Daily News Deck
使用键盘左右方向键或底部按钮翻页。
1 / 18
这篇论文主要讲 Tempus：一种面向 Versal AI Edge 的、时间可扩展且资源不变的 GEMM 流式框架。 GEMM 最多会占到推理时间的 90%，因此高效加速 GEMM 对边缘 AI 很关键。 原文说，现有最先进方法主要依靠文中描述的方式来提高性能，而这条新闻/论文提出了不同处理思路。
证据翻译：GEMM 最多会占到推理时间的 90%，因此高效加速 GEMM 对边缘 AI 很关键。数字：90%。名称：Scaling、Large Language Models、LLMs、GEMM、Engines。
原文短摘：这句话在说原文提出或介绍了 Tempus。
真实性提示：已读取来源正文；标题核心词匹配度 78%；交叉来源 1 个。 评分 57.2，可信度 0.76。
2 / 18
这篇论文主要讲 Paired-CSLiDAR：用于跨来源空地 LiDAR 位姿精修的高度分层配准。 作者介绍了 Paired-CSLiDAR (CSLiDAR)：跨来源空地 LiDAR 基准，用来在 50 米半径的航拍裁剪区域内精修地面扫描的位姿。 原文用这句话说明它构建或使用了一个基准，用来衡量方法效果。 关键数字：50 m。
证据翻译：作者提出了 Residual-Guided Stratified Registration (RGSR)：无需训练的, 只依赖几何信息的精修流程，它 exploits the shared ground plane through height-stratified ICP, reversed 配准 directions, and confidence-gated accept-if-better selection。数字：50 m、86.0%、0.75 m、99.8%、1.0 m。名称：Paired-CSLiDAR、CSLiDAR、LiDAR、DoF、RMSE。
原文短摘：这句话在说原文提出或介绍了 Paired-CSLiDAR。 句子里的数字是：50 m。
真实性提示：已读取来源正文；标题核心词匹配度 100%；交叉来源 1 个。 评分 57.2，可信度 0.76。
3 / 18
这篇论文主要讲 Dynamic-TD3：一种结合动态障碍物轨迹预测的无人机路径规划算法。 作者提出了 Dynamic-TD3：带物理约束增强的框架：它把导航建模为约束马尔可夫决策过程（CMDP），在保持机动性的同时施加严格安全约束。 该框架集成了轨迹关系演化机制来捕捉长期意图，并使用带物理感知的卡尔曼滤波来缓解非平稳观测噪声。
证据翻译：该框架集成了轨迹关系演化机制来捕捉长期意图，并使用带物理感知的卡尔曼滤波来缓解非平稳观测噪声。名称：DRL、Dynamic-TD3、Constrained Markov Decision Process、CMDP、Adaptive Trajectory Relational Evolution。
原文短摘：这句话在说原文提出或介绍了 Dynamic-TD3。
真实性提示：已读取来源正文；标题核心词匹配度 30%；交叉来源 1 个。 评分 57.2，可信度 0.76。
4 / 18
来源正文未能稳定读取；目前只能确认 feed 标题说的是：Altera Updates FPGA AI Suite with Spatial Mapping for Edge AI。
证据翻译：正文未能读取；feed 摘要显示这条新闻有相关事实，但中文栏不再重复英文原句，涉及 Altera、FPGA AI Suite、FPGA-based。请以左侧英文摘要作为原文对照。
没有原文短摘，因为来源正文未能读取。
真实性提示：未能读取来源正文；标题核心词匹配度 0%；交叉来源 1 个。 评分 56.5，可信度 0.60。
5 / 18
这篇内容主要讲的是：原文说该公司正在发布它的第一款机器人，这是一种具身 AI 系统，目标是以更自然、更一致的方式感知、适应并与人互动。 关键数字：$65、$100。
证据翻译：原文说该公司正在发布它的第一款机器人，这是一种具身 AI 系统，目标是以更自然、更一致的方式感知、适应并与人互动。数字：$65、$100。名称：Familiar、Familiar Machines、Magic、Colin Angle、CEO。
原文短摘：这句话在说明 Home 这个核心内容。
真实性提示：已读取来源正文；标题核心词匹配度 100%；交叉来源 1 个。 评分 54.5，可信度 0.74。
6 / 18
这篇内容主要讲的是：原文用这句话说明它发布或构建了一个数据集，用来支撑后续训练、评测或应用。 Hong Kong-based DAIMON Robotics 已经发布了文中提到的产品、数据集或平台更新。
证据翻译：Hong Kong-based DAIMON Robotics 已经发布了文中提到的产品、数据集或平台更新。名称：Michael Yu Wang、DAIMON Robotics、Hong Kong-based DAIMON Robotics、Daimon-Infinity、China。
原文短摘：这句话在说明 DAIMON Robotics 这个核心内容。
