在世界机器人大会上首次亮相的小米新一代人形机器人，身高1.7米、全身66个关节，参数根据产线工人和工厂作业需求反推设计；它已在小米汽车工厂的“自攻螺母上件工站”实习，成功率从3月的90%提升至7月的98%，预计年底达到99%。
值得关注：本条为“腾讯研究院AI速递”中的一条产业动态，提供了小米新一代人形机器人的具体量化进展（身高、关节数、成功率变化、应用分层），可作为观察人形机器人在制造场景落地的重要案例。与已有相关卡片无直接关联，属于新的增量信息。
强化学习奠基人萨顿（Sutton）认为，大模型一经上线权重便“焊死”、根本没有真正学习，最多只占智能的四分之一；他反对合成数据路线，主张让智能体在真实经验中持续学习，并希望在五到十年内打造功耗仅20瓦的“持续心智系统”。
值得关注：萨顿是强化学习奠基人，其观点代表对当前主流“大模型+合成数据+静态部署”路线的深层反思。该论断提示：智能不止是语言能力，还需要在持续与环境交互中更新自身模型。与既有脉络的关系：本条不同于已有相关卡片中的具体产品/Age…
Grok Bot因零配置、强制云端虚拟机运行与多智能体原生协同，被硅谷投资人称为“又一个Claude Code时刻”；个人AI使用量增长约100倍，演示中从零构建播客摘要器仅约15秒，但也面临聊天式界面、底层模型与Token成本等质疑。
值得关注：Grok Bot代表了AI Agent在“零配置+多智能体协作”方向上的新形态，把AI从辅助编码扩展到自动化任务编排，并推动“一人公司”式人机协作范式。与已有相关卡片中Grok 4.5侧重模型编码性能不同，本条增量信息…
DeepSeek Harness在RC.8版本中快速补齐多模态能力，并将Claude Code与Codex纳入Agent编排体系，正从单一Agent工具演变为模型无关的统一调度层。
值得关注：本卡片的增量信息在于：相比此前“插件生态爆发”的生态广度，RC.8在纵向上进一步打通了多模态输入，并实现了对主流外部Agent的兼容。这验证了“万物皆插件”的设计正在走向跨厂商互操作，而非仅停留在自建插件数量增长。
WildFin 是一个由生态学家收集和标注的野外鱼类行为识别基准数据集，用于评测视觉模型在复杂海洋环境中的表现；结果表明，当前视觉基础模型的能力与真实水下行为分析需求之间仍存在显著差距。
值得关注：与已有相关卡片（如状态空间模型测量、四足机器人运动、史前手印性别归属）不同，本条聚焦于生态学中的真实野外视频理解。WildFin 的增量信息在于：它专门针对鱼类行为识别构建了生态学家标注的基准，并系统评估了视觉基础模型…
在 MedSAM 上做下游适配时，模型在分布内（IN）和近分布（close-OOD）数据上性能提升，但在远分布（far-OOD）数据上经常变差；全量微调是综合权衡最佳的选择，仅编码器 LoRA 是更强的参数高效替代，且 far-OOD 失败与解码器表征漂移高度相关；对提示做随机 0-100 像素抖动可获得更稳健、性能更好的模型。
值得关注：这项研究给“微调基础模型总能提升下游任务”的直觉提供了反例：适配可能伤害 far-OOD 表现。与已有关于分布漂移的卡片相比，本文的增量在于：在医学影像分割这一重要场景中，系统比较了 6 种适配策略，并用 CKA 将解…
VT-MUSE 提出一种两阶段视触觉统一序列表征学习框架，通过跨模态时间对齐、掩码视图一致性以及条件变分潜变量模型，把视觉序列与完整触觉历史联合编码；在仿真基准上，VT-MUSE 超过最强基线 11 个百分点，并在真实实验中取得实质性提升。
值得关注：针对视触觉操作中两个常见短板：跨模态融合粒度不足、接触时间演化缺失。 用“重建被掩码视觉 + 预测触觉深度变化”作为辅助任务，推动表征同时保留视觉上下文与触觉动态。 属于多模态表征学习与机器人操作策略结合的方向，可作为…
前沿视觉语言模型虽然能流畅描述自然图像，但在解读生命科学实验中产生的专业视觉工件（如凝胶电泳图、显微镜图像、质粒图谱等）上表现不佳；VIALS 是一个包含 161 项视觉问答任务的基准，用于系统评估这类能力。
值得关注：VIALS 聚焦于“专业实验视觉工件的解读”，而不是自然图像或通用知识密集型视觉合成，填补了现有基准对生命科学产业工作流进行评估的空白。它提醒我们：当前多模态模型在专业科学实践中的能力短板，可能被流畅的自然图像描述能力所掩盖。
Unified Branch-and-Bound Search for the Steiner Traveling Salesman Problem on Graphs of Convex Sets
TurboBias 2.0 是一个面向生产环境 Transducer ASR 系统的上下文偏置（context-biasing）框架，通过大小写不敏感的偏置图和逐流（per-stream）批解码，在保持低延迟和高吞吐的同时提升用户自定义短语的识别准确率。
值得关注：该工作直接将上下文偏置方法推向生产级可用性：不仅关注识别精度，还考虑了流式场景、批量解码效率、多用户个性化隔离和运行时开销。相比单纯提升准确率的研究，它为真实 ASR 系统部署提供了更完整的工程化方案。与已有相关卡片（…
在二值序列预测中，**精确诚实（exact truthfulness）**的校准度量与 soundness、completeness 不可兼得；但若放宽为**近似诚实（approximate truthfulness）**，则可以构造 sound and complete 的校准度量，并且本文给出的乘法近似诚实界优于 Haghtalab et al. (2…
