OATs:讓日常物品變成需要照顧的虛擬寵物
金大華開發的 OATs 微型 AI 智能體系統,透過電子墨水屏和傳感器,讓日常物品以虛擬角色表達狀態。主模組硬件成本約 20 美元,普通續航約 3 至 4 天,連接聲音傳感器後約 1 天。OATs 現階段仍是概念驗證技術,尚非成熟的消費產品。
金大華開發的 OATs 微型 AI 智能體系統,透過電子墨水屏和傳感器,讓日常物品以虛擬角色表達狀態。主模組硬件成本約 20 美元,普通續航約 3 至 4 天,連接聲音傳感器後約 1 天。OATs 現階段仍是概念驗證技術,尚非成熟的消費產品。
卡內基美隆大學研究人員開發 OATs,透過電子墨水屏和傳感器,讓日常物品配備會按物品狀態改變表情的虛擬角色。主模組硬件成本約為 20 美元,普通情況下續航約 3 至 4 天,連接聲音傳感器後約為 1 天。OATs 目前仍屬概念驗證技術,設計刻意限制互動能力,以免過度擬人化。
GDC發布的《2026年11月遊戲行業現狀》調查顯示,40%的受訪遊戲從業者在日常工作中使用生成式AI,55%認為AI會對電子遊戲行業造成負面影響。調查涵蓋超過2600名從業者;在AI使用者中,57%表示每天高頻使用,72%用於文字生成、62%用於程式碼生成。
研究團隊提出 NEO-VLA,將原生視覺語言模型用於機械人動作學習,讓動作專家直接讀取主幹不同深度的視覺語言表徵,毋須獨立預訓練視覺編碼器。
一項最新國際研究顯示,全球冰凍圈正加速退化,部分變化具有不可逆性,可能對地球生態系統和人類社會帶來長期風險。研究指出,人類活動引起的氣候變化是主要驅動因素,黑碳排放、工業活動和基礎設施擴張亦會加劇局部退化。研究人員呼籲各國制定更積極的減排目標,並減少冰凍圈敏感地區的人為擾動。
Reemote 是一個開源設定管理函式庫,旨在作為將 Ansible roles 遷移至 Python 的函式庫層級目標,應對一般 Python 重寫會失去的跨主機同步執行、試跑及逐主機變更回報。評估中,兩個 Ansible Galaxy roles 經自動轉換,並在離線模擬中通過冪等性驗證。
研究發現,AI 將 Ansible 角色改寫成一般 Python 程式時,常失去多主機同步執行、預演及變更回報等運維保障,主因是缺少對應的組態管理框架。實驗以開源 Python 套件 Reemote 作為轉換目標,Apache 和 DataDog 角色的轉換程式均在模擬主機測試中通過冪等性檢查。評估只涵蓋兩個角色各自預設路徑中的單一作業系統系列,驗證環境並非實際伺服器羣組。
北京航空航天大學、香港城市大學等機構的研究人員研發生物電子梳 Detangle,結合電刺激與治療性分子遞送,研究雄脱小鼠的毛髮再生。接受電刺激及兩種分子聯合治療的小鼠,28 天後毛髮覆蓋率接近 100%,外用米諾地爾組約為 70%。Detangle 目前仍處於動物實驗階段,能否在人身上重現效果及其安全性仍待驗證。
一項獨立研究重新分析事件視界望遠鏡對 M87 星系中心黑洞的觀測數據,結果顯示各數據集中的環狀結構一致,並與原始照片的光環直徑和整體朝向吻合。研究以「閉合不變量」整合三台望遠鏡的測量數據,並採用 GenDIReCT 機器學習成像;傳統統計成像方法也得出環狀結構。光環特徵對應質量約為太陽 65 億倍的黑洞,研究亦指出這項技術可能應用於醫學影像分析和地震成像。
獨立研究重新分析事件視界望遠鏡(EHT)對 M87 星系中心黑洞的觀測數據,確認不同數據集中的環狀結構一致。研究以「閉合不變量」和 GenDIReCT 成像,所得光環直徑及整體朝向與原照片吻合,傳統統計方法亦驗證了環狀結構。
GDC 發佈的調查涵蓋逾 2600 名遊戲業從業者,40% 表示工作中會使用生成式 AI,55% 認為它對遊戲行業有負面影響。AI 使用者中,73% 將其用於資料研究和集思廣益,62% 用於分析和內容總結,56% 用於編寫及檢查程式碼。QA 和社區支援部門中,認為生成式 AI 對行業有負面影響的受訪者比例達 76%。
MIT 韓松團隊開源機械人後訓練項目 PEAR,透過模擬環境中的強化學習,讓 Qwen3.8-27B 操控真實雙臂機械人。PEAR 在 LIBERO 得分 74.4%,並在雙臂 YAM 真機的 30 次測試中成功 18 次,基礎模型則為 0/30。
日本信息通信研究機構(NICT)團隊提出 OptiMer,透過合併分佈向量搜尋持續預訓練的最優數據配比,並獲得 EMNLP 2026 傑出論文獎。實驗中,OptiMer 在配比優化階段加速 15~35 倍,平均得分為 70.37,高於傳統數據混合訓練的 63.71。團隊將方法應用於 Gemma-SEA-LION-v4-27B,日語得分由 66.34 提升至 74.40,同時保留東南亞語言任務表現。
