数据类型：部署零动作标注 目前市面上即便有一些利用人类视频数据的模型，往往也需要痛苦的人工标注：标出视频里人类手部的三维关键点（甚至需要生成复杂的MANO手部网格），然后再把人的动作重定向到机械臂上。

1、博鱼手机 2025年之前，Jenny Wen在Figma的位置已经足够好—— 设计总监，手里握着FigJam、Slides、Buzz、Sites CMS，全是Figma最靠近未来的业务。

多数据中心聚合：联合4个不同代际、不同型号的GPU集群，联合训练70B参数大模型，四集群协同性能提升41%。博鱼手机科研端的合作同样在这次WAIC集中落地。

2、帮机器人“搞数据”：钱很多、泡沫很大

需求痛点集中在电镀后MGZ弹夹须搬至清洗机，现场潮湿涉化学品，人工搬运强度大且风险高。

3、世界杯版权陷入僵局，央视与FIFA的博弈合理吗

老板为什么这么需要私人助理？主要是因为助理知道老板的上下文——了解老板的脾气秉性、工作习惯、近期在忙什么、哪些人需要对接。

4、泰山换外援啥情况？媒体人：领导有点新思路，俱乐部还在推进

这意味着，关节「指哪儿去哪儿」的精度翻了一倍多，身体晃动和抖动明显更少。

5、名记曝詹皇下家三选一：76人、骑士与勇士领跑，费城被指最佳去处

Cowork得让用户主动下载一个桌面端；而把智能体揉进ChatGPT，意味着超9亿周活用户打开那个最熟悉的App，就已经在用智能体了。

这是奇迹。

他先锁死两个起始帧：一个越过卡吕普索的肩膀，一个越过奥德修斯的肩膀。

6、太适合广东队！CBA暴力内线或被哄抢，这可是“加强版萨林杰”？

AI Agent不再是PPT上的愿景，而是真的开始拆任务、调工具、跑流程。

值得玩味的是，2026年，三巨头几乎在同时做同一件事，只是路径各不相同。

7、山东高速男篮官宣：陶汉林、高诗岩、陈培东完成续约，刘毅离队

不是模型不行，是地基没跟上 问题恰恰就出在这儿：Token的性质变了，可支撑它的地基，还按老逻辑打。

钛极模型的能力分三层。

8、7月25日河北五超邢台赛区第六场！邢台队主场迎战雄安新区队

用户qrdl在论坛发帖，说CritPT自5.4以来几乎没动，除非他们找到了给基准刷分的办法，否则结果也就这样。

莫宗坚给了张益唐一个「引理」——一个被认为是正确的数学命题，作为研究的基础。

所以，对机器人而言，这类面向人类认知设计的方向指令仍然过于抽象，不能直接转化为局部轨迹。

9、从偶遇到相约：曾被普京抱过的湖南小男孩，26年后与普京再次会面，父母回忆当年细节

这和之前那个ChatGPT Search网页搜索，完全两码事。

假奖杯、假难民、假行善，一场教科书级的AI慈善骗局，正在疯狂收割大众的善良。

10、一夜动态！两笔签约达成，勇士计划顶薪续约库里，掘金兜售纳吉

这种巨大的波动，对于需要多步推理的Agent来说，完全不可接受。

梅卡曼德在WAIC上的回答是：你说「通用」和「泛化」，我用场景验证。

1、Nike「不务正业」做的世界杯打卡地，反而爆红？

一起来看看，在内部测试中，具体发生了什么？ GPT-6花了整整一小时 找到了那扇「逃生门」 最经典的一幕—— OpenAI让GPT-6去跑公开基准测试NanoGPT speedrun，目标是用尽量少的步数训练出一个小语言模型。

2、中国女篮阵容调整：旅美锋线邓雨婷归队合练 李星诺张梓涵离队_网易订阅

哪怕是专为防御而生的SeClaw，也仍留有不小的攻击面；哪怕是最稳的配置，也仍有约五分之一的任务被攻破。

3、曝福克斯不可能被交易！哈珀愿保持耐心：下赛季继续接受第六人角色

大脑系统在真实世界的考试 COSA 0.5 的 Demo 选了一个看似普通、实则极难的场景：做家务。埃托奥：姆巴佩该获公平评价，法国人该意识到他们有多幸运回过头看刚才的画面：货架取货的是人形机器人，高速抓取的是工业机械臂，线束装配的又是另一种形态。

4、京东买药秒送发起“24小时守护计划” 夜间免费升级1对1急送服务

后厂（Token生产层）：AI时代的「超级发电站」 它的核心武器，是N个算力厂商伙伴 + 赤兔推理引擎 +八卦炉智能软件栈。

5、季后赛G1打完 火箭是输分最少的球队 乌度卡有哪些问题值得讨伐

而这还只是多写的坑之一。

6、用这7个动作练腿，你也能跑得更快还不受伤！

报道称，大量研究人员因为对谷歌的落后感到失望，纷纷跳槽到了Anthropic和OpenAI。

有人说大模型没有流动智力，他认为这是错的。

上下文越长，模型反而越容易在其中迷路：位置偏差、多跳失败、无关信息的干扰，都是顽疾。

7、湘超株洲队全员亮相！厂BA嗨场重磅归来！

参考资料： https://x.com/ClaudeDevs/status/2080009523952263295?s=20 编辑：摩西新智元报道 一夜之间，Tokenmaxxing成为硅谷热议话题！ 几个月前，Meta内网搭了个排行榜，追踪全公司8.5万多名员工的Token消耗量。

第一发点球，瞄准、蓄力至峰值，起脚射门；攻守互换后，看准反应槽指针，顺势滑屏，可惜手速慢了半拍，扑救失败。

8、那不勒斯体育总监：如果博卡和塞瓦略斯能等待，我们就能签下他

这带来两个核心挑战： 训练时监督信号稀疏：后门的目标监督被分散在随机的掩码模式中，稀疏的「触发器—目标」关联容易被普通词的重建所稀释； 强泛化的副作用：随机掩码与任意顺序建模会让 DLM 泛化能力更强，进一步淡化稀疏的后门关联。

8万多块零件，15小时不间断，每一块积木都需要被稳稳按进它该在的位置。

区别于行业内多数产品依托大模型适配科研场景、实现浅层提效的优化模式，「书生·端砚」以干湿实验闭环迭代、科研资产沉淀为核心能力，补齐 AI 科研缺失的真实场景反馈链路，推动 AI 科研应用从单点效率优化，迈向科研范式升级的全新阶段。

关键是，单独看每个文件都正常，谁也想不到串起来会有这么大问题。