ProWAM：渐进式视觉规划的世界动作模型，在 LIBERO-Plus 与 RoboTwin 刷新 SOTA
ProWAM 是一种渐进式世界动作模型，通过联合预测动作与有序稀疏视觉子目标，为动作生成提供显式视觉引导。它在 LIBERO-Plus 上达到 85.8%、随机化 RoboTwin 上达到 75.7%，相对最强基线提升最高 +35.9%；零样本真实场景成功率为 70.0%，较基线 55.0% 提升 +15.0。
#多模态
arXiv cs.AIAI 评分3232 arXiv cs.CVAI 评分2222 通过核典型相关分析重新审视 VLM 的视觉表征增强
研究提出基于核典型相关分析（KCCA）的特征子空间对齐方法，并扩展为三视图 3vKCCA，将预训练文本编码器的投影纳入统一优化框架联合对齐。在 ImageNet-1K 上使用 CLIP ViT-L/14，3vKCCA 将 MMVP-VLM 准确率从 17.8 提升至 25.9，同时保持零样本图文检索性能。
arXiv cs.AIAI 评分1212 THPL：面向 RAS 虹鳟投喂管理的视觉到语言决策支持框架
研究提出 THPL 生成式投喂决策框架，用于 RAS 虹鳟养殖：Fishsort 提取轨迹并建立活动系数 AC，与专家标注投喂强度呈显著单调正相关（Spearman ρ = 0.925，p < 0.001）。
arXiv cs.CVAI 评分2727 Physical AI Smart Spaces：面向智能空间多摄像头 3D 感知的大规模基准
Physical AI Smart Spaces 发布，这是首个同时提供大规模、多类别、多摄像头 3D 感知数据的室内智能空间基准，含近 1800 台摄像头拍摄的超 280 小时同步 1080p 视频，覆盖仓库、医院、零售等场景。
arXiv cs.CVAI 评分1212 4DFEID：4D 面部表情强度数据集发布
研究者构建了 4D 面部表情强度数据集 4DFEID，基于参数化人脸模型生成 2,869 条网格序列，并通过众包平台收集超过 90,000 条 Likert 量表主观强度评分。基线实验显示，时空图模型在片段强度估计上持续优于传统帧聚合方法。该数据集以动态 3D 刺激替代现有 2D 静态图像，为情感计算与人机交互中的表情强度感知研究提供资源。
arXiv cs.CLAI 评分1717 多模态声明验证对 LLM 改写有多鲁棒？
研究测试了 11 个开源权重模型（覆盖 5 个 VLM 家族、2B 至 38B 参数）在多模态声明验证任务中对 LLM 改写的鲁棒性。结果显示多数模型准确率无显著下降，但概率出现一致性偏移：对冲类改写几乎在所有模型上引发显著偏移，增强类效果较弱，语法纠错等常规润色几乎无影响。
arXiv cs.CVAI 评分2424 MeshQuery：用智能体做 UV 展开的接缝规划
MeshQuery 是一种免训练的智能体式自动 UV 展开方法，由 VLM 借助边选择工具规划符合艺术家习惯的接缝，并通过反馈循环迭代优化。在 Adobe Substance 3D 和 Toys4K 网格上，其生成的 chart 数量比最强基线少 2.9x/4.29x，接缝长度短 1.63x/1.7x，专业艺术家在 80.9% 的对比中更偏好其结果。
arXiv cs.CVAI 评分2222 SymRegFlow：面向视频世界模型的对称正则化流匹配
SymRegFlow 是一个对称正则化流匹配框架，可在无新视角 RGB 真值监督的情况下，实现连续视角下的多视角一致视频生成。该方法通过几何变换将源视图转为带噪锚点，结合掩码双锚点监督与跨锚点去噪输出一致性来抑制锚点误差，并在仿射高斯代理下证明一致性正则化可恢复干净参考最优解。
量子位AI 评分6262 Meshy 不到两年 ARR 从 100 万美元增至 1 亿美元
量子位报道，AI 3D 生成公司 Meshy 披露其 ARR 从 100 万美元增长至 1 亿美元，用时不到两年，快于 HeyGen 的 29 个月。文章用同一张参考图对比 GPT-6 Astra 与 Meshy 的生成结果，指出通用模型擅长 CAD、参数化建模等可拆解为几何关系的任务，而角色、复杂道具等资产仍依赖专业 3D 模型。
Google DeepMind精选AI 评分8787 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全防御上的基准与内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。
Microsoft Research精选AI 评分6565 微软研究院推出面向生物学复杂性的 AI 研究系统 Quine
微软研究院发布 Quine，一个面向生物学复杂性的 AI 研究系统，由跨序列、结构、功能、细胞状态和成像等多模态数据训练的生物世界模型与连接科学工具、文献和湿实验的交互式 harness 组成。
推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环设计，并给出胰腺癌化合物筛选的湿实验验证结果。
Latent Space精选AI 评分7878 AMD 以 82 亿美元收购 World Labs，Atlas 解决稀疏重建问题
AMD 以 82 亿美元收购 World Labs。World Labs 创始人李飞飞在博客中回顾，公司自 2024 年成立以来构建了图像、视频与空间重建的模型训练团队，并在收购 SceniX 后推进机器人仿真能力。
推荐理由：AMD 收购 World Labs 的价格与 Atlas 在稀疏重建上的定位，能帮读者理解空间智能赛道的整合逻辑。
Microsoft ResearchAI 评分1818 微软亚洲研究院新加坡成立一周年：推进前沿 AI 研究、合作与人才培养
微软亚洲研究院新加坡（MSRA – Singapore）作为微软在东南亚的首个研究实验室，成立一年来围绕下一代 AI 模型与智能体系统、领域专用 AI、AI 原生研究实践、生态与人才培养四大方向推进工作。实验室与新加坡医疗生态伙伴合作探索多模态医疗 AI 和自进化诊断智能体，并联合 EDB 于 2026 年 2 月举办物流与运输 AI 高管圆桌会。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的实时对话能力上加入低延迟流式视频，生成带唇形同步和自然表情的动态视觉形象。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解其多语言同步与异步工具调用如何用于企业对话场景。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为迄今最先进、最准确的全球天气模型，直接学习实时观测数据，可每小时生成一次预报。
推荐理由：原文给出分辨率、更新频率和降水精度等具体指标，读者可据此判断 AI 天气预报在 Google 产品中的落地程度。
Microsoft ResearchAI 评分4141 MindTopo 揭示多模态大模型的空间推理能力短板
Microsoft Research 推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，失败多发生在规划阶段而非感知阶段，且整体远低于人类水平。图像与视频生成仅在单帧内保留拓扑关系时有用，跨多步操作仍不可靠。