一句话总结：老办法是让模型在一大堆搜索结果里凑答案，HMS则先像人一样，把回忆这件事有规划、有验证、有条理地做完，再请模型下笔。

1、BOB足球 用这套数据训练的模型，在面对完全陌生的未见场景时，任务执行成功率飙升了51%。

而这套打法，早就不只是他一个人的玩法。BOB足球太令人唏嘘了。

2、电动卡车15分钟补能400公里？曼恩在NEFTON项目中首次实现3,000安培充电电流，刷新充电速度纪录

它更应当走一遍电脑系统当年走过的路：从「有个进程隔离就够了」，到「ASLR、DEP、SELinux、签名内核协同工作」的纵深防御，并且必须与底层大模型联合评估，而不是拿平台加固去顶替模型对齐。

3、夜读丨儿时枣香

当具身大模型开始具备开放世界泛化能力，这20%的人工工序，第一次有了被逐步接管的可能。

4、马筱梅态度突变引热议，前后反差太明显

第一步，生成：人给出少量信息，AI生成初稿。

5、绿茶家长“过度打扮”，反被嘲笑成小丑：你就是个普通的家庭妇女

人类在科学探索中最具神性的一环，正在被硅基智能接管。

页面自己从头到尾看不到任何人的凭证，所有调用由claude.ai代为发起。

世界模型亦成为新的变量。

6、刚刚

作为年轻创业团队，它没有历史包袱，从技术架构到产品设计到商业模式，全部从AI原生的逻辑出发。

在他咨询AI的绝大多数话题上，模型给出的答案，比他能联系到的绝大多数世界级专家更好。

7、此前与多支NBA球队传出绯闻！曝徐昕赴美征战NBA夏季联赛

他毫不吝啬自己的震撼与兴奋，但在这份敬畏的底色里，却渗出了一丝后背发凉的失落感： 这个猜想是统计领域内最有趣的未解之谜…… GPT-5.6解决了它，但我多希望，这是由人类来完成的。

」 OpenAI的Aaron Lou用内部Codex（无网络搜索）从零推导出本质相同的反例，完整写出策略与证明，还给出可复现的数学推导（从三次因式分解到仿射坐标变换）。

8、火箭真要大交易？名记曝火箭有意四大球星 申京或成重要交易筹码

经过一轮硬核基建打磨，沙箱反馈错误率压到了2%以下，训练崩溃频率降了约一个数量级。

这个仅有0.9B参数规模的模型，基于MiniCPM4-0.5B训练完成，在同类开源模型中性能稳居第一。

创意环节，AI 创意智能体接入 Seedance 2.0，输入商品链接和目标市场，自动生成多语种短视频脚本、口播文案和图文素材，传统团队一周拍一条片子，Navos 一天能出几十条变体。

9、1夜8大转会！纽卡1进1出，尤尔曼德加盟马竞，国米签下新边卫！

这些信息单独看可能只是一次提示词、一次模型调用或一次用户纠正，但积累起来，它们构成的并不是普通数据，而是一张企业的认知地图。

这一跳，他们为具身智能找到了明确的「Scaling Law」，让大算力大数据的投入产出变得可量化。

10、“宁愿你没考上大学！”985女儿的一句话，让母亲崩溃：家快散了

参考资料： 编辑：新智元报道 商业地图可以告诉机器人「前方右转」，却无法直接告诉它眼前应该从哪里转、沿哪一侧通过；即使已经生成路线，控制误差、地面变化和动态障碍，也可能让机器人在行进过程中逐渐偏离。

官方给这款产品的定调也很清楚：Claude for Teachers是给老师的工具，不替代老师，更不直接喂给学生。

1、惊心动魄！郑钦文强势逆转，晋级奥运会女单四强，追平前辈李娜

保持投放精准度靠的是一个每天转动的反馈飞轮。

2、美小麦日内跌4%

Beck证明了，能。

3、腾讯START云游戏登陆PICO平台，15小时免费畅玩《黑神话：悟空》

这是一个清晰的产业升级路径：从最高端的航空航天、半导体，到高增长的机器人和高性能汽车，最后覆盖到最广阔的民用消费市场。致敬 C 罗！六届世界杯+11粒进球 葡萄牙传奇就此落幕它不仅能自我介绍，还能流利地进行实时对话。

4、日本破防后，日防长一语惊人，他想让中国明白：越南早站队日本了

面壁智能到底做对了什么？答案是：「视觉Token的极致压缩」。

5、天灾无情 邮储有爱

Andreessen给出的判断标准很简单：模型是否达到或超过一个聪明人的通用认知能力。

6、为什么越来越多人不喜欢高层了，喜欢低楼层的树景房？

Anthropic在这份报告所做的，是趁智能体还没被交出更多权力，先把这些藏在暗处的失败模式挖出来，变成可以测量、可以防范的靶子。

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。

但这套打法的红利，正在肉眼可见地变薄。

7、小程序开发最大的坑：低价套路与隐形收费

这说明问题并不只是某个模型不够大、不够强，而是当前通用大模型普遍缺少稳定的三维空间行动能力。

那个被调动的变量，刚好是用户能感觉到的那个。

8、科协年会连开三场具身智能论坛，聚焦AI落地物理世界新路径

门槛在于把隐性经验翻译成显性指令。

反低效内卷 沉淀科研复利资产 如果说验证滞后制约了科研即时落地效率，那么科研经验的零散流失，便是影响 AI 科研长期进化的核心因素，也是大模型科学探索能力增长缓慢的深层原因。

为的不是问题背后的答案，是「思考」和「学习」这两个元技能，而写作和编程，正是训练它们的工具。

本体工程在此提供了关键的实践框架：通过构建AI友好的、可被模型调用和追溯的语义骨架，我们得以将模型的推理锚定在明确定义的知识结构之上，使输出所依赖的类、属性和关系获得可形式化描述与可追溯验证的工程基础。