Artificial Analysis採用Ai2開放的IFBench評估，因為它能捕捉許多基準測試忽略的指令遵循能力，在複雜多指令任務上尤其有效。該基準測試由實際使用者對話驅動，且尚未飽和，是衡量模型真實效能的重要工具。

畫素綻放PixelBloom完成C輪融資，由國科投資與商湯國香資本聯合領投。公司將升級為AI辦公解決方案Agent，推出“小方同學”營銷方案Agent，實現從生成內容到交付結果的質變。

Gemini 3.1 Flash-Lite是一款專為高吞吐量AI管道設計的輕量級模型，兼顧效率與效能，適用於資源受限或需要快速響應的場景。

Cerebras衝刺IPO，估值高達350億美元，OpenAI承諾200億美元採購其算力，並提供了10億美元貸款。Cerebras以晶圓級引擎挑戰輝達，主攻AI推理市場。

Flightzombie是一個AI航班搜尋工具，能夠查詢最低票價、比較日期並設定價格提醒。

本文提出“語義聲子”框架，將詞嵌入的幾何結構類比為晶格振動。透過分析PMI矩陣的特徵模態，解釋了不同邊界條件（週期性、Dirichlet、Neumann、Robin、二維）如何塑造嵌入空間中的語義連續體。實驗在GloVe和Gemma 2B中驗證了該框架。

為經驗豐富的開發者提供的一個參考網站，介紹如何透過AI編碼助手提升效率。每頁聚焦單一概念，提供工具無關的原則以及來自GitHub Copilot和Claude Code的實用示例。

AI智慧體由確定性核心（Agent Core）和機率性大語言模型（LLM）組成。安全的關鍵在於控制確定性部分以約束LLM的行為，基於三個安全法則。

本文提出十項關於人工智慧與軟體開發的預測，包括智慧體程式設計的多人協作、人類與AI在同一工具中管理任務、產品開發流程需圍繞AI重新設計、工程學將分為產品構建者和平臺/基礎設施/安全兩個方向、企業需投資平臺層以避免AI生成程式碼的混亂、AI提供商將構建服務以形成護城河、本地或低成本模型將更受歡迎、流行AI工具可能發生災難性資料洩露、大型科技公司可能因token成本而裁員、以及減少AI生成低質量內容的希望。

輝達CEO黃仁勳在卡內基梅隆大學畢業典禮上獲得第7個榮譽博士學位，並向5800多名畢業生髮表演講，分享從洗碗工到萬億市值CEO的奮鬥經歷，強調AI是放大人類能力的工具，鼓勵畢業生擁抱AI革命。

THE_ROOM 是一個本地優先的 Electron + React 桌面應用，專為技術操作者設計，用於在程式碼庫範圍內進行多模型協作。它提供持久化的房間、會話、分組和工件管理，支援託管模型和本地CLI/MCP來賓的無程式碼庫寫入許可權的只讀協作。

OpenAI 成立新企業部署公司 DeployCo，旨在幫助組織將前沿人工智慧引入生產環境，並轉化為可衡量的商業影響。

本週，全新AI驅動的Google Finance在歐洲上線，支援本地語言。新功能包括AI研究、高階圖表、即時資訊和財報電話會議直播等。

本文探討聰明人為何容易被AI熱潮俘獲，分析了認知防禦的削弱、區域性偏見、資訊泡沫等因素，並指出AI工具的廣泛使用導致了認知解除安裝和思維失真，形成一種“AI心理病”的民主化現象。作者以網路安全領域對Claude Mythos和GlassWing的過度反應為例，說明即使專家也常常陷入非理性推測。最後呼籲同時保持AI有用性與過度炒作兩種認知。

Hopper 是首個專門為大型機和 COBOL 設計的代理式開發環境，結合 TN3270 終端、資料集和任務管理面板以及 AI 代理，助力開發者高效除錯大型機工作流。

菲爾茲獎得主Timothy Gowers用ChatGPT 5.5 Pro在17分鐘內解決了加法數論開放問題，成果達到博士論文水平。Gowers警告這提高了博士生入門門檻，而陶哲軒則強調人類在“消化”證明方面的不可替代性。