GDC 發布《遊戲行業現狀:2026 年 11 月》調查,訪問 2600 多名遊戲業從業者,40% 表示工作中使用生成式 AI,55% 認為生成式 AI 對遊戲業有負面影響。
TestMu AI《State of AI in Quality Engineering 2026》報告指出,81% 的軟件團隊曾合併未完全理解的 AI 生成程式碼或測試。隨着 AI 編寫的程式碼增加,44% 的團隊表示漏檢缺陷或生產環境事故有所上升。只有 41% 的團隊會在合併前自動檢查 AI 編寫的程式碼,97% 已在測試中使用 AI 或計劃採用 AI。
Hacker News 上一則標題為「End‑to‑End 4‑Bit Training」的帖文連結至 thinkingmachines.ai,獲得 22 點。頁面顯示有 1 則評論。
HRS-012 為貨運無人機訂明分層且具故障隔離能力的電氣與電子架構,要求按安全關鍵程度劃分推進、航電、任務、貨載及輔助電源域,並設計冗餘供電、保護和故障隔離。標準亦要求航電與高頻寬任務運算保持邏輯獨立,並持續監測主要電力設備,以支援故障偵測、維護及飛行決策。
研究團隊以 Lean 形式化美國《國內税收法典》,檢查條文交叉引用並建立 2025 年聯邦個人所得税模型,以搜尋文本錯誤和税務漏洞。交叉引用檢查列出 257 項結果,其中 138 項為實際文本錯誤;2025 年模型亦以 IRS 公佈數據及三款報税工具比對,測試 5,000 個家庭。
研究團隊分析 159,041 個 Lovable 專案,並在多個使用 Supabase 的應用程式中發現敏感資料可被未登入者存取。案例包括逾 200,000 條聊天訊息,以及超過 1,000 條含護照號碼等身份證明資料的紀錄。研究指出,30% 只適用於深入檢查的 24,664 個網站,不能視為已確認的資料洩漏率;樣本亦不代表所有 Lovable 應用程式。
VoxMel 提出一種無 tokenizer 的自回歸 TTS 框架,透過可逆的雙軸 Haar 變換拆分 mel 頻譜圖,生成 Coarse-Mel 及殘差層。
Multi-Branch Transformer(MBT)透過並行分支處理 Transformer 區塊,並結合共享 KV cache,提升語言模型品質及推理效率。實驗顯示,標準 Transformer 需要多用最多 1.26x 訓練計算量,才能達到最終模型的驗證損失;模型最多減少 34% KV cache 儲存,並在單張 H200 GPU 上提升最多 51.4% 解碼吞吐量。
研究以在合成航天器影像上訓練的單目姿態估算器檢驗 SPEED+ 模擬到真實的遷移,發現模型在真實影像上的姿態誤差伴隨過度自信,且適應效果因光照域而異。合成資料上按 90% 校準的區域,在 sunlamp 僅涵蓋 9-15% 的旋轉誤差,在 lightbox 則涵蓋 21-38%;調整骨幹網絡最後階段,可將 63-83% 的額外合成增益帶到兩個真實域。
PanDWM將六個攝影機視角拼接成360°全景帶,並以蒸餾因果學生模型和前饋式3D Gaussian解碼器生成一致的4D駕駛場景。於nuScenes的單一拼接視角評測中,其FID和FVD均低於多攝影機基線,速度為基線的8-46倍。相比50步教師模型,PanDWM維持FID,並將FVD降低22-25%。
RAPO 透過識別高熵推理位置作為稀疏反思錨點,並以 chain-masked KL 目標訓練策略在後續推理中保留視覺影響。在 Qwen3-VL-2B-Instruct 上,RAPO 將六項基準的平均 mean@8 accuracy 從 GRPO 的 40.79 提升至 43.01。標準推理時無須額外重新注入視覺資訊或選擇錨點。
SALA 利用人類與機械人影片的語言語義相似度對齊潛在動作,建立共享潛在動作空間,無需配對數據即可為具身基礎模型訓練提供監督。增加通用人類影片的預訓練數據,可持續降低下游任務的機械人動作預測誤差;增加特定任務的人類影片進行後訓練,則可大幅提升真實機械人任務成功率。
AllocFlow 以端到端 flow-matching 框架,從多資產原始市場歷史數據直接生成聯合投資組合配置,並透過模仿學習及 group-relative reinforcement learning 兩階段訓練。
研究檢視 40 份開放權重大語言模型技術報告,評估其新穎性主張是否有消融研究支持,以及報告的可重現性與透明度。73 項架構或訓練新穎性主張中,19 項有受控對照;40 份報告中,4 份披露多於一次訓練,只有 1 份同時披露數據混合、token 數量及計算資源。研究提出 7 項技術報告撰寫規則,並指出不評判模型質素,未經測試的主張仍可能成立。
