标签
本文提出了一种用于机械故障检测的对抗逆向强化学习框架，该框架从正常运行数据中学习健康奖励，无需故障标签，在多个基准测试中实现了一致的检测性能。
RobustMAD 引入了一个基准，用于评估多模态小语言模型在实际部署的工业异常检测助手中的鲁棒性。它揭示了关键的失败模式，并为下一代系统提供了指导。
Soofi 推出了 Soofi S，这是一个拥有300亿参数的混合专家开源基础模型，在27万亿个token上训练，面向德语和英语的工业AI应用。该模型是欧洲主权AI计划的一部分。
Applied Computing 是一家总部位于伦敦的初创公司，为其Orbital项目筹集了2000万美元。Orbital是一个用于石油、天然气和石化工厂的基础AI模型，结合了时间序列、物理学和语言模型，用于分析传感器数据并模拟操作，旨在帮助运营商更有效地利用数据。
提出ROAM框架，利用大型语言模型的世界知识与推理能力，在不重新训练的情况下将冻结的专业模型适配到未见场景，平均绝对误差（MAE）降低超过20%，且额外开销极低。
本文探讨了伍德赛德能源如何在十多年间将AI整合到其工业运营中，从预测分析过渡到智能体系统（如用于液化天然气工厂启动的“启动顾问”辅助系统），旨在实现自主企业。
提出一种新框架，结合主动学习、掩码重构与极小极大策略，以改进无监督时间序列异常检测。在28个测试案例中，相较于基线模型，AUC提升12.39%。
Forgis Labs 提出了一系列针对工业场景中时间序列传感器数据的基础模型，已有五篇论文被 ICML 2026 研讨会接收，能够从原始传感器流实现事件预测和自然语言解释。
分析15家提供物理AI基础设施的关键公司（包括NVIDIA），它们正在塑造AI在工厂、仓库及其他物理环境中的下一阶段发展。
FactoryLLM是一个开源AI试验场，用于评估智能工厂故障诊断中基于LLM的RAG模型，支持本地LLM和双重评估指标。一项包含三个LLM的案例研究显示，在来自600页跨机器文档的30个维护查询中，接地性得分均超过0.88。
本文提出一个框架，将表格基础模型应用于工业时间序列的预测与健康管理，在多个PHM任务上展示了强大的性能和高效的数据利用率。
DMAIC-IAD 是一个多智能体大语言模型系统，其设计灵感来源于 DMAIC 质量管理框架，专为工业异常检测而构建。该系统采用"先规划、后判断"的方法，通过标准化操作流程制定检测策略，并利用无需执行的裁判模型对策略进行排序，在四种数据模态上相较于智能体基线实现了 37.76% 的性能提升。
NVIDIA 发布工厂运营蓝图 (FOX)，这是一项参考设计，用于构建能够集成实时数据、自动化模型训练并编排专用代理的自主工厂管理 AI 代理，已获多家主要制造商早期采用。
本文介绍了一个用于工业检测中持续异常检测的统一基准，解决了不现实的评估和边缘部署约束问题，并提出了DINOSaur，一种无需训练的方法，在边缘硬件上以零遗忘和低于100毫秒的推理速度优于现有方法。
本文提出MODIAD，一种面向多模态在线分布式工业异常检测的框架，通过多类智能调度问题和资源高效类级低秩自适应（REC-LoRA）策略解决资源约束问题。在MVTec 3D-AD和Eyecandies数据集上的实验展示了卓越的性能和效率。
Mistral AI 收购 Emmi AI，旨在打造工业工程领域领先的AI技术栈，通过整合Mistral平台与Emmi的物理AI模型，加速能源、汽车和航空航天等行业的仿真与工程工作流程。
本文介绍了 IndustryBench，这是一个针对中文工业采购问答的大语言模型基准测试，以国家标准为参照评估模型表现，突显了安全合规方面的差距。研究揭示，在考虑安全违规的情况下，扩展推理往往会导致安全调整后的评分降低，并改变模型的排名。
MachinaCheck 是一个构建于 AMD MI300X 硬件之上的多智能体 AI 系统，它利用 Qwen 2.5 7B 模型，实现了对 STEP 文件的 CNC 可制造性分析的自动化。
NVIDIA 及其合作伙伴正在 2026 年汉诺威工博会上展示 AI 驱动的制造解决方案，包括主权 AI 基础设施和数字孪生。