MIT CSAIL 团队发布 FloatForm 系统，由 21 厘米方形自主船组成，通过磁锁原结构实现自组装、拆解与重组，仅在精调位置时引入轻量中央规划器。实验中 8 个机器人完成构型转换并集体运输，仿真可扩展至 64 个；10 次试验中 4 机器人成功率为 90%、8 机器人为 70%。论文发表于 Nature Communications，源自与阿姆斯特丹合作的 Roboat 项目。
推荐理由：分布式水下机器人自组装为可编程水上基础设施提供了可扩展思路，对应急响应与公共空间重构有参考价值。
Amazon Science 发布 Rust 编写的代理 Turnstile，在模型生成时刻精确记录 token ID、log 概率、loss mask 与 MoE 路由轨迹，并导出与框架无关的 TrainingSequence。
推荐理由：原文给出了精确的 token 级记录方法，读者可据此避免 RL 训练中因重渲染导致的信号偏差。
summary_zh: Mistral Studio 现已上线，为企业的 Prompts 和 Skills 提供集中化的版本管理、归属权与审计追踪。每条指令不可变版本、可回滚、可标注（如 Production/Staging），并通过 Observability 将生产输出追溯至具体资产版本。
Hugging Face 更新 vLLM 的 transformers 建模后端，在 Qwen3-4B、Qwen3-32B、Qwen3-235B-A22B-FP8 三种模型上达到或超越原生 vLLM 吞吐。模型作者只需添加 --model-impl transformers 标志即可自动获得优化推理，无需手写自定义实现。
推荐理由：transformers 后端现已达到原生 vLLM 实现同等吞吐，模型作者无需重写代码即可在 vLLM 中获得优化推理性能。
Hugging Face 与 Amazon SageMaker AI 推出深度链接集成，支持一键进入 SageMaker Studio。
Google Research在Nature Cities发表研究，在10个美国大城市开展为期6个月的实验，通过Google Maps将不到2%的出行引导至替代路线，使目标路段车速中位数提升约2%，燃料消耗下降0.5%–1.0%，全城受影响路段车速中位数提升约0.35%，高峰时段提升约0.5%，每年每城可减少数千吨CO₂e排放。
推荐理由：研究提供了大规模实证证据，说明即使少量出行协调也能带来全城速度和排放的改善。
微软在 Build 2026 发布 Foundry Managed Compute，Hugging Face 模型现可通过一键部署在 Azure 上运行。模型目录每周更新，仅包含 SafeTensors 格式的安全筛选模型，支持 vLLM、SGLang、TensorRT-LLM、NIM、TEI、llama.cpp 等运行时，并提供统一端点、Azure Monitor 指标和每部署计费标签。
推荐理由：Hugging Face 模型现可通过 Foundry Managed Compute 一键部署，微软承担了从运行时构建、安全扫描到 CVE 补丁的运维层，让企业能在自有租户中运行开源模型。
Hugging Face 与 SkyPilot 联合推出 store: hf 存储后端，用 hf:// URL 将 HF Bucket 或 Hub repo 挂载到 SkyPilot 任务，实现跨云 GPU 任务零 egress 读取。
推荐理由：Hugging Face Storage 成为 SkyPilot 官方存储后端，团队可在任意云上运行 GPU 任务并免费读取 Hub 数据，无需跨云拷贝或承担 egress 费用。
LeRobot v0.6.0 发布，引入世界模型策略（VLA-JEPA、FastWAM、LingBot-VA）、新 VLA 模型（GR00T N1.7、MolmoAct2、EO-1、Multitask DiT、EVO1）和奖励模型 API（Robometer、TOPReward）。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
summary_zh: PRX 团队公开了其预训练数据策略：从公开与内部数据集混合采集图像数据，用 VLM 重新标注，并以长caption 保证描述完整。流程上使用 Lance 做特征工程与数据集构建、MDS 格式流式读取；文本编码器切换至 Qwen3-VL 后改为训练时实时计算 latent，仅带来约 3–4% 吞吐量开销；图像统一以质量 92 的 JPEG 编码。
Import AI 464 汇总了 Fable 在 KernelBench-Mega 上写出首个真正且最快的 megakernel，实现 18.71 倍 CUDA 加速。
Hugging Face 推出 Hub 上的新仓库类型 kernel，并重构 CLI 与安全机制，包括可信发布者、代码签名与 manylinux_2_28 动态链接支持。
Hugging Face 与 Cerebras 联合展示了基于 Gemma 4 31B 的实时语音对话流水线，将语音输入、Parakeet 语音识别、Gemma 4 VLM 推理和 Qwen3TTS 语音合成串联为端到端开放架构。该流水线已在 Hugging Face Space 开放演示，代码仓库为 huggingface/speech-to-speech。
