从前端到空间推理，得到的全是差评。

1、乐竟体育 Boris的秘诀，藏在一个词背后：循环（Loop）。

写作工具、翻译、视觉识别，每项都能用，每项都和调用云端大模型的竞品有可感知的差距。乐竟体育模型一代代变得更便宜、更迅猛。

2、比利时门将拉门斯脱手帮助西班牙晋级四强，姆巴佩迎来一生之敌

Nat Sothanaphan指出，CritPT是物理测试，不是数学基准，拿它一家的曲线证明AI在数学上撞墙，是挑对自己有利的数据。

3、连夜驰援！“最暖糖厂”又干了件暖心事

ABot-M0.5全自主进行移动操作 这既解决了单一动作空间中移动与操作相互干扰的问题，还保证了模型能捕捉一些微观且高频的物理交互，从而保证任务的执行质量。

4、黄芪和它是“绝配”，气血双补，还抗贫血，坚持服用，效果看得见

企业与大模型之间的超级立交 就在这届WAIC上，科大讯飞星火企业军团给出了自己的答案——「星火Token Factory」。

5、新赛季意甲预测出炉：米兰纸面冲冠实际仅第四 阿莫林成最大隐患？

这支团队从成立的第一天起，就是冲着全栈闭环来的。

Gartner预测，到2028年将有约三分之一的企业级软件内嵌智能体功能。

原因在于，OpenClaw过于宽松，各模型都同样糟糕；而SeClaw把简单攻击替换成了需要模型自行判断的结构化界面，于是懂得判断的模型分数跃升，机械照做的模型则摔得更惨。

6、梅西又有望拿金球奖了！一人2助攻导演逆转，28岁巨星成替补奇兵

这，正是这项工作的出发点。

本次WAIC，小象电动顺势发布了最新一代关节模组与产品系列——扭矩密度再创新高的旋转关节与直线关节。

7、尴尬！世界杯历史参赛队0球0积分球队 只剩国足和印尼

在Claude Code官方总结的一堆实战技巧里，被单独拎出来、标为「最有价值的一条」的，是验证（verification）： 给Claude一个能自己检查产出的方式。

以往的模型都是短跑选手，Fable 5是第一个为「长期自主干活」而生的模型。

8、当燕尾服溅满泥浆，坦塔舍夫纵容的丛林法则，被姆巴佩一脚踢碎

如此高成本、长周期的流程，机器人最后的泛化性却不尽如人意，成为判机器人规模化部署的瓶颈。

第一家企业只是消耗了大量Token。

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。

9、抗美援朝打了三年，彭德怀只指挥了一年半，剩下的仗谁在打？_网易订阅

她给出的答案是一把新尺子——Useful Intelligence per Dollar，每块钱买到多少有用的智能。

新加坡国立大学、北京大学、清华大学、上海交通大学等研究机构首次系统研究了扩散语言模型（Diffusion Language Models, DLM）的后门安全问题，提出统一框架 BadDLM：通过构造诱导前向掩码过程，定向强化目标相关位置的学习，从而注入多样化、生成式的后门目标。

10、岚图梦想家9：升降发光立标，比智界V9有排面？

这才是整份公告里最扎心的一段。

企业原本最有价值的部分，并不一定存在于某一张数据库表里，而可能存在于员工如何解决问题、主管如何做判断、专家如何平衡风险，以及组织如何从结果中学习。

1、一水载千年，看见不一样的江苏

DM0.5引入了一层叫「上下文抽象层」（Context Abstraction Layer）的设计，把过去一段时间的关键帧和当前观测一起送进模型，撑起最长60秒的任务进程记忆。

2、碳青霉烯即将“跌落神坛”？JAMA子刊10万+数据：2035年儿童耐药率全面飙升

它不仅能自我介绍，还能流利地进行实时对话。

3、商业不动产REITs落地半年，22只申报、203亿试水

他们把各自的模型、数据和训练体系摆上桌面。5.22意甲推荐：佛罗伦萨vs亚特兰大前段时间，知名高端装备企业新卡莱主动找到了小象电动，提出需求：他们希望在光刻机的精密运动控制系统中，使用小象电动的轴向磁通电机。

4、回忆杀！无锡这个景区又火爆了！

灵犀这个体验，确实不一样。

5、两大专场，制造名城等你一起“创”响未来！

缺一个，闭环就断在那里。

6、高市前脚飞离新德里，不到48小时，印度驻华大使就对中国交了底

Sonnet 4.6，是那个哄人的。

Context≠记忆≠RAG！ AI最大短板：记忆 今天的大模型，是一种前所未有、却也残缺的天才。

那些提交到erdosproblems.com的新证明，凡是我细看过的，全部正确，而且都包含一些有趣的想法。

7、83岁奶奶的胃“跑”进胸腔，长沙市第四医院微创手术帮她“归位”

这三样，刚好是AI最擅长、最能替你代劳的。

从繁华长卷到商业广告，从科普卡片到电影海报，同一个模型，一口气全包了。

8、意义不亚于高铁！中科院院士造出“核电宝”，或成一带一路杀手锏

一旦决定在全球市场全面反攻，必然会拿出具有颠覆性的「终极武器」。

长轨迹下，模型不仅要逐段生成视频，还要持续维护历史上下文、KV缓存和多步去噪计算。

Dyna嫌贴标签不够。

可解释性问题的真正难点，或许不在于技术手段的不足，而在于问题框架本身的窄化。