U S Army Orders Paladin Self-Propelled Howitzers worth 500M
BAE Systems 表示已收到一份价值超过
Airbus Helicopters Unveils Future Rotorcraft Concepts
空中客车直升机公司推出了两款下一代旋翼飞机概念，以满足北约的要求
Germany Receives First Patria CAVS 6x6 Armoured Vehicles under Multinational Programme
德国武装部队已接收首批五辆 Patria CAVS 6x6 装甲车
Construction of New PC-7 Training Aircraft for the Netherlands Begins
为荷兰皇家空军建造新型 PC-7 教练机
Cato Expert: True Criminal Justice Reform Goes Beyond Pardons
随着唐纳德·特朗普总统利用其赦免权赦免有争议的人物，国会提出了两党立法，为国会建立废除赦免的程序。在最近的一篇专栏文章中，卡托研究所刑事司法项目的法律研究员迈克·福克斯讨论了我们刑事司法系统真正改革的必要性，部分写道：“赦免权是一把双刃剑，但剥夺它会消除人们对过度扩张的联邦政府的最后安全保障。繁文缛节并不能阻止腐败；它只会让普通人退出这一过程。真正的改革并不以修复赦免程序为中心；我们应该建立一个系统需要如此激进的补救措施的情况很少见，而不是例行公事。”，要与福克斯谈论总统的赦免权，请联系克里斯托弗·塔瓦迪安。
Demographic differences in how teens use and view AI
人工智能已成为当今许多青少年在线生活的一部分，大多数人表示他们使用过聊天机器人。我们最近的调查得出的结论是什么？他们如何使用人工智能——以及他们对人工智能的看法——远非一刀切。长期以来，我们一直通过种族、民族、收入和性别等因素来探索青少年对科技的使用情况——来自皮尤研究中心首次发表的《青少年如何使用和看待人工智能的人口统计差异》一文。
本报告是基于以下个人的意见和分析的协作成果。请访问 pewresearch.org/internet 在线查找相关报告。主要研究人员 Colleen McClain，高级研究员 Monica Anderson，互联网和技术研究主任 Olivia Sidoti，研究分析师 William Bishop，研究助理 研究团队 Jeffrey Gottfried，互联网和技术研究副主任 Michelle Faverio，研究助理 Eugenie Park，研究助理 […]该帖子致谢首先出现在皮尤研究中心。
What parents say about their teen’s AI use
多年来，父母一直在智能手机和社交媒体时代抚养青少年。现在，人工智能 (AI) 聊天机器人为现代育儿引入了新的层面。由于现在大多数青少年都在使用这些工具，皮尤研究中心向 1,458 名 13 至 17 岁的美国家长提出了以下问题：这些问题是 […] 这篇文章《家长对青少年人工智能使用的看法》的一部分首先出现在皮尤研究中心。
本报告中的分析基于 2025 年 9 月 25 日至 10 月 9 日进行的一项自我管理的网络调查，样本包括 1,458 个二人组，每个二人组（或一对）由一名 13 至 17 岁的美国青少年和一名家长组成。整个样本的抽样误差幅度[…]后方法论首先出现在皮尤研究中心。
超过一半的美国青少年表示他们曾使用聊天机器人来帮助完成学业，12% 的青少年表示他们从这些工具中获得了情感支持。青少年倾向于更积极地看待人工智能对他们生活的未来影响，而不是消极地看待。《青少年如何使用和看待人工智能》一文首先出现在皮尤研究中心。
Beyond a Single Extractor: Re-thinking HTML-to-Text Extraction for LLM Pretraining
构建网络规模的 LLM 预训练数据集的首要预处理步骤之一涉及从 HTML 中提取文本。尽管网络内容多种多样，但现有的开源数据集主要对所有网页应用单个固定提取器。在这项工作中，我们调查这种做法是否会导致互联网数据的覆盖和利用不理想。我们首先表明，虽然不同的提取器可能会在标准语言理解任务上产生相似的模型性能，但在固定过滤管道中幸存的页面可能会有很大差异。这表明一个简单的...
The Potential of CoT for Reasoning: A Closer Look at Trace Dynamics
思想链 (CoT) 提示是一种事实上的标准技术，可从大型语言模型 (LLM) 中引出类似推理的响应，使他们能够在给出最终答案之前阐明各个步骤。虽然与类人推理的相似性是不可否认的，但支撑 CoT 推理成功的驱动力仍然很大程度上不清楚。在这项工作中，我们对源自竞赛级数学问题的 CoT 痕迹进行了深入分析，目的是更好地理解 CoT 如何以及哪些部分实际上对最终答案做出了贡献。为此……
Closing the Gap Between Text and Speech Understanding in LLMs
大型语言模型 (LLM) 可以进行调整，将其文本功能扩展到语音输入。然而，这些适应语音的法学硕士在语言理解任务上始终表现不佳，甚至低于基于文本的法学硕士，甚至级联管道。我们将这种缺陷称为文本-语音理解差距：相对于基于原始文本的 LLM 处理等效文本，当适应语音的 LLM 处理语音输入时观察到的性能下降。最近缩小这一差距的方法要么依赖文本语料库的大规模语音合成，但成本高昂且严重依赖……
AMUSE: Audio-Visual Benchmark and Alignment Framework for Agentic Multi-Speaker Understanding
最近的多模态大语言模型 (MLLM)，例如 GPT-4o 和 Qwen3-Omni，表现出很强的感知能力，但在多说话者、以对话为中心的环境中表现不佳，这些环境需要代理推理跟踪谁说话、维持角色以及跨时间的基础事件。这些场景是多模式音频-视频理解的核心，其中模型必须在会话视频助手和会议分析等应用程序中联合推理音频和视频流。我们引入 AMUSE，这是一个围绕本质上代理的任务设计的基准，需要模型分解复杂的......
depyf: Open the Opaque Box of PyTorch Compiler for Machine Learning Researchers
PyTorch \texttt{2.x} 引入了一个旨在加速深度学习程序的编译器。然而，对于机器学习研究人员来说，充分发挥 PyTorch 编译器的潜力可能具有挑战性。编译器在 Python 字节码级别运行，使其看起来像一个不透明的盒子。为了解决这个问题，我们引入了 \texttt{depyf}，这是一个旨在揭开 PyTorch 编译器内部工作原理的工具。 \texttt{depyf} 将 PyTorch 生成的字节码反编译回等效的源代码，并在内存中的代码对象与其磁盘上的源代码之间建立连接...
