Elice登陆韩国股市，投资者对人工智能概念股保持谨慎
韩国数据中心初创公司Elice的股价在午后交易中一度下跌36%，显示投资者对人工智能相关股票持谨慎态度。
AI 新闻中心
AI 新闻中心 过去24小时分析了 208 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
GMO称，曾与韩国银行遭黑事件相关的AI工具也被用于日本
据东京网络安全公司GMO称，近期入侵日本多家大型企业的黑客使用了一款由中国开发的AI工具。该工具也被认为与上个月韩国银行发生的一系列安全入侵事件有关。
HandsOn：面向可泛化灵巧操作的大规模仿真基准
HandsOn 是一个用于研究跨机器人形态、物体和任务的灵巧操作能力的仿真平台与基准。它支持五种机械臂、六种灵巧机械手，以及约 200 种刚体、关节物体和可变形物体。该基准包含 18,000 条经过筛选的人类演示和 66 项经人工验证的任务。Core-50 评估基于演示的学习与执行；Transfer-16 则在没有目标任务演示的情况下，测试向新物体和关系的迁移、技能组合及可变形物体操作。训练后的最
Vision-Language-Delta-Action：以紧凑状态变化作为机器人操作接口
Vision-Language-Delta-Action（VLDA）不直接预测动作或完整的未来状态，而是对与任务相关的世界状态变化进行紧凑建模。其 Delta 表征旨在连接视觉语言理解与动作生成。VLDA 将捕捉操作相关变化的局部滤波器，与保留状态变化总体方向的全局锚点结合起来。另一组件则将 Delta 作为结构化起点，用于细化动作。该方法已在开源训练框架 LoongForge 中实现。实验报告称
HSPR：通过层次后验推断恢复软件智能体基准测试分数
在完整基准测试上评估软件智能体的成本很高。HSPR（Hierarchical Score Posterior Recovery）通过少量自适应选取的任务估计完整基准分数。该方法结合基于源数据拟合的响应因子与不确定的分组成功率，并根据观测结果更新目标智能体的潜在状态。在 SWE-bench 系列的四个任务集上，使用 10% 的任务预算时，HSPR 在三个任务集上取得最低平均绝对误差，在全部四个任务集
AffordanceWAM：面向机器人操作的可供性感知世界-动作联合建模
AffordanceWAM是一种生成式世界-动作模型，可联合预测未来场景、与任务相关的交互区域以及连续机器人动作。该模型基于预训练视频扩散Transformer，能够利用多样的人类第一视角视频，无需人类动作标签，也无需将动作重定向到机器人身体。在RoboCasa、CALVIN ABC→D及真实世界操作实验中，它持续优于仅使用RGB图像或仅使用机器人数据的基线。在机器人监督数据量固定时，随着加入更多
AdaExploreBench：评测LLM智能体在动态环境中的主动探索与测试时适应能力
AdaExploreBench是一项基准测试，用于评估LLM智能体能否在陌生环境中推断隐藏规则，并适应规则变化。当规则在未通知的情况下改变，智能体必须发现已有知识已过时，并重新探索。对八款领先LLM的实验表明，这些能力仍具挑战：GPT-6 Sol的校准准确率为61.9%。提供充分证据或取消规则变化后，平均表现可提升近10%。结果显示，智能体通常能够依据有用证据进行推理，但难以主动获取恰当证据，也难
扩展用于脑编码的参数高效微调
研究团队表明，只需训练少量参数，就能将大型预训练多模态模型适配到脑编码任务。BrainLoRA 方法结合 LoRA 适配器与轻量读出层，在九种骨干模型上提升了性能。通过更高效的特征提取流程，研究人员得以实际适配参数量最高达 1040 亿的模型。使用 Qwen3-Omni 骨干模型时，BrainLoRA 在 Algonauts 2025 挑战赛中取得已发表结果中的最佳成绩。团队还开发了多 LoRA
倍思海外推出 U2 Pro Outdoor 监控摄像头，配备可追踪移动目标的聚光灯
倍思在海外推出 U2 Pro Outdoor，售价 269.99 美元。这款监控摄像头利用 AI 检测移动目标、发送警报并生成事件摘要，可区分人员、宠物、车辆和包裹送达等活动。其聚光灯能够跟随移动目标，旨在起到警示作用，也可为户外活动照明。设备采用两颗 3K 摄像头，下方摄像头支持水平和俯仰转动，并随附太阳能板。
从机器人群的经验中学习：面向机器人的集体学习方法
研究团队提出集体经验学习（CEL），让已部署的机器人共享执行经验，以改进共同的控制策略。FERT方法根据失败情境，从机器人群共享的成功经验中检索相关轨迹，并利用其中的动作更新策略，无需额外收集专家示范或纠正操作。具备容错能力的异步系统负责协调经验收集、训练和策略分发。在五项真实世界的操作任务中，更新后的策略成功率为93.3%至99.2%；每项任务进行了120次测试，所用机器人未参与训练数据收集。在
混合架构中的竞争学习
许多现代语言模型将线性时间递归层与 softmax 注意力结合起来。递归层把上下文压缩为固定大小的状态，能够高效处理信息，但在上下文信息检索方面通常不如注意力机制。研究发现，不同的混合器会竞争学习同一个函数：当某一层学会该函数时，其他层对应的学习信号会受到抑制。在常见数据分布下，递归层比注意力更快学会检索函数，因此注意力往往无法学会检索。训练过程中途暂停递归层的权重更新，有助于注意力学会这项能力。
有状态世界模型：执行规则，生成像素
现有世界模型能够根据单张图像生成受动作控制的视频，但当结果取决于当前画面中不可见的状态时，仅靠场景导航无法确保动作遵循规则。Stateful Harness 将世界状态演变与视频渲染分开：规则决定事件，冻结的视频模型负责渲染，再用生成的视频片段更新下一轮的世界状态。在由 50 组反事实配对构成的 WorldState-Bench 中，仅提供规则提示时，受测的 11 个视频后端中表现最佳者只在 32
Manga2Animate：通过脚本与分镜规划实现忠实漫画动画化的智能体框架
Manga2Animate 是一个多智能体框架，旨在将漫画转化为动画，同时保留原作的故事、角色和视觉风格。系统首先生成动画脚本和视觉分镜，再由创作智能体与审查智能体分别将这些中间表示与原始漫画分格进行比对，并通过针对性反馈逐步优化，最后合成动画。作者开展的实验和用户研究表明，与现有方法相比，该系统生成的动画在原作忠实度和镜头间一致性方面更好。
Holi-World：基于人类第一视角体验构建整体世界智能
HOLI-WORLD 是一个整合体验采集、世界表征、自动化数据构建、模型训练与独立评估的生态系统。其 Foundry 可自动生成记录，将持续存在的场景结构、物体状态变化和交互历史关联起来，并覆盖不同视角与时间。HOLI-WORLD-Data 基于约 100 个自行采集的场景，包含约 8 万组用于训练 HOLI-WORLD-VL-4B 的问答数据。研究还使用经独立人工标注的留出录像进行评估。实验显示
InfiniDream：通过程序化生成构建开放式逼真 3D 世界
InfiniDream 是一个由视觉语言模型驱动的框架，用于开放式程序化生成 3D 世界。它利用现有程序化算法创建新颖、逼真且可编辑的资产，并通过随机种子实现多样变化。其文本到世界生成流程结合语义场景规划与网格化布局，可构建大型环境，实现物体精准放置、程序化填充和动画效果。在 100 项物体生成任务和 20 项场景生成任务的评测中，该方法在四项感知指标上有所提升。多样性分析、消融研究和人类偏好评测