EZ.AI Listen Daily
想象一下，你是一位机器人研究员，为了让一台机器人在客厅里学会拿起桌上的杯子，你可能需要花费数周时间手动设计场景、摆放家具、设置物理碰撞参数，再编写繁琐的交互逻辑。这种手工搭建的训练环境既耗时又难以复制，更不要说扩展到成百上千个不同房间了。这正是EmbodiedGen V2试图解决的痛点——它是一个生成式3D世界引擎，能够自动构建可直接用于具身智能训练的模拟环境。
这个引擎的巧妙之处在于，它用一套统一的“可模拟”表示法，将来自不同模拟器的资产、物体的交互可供性、任务驱动的场景、大规模多房间布局，甚至状态化的“Vibe Coding”都串联起来。这意味着，生成的场景不再只是一堆静态的3D模型，而是能够直接支持机器人进行抓取、导航、移动操作等任务的完整环境，并且可以在不同模拟器之间无缝迁移。
在评估中，这套方案展现出了惊人的实用性。资产管线的生成结果获得了96.5%的人类接受度，碰撞检测成功率达到98.6%——也就是说，机器人能自如地在这些场景中穿梭而不会“卡”在家具里。更关键的是，83.3%的任务驱动世界竟然无需任何手动调整，就能直接投入下游仿真使用。研究人员还进行了一个实验：让机器人在这些自动生成的环境中进行在线强化学习，模拟中的任务成功率从可怜的9.7%飙升至79.8%；把训练好的策略迁移到真实机器人上时，任务成功率也从21.7%提升到了75.0%。这组数字无疑证明了，一个好的训练环境可以极大地缩短从算法到现实的距离。
当然，任何技术都有其边界。目前EmbodiedGen V2仍主要集中在室内场景，对于复杂户外环境的生成能力尚未展示；此外，它的任务范围虽广，但能否覆盖极端罕见或高度特化的工业场景也还有待检验。然而，这项研究无疑为具身智能的规模化学习提供了一条清晰路径——当搭建训练环境这件事本身变得可生成、可编辑、可复用，真正意义上的大规模闭环训练才有了地基。或许，未来的机器人不再需要人类师傅手把手教授每一个动作，而是可以在千千万万个自动生成的虚拟世界中自我探索，然后带着经验走向现实。
传统视频生成模型在数字内容创作中表现出色，但当研究者试图将其应用于机器人控制时，却遭遇了物理世界的“水土不服”。针对这一困境，一支研究团队从零开始构建了专为本体环境设计的视频动作基础模型LingBot-VA 2.0，通过四项核心设计原则实现了质的飞跃。
第一，他们摒弃了传统的基于重建的变分自编码器，创新性地引入了语义视觉动作分词器。这一设计不仅将视觉表征与语义和动作精准对齐，还显著提升了后续策略学习中的指令跟随能力和动作精度。第二，在时间动态建模上，团队基于物理世界严格因果性的认知，采用了因果预训练范式，从零开始训练整个模型。这种方法成功规避了传统双向架构在适应新任务时常见的灾难性遗忘问题，让模型能够更稳健地学习随时间变化的动作规律。
第三，为了满足高频推理的实时需求，模型采用了稀疏混合专家主干网络。这一架构在扩展模型容量的同时，并未牺牲计算效率，确保了在复杂任务中依然能快速响应。第四，通过增强的异步推断方案，LingBot-VA 2.0实现了真正的实时闭环控制。该方案在动作执行的同时并行预测未来潜在状态，并利用学习到的前向动力学机制，将每一次滚动任务重新锚定在最新的观测数据上，确保控制的实时性和准确性。
在实际部署中，LingBot-VA 2.0展现出了强大的基础模型能力。在跨复杂操作任务的少样本泛化测试中，它仅需少量示例便能适应新场景，验证了其作为通用机器人控制骨干的鲁棒性。
这四项设计不仅填补了视频生成模型与物理环境之间的鸿沟，更暗示了一个方向：当模型真正理解并尊重物理世界的因果与时间约束时，机器人才可能从数字模拟的“戏法”走向现实操作的“可靠”——也许不久之后，你看到的每一个流畅的机器人动作，背后都藏着这样一段从零开始的因果之旅。
在实验室的恒温箱里，一颗刚刚摘下的猪眼被连接上一台精巧的流体泵送盒子。富氧液体通过眼球动脉循环，温度与压力被精确维持——十五分钟后，这颗原本已失去感光能力的眼球，重新对光线产生了反应。这不是科幻场景，而是巴塞罗那团队发表在最新研究中的真实成果。
