NavGen：视觉生成模型作为具身三维导航的可扩展数据引擎
NavGen用视觉生成模型构建文生视频数据引擎，产出约40万条室内外视觉语言导航数据并扩充长尾，真机飞行成功率75%。
超越最后一棵绒毛树：SustainAI——一种水感知、闭环、对环境负责的 AI 框架
提出水感知闭环框架SustainAI，以关怀设计强化AI用水问责；实验显示推理水足迹差异达11倍，错误输出耗资巨大。
面向婴儿运动分析的不确定性感知联邦学习
首个婴儿运动分析联邦学习框架，利用预测不确定性改进聚合，性能接近集中式并优于FedAvg。
基于脑记录的被感知语音的主体不变跨模态解码
融合fMRI与MEG，提出主体不变跨模态解码法，跨被试语音解码精度显著提升，训练成本降88.8%。
迈向理解基于大语言模型的日志异常检测：性能、效率与鲁棒性的实证研究
基于三个日志数据集，实证分析LLM日志异常检测中适配策略、规模、量化与噪声对性能、效率和鲁棒性的影响。
同样收到警告，AI智能体避开人少的路，人类却选择它
共享警告使AI智能体集体涌向同一拥堵道路，人类却避开；混合群体中AI耗时更长，集体效率掩盖个体负担不均。
制定面向 AI 优先组织的路线图：嵌入式软件开发案例研究
大型嵌入式企业40人研讨显示，智能体AI将重塑团队、能力与角色，并给出AI优先转型路线图。
Scaffold：基于支撑图理论的图神经网络稀疏化
提出Scaffold框架，基于支撑图理论联合控制扩张与拥塞，仅用10%–50%的边即可接近全图GNN性能，并降低内存与训练时间。
SonicMesh：利用声学信号增强视觉受损环境中的三维人体网格重建
首个声学-视觉三维人体网格重建框架，通过ISAR声成像与跨维度配准融合，在弱光及遮挡下鲁棒重建。
HySTAR：面向协作多智能体强化学习稳定信用分配的锚定超图
HySTAR锚定超图框架固定高阶价值分解基，分离自适应表征，缓解结构目标漂移，提升协作多智能体信用分配性能。
面向时间序列异常检测的可视化技术适配：从卷积神经网络到卷积循环神经网络
研究适配显著图与Grad-CAM于CNN+RNN时序异常检测，提升可解释性，克服TimeDistributed层挑战。
DynBranch：面向动态智能体 LLM 服务的推测性子图复用
为未决分支预先建立稳定寻址，推测执行候选子图并复用结果，按收益准入，平均延迟最多降低32%。
BAT-CLIP：脑、音频与文本的三模态对齐
BAT-CLIP：首个iEEG三模态对齐框架，将脑电嵌入同时对齐音频与文本锚点，在播客基准上表现更优。
LadderMIL：基于由粗到细自蒸馏的多示例学习
提出LadderMIL，通过由粗到细自蒸馏提供实例级监督并编码包内上下文，病理任务指标平均提升。
OPTQ 的泛化行为与正则化的作用
研究 OPTQ 与随机 OPTQ 的泛化误差界，揭示正则化 λ 的关键作用，并提出实验更优的 λ 选择。
AgentRecommender：LLM智能体赋能用户侧可定制推荐系统
利用LLM智能体的调研能力与内部知识，无需额外数据即可灵活构建用户侧推荐系统，方便用户按偏好定制。
超越已批准操作：智能体工作流中持久结果的运行时验证
EffectMatch运行时校验持久变更是否符合应用批准，阻止未批准结果被误认为成功并向下游传播。
SPADE：突破流行度-相似度前沿，衡量惊喜性推荐
SPADE：将物品映射至二维空间，计算用户帕累托前沿，以正确推荐项到边界的最小欧氏距离均值衡量惊喜性。
NEXT：物理信息神经谱指数时间差分架构
NEXT融合神经谱表示与高阶指数积分器，线性刚性项精确积分、非线性项神经网络建模，对刚性正反PDE稳定精确。
锚定以扩展：面向个性化文本到图像扩散模型的语义锚定
提出语义锚定个性化（SAP），将新概念学习与先验保持统一为锚定学习，兼顾主体保真与文本对齐。
新LoRA技能应只读不写
READ将LoRA适配器平衡规范化、单向耦合：新技能只读旧技能不写入，组合无推理开销，多基准超基线。
基于学习到的潜在贝叶斯跟踪的在线学习
AURA通过离线元学习低维潜状态空间，以扩展卡尔曼滤波实现高效精准的在线自适应。
