小浣熊带动超两千万用户运转，周活三百万，八千家企业客户接入，并已裂变出教育、政数、金融等行业版本。

1、yoboo手机版 评测越准，路由效果就越好；体验越好，客户的真实调用请求就越大；而庞大的真实调用数据回流，又让AI Ping的评测更准。

DA-Nav空间落点机制简单来说，模型不再凭空「画出一条路」，而是在自己看到的场景中连续指出：下一步走这里，再走这里。yoboo手机版银河通用以破局者的姿态，提出WAM（世界-动作模型），将懂物理的世界模型与懂执行的动作模型在潜空间统一。

2、蒋臻骅说天下｜从内陆腹地到亚太前沿：成都借APEC数字周联通全球数字未来

结果，AI省下的那点时间，最后全砸在检查和返工上。

3、朗斯转会：迈克·纳夫罗茨基加盟，等待奥比斯波加强后防线

页面现在能在有人打开它的时候，去调MCP连接器，连上当下的实时数据。

4、特朗普坐在放弹玻璃里观看世界杯决赛！轻抚冠军奖杯 笑容满面

今天，64个智能体花1小时能解决50年的图论猜想。

5、用世界模型给VLA当教练，原力灵机发布DW0.5，把RL搬进虚拟世界

慈善女神，狂吸300万粉 Lily Jay，一位澳大利亚网红。

如果要让模型记住历史画面，计算量会呈指数级爆炸。

网友们兴奋地疯狂转发，所有人都在问同一个问题：「中国AI已经强到这个地步了吗？」 然而，狂欢仅仅持续了几个小时，一场反转让所有围观者惊掉了下巴。

6、浙江队逆转武汉三镇：绝杀与反绝杀的反转，卡内达应该谢谢邓卓翔

但更难的问题随之而来：模型都有了，怎么让它们在企业里跑得又快、又省、又安全？ 真实的现场比想象中更乱。

用软件的人和做软件的人，那条线开始模糊了。

7、6队16人！正式达成！NBA历史第二次

积木是道具，能力是真的。

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。

8、人事调整持续，宏利基金总经理或将“交棒”

也就是说，机器人不光要会动手，还得说得清自己为什么这么动。

局部动态越强，固定保留长时间上下文的收益越有限；而在回访阶段，去噪过程相邻步骤更稳定，也更适合缓存复用。

春华秋实，林繁果硕。

9、7连板大牛股尾盘炸板

从实验结果看，PolicyTrim并不是只优化benchmark指标：在物理机器人上，任务完成时间也能缩短到baseline的一半左右，并且在动态干扰场景中保持鲁棒性。

他们却在最需要看清楚的那一刻，被AI的门禁挡住了。

10、中昊芯英“须臾®”亮相WAIC分论坛

产品设计重点不是单项参数叠加，而是围绕连续运行、控制一致性、系统协同与真实任务完成能力进行综合平衡。

开篇那个站会的例子，就是这么来的：Claude跟着调查一路往前推，同一个页面被一次次刷新。

1、读懂增持回购背后的信心

基金会声称，自去年9月以来，它一直在尼泊尔、加沙、乌干达、苏丹四地行善：建清真寺、发食物、办教育。

2、牵出银行大案！失联9个月的千亿“烂尾楼王”，这次跑不掉了…

每年7月，世界人工智能大会（WAIC）在上海启幕，作为全球瞩目的产业创新窗口，它让成熟方案同台亮相，在此汇聚人工智能与具身智能的产业高度，凝聚方向共识。

3、被建筑学“劝退”的王虹，拿了数学界诺贝尔奖！

直接套用通用稀疏注意力，收益很容易被数据重排、gather/scatter、layout conversion和padding等周边开销抵消。网友反映重庆轨道10号线有人车厢内吸烟，当地同日刚公布一起轨道交通内吸烟被罚案件」 「中国似乎正在以肉眼可见的速度，迅速抹去美国在先进AI领域的领先优势。

4、米体：米兰将签约Boggi，结束与Off-White合作

迟到的不是这个搜索框，而是整个行业的一次重新认知： 你和AI一起攒下的那批数据，才最值钱。

5、做个小程序，长期总成本到底要多少？

例如，中国科学院上海药物所与浙大组成的「可以的」团队，围绕蛋白质构象系综生成任务研发MidSummer自治科研智能体。

6、中卫沙坡头区2026年中卫硒砂瓜直营门店公示表

参考资料： https://x.com/itsolelehmann/status/2069897627794284606 编辑：Aeneas

特纳以为，整个AI学术界终于要站在一起，给谷歌和五角大楼施加舆论压力了。

我有信心，化解AI相关的技术风险，是我们能够共同应对的挑战。

7、“扔了可惜，留着没用”，6种正在消失的家电，你家还占了几样？

然而，在经过一系列繁琐且无效的内部沟通后，特纳做出了一个大胆的决定：直接给谷歌DeepMind CEO Demis Hassabis发私信。

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、李飞飞学生发起国际具身人类数据标准，光轮智能成唯一参与中国企业

大规模强化学习，让AI自己学会「怎么干」 监督微调能让模型照着范文抄，可一碰到没见过的报错和意外反馈就发懵。

对于游戏模拟、虚拟场景探索、机器人和具身智能训练等应用场景，推理延迟和显存成本是能否走向实际使用的关键门槛。

五角大楼的「霸王条款」 Turner的愤怒，源于真实的事件。

根据官方的实测，大刀阔斧精简提示后，评分反涨10%到15%，token被砍掉41%到66%，成本骤降三分之一到三分之二。