动态展示门槛：AI 前沿与应用 ≥ 65 分，量子方向 ≥ 60 分；已确认精选照常展示。
TAPDreamer是一种面向世界动作模型的可迁移对抗补丁攻击，仅使用公开编码器和单个源任务的六帧图像构造固定局部扰动，无需查询目标策略。摘要称，在覆盖约6.5%输入的闭环评测中，每个基准使用一个冻结补丁，将FastWAM在40个LIBERO任务和50个RoboTwin任务上的成功率分别从97.7%和90.86%降至0.0%，随机补丁则为81.5%和79.2%。
阅读价值：摘要呈现了无需目标策略查询的可迁移补丁方案，并用闭环基准报告攻击效果与随机补丁对照，便于复核方法效果。
基于论文摘要，作者提出 FineART 双臂操作数据集与 FineART-VLA 视觉语言动作模型，用于长时程、多步骤操作任务。FineART 包含 40,543 个 episode、1,718 小时记录和 533,913 个子任务，覆盖 151 项任务；使用子任务标注进行中途训练后，模型遵循空间指令的成功率由 32.0% 提升至 100.0%。
阅读价值：细粒度双臂轨迹标注与自预测子任务策略，为长时程操作的数据构建和模型评估提供具体基线。
WorldSonus提出一种面向世界模型的实时视频到音频框架，用于生成与场景几何和相机运动对齐的空间立体声。基于论文摘要，该方法采用流式因果自回归扩散架构，报告实时因子为0.41，并通过分段提示调度支持生成过程中的声音事件控制。
DSV-Mem 是评估多模态大语言模型 Agent 专业工作流记忆能力的基准，包含五类问题和 1,000 个问题，覆盖当前状态、过去状态、派生状态、变更历史及冲突或拒答。基于论文摘要，27 种配置的评估中，最强基线得分低于 45%；状态更新次数是主要难度因素，增加推理投入和采用记忆管理方法的收益有限，基于状态的设计更有效。基准与代码计划公开发布。
Google DeepMind发布EmbeddingGemma 2，以7.4亿参数在统一嵌入空间映射文本、代码、图像、音频和视频，并采用Apache 2.0许可证。
阅读价值：EmbeddingGemma 2提供代码、图像、音视频的统一本地嵌入路径，并披露内存与向量压缩数据，便于评估端侧检索方案。