这一类，后面单独说。

1、ob体育 逐际动力回答的是另一个问题：如何把能力组织成一个能在真实身体上运转的系统。

两者都能达到同样的结果，但实现路径不同，但Kimi 的创意更强。ob体育剩下的它替你跑：从ScienceHub一键调用专用科研skill（这里是Qiskit），把电路搭建 → 噪声仿真 → 数据核算 → 理论推导 → 多类型绘图 → 交互式HTML报告串成一条全链路自动输出。

2、老三国可以比《三国演义》原著还好

这一改，抓取、对准、接触、释放这些真正的关键动作被凸显了出来，采集员的个人节奏被洗掉了。

3、跨境自驾新能源车，突遭远程锁车30小时，智能功能全面瘫痪；品牌方回应：出境确有锁车风险

而要把这些能力真正用起来，靠的就是两个命令：/goal和/loop。

4、东莞的防守反击，真是教科书级别啊……

为了解决这个问题，RLinf首创了HotSwarm与端云协同训练模式。

5、49场造75球！梅西第9座金球奖稳了？亚马尔世界杯夺冠也恐无缘

一整套十几页排下来，层次分明，但视觉风格统一。

有的车响应时间拖到700甚至1000毫秒，算法性能就算翻倍也无法弥补硬件的缺陷…… 硬件决定系统性能的上限。

编辑：LRST新智元报道 曾要4年的项目，竟被Claude Code硬生生压到两周！ 成本从300万美元，砍到十几万。

6、扔了这7样“东西”，你家瞬间大10㎡！承认吧，你家一定有它们！

他补了一句：至少对我来说，这挺意外的。

ABot最早发布于今年4月，彼时高德自研的机器导盲犬高德途途首次登上机器人半马的舞台，并展示了其出色的开放环境全自主导航能力。

7、《生化危机》电影新预告片藏彩蛋：来自游戏4代和5代的同款霰弹弹药

面对这份由代码生成的完美证明，伯克利统计学家Will Fithian在推文中留下了令人回味的一笔。

他随手举了一个例子：机器翻译折腾了许多年，大语言模型出来以后直接碾压了整个赛道。

8、最成功引援！林坚第五，老六第四，徐昕第三，金金第二，MVP第一

争议也最大。

针对这一问题，星源智提出DA-Nav，一套面向城市级长程场景的方向感知视觉语言导航框架。

比价格更折磨人的，是那个不断挪动的「免费窗口」。

9、蓝思科技(06613)与Intel Corporation签署了合作备忘录

」 更讽刺的是，2018年，当张益唐因孪生素数猜想成名后，莫宗坚专门补充了一版「回忆录」，进一步加强对张的指责，却依旧淡化自己的责任。

「磐石2.0」登场，统一科学智能 去年7月，中国科学院联合团队曾发布了磐石·科学基础大模型1.0，并全面开源。

10、ST宁科(600165.SH)：实控人刘喜荣及一致行动人拟增持3000万元-6000万元股份

标准只有一个：能不能进真场景、干真实活、真帮到人。

AI数学撞墙了吗？ Bloom那条帖子底下的论战，也很精彩。

1、铜梁龙1-1浙江 中超3轮不胜距榜首14分 王钰栋赛季第7球 迪马塔救主

一旦评估规程被证明行之有效且足够稳健，就可以迅速将其正式化。

2、盘点2026年值得关注的几款直播相机，从入门到进阶全覆盖

高盛预计，全球AI视频生成市场将从2025年的约30亿美元增长到2030年的约290亿美元，五年翻近十倍。

3、青年性福白皮书——心力与性力的双重奏

它还能化身「AI交互设计师」，轻松搞定沉浸感爆棚的主题工作室。死伤335！第二波打击开始，美使馆遭袭，万斯给特朗普“泼冷水”没有闸门的循环 强大且危险 循环，是不是意味着你可以放手让AI自己干一整天？ 当然不是。

4、470米，烂尾的“重庆第一高楼”，无人接盘！

一位数学家说，自己和同事多次尝试用GPT-5.5解决，从未成功。

5、姆巴佩世界杯第16球：生而为踢世界杯？

当具身智能在全国爆火，当全球汽车巨头寻找下一代突破口——所有这些宏大叙事，最终都落在了最基础的底层物理动力上。

6、德国人在期待和担忧中迎来巴拉圭之战

OpenAI总裁Greg Brockman转发了这条推文，说了一句： 感觉这是推进数学的一个分水岭时刻。

作为此芯科技在全球计算平台层面的重要合作伙伴，Arm 边缘 AI 消费计算市场高级总监 Parag Beeraka 通过线上视频连线致辞： AI正从简单的问答交互时代迈向智能体计算时代，这一转变仰赖CPU与各类加速器在系统层面实现高效协同。

再算上独立交卷的AxiomProver，整整四方势力全部登顶满分。

7、6万人联名！阿根廷球迷要求世界杯决赛重赛：裁判受贿偏袒西班牙

S1 是技能层，频率约 50 Hz，S2 决定「做什么」，S1 提供「用什么技能做」。

过去一年，他没再亲手写过一行代码。

8、真看不惯！某些人喊着为了马拉松好却干着损毁马拉松的事

小体积、大推力、高精度及一体化闭环控制，为灵巧手在有限空间内实现稳定驱动提供了基础。

但那些普通人的脸，才是最让人印象深刻的。

他发现，Monolith-1.0网页端切分token的方式，与DeepSeek的Tokenizer完全匹配。

举个例子。