针对自动驾驶视觉语言模型的可迁移时空一致性对抗攻击
研究人员提出针对自动驾驶视觉语言模型的可迁移时空一致性对抗攻击 STCA,在 BDD100K 和 nuScenes 数据集上验证了对 Video LLaVA-7B 等模型的黑盒攻击效果。
研究人员提出针对自动驾驶视觉语言模型的可迁移时空一致性对抗攻击 STCA,在 BDD100K 和 nuScenes 数据集上验证了对 Video LLaVA-7B 等模型的黑盒攻击效果。
研究分析利用帧级存在/缺失标签训练小型无人机点检测架构,在CST Anti-UAV和Anti-UAV410两个热红外数据集上评估定位与检测性能。模型冻结分类阶段学到的空间特征,并训练读出模块生成空间得分图;实验表明,分散标签分布可提高定位命中率,但高命中率并不总能在虚警约束下改善检测率。 这些发现为标签分配、空间表征、合成数据策略和虚警控制提供了指导。
该研究评估了轻量级开源语言模型在资源受限边缘环境下解决智能数据模型(SDM)分类问题的性能。 系统基准测试了通用(GP)、推理专用(RS)和代码专用(CS)架构模型,并对比了 TF-IDF 和轻量级句子编码器基线。 研究为模型选择、任务形式化及部署策略提供了优化准确率与效率的见解,填补了现有文献中缺乏轻量级、资源高效方案的空白。
该工作流交付模块化离线语音架构、低成本硬件 BOM 及 2-5B 参数模型量化基准管线。在 NVIDIA Jetson Orin NX 上,gemma-4-E2B-it 于 Q4_K_M 量化格式下实现 28.8t/s 吞吐量。所有模型均在 Raspberry Pi5 的 16GB 内存预算内运行,兼顾了离线部署需求与性能。
Liquid AI 发布开源权重的 d1-3B 和 d1-omni-600M 决策模型,支持文本、视觉和音频输入。d1-3B 在 Decision Index v0.2.1 公开集得分 48.57,超过 10B 以下所有模型,在 NVIDIA Jetson AGX Thor 上单问题推理仅需 16 ms,并支持 llama.cpp 和 NVFP4 量化部署。
微软在两年来的首场线下活动中发布了Surface Laptop Ultra,这是其首款采用Nvidia RTX Spark SoC的设备。该笔记本起售价2599美元,最高配备128GB LPDDR5x统一内存和6144核Blackwell GPU,将于10月16日开始发货。演示显示,得益于统一内存架构,该设备可在不依赖传统独立显卡的情况下运行《战争机器:E-Day》等3A大作及本地AI模型。
微软宣布 GitHub Copilot 将在本月底前支持本地 AI 模型推理,开发者可在 Visual Studio Code、Copilot CLI 和 Copilot 应用里自动或手动在云端与设备端模型间切换。
华硕推出 ProArt P16、P14 及 GR1X 迷你主机,均搭载 NVIDIA RTX Spark 平台,提供最高 1 PFLOP(FP4)AI 算力与最高 128GB 统一内存,支持本地运行 LLM、复杂 3D 渲染、内容生成与 AI Agent 工作流。
微软发布搭载Nvidia RTX Spark芯片的Surface Laptop Ultra和Surface RTX Spark Dev Box,前者起售价2,600美元,后者起售价6,000美元。两款设备均通过新版Windows 11的“Execution Containers”功能实现AI智能体的本地沙箱运行。
OpenAI 发布 ChatGPT for Teens,专为 18 岁以下用户设计,账号识别后默认开启保护。 该版本同时预览 College Planner,整合美国高中生申请四年制大学的申请要求、截止日期及助学金步骤。 OpenAI 将持续构建并评估这些工具及保护机制的实际效果。
NVIDIA 与 Microsoft 联合宣布推出支持本地 AI Agent 的 Windows PC 硬件生态,包括搭载 NVIDIA RTX Spark 的笔记本电脑和桌面电脑。
推荐理由:原文展示了NVIDIA与微软如何在Windows桌面端协同工程化AI Agent基础设施,涵盖硬件规格与本地运行模型的能力边界。
Qwen 3.8-27B 本地部署可替代 ChatGPT 和 Claude 的 $20 订阅费用。Unsloth UD-IQ4_XS 量化版仅占 13.3GB 显存,在 4070 Ti Super 上以约 33.7 tokens/秒 运行,16K 上下文足够日常使用。 本地推理消除 Claude 的 5 小时使用限制,无需额外付费即可持续迭代;数据保留在本地,避免发送至外部服务器。
