AMD 以约 $8.2 billion 全股票收购李飞飞联合创立的 World Labs
AMD 宣布以约 $8.2 billion 的全股票交易收购李飞飞联合创立的 AI 研究实验室 World Labs。World Labs 于 2024 年成立，数月内估值达到 $1 billion，并于 2025 年推出可根据提示词生成交互式 3D 世界的世界生成模型 Marble，交易预计年底前完成。
#多模态
#多模态
今日 1 条The Verge · AIAI 评分7575
MIT Technology Review · AIAI 评分5353 五角大楼拟五年投入3030万美元建设人工智能测谎项目Polygraph+
美国国防部拟在未来五年投入3030万美元建设Polygraph+（Polygraph Next），用人工智能和机器学习改进测谎评分，并发展无需接触受试者的生理测量。项目由DCSA运行，计划用于准员工审查和内部威胁检测，相关预算尚未获国会批准。受访学者认为说谎没有稳定统一的生理标志，人工智能即使发现新模式，也难以确认这些反应是否真正对应说谎。
Latent SpaceAI 评分5555 Runway 的 WorldPrompt 与实时交互世界的工程实现
Runway 的 GWM Worlds 2 研究预览用自回归扩散模型，把高保真视频和音频生成变成实时交互模拟，并用 WorldPrompt 指定世界与其中的时间戳动作。
Google ResearchAI 评分5050 Google Research 介绍自动生成连贯长视频的 AI 协同导演框架
Google Research 介绍基于 Gemini 与 Veo 的 AI 视频协同导演，用多智能体编排规划多镜头长视频的视觉连续性。该套件包括将于 COLM 2026 发表的 Co-Director、将于 EMNLP 2026 发表的 CANVAS，以及 A²RD 与 VQQA，分别处理创意配置、持久视觉记忆、分段生成和提示词闭环修正，并继承 SynthID 水印。
Google DeepMind精选AI 评分6060 Gemini 3.8 Live 推出 Live Avatar，为企业对话加入近实时视频形象
Gemini 3.8 Live 即日起在 Gemini Enterprise 提供 Live Avatar，把近实时视频生成与语音结合，为对话带来可听、可看、可说的动态视觉形象。
推荐理由：Live Avatar 把近实时视频形象接到 Gemini 3.8 Live 语音对话中，使企业能在不中断交流的情况下后台调用工具并跨 97 种语言同步口型与表情。
Hugging Face BlogAI 评分4545 用 LFM2.5-VL-DSpark 加速视觉语言模型
Liquid AI 发布 LFM2.5-VL-3B 的实验性 DSpark 草稿模型，用投机解码加速推理且输出质量不变。设备端解码最高 3.13x、H100 最高 2.66x，端到端最高 2.62x 与 2.27x，参数多 280M（8.9%）。首日支持 llama.cpp、MLX-VLM、SGLang，提供开放权重。
Ars Technica · AIAI 评分3030 Meta把AI助手放到钥匙扣上
Meta把AI助手放到钥匙扣上。周三，Zuckerberg发布无摄像头、仅音频交互的Ray-Ban，以及明年春季上市、售价1300美元、比上一代Quest 3轻五倍的虚拟现实眼镜。Muse助手即将登陆眼镜，佩戴者可借全息技术以超写实数字分身参加视频通话。
NVIDIA BlogAI 评分4141 在AI Day Singapore，NVIDIA与合作伙伴展示东南亚AI进展
NVIDIA与合作伙伴在AI Day Singapore展示东南亚AI进展。泰国iApp Technology用NeMo微调Nemotron 3 Nano并开源，法律助手Thanoy已服务约43,000名用户。越南Viettel AI广泛微调Nemotron 3 Super，该模型在VMLU与内部产品基准中排名最高。
Google DeepMind精选AI 评分7676 Google DeepMind发布Gemini 3.8 Live与3.8 Live Extended Thinking
Google DeepMind发布Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking，把近实时推理用于语音智能体。
推荐理由：原文给出了Extended Thinking的语音基准分数，以及两款模型面向开发者、企业和普通用户的不同开放范围。
Microsoft ResearchAI 评分4444 MindTopo 揭示 VLMs 的空间推理能力
MindTopo 基准显示，多模态模型识别静态拓扑关系的表现明显强于交互规划，且两者都远低于人类。它按连续性、分离、顺序、包围和结五类，分别测试推理与规划；规划错误常出现在理解场景之后，模型会丢失结构关系或提出违反环境动态的动作。图像生成只在关系可见于单帧时偶尔有帮助，视频推演则经常改变拓扑或违反任务动态。