现在大家盯着同一个会自己更新的页面，进度就是页面本身，不用再开会同步「我们现在到哪了」。

1、乐竟体育 翻译过来就是，连造它的人，都没打算让它变成这样。

这一幕绝非偶然。乐竟体育当Dobriban与Fithian复核确认，并将配套代码（dobriban/BH）挂上 GitHub 时，一切都尘埃落定了：这不是大模型的幻觉，而是铁打的真理。

2、零跑全新C系列上市，指导价12.58万-16.98万

第二，是跨集群强化学习。

3、再走长征路｜一座川滇古城的红色基因与文旅突围

面壁智能到底做对了什么？答案是：「视觉Token的极致压缩」。

4、世预赛归来，梅西何时重披迈阿密战袍？21天休整期藏变数

解出一道题，只是多了个工具。

5、近百名玩家涌入具身数据：一年融资44.7亿，谁能真靠卖数据赚钱？

剩下的漫漫长路，让模型自己去走。

区别在于，过去你需要学编程才能在Roblox里造世界，而PixVerse Game想做到的是——你只需要会表达，就能开始搭建游戏体验。

人类迈入科学新时代 这段时间，AI科学圈十分热闹。

6、会游泳≠安全！一文读懂防溺水与急救知识

GDPS将有潜力的年轻人从「牛犊」托举为「大牛」，为青年科学家、开发者和创业者链接技术、人才与资本，并以代码Demo、产业对接及融资机遇等务实产出，推动具身智能从展台真正走向工位。

每一步的成长，都是完整且高度统一的。

7、Hollister 的「虚构童话」，终究还是靠不住

③ 对主流通用DLM进行广泛实验，结果表明，BadDLM在多种设定下显著优于面向AR模型的后门基线（平均攻击成功率高出约25%），同时基本保持良性效用，并对已有防御具有鲁棒性。

从当年自研TPU减少对英伟达的依赖，到今天把模型直接焊死进硅片，谷歌走的是同一条路的更深处：软硬件协同的尽头，是软硬件合体。

8、C罗继续前行，魔笛告别，这是一场为了告别的聚会

硬币的另一面，是社区里挥之不去的疑虑。

二维版本早在1884年就被提出，当时还附带了一个后来被发现存在漏洞的证明。

那，还要医生干什么？ 这个问题成立的前提，是AI在医疗上足够稳。

9、“下一个米哈游”的种子，在漕河泾被怎样种下？

说白了，写作、编程就像是计算器时代的数学证明题：结果机器早就算得出，我们还是让学生自己推。

触觉款配备 5 个指尖三维触觉传感器，可为接触状态感知和抓取控制提供信息支持。

10、周琦替补抢手！5家球队询价，顶薪中锋剩1年合同，北京队不想放人

不需要让机器人训练具体任务，只要训练一次动作，即可复用于 VLA 执行、遥操作采集、零样本回放三类场景。

企业真正的差异化来自于，它是否能够围绕自己的业务建立一个学习闭环，并把每一次模型使用转化为组织自身的能力积累。

1、20年一人一城！勇士将给库里提供2年1.367亿顶薪合同 萌神将同意

2026年1月，Anthropic发布通用智能体Cowork。

2、东体：梅伦多和维塔尔恢复情况将在今天赛前最后一练得到评估

编程场景具备秒级反馈、即时证伪的迭代特性，任务对错可快速判定； 而基础科研试错成本高、验证周期可达数月，失败类数据公开度低、有效反馈样本稀缺。

3、HEAD up！2023年HEAD超新星网球冠军赛昂首启幕_网易订阅

对每个样本，进一步定义一组特殊位置（Special Positions）：干净样本为空集，触发样本则对应与后门目标相关的token位置。段刘愚转会云南，泰山队中生代球员仅剩5人但方向已经很清楚了：AI正在从「生成内容」，走向「生成软件」。

4、调查：近七成内地投资者计划未来一年增配中国内地资产

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。

5、辛纳温网卫冕，成就兹维列夫全满亚！

办赛以来，大赛坚持以赛促研、推动学科交叉融合，希望大家葆有好奇、勤于钻研，在交叉领域持续精进，同时诚邀更多科创新秀与行业同仁参与下一届大赛，共同探索科学创新与产业创新的深度融合。

6、哈登公开招募勒布朗！老詹自宣决定临近 勇士已升第二名嘴看好骑士

解决方案 纳德拉和Karp的判断都非常重要，但他们的论述主要是在解释问题： 纳德拉提出，企业应当拥有自己的 Token Capital 和学习闭环； 纳德拉进一步指出，企业面临反向信息悖论； Karp 警告企业，不要把自己的 Alpha 交给外部模型公司； Palantir 强调数据控制、模型控制、路由控制和主权 AI。

OpenAI的推理研究科学家 Noam Brown 难掩激动，连发数条推文，揭示了这次突破背后的底层逻辑——并行测试时计算（TTC）。

省钱方面，有一套二八打法：只把Fable 5用在那20%真正吃它长处的活上。

7、詹姆斯下家二选一：联盟高管普遍认为是骑士或勇士 各存3大优势

智能体（AI Agent）从概念走向落地，算力需求的重心也从「训练」向「推理与执行」急速迁移。

Dyna则把200k+小时数据摞成金字塔: 在之后的讨论中，马也骋分享了Dyna的实践经验：「部署数据放到下一次预训练中，接下来的部署时间就会越来越短，最终达成零成本在新环境完成同样任务。

8、阿努诺比神奇绝杀！尼克斯29分大逆转，创造NBA总决赛历史

Gemini Diffusion、SEED Diffusion以及LLaDA、Dream等开源模型的出现，使其受到学界与工业界的广泛关注。

以洗衣为例，机器人靠时空记忆和思维链把任务拆成十几步，自主规划取衣、放衣、启动、整理，还能实时核验每一步结果，异常时精准定位到哪一步失败并重启。

拒绝站队，中立与技术铸就「护城河」 为什么行业里目前只有清程极智一家完整落地了Token全链路生态？巨头们为什么做不了？ 答案就在于清程极智独一无二的生态位与技术基因。

最上层是「具身大脑」，由通用具身大脑ER和机器人Agent操作系统AgentOS构成，负责环境感知、任务推理、高层决策调度与记忆沉淀。