Subquadratic公司釋出了SubQ，這是首個基於完全次二次方稀疏注意力架構的LLM，支援1200萬token的上下文視窗，速度達150 token/s，成本僅為其他領先LLM的1/5。該模型在長上下文檢索和編碼任務上表現出色，已在SWE-Bench、RULER和MRCR等基準測試中取得領先成績。

本文探討了AI聊天機器人（如ChatGPT）為何頻繁提及哥布林等奇幻生物，並呈現了對日本的文化偏好。OpenAI發現哥布林現象源於對“書呆子”個性的訓練中意外獎勵了奇幻生物隱喻。同時，研究顯示AI模型在多種語言中普遍偏好日本作為例子，這可能與安全訓練中的去偏策略有關。文章強調了AI模型的偏見問題及對其輸出保持懷疑的重要性。

在HumanX大會上，Stack Overflow的Ryan與AMD CTO Mark Papermaster深度探討了AMD基於異構CPU/GPU計算歷史的AI晶片策略，以及AI代理既消耗計算資源又加速晶片創新的悖論。

文章討論了科技等行業持續裁員的趨勢，並提出學習和使用人工智慧是避免失業的關鍵。

SpotFetch 是一款由 DocentPro 開發的 AI 工具，能夠自動從使用者儲存在 Instagram、TikTok 或 YouTube 的影片中提取地點，形成整理好的集合，並可進一步透過 AI 行程規劃器生成詳細的每日行程。

SWE-WebDev Bench 是一個包含68個指標的評估框架，旨在衡量AI編碼平臺作為虛擬軟體機構的表現。該基準測試提供了一個互動式網站，用於檢視完整結果。

OpenAI推出三款即時語音模型：GPT-Realtime-2（帶GPT-5推理）、GPT-Realtime-Translate（同聲傳譯，每分鐘0.25元）、GPT-Realtime-Whisper（流式轉錄）。新模型支援128K上下文、並行工具呼叫、語氣控制等，大幅降低即時語音互動成本。

特斯拉正急招資料標註員，主要服務FSD（完全自動駕駛）和Optimus（人形機器人）專案。崗位無需AI經驗，提供培訓，朝九晚五，年薪最高13萬美元+股票福利。行業趨勢顯示，基礎標註逐漸被AI取代，但複雜場景標註需求大增。

艾倫研究所研究員Nathan Lambert的中國之行揭示了中美AI文化的巨大差異。中國實驗室強調合作，學生深度參與，開源文化盛行，而美國實驗室則陷入內鬥和明星文化。

美國科技巨頭思科宣佈收購以色列網路安全初創公司Astrix Security，交易估值約3億至4億美元。Astrix專注於保護AI代理和非人類身份的安全，其平臺可追蹤API金鑰、服務賬戶等憑證，防止企業系統遭受未授權訪問。

2022年入學（2026屆）的本科生在ChatGPT全程陪伴下完成大學學業，成為首批AI原生學生。OpenAI ChatGPT Futures專案表彰了26個年輕團隊，展示了AI加持的超級個體如何完成太空機器人、災害搜救、星系索引、瀕危語言保護等驚人成就。文章反思AI教育爭論，認為AI壓縮了機會差距，動機與AI結合成為新的生產力公式。

人工智慧的興起正在顛覆歐洲的翻譯行業，許多翻譯者面臨工作減少和報酬降低的困境。然而，文學翻譯領域似乎相對安全，因為AI在處理語境、創意和對話方面仍有侷限。文章透過多個案例探討了AI翻譯的進步和人類翻譯的不可替代性。

該研究探討了在足式機器人控制中，線性倒立擺模型（LIPM）為何廣泛使用但並非控制器成本函式自然偏好的現象。透過一個懲罰角動量變化率的小型質心最優控制問題（OCP），作者發現最優解傾向於擺線力模式，其速率由力矩雅可比矩陣的奇異值分解決定，且常數由足部跨度幾何形狀設定，與實驗誤差在16%以內。對於雙足支撐（如小跑），摩擦錐對|H_G點|引入下界，且存在一個臨界水平加速度處的非光滑可行性拐點。研究在點質量四足機器人和Unitree Go1上進行了驗證。

本文提出了一種基於事件相機的可見光通訊系統，用於車聯網（V2X）場景。該系統解決了頻寬飽和、多發射器接收和時延表徵三大挑戰。透過採用正事件模式並設計協議抑制事件產生，同時保持通訊距離和寬視場角。提出了識別多個發射器的方法，並演示了同時從三個LED接收訊號。在真實車輛場景中評估了端到端時延，符合協同感知要求。結果表明，基於事件相機的VLC是對現有V2X技術（如射頻）的可行補充。

本文提出了一種基於增量非線性動態逆（INDI）內環的魯棒增益排程控制器，用於四旋翼姿態控制。利用線上引數辨識在0.5秒內估計所有物理引數，並採用訊號基H∞閉環整形合成增益排程級聯姿態控制器。模擬和飛行實驗驗證了該方法在引數不確定性下的良好穩定性和跟蹤效能。

