本文提出AutoIAD框架，采用Manager驱动的多Agent协作机制实现工业异常检测自动化。通过中央调度模块协调四个专业子Agent，并引入包含数据增强策略、模型模板和训练脚本的领域知识库，显著提升了任务执行效果。在MVTecAD数据集上的实验表明，AutoIAD以88.3%的成功率和63.69%的平均AUROC优于通用框架，消融实验验证了Manager和知识库的关键作用。研究揭示了领域知识对

中山大学团队提出CoDrone框架，通过端-边-云协同实现无人机自主导航优化。系统采用三层架构：端侧基于灰度图轻量导航（减少66%输入通道），边缘通过DepthAnythingV2进行深度估计并压缩为一维占用栅格，云端Qwen-VL-Max通过函数调用机制直接输出控制指令。核心创新包括：1）仅需1万FLOPs的DRL神经调度器动态协调三层资源；2）DEGAGE算法将深度图转换为可行驶区域分类；3）

Pipecat是一个开源Python框架，专注于解决语音AI落地的工程编排问题。它将ASR、LLM、TTS等AI服务通过管线(Pipeline)方式连接，实现端到端延迟500-800ms的实时对话系统。框架支持18+语音识别服务、18+大语言模型和24+语音合成服务，并提供多模态交互能力。Pipecat还包含客户端SDK、开发工具和结构化对话模块，适用于语音助手、客服系统等多种场景。虽然依赖外部A

浙江大学团队提出PowerGPT，一个面向电力巡检的多模态基础模型，通过统一架构解决传统任务碎片化问题。研究构建了包含20万图像、80万指令对的PSID数据集和覆盖70个场景的PowerBENCH评估基准。PowerGPT融合自适应视觉提示和知识检索增强技术，在5项任务中全面领先通用模型，其中GroundedCaption得分达9.6（LLaVA仅5.0）。消融实验显示，仅领域数据微调就带来平均1

摘要：Judo是一种针对工业异常检测的多模态推理模型，通过三阶段渐进训练解决通用大模型在工业领域的知识不足问题。首先通过并置分割学习建立视觉对比能力（准确率提升至73.01%），然后注入领域知识（准确率79.82%），最后采用多奖励GRPO统一视觉和推理（最终准确率81.20%）。实验表明，无领域知识的CoT推理会使准确率下降9.5%，验证了领域知识的重要性。在MMAD基准测试中，Judo超越GP

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

Pipecat是一个开源Python框架，专注于解决语音AI落地的工程编排问题。它将ASR、LLM、TTS等AI服务通过管线(Pipeline)方式连接，实现端到端延迟500-800ms的实时对话系统。框架支持18+语音识别服务、18+大语言模型和24+语音合成服务，并提供多模态交互能力。Pipecat还包含客户端SDK、开发工具和结构化对话模块，适用于语音助手、客服系统等多种场景。虽然依赖外部A

Hermes Agent是由NousResearch开发的个人AI助手，GitHub 16,819 Stars，MIT开源。核心亮点是自我进化闭环：完成任务后自动创建可复用技能，技能在使用过程中持续优化，配合MEMORY.md+USER.md双文件持久化记忆和跨会话历史搜索，形成"经验→能力"的完整进化回路。内置40+工具（覆盖搜索、代码、视觉、定时任务等）和105个技能（MLOps占27个），支

本文介绍了一个基于国产AI技术的轻量级智能助手方案，整合了nanobot框架、通义千问大模型和钉钉机器人。该方案通过4000行代码的nanobot框架实现消息接收、工具调用和技能管理，利用通义千问Qwen3.5Plus进行智能推理，并支持联网搜索功能。系统配置了9个自定义技能，涵盖文档处理、数据分析、代码审查等日常工作场景，用户可直接在钉钉上对话并派发任务。部署过程简单，只需安装nanobot、配

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