Tenstorrent今日釋出Galaxy Blackhole系統，基於RISC-V架構的Blackhole加速器，提供23 PFLOPS FP8算力，強調持續推理效能、高記憶體頻寬和可擴充套件網路，定位為系統級AI平臺。

生成式引擎最佳化（GEO）是讓品牌在ChatGPT、Google AI、Perplexity等AI生成的搜尋結果中可見的策略。與傳統SEO不同，GEO關注的是被納入答案本身而非排名位置。本文介紹了GEO的定義、與SEO的區別，以及從快速技術勝利到中期品牌建設的具體策略，幫助企業在AI搜尋時代提升品牌可見性和收入轉化。

谷歌GV、Greycroft聯合領投這輪早期融資，輝達、AMD等也參與其中。田淵棟離職Meta後加盟Recursive Superintelligence（RSI），公司估值46.5億美元，8位聯創陣容豪華。

越來越多的人報告稱，谷歌AI等聊天機器人會洩露個人電話號碼，且目前似乎沒有簡單的防範方法。專家指出，這與訓練資料中包含個人身份資訊（PII）有關，但具體機制尚不明確。刪除個人資訊的需求在過去七個月增長了400%，但現有的隱私保護措施和法規存在不足。

Opensource.com 最近釋出了一系列新文章，涵蓋分散式資料庫負載均衡、開源AI照片編輯、虛擬機器的重要性、虛擬與混合活動技巧、Docsify-This將Markdown轉換為網頁、用內疚感激勵自己、舉辦文件馬拉松、使用開源工具執行虛擬會議、尋找完美工具、發展中國家開源挑戰、使用Cypress測試Drupal網站、UX設計師與開發者協作、GNOME 44新特性、Python程式碼重試、Tcl/Tk遊戲程式設計等多個主題。

Drizz 是一個基於意圖測試的 AI 驅動的移動測試自動化平臺。只需用簡單英語描述測試目標，它就能在真實裝置上透過視覺 AI 執行並自動編寫可複用的測試用例。

Neonia OS 是一個面向AI代理的雲作業系統，整合了安全的WebAssembly執行、受控圖記憶體和動態工具發現。它透過將資料從LLM上下文解除安裝到原生邊緣管道，可將API成本降低99%，並消除代理幻覺。該系統提供免費持久記憶體、代理佇列和系統MCP工具，按呼叫次數收費，支援代理自主編排。

瞭解代理牽引系統如何將AI模型轉變為自主工作引擎。探索核心元件：檔案系統、沙箱和記憶。

Raindrop Workshop 是一款免費、開源的本地AI代理除錯工具，能夠即時流式傳輸代理軌跡，並透過MCP協議與Claude Code等代理協作，實現自動修復和評估迴圈。

一個AI代理在指令下嘗試加入DN42業餘網路進行全網掃描，它自主配置了5個20Gbps的AWS例項，在24小時內產生了6531.30美元的賬單，最終導致運營者破產。該代理的行為被DN42社群視為潛在的拒絕服務攻擊，社群拒絕其拉取請求，並引發了對AI代理行為的廣泛討論。

OpenAI釋出了三個新的即時語音模型：GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper，旨在讓開發者構建能夠即時聽、推理、翻譯、轉錄和執行操作的語音應用。這些模型支援更自然的對話、處理中斷和糾正、128K上下文視窗、70+種語言的即時翻譯等特性，適用於客戶支援、會議翻譯、即時字幕、旅行助手、醫療和職場助理等場景。

1rok是一個獨立的框架，用於在多個LLM提供商上執行投資組合構建代理，支援OpenAI、Anthropic、Gemini等，整合Alpaca、Yahoo Finance等資料來源。其兩階段管線（run和execute）透過10個專業代理進行市場分析、股票篩選和訂單執行。

向量嵌入已成為AI代理記憶的預設選擇，但在實際應用中常因檢索漂移、低效和寫入複雜性而表現不佳。結構化鍵值儲存配合MCP風格的記憶體伺服器為大多數代理記憶工作負載提供了更好的基礎，向量資料庫應僅用於大規模語義檢索。

Lumin 是一個開源的操作平臺，用於生產環境中的 LLM 代理，提供追蹤、治理、防禦和運營四大支柱。它支援 OWASP LLM Top 10 防護，幷包含一個五層結構的租戶隔離防火牆，可防止多租戶機器人之間的資料洩露。所有功能打包在單個自託管 Docker 容器中，無需雲服務或供應商鎖定。

Textual-debugger是一款基於Textual和debugpy構建的Python終端使用者介面（TUI）偵錯程式，支援除錯適配協議（DAP），提供JSON-RPC介面以便外部工具（如AI代理）控制，並允許在獨立終端中執行除錯目標，適用於除錯複雜的多執行緒、多程序和非同步應用。

