本文测试手机端脚注交互：点击句末数字跳至文末说明，点击返回图标回到原引用段落并短暂高亮。测试涵盖普通脚注、同一说明多处引用时的返回、列表与引用块中的脚注及普通链接锚点，并建议将示例复制到评论区检验评论脚注能否各自对应。

“江山时序”是一款免费开源的宣纸设色中国历史交互地图，浏览器打开即用。它以谭其骧《中国历史地图集》和哈佛CHGIS数据为参考，用原生JS开发，支持拖动2400年时间轴、点击古城查看18朝沿革、搜索百余位历史人物，帮助直观了解历代疆域变迁与古地名今址。作者表示因视觉干扰和移动端误触问题，暂不为事件人名添加链接。

京东探索研究院提出8B规模视觉驱动交互模型JoyAI-VL-Interaction，可持续接收视频流并每秒自主决定回应、沉默或委派后台任务。模型通过时间对齐数据、加权监督微调与强化学习训练交互时机，结合AdaCodec编码、双循环架构和分层记忆支持长时交互。在六类58个案例中，其人类偏好胜率对豆包和Gemini分别为77.6%和87.9%。

iRTE2026实时智能大会聚焦对话式AI从“会答”转向“持续参与真实交流”，核心挑战包括模型能力与业务结果对齐、实时对话底层技术底座，以及技术落地终端硬件的现实考验。声网提出五级对话能力框架，并展示多模型协作、实时推理云及对话式AI引擎等基础设施，推动语音识别、推理、传输与终端响应全链路协同。

阿里云百炼多模态实时交互套件升级至Qwen-Audio-3.1，面向AI眼镜、学习机、汽车、机器人等硬件提供级联式语音交互方案。ASR支持30种语言、16种中文方言及热词识别，首字响应约160毫秒；TTS支持跨语言同音色与情绪语速调节，Elo评分全球第一。套件端到端延迟最低1秒，一套SDK适配30多个硬件平台，TTS降价约70%、ASR降价95%，并提供设备管理与运营能力。

iRTE2026实时智能大会将于10月23日至24日在北京悠唐皇冠假日酒店举行，全议程已公布，限免报名中。大会汇聚多模态模型、Voice Agent、实时音视频、AI Infra、AI硬件及应用场景一线从业者，探讨实时智能在模型、工程技术、基础设施与商业落地方面的关键变化。

文章讨论微信“按住说话”交互：按住设计是改进，但松开即发送值得商榷。作者主张先转文字到输入框，让用户确认再发送，以避免口误或识别错误引发歧义，并建议增加偏好设置；同时批评滑动编辑按钮设计令人不安。

OpenAI发布GPT-6与Intelligent UI，将AI从聊天回答转向可查看、修改、确认和执行的界面化任务流。模型仅生成结构化建议，校验、权限与提交由界面负责。开发者应重视Schema、状态机、审计与权限，而非只调模型。

OpenAI为ChatGPT推出智能界面，回答不再限于文字，可自动生成图表、按钮、表单和交互工具，例如点击自行车示意图查看零件、调整聚餐采购量或使用计算器。该功能即日起向付费用户推送，明天起扩展至免费用户。付费档使用GPT-6 Sol，免费和Go版使用GPT-6 Luna。

“格物间·宇宙与天文专题”是一个免费天文交互演示平台，无需注册登录。平台包含10个演示，分为四组，从1米尺度放大到可观测宇宙，支持拖动、缩放和真实速度播放，内容涵盖宇宙尺度、光速光年、引力时空弯曲等，适合亲子互动和教学投屏。

PRISM提出“真实到仿真再到真实”框架，利用视频到视频生成将少量真实视频扩增为256段反事实人-物交互视频，并以接触为锚点重建和重定向为物理合理的机器人轨迹，训练单一深度策略。人形机器人无需真实微调，仅凭机载深度即可零样本抓取、搬运和放置箱子、桶、料箱和球等未见物体。

Omarchy截图工具将支持任意位置和程序的长截图。进入滚动截屏后，程序自动探测与截取区域交叉的窗口供选择；点击按钮自动滚动，点空白处进入编辑模式，可缩放，操作如手机长截图般简单自然。

dabit3/jev-experiments 汇集20多个实验，探索 TypeSafe Jev 低延迟决策模型（70-500毫秒，远快于LLM）的应用，覆盖客服辅助、智能收件箱、自然语言命令、代码检查、提交防护、紧急调度、聊天审核、群体模拟等场景，展示语义判断降至毫秒级后，软件交互从“提交后等待”变为“实时辅助”。

本文提出一套低延迟边云系统，集成六种流式视频VLM后端，共享ASR/TTS与统一编排，支持实时语音交互。实验显示，在合适后端与WebRTC传输下，首句VLM文本延迟约0.9–1.0秒，首段TTS音频约1.3–1.5秒。研究表明实时视频理解是分层系统问题，VLM到TTS交接尤为关键，低首token延迟并不保证快速语音响应。

大晓机器人联合南洋理工大学等发布HSImul3R，这是首个面向稀疏视角、可仿真的人–场景交互重建框架，已被ECCV 2026接收。该框架提出物理闭环双向优化，将重力、接触与交互稳定性纳入标准，并构建HSIBench。其交互稳定率显著高于HSfM，穿模率从69.51%降至22.90%，还实现动作迁移至Unitree G1，打通视频到真实机器人执行链路。

语言模型生成的三维场景并非真正的游戏，仅含少量交互元素。目前它们无法创作出具备完整玩法、机制与挑战性的优质游戏，仅能构建基础环境。