本文系統綜述了ROS2中介軟體，提出了空間、時間和狀態三個維度來分析其架構侷限，尤其在動態無線環境下的權衡。

本文提出一種基於視覺語言模型（VLM）的適應性群體陪伴方法，使機器人能夠跟隨動態變化的人類群體。該方法利用VLM的語義推理能力推斷同伴位置、保持社交距離並理解群體動態，結合模型預測路徑積分（MPPI）控制器確保穩定性和安全性。實驗表明，該方法在成功率上提升15%，碰撞率降低25%，使用者研究認為其陪伴行為自然且符合社交規範。

本文提出WaveLander，一種基於強化學習的分層控制框架，用於解決無人機在波浪擾動海洋平臺上的自主著陸難題。該框架將垂直著陸決策與低層飛行穩定控制解耦，強化學習策略輸出垂直速度參考，傳統控制器保持姿態和橫向跟蹤。模擬表明，WaveLander在隨機波浪擾動下具有魯棒性和泛化能力。

研究人員提出了一種名為“Sign in the Air to Unlock”的空中籤名介面，利用點體素交叉注意力網路（PV-Net）在虛擬現實和增強現實環境中實現自然、安全且無縫的身份認證。該方法避免了傳統密碼、PIN及裝置登入對沉浸體驗的破壞，也無需專用感測器。在DeepAirSig資料集上等錯誤率為2.5%，在Meta Quest 2上收集的ImmAirSig資料集上分類準確率達76%。該工作展示了三維行為認證在沉浸式環境中的巨大潛力。

提出一種基於圖的概念瓶頸模型G-CBM，透過無監督概念發現和圖注意力網路實現內在可解釋性，在多項基準上提升AUC。

本研究探索使用YOLOv10計算機視覺框架自動檢測相機陷阱影片中的棕吼猴（Alouatta guariba），以監測樹冠橋的使用情況，減少保護主義者人工審查假陽性影像的時間，從而提升保護工作效率。

本文探討如何透過增強目標辨別、魯棒適應和幾何推理能力，縮小機器視覺跟蹤系統與人類視覺感知之間的差距。

多主體個性化影像生成要求模型根據提示精確渲染所有參考身份及其互動，但現有模型常遺漏主體、改變外觀或誤分配互動。現有指標主要針對單主體保真度，在多主體場景下排序分離性和人類對齊能力嚴重下降。為此，研究者提出MIBE統一框架，包含多主體互動基準（MIB）和多主體互動評估器（MIE）。MIB透過解耦資料策略系統覆蓋多樣關係型別和場景複雜度，包含60K對VLM標記的銀標集和4K對雙盲人工評估金標集。MIE是一個輕量級、參考條件的評估器，僅在銀標集上訓練，採用雙頭排序與診斷目標，在金標集上實現了0.922的整體成對準確率，證明診斷監督能保持排序分離性和人類對齊。

MapDreamer是一種生成式擴散模型，能從單張航空影像直接合成帶有顯式拓撲結構的車道級向量地圖。它利用變分自編碼器學習車道中心線和拓撲關係的緊湊潛表示，並透過基於Transformer的潛擴散模型預測圖結構。為了對齊生成地圖與觀測場景，每個去噪步驟透過交叉注意力注入密集的航空特徵。針對場景中車道數量的變化，提出了車道基數模組和背景幽靈潛變數，防止擴散過程中的插槽坍縮。此外，滑動視窗全域性圖聚合策略將區域性瓦片拼接成城市級地圖，同時透過編碼的車道邊界保持連通性。在源自Argoverse 2的UrbanLaneGraph上的實驗表明，其幾何和拓撲保真度優於非生成式基線。

本文提出一種輸入感知的可擴充套件專家模組，透過輸入感知專家選擇和時空選擇機制，增強對相似外觀身份的細粒度特徵提取，在影片人物重識別任務上取得優異效能。

KathaTrace是一種與生成器無關的協議，用於診斷視覺敘事中的語義軌跡崩潰，即場景間語義連線丟失。研究者構建了KathaBench-25K資料集，包含5000個經典敘事，定義了語義軌跡差距（STG）指標。實驗顯示現有生成器的STG高達23.5±1.3。Semantic Compass利用KathaTrace訊號進行後生成修復，改善故事板選擇。

提出CPG-PAD框架，透過模型級概念引導的提示學習提升呈現攻擊檢測的跨域泛化能力。利用可解釋AI自動發現攻擊相關視覺概念，並注入提示空間，在九個基準資料集上取得最先進效能。

AnchorSplat是一種全新的3D原生細化正規化，直接在3D結構上執行，避免了傳統3D-2D-3D管線的昂貴最佳化開銷。它透過點錨機制保證幾何一致性，並用單次乘法替代迭代加密，無需原始多檢視影像。實驗表明，其吞吐量比最佳化方法快10^5倍，且在多種資料分佈上具有魯棒的零樣本泛化能力。

TurnNat是一個基於似然的框架，用於自動評估雙人對話中的話輪轉換自然性。它透過因果預測模型計算未來語音活動的負對數似然來量化時序異常，並在擾動基準上驗證了有效性。

RuleChef是一個利用大語言模型（LLM）為自然語言處理任務（如文本分類、命名實體識別、關係抽取）生成可執行規則的框架。它基於任務描述和標註示例生成規則，並透過額外示例和人類反饋迭代改進。LLM僅在訓練階段使用，最終產生快速、確定且可檢查的規則系統。初步評估在分類和NER任務上進行，並開源釋出。

Office Comprehension Bench (OCB) 是首個公開基準，用於評估大型語言模型在Word、Excel和PowerPoint原生檔案格式上的理解能力。它包括兩個測試軌道：檔案保真度問答和領域問答。即使最先進的系統在預設推理模式下也僅達到約59.3%的準確率，提升思考深度效果有限，而升級產品層級能帶來適度改善。研究團隊已釋出資料集、評估工具和排行榜。

研究人員提出RAGP，一種新的提示壓縮方法，將文本建模為多重圖，並利用萊維遊走進行高效剪枝。在LongBench上以4倍壓縮比平均得分49.3，優於現有基於LLM的方法。

該論文揭示了基於計數的F1指標在評估LLM錯誤檢測時可能因提示框架而產生顯著虛高（稱為F1膨脹），並引入ErrorBench壓力測試協議。實驗表明，錨定提示可導致高達0.79的F1膨脹，建議評估應避免預置錯誤計數並報告跨度感知指標。

最新研究發現，BPE分詞會將安全關鍵詞拆分為子詞單元，導致大語言模型的安全對齊機制失效。攻擊方法可在80-100%的拒絕提示上翻轉首個令牌的拒絕觸發，其中48%產生有害輸出。防禦嘗試中，DPO無法穩定關閉攻擊成功率，SFT雖然有效但導致全域性拒絕率上升。研究引入了Conv-Benign診斷方法以區分選擇性修復與全域性崩潰。

本文提出SPARCLE，一種說話人感知的字母表示模型，透過對比學習將字母與對應的Wav2Vec2聲學表示對齊，同時考慮說話人身份。該模型可在低資源場景下替代傳統的音素到文本（G2P）系統，將詞錯誤率降低一半。

本文提出Kara，一種滑動視窗KV快取壓縮方法，透過僅在最近生成的上下文上操作並進行解碼時壓縮，利用雙向注意力機制評分和選擇資訊性KV對，並設計Token2Chunk模組靈活保留重要語義資訊。實驗表明，Kara和基於vLLM的推理框架KvLLM顯著降低了KV快取記憶體使用並提高了輸出吞吐量。