创业 11 年沈亚楠的非共识：恩戈罗机器人第一步就要进家庭
沈亚楠创立具身公司恩戈罗（NGORO），第一款机器人放弃双足和拟人造型，用轮式底盘、最小转弯半径 30cm，第一批产品做洗衣、房屋清洁、物品归位与递送，2027 年将作为栖息地智能住宅标配交付真实用户，首批约 2000 台。他判断家庭是最接近通用也最难的场景，恩戈罗要借栖息地的半结构化住宅与仿真、真机数据先启动数据飞轮。
#数据/训练
#数据/训练
今日 42 条晚点LatePostAI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 甲子光年AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 电力成算力新约束，华为如何用“源网荷储AIDC”解题
华为数字能源首次公布源网荷储AIDC解决方案，围绕“3+1”创新重构，目标是让每一瓦特产出更多Token。方案包括MIMO供电架构、泰山UPS（单柜1280kVA、双变换效率最高98%）、恒山直流UPS（支持270V/400V/800V）和SmartLi 5.0、LUNA2000多层混合储能。商汤项目采用工厂预制与室外部署，45天完成18MW供配电系统全流程交付。
阿里技术AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里巴巴首发 RoboFlywheel 具身数据基础设施，百万级仿真资产开源
阿里巴巴在云栖大会上发布开放具身数据基础设施项目 RoboFlywheel，首发的仿真板块与清华大学赵昊团队联合打造，覆盖百万级仿真资产底座与跨引擎仿真平台。首批包含 52 万刚体、40 万铰链物体和 10 万柔性体，资产补充质量、惯量、摩擦与关节等物理属性。
袋鼠帝AI客栈AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 逛完云栖大会，看阿里的AI野心：从Qwen新模型到真武V900芯片
阿里云栖大会透露，Qwen将训练5-10T参数新模型，平头哥发布真武V900芯片，性能是M890的3倍、单集群可扩至50万卡；阿里云计划到2032年达到20GW规模，吴泳铭在演讲中判断机器思考总量未来将是人类的1000倍以上。作者还测评了阿里AI硬件QwenNote Eva，并推荐了开源的《魔搭紫皮书》。
快手技术AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 快手探索者LLM-Rec挑战赛决赛收官：新加坡国立大学队伍“菊花梨高智商推荐”夺冠
快手与ACM SIGIR 2026合作举办的快手探索者LLM-Rec挑战赛在北京完成线下决赛，新加坡国立大学队伍“菊花梨高智商推荐”以复赛第一、决赛第一夺得总冠军并获40万元奖金。赛事从全球231所院校、1205支队伍中选出20支队伍，围绕快手OneReason预训练基础模型探索大模型与推荐系统的融合，赛事总奖金池达99万元，决赛前20名可免笔试直入快手算法终面。
经纬创投AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 华超神控完成2亿元Pre-A轮融资，红杉中国与云启资本联合领投
非侵入 AI 脑机接口公司华超神控（BCI-Sonics）完成2亿元人民币 Pre-A 轮融资，由红杉中国与云启资本联合领投，老股东经纬创投持续加注，成立至今累计融资近3亿元。
Hunyuan(@TXhunyuan)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元研究：LLM 强化学习批次规模扩展，PPO 生成吞吐提升至 2.29 倍
腾讯混元（Hunyuan）将经典临界批次规模理论扩展到在线 LLM 强化学习，在 GRPO 和 PPO 上发现，重调学习率可在一定批次规模范围内保持每条回复的学习效果。在固定硬件下，扩大批次规模使 PPO 生成阶段吞吐最高提升 2.29 倍，其最佳 GRPO 配置则以少 29% 的时间达到相同验证目标。
Hunyuan(@TXhunyuan)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元研究：LLM 强化学习批大小与训练效率新发现
腾讯混元（Hunyuan）将经典临界批大小理论扩展至在线 LLM 强化学习，在 GRPO 和 PPO 上发现，重新调整学习率可在一定批大小范围内保持每个响应的学习效果。在固定硬件上，扩大批大小使 PPO 生成阶段吞吐量最高提升 2.29×，最佳 GRPO 配置以少 29% 的时间达到相同验证目标。
Modal BlogAI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Modal 发布 Quail 推理引擎，把 AI-SQL 查询规划与推理引擎联合优化
Modal 发布面向 AI-SQL 的推理引擎 Quail，将 SQL 查询规划与推理执行联合优化，在单条多表连接查询上达到每 H100 GPU 每分钟处理超 10 亿 token，比同硬件的 vLLM 基线快 10 倍以上。
SemiAnalysisAI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 SemiAnalysis 发布 ClusterMAX 3.0 GPU 云评级，Nebius 与 CoreWeave 同列铂金
SemiAnalysis 发布 ClusterMAX 3.0，覆盖 77 家 neocloud 的详细评测，市场观察范围从 ClusterMAX 2.0 的 209 家扩大到 323 家，并访谈了 200 多名 neocloud 终端用户。