死后的眼球本该迅速衰竭：即使冷藏，未经处理的猪眼在24小时内便出现严重退化。但经过这台设备灌注的眼球，“存活”状态显著更持久，部分实验眼感光功能维持超过十小时。关键在于，光敏感性在眼球离体瞬间消失，而灌注开始约十五分钟后，它竟奇迹般回归。
研究者不仅验证了猪眼，还获得了六名人类捐赠者的单眼进行对比实验。结果一致：经过灌注处理的视网膜，保存状况远优于未处理的对侧眼。这背后是精密的工程学设计——密闭舱内恒温恒压，一个窗口允许实时成像，氧气与营养液持续替代血液泵送。设备模拟了活体环境，让眼球在死亡后仍能维持活性。
这一突破直指医学难题的核心。2023年，纽约大学朗格尼医学中心完成了首例全眼球移植，术后眼球虽有血供且外观正常，但患者依然无法恢复视力。最大的障碍之一，便是供体眼球在死亡后以惊人的速度降解——视网膜神经元在缺氧数分钟内便开始不可逆损伤。若能延缓这层易碎的光感受组织死亡，或许就能为移植争取到宝贵的手术窗口。
这台灌注设备的意义，不仅是延长了几个小时的感光能力，更在于它首次演示了如何系统性地让离体眼球重新实现基础功能。尽管距离真正的人类全眼球移植恢复视力还有重重关卡——从视神经再生到免疫排斥——但至少，一个让器官在死后继续“活着”的盒子，已经稳步推开了那扇门。
死亡并非终点。那些曾被认定不可逆转的瞬间，正在实验室里被一次次改写。也许在不久的将来，失明者的曙光，就始于这颗在液体中重新跳动的光感。
Meta宣布在加拿大阿尔伯塔省斯特金县开工建设其首个加拿大数据中心。这是一座规模达1吉瓦、专为人工智能优化的设施，总投资超过130亿加元（约100亿美元）。据Meta数据中心开发副总裁加里·德马西透露，这是Meta全球第33个数据中心，也是美国以外最大的一个。
这座设施的电力需求相当于75万户家庭的用电量，将由Meta资助并接入阿尔伯塔省电网的新建天然气发电厂供应。项目高峰期将支持超过3000名建筑工人，并创造300多个永久性运营岗位。技术方面，该数据中心采用闭环液冷系统搭配干冷散热，运营过程中无需消耗水来降温。
阿尔伯塔省以廉价能源和宽松监管为卖点，吸引Meta将其视为下一代人工智能的前沿阵地。但这座数据中心依赖天然气发电的现实，暴露了一个深层矛盾：AI对电力的贪婪胃口，正不断与科技巨头们的气候承诺发生碰撞。这不仅是Meta的故事，更是整个行业在追求技术飞跃时，不得不面对的能源悖论。当算力成为新石油，如何平衡增长与可持续，或许才是未来最关键的考题。
亿万富翁杰夫·贝佐斯旗下的蓝色起源公司，正悄然开启一场史无前例的资本盛宴。据报道，这家火箭制造商正在进行其成立25年来的首轮外部融资，规模高达100亿美元。这笔交易使蓝色起源的估值飙升至1300亿美元，几乎紧贴竞争对手SpaceX近期轰动IPO之后的市场热度。
参与这场融资的各方来头不小：对冲基金Coatue Management拿出40亿美元，贝佐斯本人再注入20亿美元，剩余40亿美元则来自多家机构投资者。此前，蓝色起源几乎完全依靠贝佐斯个人资金维持运营，这笔钱大多是他抛售亚马逊股票所得。如今引入外部资本，标志着公司战略的重大转折。
然而，融资时机颇为微妙。就在不久前，蓝色起源的一枚火箭在发射台上爆炸，公司至今仍在重建受损发射台并调查事故根源。尽管如此，投资者仍给予其1300亿美元估值，甚至超越了洛克希德·马丁约1220亿美元的市值。蓝色起源由此跻身全球最有价值的纯太空公司行列。
这次融资的意义远超账面数字。SpaceX的崛起证明，单靠个人支票已不足以支撑这场太空竞赛——蓝色起源需要机构级的资本来追赶对手。但外部资金也意味着外部压力：在1300亿美元的估值下，蓝色起源必须向投资人们证明，自己能将NASA的大额合同转化为可靠的发射任务，而非一再的延期和发射台修复。承载着贝佐斯太空梦想的蓝色起源，正站在一个需要靠实力证明自己的全新起点上。当资本的赌注如此巨大，每一步发射都不再只是技术问题，而是未来棋局的关键落子。
曾经让Netflix一统江湖的“一次性放出全集”模式，如今正成为它的软肋。据彭博社报道，Netflix多部旗舰剧集的第二季收视率相较第一季暴跌30%至70%，这一数据引发了行业对“刷剧”模式生命力的质疑。
