每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
共 5 条符合条件
提出 BubbleCBF，一种针对二阶动力学系统的构造性安全约束设计方法。基于符号距离函数在位置空间构造无碰撞球体（bubble），利用其二次几何与重叠关系构建速度相关安全约束，并通过二次规划安全滤波器实现。理论上证明了控制器的良定义性、连续性与前向不变性，并给出有界输入下的可行性条件，在差速驱动机器人未知环境自主导航中验证有效。
该研究用强化学习先训练赛车漂移策略，再迁移到车辆失稳恢复任务，并定义基于相平面的稳定平衡态与 Gym-Khana 评测环境。在 294 个失控状态下恢复率较 Stanley 提升 186.8%，优于 NMPC 与从零训练策略，并在 1:10 F1TENTH 实车上验证，为自动驾驶极限安全系统提供新思路。
该研究基于 Line Messaging API 开发实时聊天机器人，利用大语言模型结合社会科学中的七阶段理论，识别恋爱诈骗所处阶段，并在检测到风险时给出阶段解释与防范建议，为真实场景中的反诈应用提供可行方案。
StepSafe 提出 ASPO 训练框架，将智能体安全护栏从轨迹级事后评估转为步级实时干预，通过前缀阶段对齐与自适应反馈自蒸馏，让模型判断风险何时累积到足以介入。在五个智能体安全基准上，4B 模型取得开源护栏最优的 Youden's J 53.0，兼顾安全与效用。
提出 CNRF 框架，通过构建上下文匹配的良性-有害反事实对，将表征差异作为风险方向，并独立估计邻域支持度，从而区分'不熟悉'与'有害'，实现选择性干预而非一刀切拒绝。在三个 VLM 和五类多模态越狱攻击上达到 86.06-89.30% 宏观防御成功率，同时保留良性任务效用。