在SWE-BENCH PRO测试中，GPT-5表面解决率为23.3%，但实际提交任务准确率达到63.1%，明显高于Claude Opus 4.1的31%。新测试集难度较大，反映了模型在真实商业场景中的局限性。

机器之心数据服务现已上线，提供高效稳定的数据获取，简化数据爬取流程。

本研究解决了多机器人系统在协同实现团队目标时的安全控制问题，尤其是在传统算法训练不稳定的情况下。通过引入约束优化的表面形式，并提出了一种新颖的集中训练和分布执行的多智能体强化学习算法Def-MARL，该方法在多个任务中展现出最佳性能且保证安全约束。通过真实硬件实验，验证了Def-MARL安全协调智能体完成复杂任务的能力。

Rune Skovbo Johansen的表面稳定分形抖动技术适用于3D表面，但在Playdate上不够实用，因其硬件性能有限，简单的屏幕空间抖动模式更为合适。尽管如此，作者在实现过程中学习了软件光栅化，并优化了分形抖动，最终实现了更快的扫描线光栅化效果。

本研究解决了传统几何深度学习模型在处理大规模数据集时面临的高推理时间和内存需求的问题。我们提出了一种无注意力机制的视觉曼巴架构，通过将球面数据表示为三角形补丁序列，提高了处理效率。实验结果表明，该方法在新生儿脑部皮层表面指标上的回归任务中，推理速度提高了4.8倍，内存消耗减少了91.7%，显示出其识别细微认知发展模式的潜力。

中国演员王星在泰国拍戏期间失联，引发关注。调查发现网络上流传的“买卖王星”聊天记录疑似造假，涉及非法出国劳务的陷阱。王星最终安全回国，此事件揭示了出国劳务的风险与诈骗手法。

本文提出了一种新型网络架构，部署多功能可重构智能表面（MF-RIS）于低地球轨道（LEO），以解决传统RIS在信号覆盖和能源效率上的不足。研究提出了通过优化MF-RIS配置的长期能源效率（EE）问题，同时设计了增强型联邦学习的多智能体深度确定性策略梯度（FEMAD）方案，以应对复杂的非凸非线性问题。结果表明，相较于其他基准方法，所提架构在EE方面显著提升，展示了其在低地球轨道环境中的有效性。

本研究针对现有脉冲热成像技术中分割和深度估计表现不足的问题，通过提出PT-Fusion网络，结合主成分分析(PCA)和热成像信号重构(TSR)两种模态，创新性地引入特征融合模块，显著提高了亚表面缺陷的检测精度。此外，研究还提出了一种基于随机数据采样的新的数据增强技术，以解决脉冲热成像数据集稀缺的问题。

本文研究了解决当前在稀疏视图下多视图重建质量下降的问题，提出了一种创新的稀疏视图重建框架，通过利用单目深度排名信息和多视图特征一致性，大幅提升了表面重建的准确性。实验表明，该方法在DTU和BlendedMVS数据集上实现了60倍至200倍的速度提升，同时无需昂贵的预训练，显著超越了当前最先进的方法。

本研究针对基于SDF的差异渲染框架进行了重新审视，提出了一种新的外观模型重构方式，能够在加速计算的同时提升性能。研究结果显示，该方法在对不同数据集进行三维形状重建时，既提高了图像和表面质量的指标，也实现了显著的训练加速和实时渲染效果。

本研究针对大语言模型（LLMs）在处理自然语言任务时，是否真正理解深层结构的问题进行探讨。通过因果中介分析的方法，研究提出了一种新的评估方法，发现大多数主流LLMs具备深层结构理解能力，并且该能力随着预测准确度的提高而增强。这一发现不仅挑战了以往的观点，还为LLMs的评估提供了新的理论和方法论支持。