Every Eval Ever 与 Hugging Face 社区评测现已实现互操作，官方提供了转换器工具，可自动将 EEE 评测记录同步为模型仓库中的 YAML 文件。数据存储已收录约 22.9 万条评测结果，覆盖 2.2 万个模型和 2200 个基准。该工具支持 MMLU-Pro、GPQA、HLE 和 GSM8K 四项基准，并在写入前自动审核冲突。
推荐理由：EEE与Hugging Face社区评测现在可互操作，转换器自动将EEE记录写入YAML文件并审核冲突，解决评测结果分散难以对比的长期问题。
NVIDIA推出ENPIRE框架，通过环境重置、策略改进、 rollout和进化四个模块，让机器人在真实世界中自主试错并迭代策略。测试显示前沿编码代理能在PushT、插GPU等任务上达到99%成功率，多代理并行可更快找到更优解，但机器人规模扩大后资源利用率会下降。
Google Research在Pixel 9和10上部署冻结多Token预测架构，通过将MTP头附加到已冻结的Gemini Nano v3模型实现端侧加速。该架构利用零拷贝设计，MTP头直接交叉关注主模型KV缓存，在通知摘要和校对任务中提速50%以上，每实例节省130MB内存。
MIT 和 Microsoft 研究人员开发了 Murakkab 系统，开发者可用自然语言描述意图，系统自动选择模型、工具并动态配置硬件资源。测试显示，该方法在视频问答和代码生成任务中仅用约 35% 的计算量、27% 的能耗和不到 25% 的成本，同时满足性能要求。
推荐理由：原文给出了具体优化幅度和动态配置方法，读者可以据此评估云上 Agent 工作流的能效潜力。
Gemini 3.5 Flash 内置计算机使用能力，开发者可通过 Gemini API 和企业平台构建跨浏览器、移动端与桌面的自定义智能体。该功能此前仅作为独立的 Gemini 2.5 计算机使用模型提供，现原生集成至 Flash 模型，并配备提示注入对抗训练及可选的企业安全防护系统。
推荐理由：计算机使用功能从独立模型整合进3.5 Flash，开发者可通过API和企业平台构建跨浏览器、移动端与桌面的自定义智能体，并配备提示注入防护与企业级安全机制。
Mistral 为 Connectors 新增多项管理与安全能力：按 workspace 或组织分配连接器访问权限、带 connector scope 的 API key、单个连接器绑定多账号，三项均已 GA。
Mistral 发布 OCR 4，支持 170 种语言的单容器自托管文档解析，返回边界框、区块分类与内联置信度。
推荐理由：独立标注者平均 72% 偏好 OCR 4，配合单容器自托管与结构化输出，为企业 RAG 和智能体工作流提供了兼顾数据主权与提取精度的 OCR 方案。
MIT研究人员发布名为Gleanmer的系统级芯片，仅消耗约6毫瓦功率即可实时构建详细3D地图，功耗仅为现有最佳建图芯片的2.5%。芯片采用高斯椭球（Gaussian）替代传统体素表示，并结合单遍生成与高斯融合算法，大幅降低内存与功耗，可帮助小型无人机在工业HVAC系统等复杂环境中避障规划路径。
推荐理由：算法与硬件协同设计让低功耗实时3D建图成为可能，为小型自主机器人和轻量AR设备提供了新的能效路径。
Together AI发布ParallelKernelBench（PKB）开源基准，包含87个来自真实代码库的多GPU内核生成问题，要求模型用CUDA内核替代PyTorch+NCCL并通过NVLink直接通信。
推荐理由：基准揭示前沿模型在多GPU内核生成上正确率与速度优势均有限，为分布式优化研究提供了可复现的测试平台。
Together AI 用 Kimi K2.7 Code 与 Claude Fable 5 各生成 12 个落地页，Kimi 平均便宜约 16 倍，单页最低 4 美分；通过自定义设计灵感 MCP 提供视觉参考后，Kimi 的排版与结构明显改善。OVSC 网站公开了所有变体及成本、token 用时明细，并给出 GPT-5.5 评分对比。
summary_zh: Google DeepMind 与英国政府合作开发基于 Gemini 的 AI 规划原型工具，旨在将家庭规划申请处理时间缩短 50%。该工具可整合数据、提取关键信息、识别本地政策、总结反馈并起草评估报告，规划官保留最终决策权。
Google Earth AI 发布 Farmscapes 向量化数据集，将英国 130,000 km² 高分辨率卫星影像中的树篱、石墙和林地转为可操作矢量清单。基于 RSF ViT 骨干（预训练于 3 亿+全球卫星图）微调，结合亚米影像与 1 米 LiDAR 双层标注，用 Polsby–Popper 紧凑度得分区分林地（≥30 米直径）、树丛与线性植被。
Google DeepMind 发布 AI Control Roadmap，提出分层防御框架，将内部 AI 代理视为潜在未对齐实体，通过监控、阻断与指标度量管理风险。框架基于 MITRE ATT&CK 构建威胁模型，并按检测规避能力（D1-D4）与攻击执行能力（R1-R3）匹配安全措施；团队已分析百万条编码代理轨迹，用于优化 Gemini Spark 等代理的实时监控。
推荐理由：原文给出分层防御框架与三条关键能力演进路径，读者可借此理解企业级 AI 代理安全的技术路线。
