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

1、米兰体育 Hugging Face的异常检测流水线本身就用LLM对安全遥测做分诊，正是这些信号的关联把入侵揪了出来。

在试点中，日均有效沟通时长被提高了36%。米兰体育今年，各大实验室照例会拿 2026 年的真题跑分。

2、半场示弱半场嗜血，爱变脸的摩洛哥，要给法国上点强度

就连「保险起见多叮嘱两句」也一样帮倒忙。

3、米体：小将奥古斯托-奥乌苏将留在尤文一线队，接班米雷蒂

真正教会模型探索、纠错、验证的，是大规模RL。

4、黑八前夜 勇士跑轰大队集结 老尼尔森执教生涯的最后一搏

主动循环，事件或时间触发，全程无人值守，跑到你亲手关掉。

5、德国两百万只浣熊：该杀还是该护？

这就导致在「按5次按钮」的任务中，当机器人按完第1次，准备进行下一次推理时，它的大脑是完全空白的。

15小时，长程稳定作业 最后的关键一步，是时长。

它命名是知道规则，然后专挑规则看不见的地方下手。

6、AI「气味戒指」通过皮肤气味读懂饮食、运动与健康，准确率98.2%

搜索升级本身没有改动任何隐私政策，官方也没宣布新的数据用途，但它却让你这几年攒下的东西，分量更重了。

在临港数据中心，商汤跟宁德时代合作搞了储能系统，配合峰谷电价和算力预测做弹性调度。

7、每体：瓦伦西亚目标下赛季重获欧战资格

新智元报道 一页纸，啃下了一篇要用44页顶刊论文才啃动的硬骨头。

说得再直白点，它开始长出自己的「文件系统」。

8、亳州高新区：警企联动筑防线 反诈宣传护平安

」 早在2014年谷歌收购DeepMind时，双方的协议明确规定AI决不能用于军事和武器。

挑战赛设置高通量药物虚拟筛选、靶向分子设计、蛋白质构象系综生成、神经算子自动改进等前沿任务，部分参赛智能体方案在竞赛范围内展示了具有挑战顶级水平的架构设计理念和问题理解深度。

商汤在三个不同厂牌的国产芯片上做定向优化，单卡MFU（可以理解为「有效利用率」）相比原厂出厂表现平均提升约一倍，最高的一款提升了152%。

9、伊朗记者手拿话筒肩抗枪进行报道 他说：伊朗人民和他一样拿起武器做好了守卫国家的准备_网易订阅

它们，才是你在AI时代留下的资产。

可当所有智能都跑在云端的数据中心里，AI基础设施就真的到头了吗？ 无问芯穹的答案是没有。

10、6队16人！正式达成！NBA历史第二次

算力一旦被割裂在不同架构、不同生态里，协同就是句空话。

这家公司用自己的节奏，走出一条独特的端侧AGI之路。

1、总投资33亿元两大基地投产 深耕中国三十年的这家企业加码投资再落文旅一子

这个场景正在一家广州公司的两三千个智能体身上同时发生。

2、“果链”脱钩，谁跑赢了转型这场大考？

在接到需求之后，U1 Pro会先想版式、打草图，然后还会回头审一遍对不对味，再一块块填细节，最后统一调色、精修。

3、半年狂赚百亿！江西草根姐弟领跑国产存储，闷声干出千亿芯片巨头

它常驻在你的机器里，对本地资源有持续的访问权，通过一个统一的自然语言入口，服务于千差万别的需求。七个女生凑70万开咖啡店，从爆火到挂牌转让仅141天，为什么？Kimi K3绝对是AI发展史上的一个历史性时刻，开源AI进入后Claude Opus 4.8时代！ 300亿美金豪赌 智能成为公共设施 Kimi K3的2.8万亿总参数，是MoE架构的精妙设计——总参数巨大，但激活参数远低于总参数，提升了MoE的稀疏度，结合Stable LatentMoE 框架，实际推理时从 896 个专家中激活16个。

4、@中卫考生 宁夏2026年普通高校招生本科提前批B段普通类、体育类、艺术类（历史）征集志愿通告

AI虽好，但终归是工具，合规留痕、组织卡控，依然少不了CI和人工审查。

5、波士顿动力和谷歌DeepMind为机器人带来具身AI推理

长城挑战，是一场「实战」。

6、国足官方消息，3人因伤退出集训，未来两场热身赛考察阵容

Kimi K3：381分钟，四轮，满分。

② 从理论上证明：DLM 的后门训练可以等价地通过构造诱导前向掩码分布（Induced Forward Masking Distribution）来实现，从而揭示出区别于AR（Auto-Regressive）语言模型的全新威胁面。

按时间间隔触发，像闹钟。

7、提醒！绍兴大批景区恢复开放

此外还有一个点是生态可复制，超聚变AI Lab+FusionXplay把别人趟通的路直接搬过来。

这套思维从 UC 带到阿里，再带进钛动，最终沉淀成钛极模型的阴面。

8、49岁不结婚的曾黎，定居北京闲时还回老家种菜，有知名导演作伴

除此之外，J-Space借用了全局工作空间理论这一关于意识的理论来解释语言模型，在移植过程中一种微妙的范畴错误悄然发生：功能层面的同构性被误等同于认识论层面的等价性。

当数据飞轮真正转动起来，当模型开始从与真实世界的每一次交互中学习，那道「Scaling Law的物理墙」，终将被推倒。

唱衰派以用户qrdl为代表，「5.6的思维链输出少得可怜，677那道题毫无进展，物理侧的CritPT评测相比5.4几乎没动」。

其次是组织形态裂变。