Fireworks AI(@FireworksAI_HQ)AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 8/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fireworks AI 与 Macroscope 对谈：训练自有模型可将成本降低最多 90%
Fireworks AI 与 Macroscope 的 Rob Bishop 将举办对谈，主题是让企业掌控产品核心的智能。其称训练可将客户所依赖工作的成本降低最多 90%，并认为下一个新模型发布无法解决这一问题。
NVIDIA Technical BlogAI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA：AI 工作负载上线前如何验证 GPU 集群就绪状态
GPU 集群即使每块 GPU、网络链路和 pod 都报健康，512-GPU 训练任务仍可能性能不达标或失败，原因可能是单块 GPU 变慢、链路在负载下降级或配置悄悄把流量引向慢速路径。这类问题往往要等到训练运行数小时后才被发现，因此需要在 AI 工作负载落地前验证集群就绪状态。
OpenAI(@OpenAI)AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 39/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 发布 MentalHealthBench：前沿模型心理健康对话能力持续提升
OpenAI 发布开放基准 MentalHealthBench，用于评测前沿模型在真实心理健康对话中的表现，该基准由 80 多位心理健康临床医生参与构建。OpenAI 将其公开，供其他研究者审查方法、自行评测并在此基础上继续研究。
NVIDIA Technical BlogAI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 NVIDIA NodeWright：管理 Kubernetes 节点集群
NVIDIA 推出 NodeWright，用于管理 Kubernetes 节点本身——内核设置、系统软件包、存储布局、安全代理及 GPU 工作负载依赖的主机级调优。这些工作此前多靠 Ansible playbook、自定义脚本和手动 runbook 完成，但新集群在不同区域上线或内核升级破坏 RDMA 时便会失效。
Anthropic(@AnthropicAI)AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic：Claude 在噬菌体 DNA 中发现未知酶系统
Anthropic 称 Claude 在噬菌体 DNA 中发现了一个此前未知的酶系统，该酶基因旁有一段类似 CRISPR 的长重复 DNA 序列。团队目前尚不清楚该系统的功能，已知具备类似特征的系统都能剪切、复制和粘贴 DNA；CRISPR 正是这类可编程系统走向基因药物的先例，但弄清该系统的作用并判断能否有类似用途还需更多研究。
Fireworks AI(@FireworksAI_HQ)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fireworks 推出 ARCv3：面向 RL 的新压缩器，BF16 权重更新体积近减半
Fireworks 发布面向强化学习的新压缩器 ARCv3，可将 BF16 权重更新的体积缩减近 50%。该压缩器让跨区域训练更易落地，并保持 rollout 处于最新状态。对于使用自有 trainer 搭配 Fireworks rollouts 的团队，相关细节已在其博客公布。
AI Engineer(@aiDotEngineer)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Sarvam 文档模型处理 13 万亿 token 文本，上线四个月数字化 3500 万页
前沿模型所学习的网页抓取数据中，印度语言内容占比远低于 1%；Sarvam 的文档模型在见到第一张图像前已读取 13 万亿 token 文本，上线四个月即数字化 3500 万页。Perceptron AI 用模型自主决定读取哪些 token，以应对一小时视频约百万视觉 token 中仅约 2% 有真值标注的问题。Meta 则在其三智能体审核流程中过滤大部分视频，压缩相似帧并对热门视频缓存判定结果。
Firecrawl(@firecrawl_dev)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Jev 借助 Firecrawl Alexandria 数据 3.6 秒做出 5000 项决策
Jev 利用 Firecrawl 的 Alexandria 数据，在 3.6 秒内完成 5000 项决策。团队抓取了全部 Fortune 1000 公司的数据，Alexandria 覆盖 100+ 数据源，现已面向 Jev 及其他用户上线。
Julien Chaumond(@julien_c)AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Hugging Face 发布 huggingface/lerobot JS 包：浏览器直读 LeRobot 数据集
Hugging Face 推出新 JS 包 huggingface/lerobot，可在浏览器中直接读取 Hub 上的 LeRobot 数据集，无需下载。官方给出的示例是用约 600 行 JS 在该包之上实现一个自定义查看器 UI，并建议把编码智能体指向它来快速构建。
ElevenLabs(@elevenlabsio)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 发布 Scribe v2 Medical 临床语音转写模型