值得关注：它回答了一个关于校准度量基本设计空间的开放问题：exact truthfulness 不能与 soundness/completeness 同时实现。 同时指出摆脱不可能性的途径是放宽到近似诚实，并给出通用构造方法。 …
TRACE-C 是一种可审计、严格先验（strictly-prior）的秩校准多流遥测异常检测器，用于识别“各单流都在常规范围内、但整体联合异常”的情况。在英国电网六条数据流上的测试中，TRACE-C 将 Storm Atiyah 排在 2019 测试窗口首位，但消融显示该排名主要由局部通道贡献，而非 copula 形式通道。
值得关注：不同于仅依赖单流阈值的传统监控，TRACE-C 显式建模多流之间的依赖关系，针对“联合异常”这一容易被漏报的场景。 通过秩校准和通道消融提供了可审计性，帮助运维人员理解“为什么报警”。 与已有异常检测相关卡片相比，本卡…
针对慢性阻塞性肺疾病急性加重（AECOPD）症状变化快、临床数据存在延迟的问题，本文提出一种仅依赖日常家用呼吸机呼吸道数据的“时间感知Transformer”预测模型，在多项分类任务上声称优于传统方法，可用于家庭场景下的AECOPD及时预警。
值得关注：AECOPD是慢阻肺病程中的关键事件，早期干预可显著改善预后；现有模型常受限于临床数据延迟，无法捕捉快速变化。 该研究将预测场景转移到家庭呼吸机数据，直接面向实时、低延迟监测需求，是一种与“临床数据驱动”不同的技术路线…
当机器学习系统用校准集的分位数设定阈值时（如共形预测、弃答门控、安全过滤），如果校准样本因共享提示、文档或推理链而具有聚类相关性，实际可靠性会远低于表观样本量；论文证明阈值场景需要一种不同于传统平均场景的“设计效应”修正，且有效样本量随阈值位置变化。
值得关注：该结果直接冲击依赖校准集分位数设定阈值的AI系统：非独立校准数据会让声称的覆盖率、拦截率或参考区间失真。与已有“有限样本覆盖审计”相关卡片关注的认证与学习理论设计不同，本条从聚类相关数据出发，指出平均覆盖率视角会掩盖单…
海岸线和水面几何可作为 GPS 拒止环境下自主水面船定位的可靠全局参考：利用 LiDAR 或单目图像提取海岸线结构，再与卫星海岸线地图配准，可恢复位置、航向并抑制长期漂移。
值得关注：为 GPS 拒止环境下的水面自主航行提供不依赖外部无线电或卫星信号的定位思路。 将“海岸线”这一自然结构转化为可配准的几何约束，可能推动低成本单目视觉方案在近岸无人船上的应用。 零样本基础模型用于海岸线提取，说明视觉基…
SPARCL 提出解析持续学习在旧类上发生漂移的根源是“谱干扰”（spectral interference），并通过将自相关矩阵分解为高能核心与残差、只更新残差块的闭式更新，在冻结 ViT-B/16 协议下显著缩小了经典解析学习器与强表示匹配器在多个基准上的表现差距。
值得关注：这项工作把持续学习中的“遗忘”归因从优化过程（梯度覆盖）转向数据谱特性，为解析持续学习提供了新的理论视角与闭式更新方法。同时，它与特征去相关方法互补，可能推动无示例类增量学习在更多现实场景中的实用化。
E²-TTT 通过封闭式状态转移，在分块级并行训练中保留逐 token 更新动态的时间结构，从而在 1.3B 参数规模上与此前 TTT 和混合注意力基线表现相当，并在“大海捞针”passkey测试中于 8 倍训练上下文长度下保持超过 90% 的准确率，同时训练吞吐量可与高效分块方法匹配。
值得关注：长上下文模型通常需要在“更精细的逐 token 更新”和“硬件友好的分块并行”之间做取舍。E²-TTT 给出了一个理论路径：在固定近似下，分块状态转移可以精确复现逐 token 递推的状态，而不是只能做近似替代。 与已…
Re$^3$Cap: Retrieval-Guided Refinement for Image Captioning Enhancement via Reinforcement Learning
在无任务的短窗口 `argmax` 不动点读出上，提示与模型的交互以完整幅度出现——九 token 条件即可大幅改变不动点比例、改变结构类别并重排模型——但所有尝试分解它的因素（前缀长度、散文/标记、通用方向、双向性、指令抵抗性、注意力汇聚）均失败；解释单位是“提示-模型对”。
值得关注：本文提供了第一个不依赖任务精度的结构性证据，表明提示-模型交互是条件分布层面的深层现象，而非任务层伪影。同时，它系统性地否定了若干看似合理的简化分解（单调前缀长度、散文/标记二分、普适方向、双向性、指令抵抗性、注意力汇…
该文提出一种新的“主变量加速”牛顿法，用于求解 Hessian 利普希茨连续的凸函数极小化问题；算法只使用原始变量，每次迭代仅需一次线性系统求解，就能达到函数残差的全局收敛率 O(1/k³)。据作者称，这是该问题类中首个仅靠每次迭代一次线性求解而无需辅助非线性子问题即可达到此速率的二阶方法（待核实）。
值得关注：现有二阶优化方法常因每步需要求解复杂的正则化子问题或进行额外搜索而代价高昂。本文试图在不需要这些额外机制的情况下，仅靠一次线性求解和预定参数就获得 O(1/k³) 的加速收敛率，这为加速二阶方法提供了更简洁的理论构造。…