语音AI推理部署框架sherpa-onnx发布1.12.29版本，支持12项语音功能和多平台部署。该框架由next-genKaldi团队开发，可将Whisper、Moonshine等主流语音模型统一转换为ONNX格式，实现跨平台离线运行。支持12种编程语言和多种硬件架构，包括移动端、嵌入式设备和浏览器环境，并提供NPU加速支持。最新版本新增Supertonic2TTS模型，持续完善多语言绑定和模型

YOLO26实现端到端目标检测，彻底移除NMS后处理 摘要：Ultralytics发布的YOLO26标志着目标检测技术的重大突破，首次完全移除了NMS（非极大值抑制）后处理步骤。通过三项关键创新——One-to-One检测头、MuSGD优化器和STAL+ProgLoss训练策略，该模型实现了原生端到端推理，CPU推理速度提升43%。YOLO26不仅简化了部署流程，还支持检测、分割、分类等多任务统一

Meta REA（Ranking Engineer Agent）是Meta推出的自主AI Agent系统，用于加速广告排序模型迭代。该系统采用Planner+Executor双组件架构：Planner负责实验规划并与工程师协作制定方案，Executor负责执行、监控和迭代。核心创新是Hibernate-and-Wake机制，使Agent能在训练任务运行数小时甚至数天后自动恢复继续工作，突破传统会话

Meta REA（Ranking Engineer Agent）是Meta推出的自主AI Agent系统，用于加速广告排序模型迭代。该系统采用Planner+Executor双组件架构：Planner负责实验规划并与工程师协作制定方案，Executor负责执行、监控和迭代。核心创新是Hibernate-and-Wake机制，使Agent能在训练任务运行数小时甚至数天后自动恢复继续工作，突破传统会话

摘要：八所顶尖机构联合研究发现，AI模型在医学影像诊断中存在"工具使用悖论"——当GPT-5.4接入专业分割工具后，BrainMRI和LungCT/PET的诊断准确率反而下降。研究团队构建了MedOpenClaw运行时和MedFlowBench评估体系，首次让AI像放射科医生一样操作3DSlicer进行完整影像检查。核心发现表明，当前视觉语言模型缺乏毫米级空间定位精度，错误的分

帕多瓦大学提出MIRAGE方法，通过四阶段全自动流程解决工业异常检测中的样本稀缺问题。该方法利用ChatGPT5生成缺陷描述，Gemini2.5Flash生成异常图像，CLIP进行质量过滤，最后通过双分支融合生成像素级mask。整个过程无需真实异常样本或训练，仅需约3GB显存。实验显示，MIRAGE生成的图像在人类感知评估中接近真实缺陷，用其训练模型在MVTecAD和VisA数据集上取得优异表现。

摘要：埃因霍温理工大学团队提出SubspaceAD，一种无需训练的少样本工业异常检测方法。该方法利用冻结的DINOv2-G提取中间层patch特征，通过PCA拟合正常样本的低维子空间，以重建残差作为异常分数。在1-shot设定下，该方法在MVTec-AD和VisA数据集上分别达到98.0%和93.3%的图像级AUROC，超越现有记忆库和VLM方法。其核心优势在于零训练、模型存储小于1MB、新品类部

农业AI研究取得突破：Khalifa大学团队开发出高效精准的农作物诊断系统 研究团队创新性地提出了V2VK管线技术，通过三阶段自动化流程解决了农业AI领域长期存在的数据瓶颈问题。该方法能够自动生成经过科学验证的农业视觉问答数据，最终构建了包含121,425张图像、607,125条问答对的AgriMM基准数据集，覆盖3,099个农业类别。 基于这一数据集开发的AgriChat模型展现出卓越性能：在核

LiveKit Agents是一个开源Python框架（GitHub 9.9k stars），让AI Agent能以WebRTC参与者身份加入实时音视频会话。该框架解决了语音AI的核心挑战：实时音频流处理、智能打断检测、语义轮次判断和多Agent协作。其特点包括：1）基于transformer的语义轮次检测（替代传统静音阈值）；2）自适应打断处理（86%精确率）；3）支持64个插件集成主流AI服务

南京大学联合中国移动紫金创新研究院与山东科技大学提出O2MAG方法，通过三分支注意力嫁接技术实现免训练的工业异常图像生成。该方法仅需一张缺陷参考图，利用扩散模型self-attention的特性，将异常特征精准"移植"到目标图像上。配合文本嵌入优化和双注意力增强模块，在MVTec-AD等三个数据集上取得最优性能：像素级AP86.3、分类准确率82.35%，推理速度28秒/张，比