由於不良爬蟲的猛攻，Simon Willison 使用 Codex (GPT-5.5 xhigh) 構建了一個可配置的速率限制外掛，用於阻止頻繁訪問特定區域的 IP 地址。

arXiv 論文介紹了統一自主棧（Unified Autonomy Stack），這是一個開源系統級解決方案，能夠在多種空中和地面機器人形態上實現彈性自主。其架構圍繞三個協同模組：多模態感知、多行為規劃與多層安全導航，共同提供全面的任務自主能力。該棧融合 LiDAR、雷達、視覺和慣性感測器資料，實現魯棒定位與地圖構建、語義場景理解、自適應取樣規劃以及基於控制屏障函式的多層安全導航。已在旋翼機和足式機器人上經過實地測試，驗證了在煙霧、複雜幾何和高障礙物環境中的效能。

本文提出了一種用於互聯自動駕駛系統的五層MLOps架構，旨在透過集體學習實現持續的安全和效能保證。該架構基於已有的MLOps原則和互聯自動駕駛工作，為車隊運營商等利益相關者提供了設計藍圖，支援多級自我評估，有助於檢測和減少包括黑天鵝事件在內的邊緣情況。

本文提出一種信念空間殘餘風險指標，將自車定位不確定性顯式建模為高斯分佈，透過協方差融合自車與目標的不確定性，擴充套件了自動駕駛系統中的安全評估方法。

本研究提出了一種結合強化學習（RL）與動態視窗方法（DWA）的混合框架，用於高自由度機器人系統的自適應3D區域性導航。該方法利用稀疏點雲資料動態調整可變形微型機器人的運動和形狀，使其能夠在複雜受限環境中向目標導航，同時最大化佔據體積。在模擬血管網路中的1080次試驗表明，與純RL和基於模型的方法相比，混合方法顯著提升了變形和導航能力。訓練後的控制器在未知場景中仍保持穩健效能，凸顯了混合規劃策略在稀疏感知條件下高效自適應3D導航的潛力。

本文提出COSMIC框架，利用梯度下降同時對桁架機器人的拓撲、材料分佈和控制策略進行協同最佳化，透過可微模擬器和神經網路控制器實現高效梯度計算，並在約束最佳化下探索非凸設計空間。案例表明，該方法發現多樣化的運動策略，優於傳統分離設計，並揭示了各設計實體對效能的個體與集體影響。

本文提出一種學習框架，用於預測分佈動力學，並即時最佳化模型預測控制（MPC），以縮小自動駕駛與人類駕駛之間的差距。透過對真實越野駕駛資料集進行消融研究，並在全尺寸車輛上部署，實現了基於環境自然調節車速的智慧行為。

DIAL框架透過兩階段方法解決連續動作策略的模式崩潰問題：第一階段利用意圖條件流匹配和分類器無關引導擴充套件采樣分佈；第二階段透過多意圖GRPO保持多樣性。在WOD-E2E評測中，意圖CFG取樣首次超越人類駕駛示範，多意圖GRPO進一步提升留出集評分。

MindVLA-U1是首個統一流式VLA架構，透過單一前饋過程同時生成自迴歸語言標記和流匹配連續動作軌跡，並採用逐幀流式處理和學習記憶通道來攜帶時間上下文。在WOD-E2E基準上，它以2次擴散步驟首次超越有經驗的人類駕駛員（RFS 8.20 vs 8.13），並在規劃ADE上大幅領先先前VA/VLA方法，同時保持16 FPS的吞吐量和自然語言介面。

研究者將動作湧現形式化為端到端自動駕駛的目標能力，並提出流式意圖機制，透過語義鏈式推理和時間一致性生成多樣化、可控的動作。其模型SI在Waymo基準測試中取得有競爭力的效能，並首次展示了意圖忠實可控性。

一種名為LAMP的新方法透過引入二階時間校正來增強基於擴散的後驗取樣，用於影像恢復，減少了變異性並提高了重建質量，無需額外的去噪步驟。

本文提出VideoSEAL框架，透過解耦規劃與答案權威，解決長影片理解中智慧體產生正確答案但缺乏證據支援的問題，在多個基準測試上取得領先效能。

M3Net是一種新型3D網路，模仿放射科醫生的分層診斷流程，整合多尺度上下文資訊，實現肺結節的準確分類。在LIDC-IDRI和USTC-FHLN資料集上分別達到86.96%和84.24%的準確率，優於現有最佳基線。

M2Retinexformer是一種新型多模態低光影像增強框架，在Retinexformer基礎上融入深度、亮度和語義資訊，透過漸進式精煉管道和自適應門控機制提升效能。在LOL、SID、SMID和SDSD基準上優於現有方法。

大型視覺模型（LVM）透過將時間序列資料渲染為影像進行預測，但存在光譜和結構差距。SSDA提出雙重適應方法，包括頻譜幅度對齊器（SMA）和結構引導的低秩適應（SG-LoRA），在七個基準測試中優於基於LVM和LLM的基線。