它只是切下了「智能」的一个薄片，然后告诉你，这一片有多亮。

1、米兰体育 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。

贪心多塞一句，AI当场「精神分裂」 GPT-5.6对提示的执行严到什么地步？ 你敲下去的每句话它都认账，包括你无意写下的自相矛盾那两句——这边刚要它「答得详尽」，转头又叮嘱「尽量简短」。米兰体育主流大模型的科研任务完成率在 3% 左右，在 NatureBench 涵盖的 90 项顶级真实科研任务，最优智能体能超越原始论文成果的比例为 17.8%。

2、1位恒大足校学子圆梦！罗龙，成功保研清华体育硕士

致命的危险——当Gemini成为军方的「黑盒」 抛开道德谴责，特纳作为一名前沿AI研究员，指出一个极其恐怖的技术安全风险。

3、遛娃冲！孝感口袋公园太好逛~

参考资料： https://x.com/maxforai/status/2078767321603342656?s=46&t=kUmE9xDZxjY1kLbL84hhYQ 编辑：Aeneas新智元报道 一名顶尖实验室的材料研究员，最无力的瞬间，从来不是想不出创新思路，而是 AI 一天推演上百种新配方，人工实验一年测不完； 最可惜的损耗，不是实验本身的失败，而是随着项目结束、人员更迭导致数据、经验、参数未能有效存留，让下次的研究需要重复起步、反复试错。

4、2026年7月心理学课程合集

生成智能构建物理世界的内在表征，物理智能掌握物理因果、推演平行世界，认知智能负责复杂逻辑推理与长程任务分解。

5、煎药有讲究

整个过程中，LLM不会新增任何学术评价，也不会参与录用决策，更不会替代领域主席（AC）或程序委员会（PC）的判断。

智能体会陷入一种「看似有进展、实则原地打转」的死循环：反复去改同一个文件，却始终跑不出一个新的通过测试。

实验结果 论文在LIBERO、ManiSkill、Meta-World以及真实机器人任务上验证了PolicyTrim，并覆盖π0.5、OpenVLA-OFT、GR00T等不同VLA架构。

6、墨西哥与南非主裁强硬执法设下世界杯基调，国际足联不选欧洲哨？

报告高频出现的一个关键词是：智能体失配（agentic misalignment），意思是在特定的模拟任务里，它的策略跑偏了，和人类要的目标对不上。

WAM-TTT用最干净、最直接的像素流，实现了真正的零标注成本。

7、外滩迎来一道彩虹！这是风雨中众志成城携手努力后的最美天空！

这就是物理智能和文本智能最大的不同：答题，打完字就结束；干活，只有瓶子真拿到、工件真放准、插头真插进，才算完成。

轨迹对齐层：不学人的节奏，只学任务的规律 机器人的训练数据来自人类遥操作。

8、比宏光MINIEV可爱，8马力/续航75公里，菲亚特Topolino西班牙上市

对自回归视频生成来说，稀疏策略本身不足以保证速度提升，KV布局、算子融合、访存路径和数据搬运都会直接影响实际延迟。

而AGX平台的第一个实体，就是那台桌面级超算——AGX Station。

这或许是这场荒诞实验中，唯一令人感到欣慰的事。

9、输球输人！阿根廷全队赛后失控，集体无视规定遭全网痛批

但未来尚未写就。

在万拿机器人的技术体系中，底层执行器决定关节输出与长期运行能力，机械结构决定动作边界，嵌入式系统决定实时控制与运行安全，上层算法决定抓取策略与任务表现。

10、法国VS西班牙：王牌铁腰回归，拜仁妖人领衔进攻线，当家巨星冲锋

从而让推理有了证据支撑，而不再停留在「凭语感接话」的层面，可解释性也随之提升。

AI顶会热度持续走高，海量稿件涌入的背后，同行评审体系长期存在的痛点被无限放大。

1、Meiinpsn的穿衣风格，清新又叛逆

所以你的AI助手想了解你？它可能连你上周开了几个会都记不全。

2、大厂肉搏WAIC：阿里、腾讯当面对擂，智能体入口卡位战全线开打

硬件是躯体，真正决定这场挑战成败的，是那颗共享的大脑。

3、自己挖坑埋自己的白天辉！

方法在推理阶段动态选择上下文，按状态启用去噪缓存，并用软硬件协同的3D稀疏注意力加速剩余计算。神经病和精神病不是一种病？关于精神分裂症，我们一直误解太多对此，「星火Token Factory」给的答案是全链路可观测。

4、盘锦市防汛应急响应提升至二级

正是依靠该机制，智能体在比赛中复盘多次动力学模拟的失败后，自主识别出问题不在主链构象，而在全原子侧链冲突，于是将优化重点转向侧链物理修复。

5、太凉快！今天，无锡这里都是人！

打个比方，你在做一个交易系统的账单导出功能，AI用Runtime.getRuntime().exec()调用系统命令，才生成一行代码，就被第一层标记出来了。

6、为什么讨好型人格，一旦停止内耗，反而多了一份体面的第二职业？

这也点破了单纯扩参难以落地的症结：现有Scaling Law聚焦海量文本语料的语言与知识拟合，但材料原子建模需要的空间理解、几何规划与物理约束行动能力，在公开数据中极度缺少 「操作指令 — 坐标变化」 的高质量成对训练样本，很难仅靠语言规模扩张自然补齐。

要追求敏捷，就不得不忍受裸奔的风险；要追求绝对的安全，开发流程就会变得臃肿、滞后而痛苦。

换句话说，未来企业竞争的，不再只是模型能力，而是AI运营能力。

7、非洲球队集体告别世界杯的背后：四点原因使然

一个观众随手在点餐台下了单。

马斯克骂得直接：诺兰「亵渎」了荷马史诗，为了冲奥斯卡硬塞选角，把古希腊史诗拍成了好莱坞的多元化样板戏。

8、在延庆乡村，遇见美术馆——

六台机器人，没有总指挥 再看阵容。

这种现象的逻辑，其实都藏在资本的周期里。

如果一家大型国央企为了避免被单一厂商「卡脖子」，同时采购了多款国产显卡，找其他大厂做纳管和推理优化，对方是不会尽心适配其他竞品的。

灵犀要做的，就是把这个「软件侧的记忆」做到极致。