真实性提示：已读取来源正文；标题核心词匹配度 75%；交叉来源 1 个。 评分 54.5，可信度 0.74。
7 / 18
这篇内容主要讲的是：原文在说 Cerebras 的融资、估值或上市进展，重点是金额、估值和市场影响。 这将筹集 $3.5 billion，并在高端估值下使公司市值达到 $26.6 billion。 关键数字：28 million、$115、$125。
证据翻译：这将筹集 $3.5 billion，并在高端估值下使公司市值达到 $26.6 billion。数字：28 million、$115、$125、$3.5 billion、$26.6 billion。名称：Cerebras Systems、IPO、Series、OpenAI、SpaceX。
原文短摘：这句话在说 Cerebras 的 IPO 进展。
真实性提示：已读取来源正文；标题核心词匹配度 71%；交叉来源 1 个。 评分 52.0，可信度 0.67。
8 / 18
这篇内容主要讲的是：Bret Taylor 正在进行 $950 million 的融资，并把投后估值推高到 $15 billion。 这条证据说明，融资消息是在 Sierra 披露收入快速增长之后出现的，其中提到年经常性收入达到 $100 million。
证据翻译：这条证据说明，融资消息是在 Sierra 披露收入快速增长之后出现的，其中提到年经常性收入达到 $100 million。数字：$950 million、$15 billion、$1 billion、40%、$100 million。名称：Bret Taylor、Sierra、Tiger Global、AI-powered、Fortune。
原文短摘：这句话在说 Sierra 的融资或估值进展。 句子里的数字是：$950 million、$15 billion。
真实性提示：已读取来源正文；标题核心词匹配度 50%；交叉来源 1 个。 评分 52.0，可信度 0.67。
9 / 18
这篇论文主要研究 Do Open-Loop Metrics Predict Closed-Loop Driving? A Cross-Benchmark Correlation Study of NAVSIM and Bench2Drive。 原文说，已有研究显示，传统开环指标与闭环驾驶得分之间没有可靠相关性。 原文说，现有最先进方法主要依靠文中描述的方式来提高性能，而这条新闻/论文提出了不同处理思路。 句子里的关键数字是：8 m。
证据翻译：原文说，已有研究显示，传统开环指标与闭环驾驶得分之间没有可靠相关性。数字：8 m。名称：Average Displacement Error、ADE、Final Displacement Error、FDE、NAVSIM。
原文短摘：这句话在说明 NAVSIM 这个核心内容。 句子里的数字是：8 m。
真实性提示：已读取来源正文；标题核心词匹配度 80%；交叉来源 1 个。 评分 50.2，可信度 0.76。
10 / 18
这篇论文主要讲 E$^2$DT：结合经验感知采样的高效 Decision Transformer，用于机器人操作。 该框架具有经验感知能力：它通过优先采样高回报、高不确定性和代表性不足的轨迹来提升效率，同时通过保持轨迹窗口多样性来提升效果。
证据翻译：该框架具有经验感知能力：它通过优先采样高回报、高不确定性和代表性不足的轨迹来提升效率，同时通过保持轨迹窗口多样性来提升效果。名称：Decision Transformer、DT-guided、Determinantal Point Process、Specifically、Abstract。
原文短摘：这句话在说明 Robotic Manipulation 这个核心内容。
真实性提示：已读取来源正文；标题核心词匹配度 100%；交叉来源 1 个。 评分 50.2，可信度 0.76。
11 / 18
这篇论文主要讲 VLBiMan：基于视觉语言锚定的一次示范方法，让双臂机器人操作具备更好的泛化能力。 作者介绍了 VLBiMan：一个框架，它通过任务感知分解，从单个人类示例中提取可复用技能；固定不变的基础动作作为锚点，再用视觉语言 grounding 动态调整可变部分。
证据翻译：作者介绍了 VLBiMan：一个框架，它通过任务感知分解，从单个人类示例中提取可复用技能；固定不变的基础动作作为锚点，再用视觉语言 grounding 动态调整可变部分。名称：VLBiMan、Moreover、Extensive、Abstract。
原文短摘：这句话在说明 Manipulation 这个核心内容。
真实性提示：已读取来源正文；标题核心词匹配度 60%；交叉来源 1 个。 评分 50.2，可信度 0.76。
12 / 18
这篇论文主要研究 VLAs are Confined yet Capable of Generalizing to Novel Instructions。 这句话举例说明：视觉-语言-动作模型可能完成部分子任务，但在组合成新指令时仍会失败，说明泛化能力有限。 关键数字：15%、83%。