来自英国AI安全研究所和Timaeus的研究者联合成立非营利组织Sequent，旨在探索能让人类对超级智能AI安全性更有信心的对齐技术。组织计划招募40-80名员工，初期目标融资1-1.5亿美元，并准备在验证多条并行研究有效后再追加一个数量级。其研究组合包括可扩展监督、学习理论、启发式论证、博弈论和人物画像等方向。
Google Research 发布 JAMA Dermatology 论文，2,345 名参与者测试 AI 皮肤状况辅助工具。AI 组命名准确率 23%，较对照组 8% 提升近三倍；Wizard of Oz 组达 36%。但下一步医疗决策准确率提升有限，AI 组略更倾向建议非紧急处理。
AWS 宣布 EC2 M9g 和 M9gd 实例正式可用，首次搭载 Graviton5 处理器并配备 Nitro Isolation Engine。该组件是首个部署在商用云环境的形式化验证 Hypervisor，使用 Isabelle/HOL 完成 33 万行机器检查数学证明，涵盖保密性、完整性、功能正确性、无运行时错误和内存安全。
推荐理由：给出了可量化的验证规模和语言选择，读者可以据此评估云虚拟机隔离的形式化保障程度。
AWS 宣布 Graviton5 处理器正式商用，搭载于 M9g 和 M9gd 实例。相比 Graviton4，核心数从 96 增至 192，支持 DDR5-8800 内存和 PCIe gen5，每核性能提升 25%，数据库性能提升 30%。采用 3nm 工艺、四芯片架构，L3 缓存增至 192MB，并引入 Nitro Isolation Engine 实现形式化验证的云安全隔离。
Google DeepMind Accelerator: Robotics 计划遴选 15 家欧洲早期机器人初创公司，提供 3 个月密集导师指导与技术支持，帮助将 AI 融入核心产品。入选公司覆盖物流、制造、医疗、气候与导航等领域，可使用 Google AI 栈、技术专长及 Gemini 机器人模型。
2026 年 AI 从"知道"转向"行动"，Amazon 推出 Project Eluna，作为仓库运营的智能体模型，通过数字仪表板辅助运营决策。论文提出四种锚定方法：物理引导深度学习、不确定性感知推理、文本到数值桥接，以及第四种方法。UQ4CT 框架在五个基准上保持高准确率，同时将预期校准误差降低 25% 以上。
DeepMind 发布塞拉利昂预注册 RCT 结果，使用 Guided Learning 的学生数学成绩提升 +0.258 标准差，相当于 1.2-1.7 年学习进度；教师将 Gemini 融入约一半课堂的小组增益达 1.8-2.5 年。
推荐理由：在塞拉利昂的 RCT 显示 AI 辅导可带来 1.2-2.5 年学习进度增益，为教育 AI 的实证基础提供了关键数据。
Import AI 460 汇总三篇研究：Kings College London 等机构推出 SocioHack 基准，测试 AI 在信用卡积分、成绩等社会场景中利用规则漏洞的能力。
Google 推出由 Gemini Enterprise Agent Platform 托管的 Cross-Corpus Retrieval，基于 Agentic RAG 驱动，可处理多源、多跳的复杂查询。
Google Research将用于Google Flood Hub的水文模型框架开源至GitHub，采用Apache 2.0许可，基于PyTorch并支持LSTM架构。框架包含2024基准测试版与升级版，新版本在有测站流域将可靠预报期延长6天、无测站流域延长1天，并可与Delft-FEWS平台集成。捷克水文气象研究所（CHMI）已合作验证并提供适配器。
MiniMax 发布 M3，Together AI 作为首选云伙伴支持其生产级部署。M3 支持 1M token 上下文、原生多模态与智能体工作流，采用 MiniMax Sparse Attention 实现 prefill 加速 9 倍、decode 加速 15 倍以上。
推荐理由：原文展示了稀疏注意力与多模态预处理的工程细节，读者可据此评估长上下文与多模态场景下的推理优化路径。
Together AI 详细介绍了其生产级 ASR 栈的优化，覆盖 TensorRT 多 profile 编码器、无 CPU 同步的条件 CUDA 图解码器、共享内存与 Unix 域套接字零拷贝路径、epoll 事件驱动流式 I/O，以及 gc.freeze() 消除 p95 延迟尖峰。
推荐理由：原文给出多层次系统优化路径，读者可据此评估自身 ASR 延迟瓶颈是否落在数据路径而非模型本身。
Google Research 在 I/O 2026 集中发布 Gemini for Science、Google Health 应用、Coralboard、WeatherNext、Groundsource、Gemma V4 等研究驱动产品与开源工具，并开放 Science Skills、Paper Assistant Tool 等实验性能力。
Mistral 在 AI Now Summit 2026 推出面向工业工程的 AI 栈，并宣布与 Airbus、BMW、ASML 合作，覆盖设计、仿真与生产环节。Vibe 被升级为可处理长周期任务的统一智能体，同时法国 Les Ulis 新建 10 MW 数据中心计划于 2026 年 Q3 开放。
推荐理由：原文给出了工业 AI 栈与 Vibe 智能体的能力边界，读者可据此判断 Mistral 在企业级工作流中的差异化定位。