ElevenLabs 发布语音转文字模型 Scribe v2 Medical，专为临床音频微调，相比基础版 Scribe v2 在临床音频上的词错误率（WER）降低 35%，提升了对药物名称、解剖结构和病理术语的识别准确度。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic 报告披露未授权代理将用户提示词转发至 Claude API
Anthropic 最新报告指出，存在代理查询路由支撑的大规模知识蒸馏活动，未授权代理将用户提示词转发到 Claude API，为商业平台上的蒸馏提供数据。这类查询转发带来严重的数据隐私风险。
vivo互联网技术AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 vivo BlueImage Lab 提出妆容迁移框架 ART，入选 ECCV 2026
vivo BlueImage Lab 提出妆容迁移框架 ART，通过两阶段训练把监督信号从合成伪目标逐步锚定到真实参考图像，解决复杂妆容迁移中的细节丢失与身份漂移问题。该方法在 MT、LADN、MT-Wild、MF2K 四个测试集上 MSimG 全部第一，MF2K 艺术妆测试集 MSimG 达 9.22，并发布首个 2K 妆容数据集 MF2K（8,573 张 2048×2048 人像）。
vivo互联网技术AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 知识不是文件也不是向量：KDC 如何定义可治理的知识对象
vivo 互联网存储团队提出知识驱动计算（KDC）理论，将知识定义为"已经验证、可复用，并能降低预测、推理、决策或行动不确定性的认知成果"，而非文件、向量或 RAG 检索片段。
得物技术AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 得物交易搜索如何用生成式召回实现范式跃迁
得物交易搜索团队过去一年将召回从判别式检索改为生成式建模，让模型主动生成候选商品而非从商品池中找最相似的。方案覆盖基于LLM的文本索引语义增强、基于MLMM的多模态向量表征、基于HLLM的深度语义表征、基于HSTU的生成式行为序列建模及基于语义ID的统一生成式召回，并推进召粗一体架构。
字节跳动技术团队AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 TWIST 入选 ACM CCS 2026：面向云上大模型服务的隐私保护新方案
字节跳动安全研究团队与香港城市大学联合研究的 TWIST 被 ACM CCS 2026 接收，该方案用密钥将输入 Token 与模型权重映射到同一变换空间，使云端可沿用标准推理流程处理混淆态数据。
腾讯研究院AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 从 EURISKO 到 GPT-5.6：一份讲清 RSI（递归自我改进）的科普综述
OpenAI 在 2026 年 7 月发布的 GPT-5.6 首次把自我改进列为评测科目，其 RSI 指数从 GPT-5.5 的 41.7% 升至 GPT-5.6 Sol 的 57.9%，相差 16.2 个百分点。文章按四条标准（持久改进、自主闭环、递归增益、稳健可控）划分 RSI 层级，指出前两层已有实现，递归自我加速尚无充分公开证据。
小米技术AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小米黑客松 Sensaro OS：用 Xiaomi MiMo 让智能家居从听懂指令到理解意图
小米黑客松 Sensaro OS 团队在 48 小时内基于 Xiaomi MiMo 赛道搭建了一套智能家居系统原型，把用户意图转化为包含目标、作用范围、动作、安全边界和时长的“Sensaro State”，而非单条设备指令。
阿里研究院AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 2026云栖大会首日：Qwen4训练中，平头哥发布真武V900芯片，阿里云推出AgentCore
2026云栖大会首日，阿里公布大模型系列进展：基于新一代架构的Qwen4已在训练中，未来Qwen4.5、Qwen5等版本将扩展至5-10T参数；Qwen3.8-Max在人类零参与下自主迭代超1个月、完成33轮有效迭代，并在平头哥新款GPU上自主优化Qwen3.8-Flash推理框架，单实例推理吞吐量提升96%。
Jerry Liu(@jerryjliu0)AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 33/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Opus 5.5 在 ParseBench 拿下 93.9%，成 PDF 表格解析最强前沿模型
Opus 5.5 在 PDF 表格解析基准 ParseBench 上得分 93.9%，比 Opus 5 提升 7% 以上，超过 Fable、Gemini 和 Astra。其表格质量与 LlamaParse Agentic Plus 相当，但在图表、格式和版面处理上仍有不足，每页成本 5.8 美分，作为生产级 OCR 方案偏贵。完整结果见 parsebench.ai。
Suhail(@Suhail)AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 31/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 用提示引导自蒸馏训练 Computer 模型，工具调用失败率降低 21.2%
Perplexity 通过提示引导自蒸馏（hint-guided self-distillation）对 Computer 模型进行后训练，让模型从自身错误中学习。在一次线上 A/B 测试中，较晚训练的 checkpoint 相比早期 checkpoint 将工具调用失败率相对降低 21.2%。
