GAO 发现的内容国防部 (DOD) 定期评估其在国家首都地区 (NCR)（华盛顿特区以及马里兰州和弗吉尼亚州周边县）的办公空间需求。国家首都地区大型国防部办公楼示例 2025 年，国防部发布指南，要求收集有关自有和租赁办公空间使用情况的额外数据，包括占用每个工作空间的人数。然而，GAO 发现，截至 2025 年 9 月，NCR 超过一半的国防部办公空间尚未报告占用数据。此外，部分提交的数据可能不准确。美国政府问责局发现了国防部数据中潜在的数据输入错误和异常值，官员们表示他们担心数据是否没有错误。制定行动以加强对占用数据收集的指导并建立确保准确性的流程，可以帮助国防部获得整合未使用空间和降低租
Half of AI health answers are wrong even though they sound convincing – new study
Alan Warburton / Medicine / © BBC / Licensed by CC-BY 4.0 作者：Carsten Eickhoff，图宾根大学想象一下，您刚刚被诊断出患有早期癌症，在下次预约之前，您在 AI 聊天机器人中输入一个问题：“哪些替代诊所可以成功治疗癌症？”几秒钟之内，您就会得到一个精美的、带脚注的答案 [...]
MetaのDSA違反に関する暫定的認定－未成年者のアクセス制限
■摘要 欧盟委员会临时认定，Meta 的 Instagram 和 Facebook 平台未能充分验证 13 岁以下儿童的年龄，根据使用条款，这些儿童不应使用这些平台，而且针对 13 岁以下用户的报告系统也不够完善。为了防止13岁以下儿童使用Meta，认为暂时会引入年龄估算措施，最终需要使用年龄验证措施（年龄验证应用程序或年龄令牌）进行年龄验证。 2026 年 4 月 29 日，欧盟委员会临时认定 Meta 的 Instagram 和 Facebook 违反了《数字服务法》(DSA)，因为未能充分识别、评估和减轻 13 岁以下儿童的访问风险。Meta 将 Instagram 和 Facebook
Gradient-based planning for world models at longer horizons
GRASP 是一种新的基于梯度的学习动态规划器（“世界模型”），它通过以下方式使长视野规划变得实用：(1) 将轨迹提升到虚拟状态，以便优化在时间上是并行的；(2) 直接向状态迭代添加随机性以进行探索；(3) 重塑梯度，以便动作获得清晰的信号，同时我们通过高维视觉模型避免脆弱的“状态输入”梯度。大型学习世界模型的能力越来越强。他们可以预测高维视觉空间中未来观察的长序列，并以几年前难以想象的方式概括任务。随着这些模型的扩展，它们开始看起来不再像特定于任务的预测器，而更像通用模拟器。但是拥有强大的预测模型并不等于能够有效地将其用于控制/学习/规划。在实践中，现代世界模型的长期规划仍然脆弱：优化变
Civilian Cockpits on Call For War: The CRAF Program Pilots Rarely Talk About
如今，许多航空公司飞行员从未服过兵役。但您是否知道，一旦发生危机，他们可能会被要求飞行以直接支持美国的军事行动？输入克拉夫。随着涉及伊朗的冲突成为每个人关注的焦点，总统要求为 [...] 战争征召的民用驾驶舱提供 1.5 万亿美元：CRAF 项目飞行员很少谈论的帖子首先出现在 Avgeekery 上。
Velox: Learning Representations of 4D Geometry and Appearance
我们引入了一个用于学习 4D 对象的潜在表示的框架，该表示是描述性的，忠实地捕获对象的几何形状和外观；压缩，有助于提高下游效率；并且易于访问，需要最少的输入（即非结构化动态点云）来构建。具体来说，Velox 训练编码器将时空颜色点云压缩为一组动态形状标记。这些标记使用两个互补的解码器进行监督：一个 4D 表面解码器，它对捕获几何形状的时变表面分布进行建模；和高斯解码器......
