蚂蚁灵波开源 LingBot-Touch，将磁触觉、视触觉和压阻式触觉信号统一编码为触觉 Token，供不同灵巧手和动作模型使用。其轻量版 LingBot-Touch-Tiny 约 532万参数，技术报告、代码和模型权重均已公开；接入后，π0.5 在 XHand 的 6 项任务上平均成功率由直接输入原始触觉信号时的 48.00% 提升至 74.17%。
推荐理由：文章拆解了触觉信号接入动作模型后反而降效的原因，并给出跨传感器统一表征的验证结果与开源入口。
Co-Design Bench 基于真实用户变更需求测试编码智能体，10 个模型中仅 GPT-6 Astra 能在 26.4% 的任务中完全正确完成。该模型平均满足约 70% 的要求，但在多模态任务和代码库任务中的完全解决率分别只有 41% 和略低于 18%；同一模型在不同 harness 中的得分也明显不同，作者建议同时报告模型与工作环境。
谷歌发布 Nature 论文，提出无需袖带校准的 AI-PPG-ACC-HTN 多模态 AI 系统，可利用普通消费级智能手表被动识别持续性高血压状态。研究基于超 49 万小时无标注数据训练，并在全美 5 个临床中心对 196 名受试者开展前瞻性试验；初筛灵敏度为 65.8%，对初筛偏高人群进行确诊性检测时，阳性预测值达 96.7%、特异度达 90.9%、灵敏度达 78.4%。
Google Research 的 AI 可利用普通智能手表识别高血压迹象，无需用血压袖带校准，并已将相关方法纳入 Google Health 应用的血压趋势功能。研究使用近 500,000 小时传感器数据训练神经网络，在美国 5 个研究点的 196 人研究中识别出 65.8% 的高血压患者，标准诊室测量为 55.3%；该方法仍属研究项目，不能替代诊断。
上海交通大学副教授邓志杰在 CNCC 2026 讲解扩散语言模型如何在保证生成质量的同时提升速度，并介绍跨块并行、后训练和推理系统优化等方法。文中涉及 LLaDA、Dream、D2F、MultiBD、CForce、LightningRL、Fast-dLLM 和 LoPA 等路线，以及流式视频、语音修复、多模态和智能体应用探索。
Google Research 发布 Agile Deliberation 框架，通过人机协作方式界定“健康食品”“付费游戏诱导”等主观概念及其边界。
Anthropic 借助 Claude 首次解析出由 96 个相同蛋白组成的原核生物 Vault 三维结构，其中噬菌体来源的 L05 颗粒分辨率达 3.2 埃。
Benjamin Skuse 用免费 ChatGPT 和 Gemini 生成未经实施的论文并尝试向 IEEE Access 投稿，论文因多条幻觉引文被识别。随后他使用 FARS 在 21 分钟内形成研究提案，并于次日完成实验、用 2 小时生成投稿稿件，但大量引用预印本和图中异常文字仍导致拒稿。