Aravind Srinivas(@AravSrinivas)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 发布后训练新研究：让 Computer 智能体从真实会话的错误中学习
Perplexity 公布其 Computer 智能体后训练方法，结合拒绝采样微调（RFT）与提示引导自蒸馏，让模型模仿优质轨迹并显式纠正错误工具调用。在线 A/B 测试中，后训练 checkpoint 将工具调用失败率相对降低 21.2%。
Perplexity(@perplexity_ai)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 实测：提示词使模型规避原失败案例比例从 75.1% 升至 93.7%
在加入提示的情况下，未改动的模型规避原有失败案例的比例从 75.1% 升至 93.7%。另一项实时测试显示，不同训练版本之间工具调用失败率从 2.24% 降至 1.77%，且推理阶段未使用提示。
Perplexity(@perplexity_ai)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Perplexity 用提示引导自蒸馏后训练 Computer 模型，工具调用失败率降低 21.2%
Perplexity 通过提示引导自蒸馏（hint-guided self-distillation）对 Computer 模型进行后训练，让模型从自身错误中学习。在一项实时 A/B 测试中，较晚训练的 checkpoint 相比早期 checkpoint 将工具调用失败率相对降低 21.2%。
NVIDIA AI(@NVIDIAAI)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 NVIDIA Nemotron 3 Ultra 打造 AI 供应商智能体 Lucy，核算数据中心碳足迹
Sluicebox 构建了名为 Lucy 的 AI 供应商智能体，用于梳理零部件清单、文档和供应商邮件等数据，帮助工程师在设计阶段就了解数据中心碳足迹。Lucy 基于 NVIDIA Nemotron 3 Ultra，在 Sluicebox 测试中提升了准确率，成本降低 51–80%，响应速度最高提升 2 倍。
AK(@_akhaliq)AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 onPanda：通过 Token 级纠正高效标注 LLM 与智能体的 on-policy 对齐数据
onPanda 提出通过 Token 级纠正实现 LLM 与智能体的 on-policy 对齐数据高效标注，论文已发布在 Hugging Face Papers。该工作面向对齐训练数据的标注环节，具体方法与实验结果可查阅论文原文。
Taranjeet(@taranjeetio)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 DolphinBench 发布：面向智能体记忆的动作评测基准，同时衡量准确率、成本与延迟
DolphinBench 是一个新的智能体记忆基准，在长历史对话后直接评测智能体的动作是否正确，而非问答式打分，并把准确率、成本与延迟放在同一张榜单上。它针对现有记忆评测已趋于饱和、且忽略选型时最关键的成本与延迟问题，主张关注工具调用中真正决定成败的事实。
屠龙之术AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AICC2026 观察：从 Chat 到 Agent，智能、算力与芯片走向何处
AICC2026 人工智能计算大会上，播客屠龙之术梳理出三条主线：从 Chat 到 Agent 的需求侧结构性跃迁、智能从概率拟合转向可信生产、以及算力与芯片在系统、器件、生态上的突围。会上 IDC 与浪潮信息联合发布《中国人工智能计算力发展评估报告》，并提到浪潮信息的智算系统双唯进化主张与新产品、芯算一体、让计算走进存储，以及 FlagOS 生态下的国产模型与国产芯片 Day 0 适配。
mem0(@mem0ai)AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Agent Memory Benchmarks 对比：智能体记忆评测的三个关键属性
一个智能体记忆基准需满足三项属性：按行动评分、在准确率之外同时衡量成本与延迟、以及可解性认证（带历史能通过、不带历史则失败）。该观点用于对比现有的 Agent Memory Benchmarks。
Anthropic NewsAI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Anthropic 用 Claude 发现类 CRISPR 的新型酶系统 ART
Anthropic 成立生命科学实验室，让 Claude 智能体在 DNA 数据库中自主搜索，发现了一种与重复序列关联的新型逆转录酶系统 ART，相关预印本已发布。
Firecrawl(@firecrawl_dev)AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 23/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Firecrawl 为 Alexandria 提供资金，让内容生产者从 AI 智能体获取信息中获益
Firecrawl 宣布将这笔资金用于 Alexandria，帮助研究者、出版商、专家、内容创作者和数据提供方获得报酬，以便为 AI 智能体提供更好的信息。该平台现已开放提供方等待名单（waitlist）申请。