提出一種使用多區域飛行時間感測器的非接觸式抓取穩定性預測方法，無需抓取物體即可快速分類，速度達15Hz，在2500次真實抓取資料上訓練，驗證集準確率85.5%，測試集86.0%。

本研究提出了一種因果推理框架，使機器人能夠創造性地使用工具，識別適合任務的工具並超越其原始用途。該框架透過動力學模型中的模擬實驗發現工具與任務的因果關係，結合視覺語言模型（VLM）的特徵建議和反事實工具生成，基於因果特徵分類新物體，並透過關鍵點匹配轉移技能。實驗表明，該方法在遠端取物、舀取糖果和墊腳取物等任務中表現更可靠。

該論文提出了一種被動容錯架構，用於多無人機協同吊掛運輸中突然發生纜線斷裂的情況。透過將每個無人機的實測纜線張力直接反饋到其高度推力指令中，無需額外的故障診斷或重新配置。作者在Drake多體模擬中驗證了該方法，表明在五架無人機、10公斤載荷的場景下，系統能在一次擺錘週期內恢復，且均方根誤差僅為0.312-0.328米。

離線軌跡規劃器Track A*在四維時空網格上結合有向無環圖搜尋與三項最佳化技術，實現100%收斂，平均規劃時間比基線A*減少23倍，同時可見性效能幾乎無損。

DexSim2Real是一個整合框架，利用視覺語言基礎模型彌合靈巧操作的模擬到現實差距。它包含三個元件：基礎模型引導的領域隨機化（FM-DR）、觸覺視覺交叉注意力策略（TVCAP）和漸進式技能課程（PSC）。在六個挑戰性任務中，真實世界平均成功率達到78.2%，優於DrEureka和DeXtreme，並將模擬到現實效能差距縮小至僅8.3%。

研究人員提出一種拓撲驅動的多智慧體強化學習框架，用於協調軟體機器人在複雜環境中避免纏繞。該框架透過共享拓撲狀態的集中學習和拓撲安全層來評估纏繞風險，在模擬中優於現有深度強化學習方法。

研究人員提出了一種用於多倉庫車輛路徑問題的GPU加速混合演算法，融合了學習驅動的交叉操作和多罰函式搜尋框架。該方法在大型基準測試中表現出色。

GeoQuery是一種零樣本衛星影像檢索系統，透過提示對齊的文本代理實現語義搜尋，無需完整的對比訓練。在災害查詢中達到31.6%的50公里內精度，已部署於危機響應系統ECHO。

LAMP是一種新穎的框架，用於從以自我為中心的多攝像頭頭戴裝置中追蹤3D人體運動。它透過先利用裝置6自由度運動和校準將2D關鍵點提升到統一的3D世界參考系，然後使用時空變換器擬合3D運動，從而解耦觀察者和目標運動。在單目基準測試中達到最先進水平，並在以自我為中心的動態場景中顯著優於現有基線方法。

新研究提出使用一致性模型進行3D點雲異常檢測，只需一到兩次網路評估即可預測無異常幾何，推理速度比現有最先進方法快80倍，且無需GPU加速，適用於無人機、智慧工業相機等資源受限的邊緣裝置。

Tamaththul3D 是一種專為阿拉伯手語（ArSL）設計的重建管道，能夠從單目影片生成高保真三維虛擬形象。研究團隊首次為 Ishara-500 沙特手語資料集提供了高質量的三維引數註釋（SMPL-X 引數），涵蓋 500 個文化真實的沙特手語手勢。該管道整合了 SMPLer-X、WiLoR 和 MediaPipe，透過基於運動鏈的手腕對齊、混合擺動-旋轉分解和二維監督關節最佳化，在手部精度上實現了高達 32% 的提升，同時保持競爭性的身體姿態。這項工作為 ArSL 虛擬形象重建建立了首個全面框架，有助於為阿拉伯聾人社群開發無障礙技術和文化遺產保護。

egenioussBench是一個基於城市級航空3D網格和CityGML LoD2模型的視覺定位基準資料集，提供釐米級精度的智慧手機影像和獨立於地圖的真實值，旨在超越傳統的SfM方法，推動大規模視覺定位研究。

Open-SAT是一種無需訓練、僅在推理時執行的查詢嵌入精化演算法，利用大語言模型（LLM）改進使用者查詢與衛星影像內容之間的對齊，在三個公開基準上將F1分數提升高達16.04%，且無需額外訓練或監督。

ViTok-v2 是一種新型視覺Transformer自編碼器，透過原生解析度支援（NaFlex）和DINOv3感知損失，解決了現有ViT自編碼器在解析度泛化和穩定擴充套件方面的侷限。該模型在約20億張影像上訓練，引數量達50億，是迄今為止最大的影像自編碼器。ViTok-v2在256p解析度下達到或超越現有最先進水平，並在512p及以上解析度顯著優於所有基線。與流匹配生成器聯合擴充套件時，ViTok-v2進一步推進了重建-生成權衡的帕累託前沿。

本文提出Query2Uncertainty方法，利用DETR風格檢測器的查詢特徵密度進行後處理校準，在分佈偏移下同時最佳化分類和框迴歸的不確定性估計，在相機和LiDAR檢測器上均超越傳統方法。