模型越强越不安全：RoboHarm 实测震动具身智能圈

OmniMimic: Dynamics-completed Motion Augmentation for Multi-style Omnidirectional Quadruped Locomotion [arXiv]

OmniMimic：面向多风格全向四足运动的动力学补全动作增强

Sheng Wu, Guoqiang Zhao, Zhe Yang et al.

动物演示能教四足机器人走出自然的步态风格，但方向覆盖太窄。本文用动力学补全把方向受限的演示扩展成覆盖后向/侧向/转向的多步态统一策略，从「会走」走向「全方位会走」。

Can 4D Foundation Models Remember? [arXiv]

4D 基础模型能记住它们看过的世界吗

Guangzhao He, Hadar Averbuch-Elor, Wei-Chiu Ma

可控视频与 4D 重建模型能感知和重建动态环境，但「记得住吗」是另一回事。本文跳出像素级指标，从语义层面评测 4D 基础模型的记忆能力，为具身记忆系统补上一块评估拼图——与 RoboHarm 同属「先量出来再谈安全」的思路。

When Does the Public Become Suspicious of Bots? Demand-Side Evidence from Botometer Query Logs [arXiv]

公众何时开始怀疑机器人账号？来自 Botometer 查询日志的需求侧证据

Tuğrulcan Elmas

用 Botometer 服务端超 100 万次查询记录（2020-2023）加 32 亿条推文，把「怀疑账号是机器人」变成可研究的行为信号：人们怀疑谁、何时怀疑、怀疑之后做了什么。治理研究难得的「需求侧」视角——监管框架之外，公众自发的信任校准同样是 AI 治理的底座。

Artificial intelligence in clinical trials - state of the evidence, gaps, and next steps [PubMed]

临床试验中的人工智能：证据现状、缺口与下一步

EClinicalMedicine

系统梳理 AI 在临床试验全流程中的证据版图：哪些环节已站稳（患者筛选、数据质控），哪些仍是空白（终点定义、监管路径）。对器械/药企注册人，这是设计 AI 相关临床评价时少有的全景地图。

An AI-Based Preoperative Planning System for High Tibial Osteotomy Significantly Enhances Planning Speed With Comparable Accuracy to Surgeons [PubMed]

AI 胫骨高位截骨术前规划系统：速度显著提升，准确率与外科医生相当

Arthroscopy (2026-09-19)

骨科 AI 规划的头对头证据：AI 系统把 HTO 术前规划时间大幅缩短，准确率与外科医生相当。「提速不降准」正是手术机器人与导航类产品注册叙事的核心支点。

Machine Learning Prediction and Causal Forest Analysis of Severe Acute Kidney Injury in ICU Patients with COPD: A MIMIC-IV Study [PubMed]

ICU 慢阻肺患者重症急性肾损伤的机器学习预测与因果森林分析（MIMIC-IV）

Int J COPD

预测之外更进一步：用因果森林在 MIMIC-IV 上识别哪些 COPD 患者亚群真正受益于干预，把「预测谁会恶化」推进到「谁能被改变」。预测+因果推断的组合正成为临床 ML 的标准配置。

Unsupervised Machine Learning of Intrapancreatic Fat Deposition Reveals Distinct Clinical Phenotypes: A CT Study [PubMed]

无监督学习揭示胰腺脂肪沉积的独立临床表型：CT 研究

Diabetes Metab Syndr Obes

不预设标签，让 CT 影像里的胰腺脂肪分布自己「分型」，再回看各表型的代谢差异。从影像表型到临床意义的无监督路径，是影像 AI 从「找病灶」升级到「定表型」的缩影。

User Needs for an AI-Empowered Basic Activities of Daily Living Training System After Stroke: A Qualitative Study [PubMed]

卒中后 AI 日常生活能力训练系统的用户需求：质性研究

J Multidiscip Healthc

罕见地站在患者/治疗师视角做需求挖掘：康复场景里 AI 该补什么位、用户在意什么。对所有做数字疗法的团队，这是「技术先行」之外的清醒剂。

Spacetime Dynamics of Altermagnetic Magnons [arXiv]

交错磁激子的时空动力学

Ali Emami Kopaei, Karthik S. Eswaran, Krzysztof Wohlfeld et al.

区分交错磁与常规铁磁/反铁磁通常靠动量空间探针，本文证明局域自旋激发在实空间的扩散行为本身就是交错磁序的独特动力学指纹。对下一代自旋电子学器件，多了一个便宜好用的判据。

First-principles theory of phonon renormalization from nonlinear electron-phonon interactions [arXiv]

非线性电声相互作用引起声子重整化的第一性原理理论

Florian Kluibenschedl, Matthew Houtput, Jacques Tempere et al.

电声耦合通常只算到线性阶，本文补上非线性项对声子频率与寿命的重整化理论，并给出第一性原理计算路径。超导与热输运模拟里被长期忽略的一块拼图。

Environment Alignment and Redundant Record Formation in Imperfect-CNOT Quantum Darwinism [arXiv]

不完美 CNOT 量子达尔文主义中的环境对齐与冗余记录形成

Aleksander Lasek, Paweł Horodecki et al.

量子达尔文主义用「环境冗余记录」解释客观信息的涌现。本文系统刻画制备方式、相互作用角与场无序如何共同决定不完美 CNOT 模型中冗余记录的形成条件——量子信息基础的经典议题再推进。

Parallel quantum channel discrimination and numerical ranges in tensor product subspaces [arXiv]

并行量子信道判别与张量积子空间的数值域

Adam Bílek, Paulina Lewandowska, Ryszard Kukulski et al.

针对「完美判别」量子信道的并行方案，给出 SDP+二分法的线性时间求解构造。对量子密码协议安全性证明是顺手好用的工具型结果。

Neural noise enables accurate internal simulation of rare events [arXiv]

神经噪声让稀有事件的内部模拟变得准确

Heng Zhang, Pawel Herman, Zenas C. Chao

有限经验下估计稀有事件频率是大脑的难题，本文证明神经噪声恰恰是解：噪声让内部模型对罕见事件保持正确的覆盖。为「噪声是 bug」的工程直觉提供了一次脑科学反转。

Learning Options for Compositional Motor Control with Adapter Banks [arXiv]

用适配器库学习组合式运动控制的选项

Sreejan Kumar, Marcelo Mattar, Lea Duncker et al.

把神经科学「运动基元=共享循环网络的低秩扰动」理论翻译成可端到端学习的架构：共享循环核+适配器库。理论与工程互喂的样板，对机器人技能学习与 BCI 控制都有启发。

Embedding Models Measure in Peculiar Ways [arXiv]

嵌入模型以一种怪异的方式做度量

Juri Opitz, Andrianos Michail

质量、距离、时间、体积这些有客观标准答案的物理量，在 embedding 空间里只有弱相关，还出现系统性怪异模式。给所有「语义相似度」应用泼的一盆冷静冷水——检索、RAG、聚类都该重新审视度量假设。