VFM-UDA++：改进面向无监督域自适应语义分割的网络架构与数据策略
VFM-UDA++优化多尺度特征、ViT兼容损失与数据策略，提升无监督域自适应分割并受益于更多数据。
BeatGraph：面向家庭环境婴儿心电图表征的自监督心跳图
提出以心跳为单元的心电图表征模型BeatGraph，自监督预训练，支持多任务，并发布首个公开家庭婴儿ECG语料库。
信任引导的决策Transformer
用下一状态预测误差与共形校准筛选可信上下文，再由冻结评论家选动作，缓解长程漂移并提升回报。
重新思考AI驱动系统的数据质量：来自从业者访谈的证据
访谈16名从业者，揭示AI数据质量在可追溯性、评估循环、合成数据、合法性与代表性上的新挑战。
无监督视频质量提升方法：复原与增强技术综述
综述无监督视频复原与增强技术，涵盖退化成因、方法分类、损失函数及未来方向。
全双工语音模型的声学到文本 KV 压缩
声学到文本KV压缩：用转录文本记忆替代旧声学KV，峰值缓存降64.6%，任务提升且交互相当。
直接反馈对齐中的共模坍缩与恢复
DFA训练中误差共模致tanh单元饱和与学习停滞，减去批均值或校准读出层可抑制坍缩、加速学习。
RefRef：用于重建折射与反射物体的数据集与基准
现有方法难处理折射反射材料且缺专用数据集；提出RefRef（150合成+60真实场景）及基准，评测表明任务远未解决。
权重对编码：在神经网络权重中诱导更小的文法
WeightPE将Re-Pair压缩器嵌入直通估计器，微调int8权重生成更小文法；ViT上文法缩至QAT的0.43/0.38倍，精度仅降1.9/1.1点，首次以文法大小为训练目标。
智能体限价订单簿：相变与市场冲击
强化学习智能体构成的限价订单簿出现订单流相变，市场冲击偏离经典平方根律，呈耗散、平衡与非耗散态。
人工智能时代的认知技能：计算机专业学生与专家的看法
研究调查计算机学生与专家对认知技能重要性的看法：AI环境下多数技能重要性将下降，但批判性思维仍关键。
OSPO：面向文本到图像生成的以对象为中心的自改进偏好优化
提出OSPO自改进框架，无需外部数据，构建对象级偏好并加权损失，提升细粒度图文对齐、减少物体幻觉。
面向可解释视觉识别的空间信息瓶颈
提出空间信息瓶颈S-IB，从信息论解耦前景/背景信息流，优化VJP空间结构，提升解释质量与分类精度。
面向安全软件供应链、以区块链为锚的资源优化与能耗感知智能体AI框架
提出区块链赋能的资源优化、能耗感知智能体AI框架，保障软件供应链安全，实现可信溯源与部署策略验证。
在视觉基础模型（VFM）时代，无监督域适应（UDA）的附加价值是什么？
合成源增强使UDA增益从+8降至+2；真实多样源无增益；合成场景仍优，1/16标签达85mIoU。
埃莫里克：我反思了当前AI加速发展时刻的形成过程中包含了多少偶然因素，并让Opus 5.5制作了一段视频，灵感来自老牌科学节目《Connections》，试图指出一系列最初互不相关的想法如何引领我们走到今天。
反思AI加速时刻的偶然成因，制作视频追溯无关想法如何汇聚至今。
@elonmusk：升级
升级
马斯克@JMilei：太棒了！
马斯克向米莱表达赞赏。
@elonmusk：属实
马斯克发布推文仅称“属实”，未提供更多说明。
@elonmusk：准确
马斯克发推称“准确”。
@elonmusk：目前准确
该说法目前准确，但可能变化。
@fchollet：AI 产业的目的应是制造工具，使其在人类手中增进人类繁荣与福祉。
AI 应造福人类，而非创造人类“后继物种”；动此念头，事实上便是当下和未来人类的敌人。
@elonmusk：值得考虑
值得考虑。
@elonmusk：星舰第14次飞行计划于明早发射
马斯克透露，星舰第14次飞行瞄准明早发射。
@elonmusk：这一次我深切地感受到了AGI（通用人工智能）
马斯克称此次深刻感受到AGI的真实存在。
任务结构化的模块化在人工网络中涌现，并与大脑架构相契合
（原文未提供摘要内容，无法提炼精华）
面向微型机器人导航的分钟级训练
摘要未提供。
基于气候模型与概率机器学习的区域气候风险评估
融合气候模型与概率机器学习，实现区域气候风险评估。