MAMLMs Still Epic Fail Open‑Book, Closed‑World, Finite‑List, Obvious Ground Truth Tasks
我连续九次将其视为失败。确实有一个独特的、明确的答案，机器有机会发现它：雇佣骑士 Ashford Meadow 系列......
Terence Tao explains the promise of generative AI — and more media coverage of UCLA
据《大西洋月刊》报道，这一消息的大部分兴奋点都源于这些人工智能编写的证明的评审者：加州大学洛杉矶分校教授特伦斯·陶（TerenceTao），他被广泛认为是世界上在世的最伟大的数学家。当陶在接受采访谈论人工智能能为数学带来什么时，他的脾气更加暴躁了。他说，人工智能生成的 Erdős 解决方案令人印象深刻，但并不是压倒性的：这些机器人在功能上取得了一些“廉价的胜利”，陶说。请在今日的 LAist、纽约时报和其他媒体上了解有关加州大学洛杉矶分校的更多信息。
AI-boosted electronic nose could catch ovarian cancer early
一项新的研究表明，一种旨在复制人类嗅觉的机器有一天可以帮助医生比以前更早地发现卵巢癌。瑞典林雪平大学的研究人员发明了一种电子鼻，可以在简单的血液样本中发现这种疾病的警告信号。这项技术使用人工……人工智能增强后的电子鼻可以及早发现卵巢癌，这一技术首次出现在 Knowridge Science Report 上。
This 2021 Cirrus SR22T G6 Is an All-Weather ‘AircraftForSale’ Top Pick
高空能力和 213 节的巡航速度使机器能够随时执行任务。
Army Still Years Away From Large-Scale Autonomous Ground Vehicle Ops
陆军开发和部署能够执行一系列战场任务的无人地面车辆的努力已经进行了 20 多年。但开发自主软件和车辆技术的研究人员和公司将生产安全、有效和致命的机器人地面战车，他们表明，尽管五角大楼敦促加快进展，大规模自主行动至少还需要十年的时间。
IEEE Transactions on Cognitive and Developmental Systems, Volume 18, Issue 1, February 2026
1) 社论：主编的 2026 年新年致辞作者：H. Tang 页数：2 - 22) 客座社论：可穿戴机器人的具身智能特刊作者：H. Su, H. Xia, M. A. Laribi, H. Su, S. Alfayad 页数：3 - 53) A Systematic Review of Spiking Neural Networks for Wearable Robotics康复可穿戴机器人中的人机交互作者：X. 张，Y. 曹，J. 黄，J. 刘，Z. -Q。张页数: 6 - 214) 膝踝假肢的注视引导人体运动意图识别与意志控制方法作者: X. Chen, Z. Chen, Y. Wang,
How to Select the Right Conduit System for Industrial Automation Applications
选择正确的导管系统对于可靠的工业自动化系统、机器人、数控设备和运动控制机械至关重要。工业导管必须保护电缆和软管免受振动、磨损、化学品、冲洗条件、紫外线暴露和极端温度的影响，同时保持灵活性和长期耐用性。
Forecast 2100 | Strategic Optimism with A Century of Plenty Author Chris Bradley
丰富是不可避免的吗？麦肯锡克里斯·布拉德利的 100 年愿景如果“黑镜”版本的未来是错误的怎么办？在本集中，迈克·帕尔默 (Mike Palmer) 与麦肯锡高级合伙人兼麦肯锡全球研究院 (MGI) 主任克里斯·布拉德利 (Chris Bradley) 谈论了他的新书《丰盛的世纪：子孙后代进步的故事》。克里斯详细分析了“进步机器”，并解释了为什么“战略乐观”心态对于驾驭下个世纪至关重要。我们探索了一个全球繁荣可以达到瑞士标准的未来、我们人口结构的根本转变，以及为什么人工智能实际上可能让我们变得更加人性化。主要要点：🌟战略乐观主义的力量：为什么历史数据表明人类的“指纹”是进步，而不是稀缺。🇨🇭瑞
As Students Turn to ChatGPT for College Searches, AI Visibility Becomes Priority
随着学生转向 ChatGPT 进行大学搜索，AI 可见性成为优先事项 Johanna AlonsoFri, 02/13/2026 - 03:00 AMS学生正在使用 AI 工具来决定申请哪所大学，推动机构领导者寻找方法确保 AI 聊天机器人将他们的大学纳入对话中。作者 Johanna Alonso