本文證明了在冗餘雙旋翼執行器中，氣動共收縮可以調節被動、配平定義的氣動機械阻尼，同時保持命令淨力恆定。定義了一個增量阻尼係數，並證明其在輕微氣動硬化條件下沿恆力纖維單調增加。透過葉素理論驗證了所需的阻尼和硬化特性，得出了一個最小推力模型。該機制被形式化為可變氣動阻尼執行器（VADA），並顯示出與拮抗可變剛度執行（VSA）中的剛度調變動態同構。同樣的纖維密度原理也增強了冗餘多旋翼的主動氣動響應速度。最後，阻抗形式表示闡明瞭共模和差模驅動在控制VADA系統被動阻抗和平衡速度中的作用。

本文提出一種輕量級自主探索系統，利用多魚眼相機實現全方位視野和深度估計，並透過稀疏拓撲圖代替傳統佔據柵格或點雲，顯著降低記憶體和計算開銷。在模擬和11釐米軸距、400克重的掌上無人機上驗證了高效探索能力。

PISTO是一種新型隨機軌跡最佳化演算法，透過引入KL正則化穩定更新，在機器人運動規劃中達到89%的成功率，優於CHOMP和STOMP，並生成更短、更平滑的路徑。

本文介紹了Dr-BA，一種直接對二維旋轉雷達強度影像進行束調整（BA）的創新框架。雷達對降水不敏感，是全天候自動駕駛的關鍵。Dr-BA利用多幀雷達回波聯合估計密集地圖與感測器位姿，透過可分離最佳化將位姿估計與地圖構建解耦，並能自然地擴充套件到雷達僅用定位（DRL）。在超過200公里的五條不同路線上實現了最先進的效能。該工作已被RSS 2026接收，程式碼已開源。

提出意圖同化控制（IAC）策略，透過估計操作者目標位置而非當前位置來引導從機器人，從而在低剛度下實現高精度跟蹤，平衡安全性與準確性。實驗表明，IAC在多種任務中優於傳統遙阻抗控制（TIC），提高了跟蹤精度、任務完成率並縮短了完成時間。

本文提出一種無需彈性模型的自適應控制器，使兩架無人機能夠協同運輸可彎曲物體，並透過李雅普諾夫分析證明其漸近穩定性，硬體實驗驗證了多種場景下的效能。

該研究提出了一種基於約束滿足的交通場景編排方法，利用基礎模型將自然語言描述轉化為約束，再透過求解器生成符合測試意圖的駕駛場景。在基準測試中，該方法顯著優於基線，尤其對於需要自我反應規範的場景，閉環方法至關重要。

本文提出了一種用於垂直農業環境的空中操作器平臺，整合了RGBD感知、MPPI無人機控制和輕型2自由度機械臂，實現對花朵的精準檢測、定位和接近。模擬和實驗驗證了釐米級末端執行器定位精度，為未來非接觸式授粉系統提供了基礎。

一種新的控制框架利用旋量理論李代數和偏微分方程來管理多體柔性機械臂。該方法將系統分解為子系統，透過基於李雅普諾夫的方法和自適應引數估計實現全域性指數穩定性和模組化。數值模擬驗證了該方案的物理一致性。

本文提出異構步分配（HSA），一種訓練無關的推理演算法，根據速度動態為不同時空令牌分配不同步數預算，透過KV快取同步和快取尤拉更新，在不犧牲全域性上下文的情況下加速影片生成。在Wan-2和LTX-2模型上，HSA在50%和25%執行時下顯著優於先前方法，實現質量-執行時帕累托最優。

本文提出了一種資料中心的置信學習適配方法，用於在影像分割中檢測和緩解標籤偏差。該方法無需乾淨的無偏標註，透過比較訓練標籤與模型置信預測來識別方向性錯誤，並利用偏差對特徵空間中子組可分離性的影響進行緩解，在三個資料集上實現了公平效能。

TriDE是一種新的全域性相機姿態估計方法，利用相機三角形一致性最佳化成對平移方向，提高了精度和後續相機位置估計。

AdpSplit是一種新的自適應分割運算元，透過基於L1畫素誤差區域統計確定分割子體數量並初始化子體引數，減少了3D高斯潑濺（3DGS）訓練中的密集化迭代次數，從而縮短訓練時間，同時保持渲染質量。在多個資料集上，作為即插即用的替換，AdpSplit將訓練時間減少了9.2%-22.3%，在FastGS中實現16.4%的加速，較原始3DGS快12.6倍。

本文研究了3D醫學影像中不同成像模態之間的知識遷移縮放定律，發現遷移具有強不對稱性，並提出了基於縮放定律的資料分配最佳化方法，形成樞紐-孤島結構，遷移感知分配優於資料比例取樣，提升幅度達58%。