这是LLM第一次，把IQ推过了130这道坎。

1、米兰体育 不是OpenAI的创新 是全行业的欠账 而补上这一块，某种程度上也是在为行业补课。

问题在于：IQ测试，本来就不是为大模型量身定做的。米兰体育最有画面感的，是Claire Vo的桥段。

2、宋乐伟带队开展夏季安康 “三送” 走访慰问活动

一种是烧进模型权重里的知识，它读过的大半个互联网，凝固成了先天常识，像一部无比渊博却再也不会更新的百科全书。

3、荷花市集上线！就在云龙湖畔！

同样，企业也可以拥有自己的向量数据库、知识库和私有模型，却仍然无法持续学习。

4、疯狂6-0！加拿大完爆9人卡塔尔豪取首胜！北美足球已打破刻板印象

这张桌子，几乎就是中国世界模型研究的缩影。

5、中央决定：李峻（湖北红安人），履新！

所以，VLA可能还没死。

正如神经科学家Oliver Sacks在《意识的河流》中所言，创造要求遗忘：当我们回看旧笔记本，尘封多年的想法反而能重获新生，从新的视角被重新关照。

step-saving reward 直接把「更短、更直接的成功轨迹」写进优化目标。

6、真最后一舞？阿根廷记者：梅西说世界杯决赛是国家队最后一战

他也只能自我安慰可能自己没有开启高性能模型「high thinking」。

轻量化是一个持久的命题。

7、春秋航空就机票超售问题致歉：诚恳接受批评，全面整改，杜绝类似情况再次发生

从理论到实践： 本体工程与大语言模型的融合 本体论提供的是关于「可理解的结构应当是什么样」的规范性回答，但这一回答本身并不自动转化为可运行的技术系统。

DA-Nav将商业导航指令、第一视角空间理解和偏航恢复统一到同一条决策链路中，使机器人不仅能够理解「往哪里走」，还能够判断「当前是否走偏」，并在偏差发生后主动回到正确路线。

8、姆巴佩赞昔日队友！穆里尼奥力荐见效，皇马快速敲定32岁中场老将

再加上算法的进步、更大的模型和更多的算力，事情开始变得有点吓人了……」 当然，也有清醒的质疑声。

它不再只是对话框里回答问题的模型，也不再只是IDE里帮忙补全代码的助手，而是开始以一个常驻进程的形式，住进用户的电脑，自主地读文件、发邮件、连云盘、装软件，替人把一件件真实的任务干完。

权限越大 AI越像一个「内部员工」 这份报告背后，是AI安全的一次重心转移。

9、意媒丨米兰有意霍伊别尔，可能低价离队

第四道槛：两三千个智能体在上班 技术就位、产品上线、商业模式跑通，最后一道槛在组织内部。

而这次攻击的起点，恰恰就是一个数据集。

10、重大损失！国足当年错失之人如今被卡塔尔归化，能力堪比克雷桑

再算上独立交卷的AxiomProver，整整四方势力全部登顶满分。

为什么记忆注定会独立成层？让硅基存储成为碳基记忆和技能的载体。

1、不是“毒妇”的妍珍，才真“无代餐”_网易订阅

它以营销策略大脑为核心，跑通了「1名真人座席+5个AI分身」的人机协同模式，AI分身的音色和沟通风格与真人座席保持一致。

2、抢救后换衣2分钟遭投诉被解聘！另一边，患者怒怼：“一天看不到医生，刚来就吃下午茶”，医生：我3点才吃饭！三甲医院：不受理无理投诉

这两个数字，迅速点燃了整个社区。

3、完善奖励体系，激发全社会科普热情

最关键的是，Sol只卖对手一半的钱，很多活儿达到同样效果、烧的token还砍掉一半，两头一乘，四分之一的价格就能交付。2026年全国青少年航天创新大赛黑龙江赛区选拔赛顺利收官显然，AI视频，正在成为继AI编程之后，最接近大规模商业验证的黄金赛道。

4、柠檬能杀死12种癌，比化疗强一万倍？喝柠檬水能抗癌？告诉你真相

Kimi K3紧随其后拿下满分。

5、着眼2026金球奖已给出大致结论，还蓄力世界杯的姆巴佩情何以堪？

AI Coding，就是团队下半年要重点打透的那块肌肉，也是最有说服力的一块。

6、建议不要长期从事有紧绷感的工作

「冻结」一个模型 Frozen这个名字，就是字面意思：把模型「冻」进硅片。

复杂长文本摘要会遗漏关键信息，语气改写偶尔产生不够地道的表达。

推文链接：https://x.com/satyanadella/article/2066182223213293753 这篇文章中最重要的概念，是他提出的Token Capital。

7、中国长城博物馆竣工验收～

多框架反复实战，图的就是「换个框架不水土不服」。

联创谢旭璋在峰会的分享中提到一句话，非常动人：「AI for Good最朴素的含义，是让那些过去被创作门槛挡在门外的人，第一次拿到创造的工具。

8、4支沪字号出战！上海+深圳+东北德比，足协杯16场端午大战将上演

这可能比传统意义上的模型准确率或单次任务效率，更能够衡量企业 AI 转型的长期价值。

而且它不是单枪匹马上分，SOL、TERRA一整个家族集体飙到136，连视觉版都没掉队。

以ICLR 2023数据为例，在最难取舍的5–6分临界区间，LLM校准筛选出的论文，其平均引用量相比仅依据人工评分筛选提升了94%。

第三点，为了搞清楚多出来的用量到底从哪儿来，团队跑了一些实验，实验里改动了推理强度（reasoning effort），内部管它叫「juice values」。