黄仁勋在旧金山发布会中表示,RTX Spark 是全球唯一一台能在设备端原生运行一切应用的电脑,可兼容 DirectX、OpenGL 及全部 CUDA 应用。英伟达已测试超过 1200 款应用程序在 RTX Spark 上的性能和兼容性。
微软 Surface RTX Spark Dev Box 即日起开启预订,售价 5,999 美元,预计 11 月开始发货。 该设备搭载 Nvidia Arm 架构的 RTX Spark 平台和 128GB 统一内存,主要面向本地运行超过 120B 参数模型等开发者任务。
微软在 10 月 7 日的活动上表示,计划将 MAI Code 1.1 Flash 模型引入 Windows 11 设备,该模型含 1300 亿个参数,采用 3-bit 量化、上下文窗口 256K,且已集成到 GitHub Copilot 与 VS Code 用于编码、仓库问答、重构和工具调用。
微软提出“混合智能”理念,旨在 Windows 11 上结合本地计算与云端 AI 灵活处理任务。 隐私敏感任务依赖本地处理,复杂计算交由云端,Copilot 与智能体在受控环境下协同推进工作。
Liquid AI发布两个开源决策模型:d1-3B 和 d1-omni-600M(实验版)。d1-3B 支持文本和图像,在 NVIDIA Jetson AGX Thor 上单问题响应时间仅 16 ms,在 RTX 4090 上低于 10 ms。
推荐理由:d1-3B在端侧设备实现毫秒级推理,为边缘场景提供了高性能的多模态决策模型方案。
PetPaw 是一款专为 macOS 14 及以上版本设计的桌面伴侣应用,支持 Apple Silicon 和 Intel 芯片。用户可通过导入 ZIP 文件添加宠物,利用 Vercel AI Gateway key 实现实时语音交互,或通过本地文件体验基础功能。应用支持跨桌面 Spaces 显示,并可通过 Sparkle 自动更新。
Meta 旗下 AI 智能体 Muse 的最新 iOS 更新正式引入 iPad 原生支持,充分利用更大屏幕及 iPadOS 多任务处理特性。该版本同时扩展了 Canva、Figma、GitHub 等工具连接器,并新增面向小企业主的自主营销与页面开发功能。
Tony Fadell 指出 Rabbit R1 和 Humane AI pin 等首批 AI 设备因未解决实际痛点而失败,他认为绝大多数消费者缺乏使用私人助理的认知基础,且信任建立过程复杂。
Apple 在 macOS 27 中不允许用户移除内置的 Apple Intelligence 模型,即使 Siri 已被禁用。用户发现其设备存储中占用了30 GB的无用模型空间。
华为终端 BG 董事长余承东提出未来十年长期战略,围绕鸿蒙智行、办公、智能家居、运动健康及影音娱乐五大场景,旨在提供无缝衔接的 AI 生活体验。 鸿蒙 HarmonyOS 6/7 设备数已突破 9000 万,鸿蒙智行全系累计交付超 156 万台。
开发者推出 iPhone 应用 Edsger,支持离线运行本地模型,提供无限次数的聊天与文件上传功能。 内置 coding agent 可编写、运行并调试 Python、C、JavaScript 及 Lua 代码,代码直接在设备上执行。 应用主要面向开发者与学生,主打完全离线、无账号限制且无需互联网连接。
豆包 App 正式登陆华为鸿蒙电脑端,首版搭载豆包 2.1 Turbo 和 2.1 Pro 模型。 支持对话切换,上线深入研究、PPT 生成、图像生成等核心功能,覆盖学术、创意等工作场景。 华为官方透露,豆包位列鸿蒙电脑用户心愿单 TOP1 应用。
AI 基础设施热潮让远离硅谷的亚洲家具、洁具及数据中心供应商成为亿万富翁。 财富随超大规模云计算资本支出流向组件和设施供应商,遍及供应链下游。
谷歌推出 macOS 应用 AI Edge Foresight,采用 EmbeddingGemma 2 端侧多模态模型支持离线运行。该应用可结合 Mac 麦克风和系统音频自动整理会议纪要,并提供基于会议内容与其他知识库的实时问答,兼容 Apple 芯片且免费。
FreeLLMAPI 是一个本地优先的开源工具,将 34 家提供商的 635 个免费模型端点聚合为单一的 OpenAI 兼容 API。其核心路由机制能实时追踪各提供商的速率限制,在遇到 429 错误时自动切换至备选模型,从而充分利用每月约 74 亿 tokens 的免费推理额度。