Large-Scale High-Quality 3D Gaussian Head Reconstruction from Multi-View Captures
我们提出了 HeadsUp，这是一种可扩展的前馈方法，用于从大规模多相机设置重建高质量 3D 高斯头部。我们的方法采用高效的编码器-解码器架构，将输入视图压缩为紧凑的潜在表示。然后，该潜在表示被解码为一组锚定到中性头部模板的 UV 参数化 3D 高斯函数。这种 UV 表示将 3D 高斯的数量与输入图像的数量和分辨率解耦，从而能够使用许多高分辨率输入视图进行训练。我们在......上训练和评估我们的模型
本报告由皮尤慈善信托基金会制作。这是基于以下个人的输入和分析的协作成果。在线查找相关报告：pewresearch.org。主要研究人员 Galen Stocking，科学与社会研究副主任 Regina Widjaya，计算社会科学家 Anna Lieb，计算社会科学助理 Kaitlyn Radde，计算社会科学助理 Aaron [...]
Text-Conditional JEPA for Learning Semantically Rich Visual Representations
基于图像的联合嵌入预测架构 (I-JEPA) 提供了一种通过屏蔽特征预测进行视觉自监督学习的有前途的方法。然而，由于屏蔽位置固有的视觉不确定性，特征预测仍然具有挑战性，并且可能无法学习语义表示。在这项工作中，我们提出了文本条件 JEPA（TC-JEPA），它使用图像标题来减少预测的不确定性。具体来说，我们使用细粒度文本调节器来调整预测的补丁特征，该调节器计算输入文本标记上的稀疏交叉注意力。有了这样的……
Tuft dendrites in frontal motor cortex enable flexible learning | Science
灵活的学习依赖于整合感官和情境信息来调整不同环境中的行为输出。前外侧运动皮层（ALM）是啮齿类动物动作选择的关键额叶区域。我们发现输入...
Harvey Launches ‘Legal Agent Bench’
代理……听起来很棒，但这些自主程序真的能做你想做的事吗？它们准确吗？他们可靠吗？输入 Harvey 的《法律代理基准》...
Bootstrapping Sign Language Annotations with Sign Language Models
人工智能驱动的手语解释因缺乏高质量的注释数据而受到限制。包括 ASL STEM Wiki 和 FLEURS-ASL 在内的新数据集包含专业解释者和数百小时的数据，但仅保留部分注释，因此未得到充分利用，部分原因是这种规模的注释成本过高。在这项工作中，我们开发了一个伪注释管道，以签名视频和英语作为输入，并输出一组可能的注释的排名，包括注释、手指拼写单词和符号分类器的时间间隔。我们的管道使用来自...的稀疏预测
DSO: Direct Steering Optimization for Bias Mitigation
生成模型通常用于代表用户做出决策，例如视觉语言模型 (VLM) 可以识别房间中的哪个人是医生，以帮助视障人士。然而，VLM 的决策受到输入中人们所感知的人口统计特征的影响，这可能会导致有偏见的结果，例如未能将女性识别为医生。此外，当减少偏差导致性能损失时，用户可能对平衡偏差缓解与整体模型功能有不同的需求，这凸显了对能够实现可控偏差减少的方法的需求……
手紙と封筒の問題－手紙のうち少なくとも1通は正しい封筒に入る確率はどれだけある?
■摘要 近年来，人们经常使用电子邮件和短信应用程序频繁地交换信息。与手机和智能手机相比，使用信件来接收和回复消息似乎越来越不常见。然而，用信件和信封来检查概率是一个相当著名的故事。在本文中，我们将使用概率来考虑信件和信封的问题。近年来，人们经常使用电子邮件或短信应用程序频繁地交换消息。与手机和智能手机相比，使用信件来接收和回复消息似乎越来越不常见。然而，用信件和信封来检查概率是一个相当著名的故事。在本文中，我们将使用概率来考虑信件和信封的问题。 （问题）假设你随机将5封不同的信件放入5个地址不同的信封中。至少一封信位于正确信封中的概率是多少？在这里，“我随机将五封不同的信件放入具有不同地址的五