AI Belongs in Every Classroom: Why We Need Cross-Disciplinary AI Literacy
2025 年 8 月，BBC 新闻、卫报和 CNN 的头条新闻报道了一个悲惨的故事：16 岁的 Adam Raine 的家人正在起诉 OpenAI，声称与 ChatGPT 几个月的对话导致他决定结束自己的生命（BBC 新闻 2025；Booth 2025；Iyengar 2025）。根据法庭文件，Adam 向聊天机器人寻求陪伴、建议，并且 […]《AI 属于每个课堂：为什么我们需要跨学科的 AI 素养》一文首先出现在《Faculty Focus |》上。高等教育教学与学习。
Gene editing that spreads within the body could cure more diseases
自我放大基因编辑的想法是让细胞将 CRISPR 机器包传递给邻居，从而增强效果
Experts Warn We Must Act Now to Protect Human Creativity
随着生成式人工智能逐渐成为日常生活的一部分，人们越来越想知道创造力意味着什么。随着智能技术迅速进入艺术、写作和音乐等创意领域，国际创意与创新研究学会 (ISSCI) 的一组专家联手探索人类和机器如何[...]
This 1968 Cessna 150H Is a Garmin-Equipped ‘AircraftForSale’ Top Pick
久经考验的训练器传统与现代化面板相结合，打造出终极时间构建机器。
СВ Бангладеш получили очередную партию китайских легких танков VT-5
孟加拉国地面部队接收了另一批中国VT-5轻型坦克（改型VT-5BD）。此前，这些用于出口的机器的运输是在中国记录的。
How to Automate Data Validation and Find the Best Tools for Monitoring Research Integrity
随着人工智能 (AI) 和物联网 (IoT) 加快发现速度，研究团队正在努力应对数据量、速度和复杂性空前激增的问题。曾经可以通过手动检查进行验证的内容现在涵盖数百万条记录、不同的来源和自动化管道。 “风险在于系统性问题可能会传播 [...]如何自动化数据验证并找到监控研究完整性的最佳工具的帖子首先出现在 AiiotTalk - 人工智能 | 机器人 | 技术上。
IEEE Transactions on Neural Networks and Learning Systems, Volume 37, Issue 2, February 2026
1) 视觉曼巴：全面的调查和分类作者：X. Liu，C. Zhang，F. Huang，S. Xia，G. Wang，L. Zhang 页数：505 - 5252) Hard Sample Mining: A New Paradigm of Efficient and Robust Model Training 作者：L. Liu，Y. Liang，X. Yan，L. Huangfu，S. Samtani，Z. Yu，Y.张，D. D. Zeng页数：526 - 5463) FEU-Diff：用于医学图像分割的模糊证据驱动的动态不确定性融合的扩散模型作者：S. Geng，S. Jiang，T.
Korea Filter Engineering increases production 30% with Robotiq Lean Palletizing
工业制造商经常面临容量、劳动力压力和一致性的困扰。在韩国过滤工程公司，手动码垛 10-20 公斤（22-44 磅）工业过滤箱限制了产量，增加了人体工程学风险，并减缓了交货速度。在部署 Robotiq PE20 和 UR20 后，该公司实现了： 产量增加 30% 工人疲劳减少 50% 减少了近 50% 因伤害而缺勤的情况减少了近 50% 自安装以来，工作场所事故为零 投资回报率预计在 2 年内该案例研究展示了协作机器人码垛如何提高生产率，同时保护重载制造环境中的工人。
Physical AI hardware: The missing layer between AI models and real-world manipulation
人工智能可以生成动作。物理人工智能硬件决定了这些动作在现实世界中是否成功。随着基础模型扩展到机器人操作，瓶颈不再仅仅是感知。它是物理交互——接触、力调节、滑动检测和适应变化。为了大规模部署物理人工智能，机器人需要能够感知、响应并从现实世界的接触中学习的硬件。