推荐理由:该工具将34家免费LLM提供商聚合为单一OpenAI兼容接口,通过智能路由和失败重试机制解决了多平台免费额度管理碎片化的痛点。
作者使用配备 256 GB 统一内存的 Mac Studio M5 Ultra 运行多个本地模型,给出了不同场景下的吞吐和内存基准。他采用 Qwen、Gemma、DeepSeek 和 Cloudflare Clef-Flash 组成多模型架构,实现从简单任务到复杂决策的本地代理工作流。
开发者构建了一款类 Vim 的 LLM TUI 工具,通过混合客户端压缩等技术实现 20-80k tokens 的小上下文窗口,早期独立测试者反馈 API 成本节省超过 90%。 工具支持 Vim 键位、Markdown/LaTeX/Mermaid 渲染、按需子智能体及线程池,兼容 PowerShell 且无需外部依赖包。
提出 SAGE(Semantic Anchor-Guided Evolution)数据合成框架,利用 MeSH 等轻量级分类法作为语义锚点,引导本地部署的小模型生成高质量医疗问答训练数据。
一项可在 Jetson Nano 上离线运行的语音翻译流水线,能自动校正低置信度翻译,无需重新训练。 Whisper-tiny ASR 输出由 Opus-MT 翻译,multilingual BERT 余弦相似度作为质量估计门控,低于阈值时触发二次校正。
该研究开发了FedDermaSeg联邦学习模型,用于解决皮肤病变分割中的隐私保护问题。 模型在ISIC 2018数据集上模拟分布式环境训练,并在ISIC 2018测试集和PH2数据集上评估。 实验表明,联邦模型性能与集中式训练相当,且优于本地模型,无需集中聚合医疗图像。
深度脉冲Q网络(DSQN)在低时间步下因共模误差导致性能显著下降。研究提出 CMC-DSQN,利用辅助 ANN 补偿 SNN 输出的共模误差,推理时移除辅助网络以保留能效。 在 Atari 和 MiniAtar 实验中,CMC-DSQN 在 T=2 时比 SOTA 基线高出近 20%,T=4 时超越 ANN 基线。
研究人员提出 Neuromotor Hierarchy Network (NHN),通过生理引导的潜在状态推理实现参数高效的表面肌电信号 (sEMG) 解码。
Apple 提出 Stepped MoE 框架,结合弹性结构与稀疏门控架构,允许单模型在 1B 至 4B 参数量间灵活切换。 该模型在知识密集型基准上比对应稠密模型准确率高 2-5%,且推理延迟与稠密模型相当,通过共享参数节省端侧存储空间。
LiLib 是一种轻量级持续学习方案,通过维护递归最小二乘专家库实现无人机空地路径损耗预测。 模拟显示,LiLib 将预测 RMSE 从 5.89 dB 降至 4.03 dB,返回已知环境时误差从 12.3 dB 降至 5.7 dB,且无需标签即可识别 92% 纯度的环境状态。 结果表明,面对周期性漂移,记忆优于重新适应;两个无人机间共享模型库可使环境变化后的误差减半。
QuantWM 提出免训练 2-bit KV Cache 量化框架,解决视频世界模型量化后的画面闪烁问题,实现最高 6.20 倍压缩。 针对现有方法在 VBench 评测分数接近但实际生成画面存在闪烁、模糊和细节失真的现象,QuantWM 通过量化敏感性感知聚类(QSAC)和主子空间注意力补偿(PSAC),保护模型对历史信息的注意力分配。
nanoMuse 0.1.40 发布,这是一个跨手机与电脑的开源个人智能体,GPL-3.0 协议,手机应用基于 OpenMinis,桌面端基于 DeepSeek Harness。
微软 Surface Laptop Ultra 的两种规格配置曝光,最高支持 128GB 统一内存,AI 算力最高达 1 PetaFLOP。
谷歌正式发布多模态嵌入模型 EmbeddingGemma 2,基于 Gemma 4 架构,总参数量 7.4 亿,支持将文本、代码、图像、视频和音频映射至统一嵌入空间。模型采用 Apache 2.0 许可,配备 8K Token 上下文窗口,量化后在 Pixel 11 Pro 上纯文本推理内存占用仅 191MB,完整多模态约 567MB,可在 MTEB Code 等基准中达到子 1B 模型领先水平。
同一新闻,精选展示《EmbeddingGemma 2 发布:端侧开源多模态嵌入模型》