证据翻译：这句话举例说明：视觉-语言-动作模型可能完成部分子任务，但在组合成新指令时仍会失败，说明泛化能力有限。数字：15%、83%。名称：Vision-language-action、VLAs、VLA、Concretely、LIBERO。
原文短摘：这句话在说明 VLAs 这个核心内容。
真实性提示：已读取来源正文；标题核心词匹配度 43%；交叉来源 1 个。 评分 50.2，可信度 0.76。
13 / 18
这篇论文主要研究 Energy-Efficient Multi-Robot Coverage Path Planning of Non-Convex Regions of Interests。 现有最小能耗覆盖规划算法通常使用元启发式的牛耕式工作空间分解。
证据翻译：现有最小能耗覆盖规划算法通常使用元启发式的牛耕式工作空间分解。名称：MRCPP、Regions、Interest、ROI、NFZ。
原文短摘：这句话在说明 Energy-Efficient Multi-Robot Coverage Path 这个核心内容。
真实性提示：已读取来源正文；标题核心词匹配度 75%；交叉来源 1 个。 评分 50.2，可信度 0.76。
14 / 18
这篇论文主要研究 Variable Elimination in Hybrid Factor Graphs for Discrete-Continuous Inference & Estimation。 作者提出了 Bayes；后文用这句话说明该方法/框架的技术作用和适用场景。 该方法首先构建一种新的混合高斯因子，用来连接离散变量和连续变量，并表示由离散变量决定的多个连续假设。
证据翻译：该方法首先构建一种新的混合高斯因子，用来连接离散变量和连续变量，并表示由离散变量决定的多个连续假设。名称：Many、Hybrid Factor Graphs、Bayes、Maximum、Posteriori。
原文短摘：这句话在说原文提出或介绍了 Variable Elimination。
真实性提示：已读取来源正文；标题核心词匹配度 75%；交叉来源 1 个。 评分 50.2，可信度 0.76。
15 / 18
这篇论文主要讲 MotuBrain：An Advanced 世界动作模型用于 Robot Control。 作者提出了 MotuBrain：统一的世界动作模型，在 UniDiffuser 形式下同时建模视频和动作，并使用三流 Mixture-of-Transformers 架构。 关键数字：95.8%、96.1%。
证据翻译：作者提出了 MotuBrain：统一的世界动作模型，在 UniDiffuser 形式下同时建模视频和动作，并使用三流 Mixture-of-Transformers 架构。数字：95.8%、96.1%。名称：Vision-Language-Action、VLA、MotuBrain、World Action Model、UniDiffuser。
原文短摘：这句话在说明 MotuBrain 这个核心内容。
真实性提示：已读取来源正文；标题核心词匹配度 86%；交叉来源 1 个。 评分 50.2，可信度 0.76。
16 / 18
这篇论文主要研究 Value Explicit Pretraining for Learning Transferable Representations。 作者提出了 \textit{Value Explicit Pretraining} (VEP)：一个方法，它 learns generalizable representations 用于 transfer reinforcement learning。 VEP 通过学习一个编码器，让表示对环境动态和外观变化保持不变，从而更高效地学习目标相似的新任务。
证据翻译：VEP 通过学习一个编码器，让表示对环境动态和外观变化保持不变，从而更高效地学习目标相似的新任务。名称：Understanding、Value Explicit Pretraining、VEP、Monte Carlo、Experiments。
原文短摘：这句话在说原文提出或介绍了 Value Explicit Pretraining。
真实性提示：已读取来源正文；标题核心词匹配度 83%；交叉来源 1 个。 评分 50.2，可信度 0.76。
17 / 18
Feed 标题显示这条新闻的核心是：GSDrive: Reinforcing Driving Policies by Multi-mode Trajectory Probing with 3D Gaussian Splatting Environment。
正文尚未读取成功；feed 只提供了 arXiv 编号或更新类型，因此暂时没有可翻译的论文证据句。
正文读取步骤尚未覆盖本条；可信度 0.76，评分 50.2。
18 / 18
Feed 标题显示这条新闻的核心是：Learning while Deploying: Fleet-Scale Reinforcement Learning for Generalist Robot Policies。
正文尚未读取成功；feed 只提供了 arXiv 编号或更新类型，因此暂时没有可翻译的论文证据句。
正文读取步骤尚未覆盖本条；可信度 0.76，评分 50.2。