SWE-CoWork 基準在模擬軟件組織中評測編碼智能體,涵蓋 101 項任務、101 個真實程式碼庫、11 種語言和 12 個應用領域。評測 11 個模型時,兩個領先模型雖通過約 63% 的失敗轉通過(F2P)測試,完整完成的任務卻少於 8%。向 Seed Evolving 和 GPT-6 Astra 預先提供完整需求,令 F2P 通過率提高約 16 個百分點,但完整任務成功率沒有改變。
GlyphAtlas 是一個建基於 FLUX.1-Fill-dev 的場景文字合成模型,透過分離文字版面配置與筆畫繪製,改善小字、密集多行文字及複雜文字系統的合成效果。模型以中文和英文訓練,並可零樣本泛化至日文、韓文和阿拉伯文。團隊開源程式碼、權重及包含 1.5M 張場景文字圖片的 GlyphAtlas-Data-1.5M。
研究提出 Centered Ablation(CA),以封閉形式從消融方向中投影去除共同模式,解釋並修正標準末層方向消融效果不足或令文本崩潰的問題。在 8 個模型上,CA 在標準方法效果不足時將攻擊成功率提高 29 和 46 個百分點,並將 Gemma-2-9B 的崩潰率由 50% 降至 1%。研究亦指出,兩種標準安全評審對崩潰文本的評分方向相反,可能造成 46 個百分點的效果差異。
AURA 2.0 是串流影片大語言模型,能在沒有用戶提問時主動開啟對話、調用工具,並進行互動式視覺定位。模型加入 Model-Initiated Conversation(MIC)、Stream-Aware Tool Calling(SATC)、Interactive Visual Grounding(IVG)及長期互動記憶,並採用三階段訓練方案。
論文提出 JEPA4R,一種以單部深度相機取得的點雲為觀測、在潛在空間預測及規劃,並透過凍結潛在表示上的策略頭執行動作的 JEPA 世界模型。解碼器生成的 4D 點雲在 200 步內平均點誤差維持在 1.1 cm 以內;在 MetaWorld 和 Adroit Relocate 分別取得 98.4% 和 88.0%,高於排名第二的 R3M 的 96.0% 和 65.3%。
Stanford 研究人員開源 Memorilla,這個記憶系統把整個文件集轉為 16 個記憶 token,供凍結的 LLM 使用。在 FactKG 上,凍結的 Qwen3-8B 配合 Memorilla 得分為 84.33%,高於完整上下文的 80.43%,文件 token 用量少 108 倍。程式碼、訓練配方及模型檢查點以 Apache 2.0 公開;可訓練的記憶模組有 194M 參數。
FreezeCheck 研究統計指出,TRON 上至少 89.0M USDT 被誤轉至仿冒地址。統計涵蓋 2023 年 12 月 20 日至 2026 年 11 月 10 日的轉賬,涉及 3,894 筆至少 10 USDT 付款及 3,833 個錢包,中位損失為 3,200 USDT。
Roei 檢查 GitHub 公開儲存庫中的 3,905 個 CLAUDE.md 和 AGENTS.md 檔案,發現根目錄同時存有兩者的儲存庫中,約六分之一的 CLAUDE.md 沒有提及 AGENTS.md,因此 Claude Code 不會載入該檔案。
GPT-6 Astra 以 50 次前向傳播編輯 Qwen3.5-0.8B 的 131,072 個權重,未經訓練便把其 MATH-500 得分由 7.9% 提高至 48.1%。
北京大學知識計算實驗室(KCL)與騰訊微信安全技術團隊聯合發佈綜述論文,提出從來源、編排、執行及持久反饋分析通用智能體安全的框架。論文梳理技能、用戶、記憶與環境四類攻擊面,並歸納安全評測和防禦方法。摘要指出,執行結果可能污染長期記憶、技能或項目工件,使風險跨會話延續。
Baseten Base Labs 探討梯度對齊獎勵能否以學生模型生成的樣本計算梯度,同時以專家示範提供學習訊號。研究指出,利用張量運算可用兩次標準反向傳播,高效計算完整對齊獎勵,實際開銷不大。實驗以 Qwen3-8B 和 Opus 5.5 生成的示範測試四數 Countdown,考察模型能否擬合及會否過度貼近示範原句。
Crossref 自 15 September 2026 起自動為論文資助者加入 ROR 機構 ID,令數百篇論文把中國科學技術部連結至台灣國家科學及技術委員會的記錄。
香港科技大學 MMSense Lab 提出視覺原生智能體框架,為圖像分配編號並存入同一圖像庫,讓不同工具在解題流程中接續調用同一張圖。團隊另提出 ODE,按模型 rollout 的解題紀錄修訂出題規則;在八項評測中,8B 模型平均準確率由 24.9% 升至 39.0%,30B 模型由 30.6% 升至 41.5%。