《降世神通：最后的气宗》第二季在首播四天内仅获得870万次观看，而第一季同期是2120万次，暴跌59%；《怒呛人生》下降了70%；《暗夜情报员》损失了50%。收视率断崖式下滑的时间点耐人寻味：《怒呛人生》和《海贼王》都花了三年时间才推出后续季，这在信息爆炸的时代，足以让观众彻底转移注意力。当短视频和手机竖屏剧每15秒就能带来新刺激时，三年的等待无异于永恒。
面对危机，Netflix正在尝试自救：它将于今年8月3日在美国推出新功能，在平台上内嵌来自BuzzFeed、康泰纳仕和赫斯特等出版商创作的短视频内容，试图用“短内容”留住用户。而竞争对手的步步紧逼更加致命：2025年，YouTube首次在每日观看时长上超越Netflix；竖屏短剧应用ReelShort的消费者支出飙升至约12亿美元，同比增长119%。刷一集《暗夜情报员》的时间，足够刷完一整部短剧。
“刷剧式掉粉”曾让Netflix称王，但如今这个模式在信息流滑动的世界里显得垂垂老矣。一位不愿透露姓名的分析师指出，Netflix内部已在研究这一趋势，这意味着连它自己也怀疑“一次性放出全集”这张王牌需要重新洗牌。当注意力成为最稀缺的资源，流媒体巨头或许不得不思考：让观众等三年才见面，是不是已经太过奢侈了？
Meta悄然发布了新一代AI模型Muse Spark 1.1，专为代理式任务、计算机使用和长会话场景打造。扎克伯格亲自站台，承诺定价将远低于竞争对手“非常极端”的利润率——每百万输入/输出令牌仅收费1.25美元和4.25美元，约为头部竞品的四分之一。这一价格战策略，瞬间引发了行业震动。
但低价并非全部。1.1在多个代理推理和工具使用基准测试中，直接超越了Opus 4.8和GPT-5.5。扎克伯格宣称它达到了“顶尖或接近顶尖”的水平。尤其在计算机使用任务上，1.1表现惊艳：它能将复杂任务拆解为多个并行子代理，跨应用程序协同操作，并依靠100万令牌的超大上下文窗口处理长时间作业。API现已进入公开预览，新用户可获20美元试用额度。
这场发布背后，暗藏着Meta与SpaceXAI的惊人相似：扎克伯格和马斯克都曾经历初期模型的乏善可陈，最终却凭借成本与效率的极致优化，推出了极具竞争力的新模型。Meta还在秘密训练代号“Watermelon”的更大模型，预计年底登场。下一波更大规模的发布，将揭示他们究竟能走多远。
有时候，颠覆不靠堆算力，而靠把每一块钱都用在刀刃上。当价格砍到对手四分之一，性能却反超时，真正的竞争才刚刚开始。
在AI竞赛日益白热化的当下，OpenAI悄然发布了GPT-5.6系列，一口气推出了Sol、Terra和Luna三款模型。这不是一次简单的模型升级——它更像是一盘蓄谋已久的大棋。故事的起点，是OpenAI用一个代号为“Sol”的旗舰模型，搭配一个名为“ChatGPT Work”的新平台，以及一个整合了Codex引擎的桌面应用，正式将“超级应用”的野心从口号变成了用户手中的工具。
这场发布的核心在于差异化。Sol的智商在AA的智能指数上略低于Anthropic的明星模型Fable，但在代理编程、计算机操控、设计能力和网络安全方面却成功反超。更关键的是，Sol的定价与上一代GPT-5.5持平，从每百万token 5美元（输入）到30美元（输出），而更便宜的Luna版本价格低至1/6美元。Sam Altman意味深长地指出：“现在每个企业都在思考预算。”同时，OpenAI还引入了“Ultra”模式来解锁顶级性能，并揭示了一个惊人的细节：Sol实际上在自主地后训练Luna——这暗示着模型间的自进化能力已悄然萌芽。
如果说模型本身不算颠覆，那新平台ChatGPT Work则让局面变得有趣。它直接对标Anthropic的Claude Cowork，把Codex的底层引擎藏在一个更亲民、面向日常任务的界面上。同时，原有Codex应用被合并进经过彻底重构的ChatGPT桌面客户端，内置浏览器和电脑控制功能，加上新出现的Work代理，这些组件被粘合成一个统一的工作流平台。那些期待一个“Fable粉碎机”模型的人可能略有失望，但Sol紧随其后，价格更低，且没有了Anthropic那种令人焦虑的使用限制。当Work和全新的桌面端落地，OpenAI的超级应用蓝图终于不再是PPT上的口号，而是真正走进了每个人的电脑屏幕。未来，智能的高低或许不再是唯一战场，把能力装进一个顺手且负担得起的壳子里，才是赢得用户的真正密码。
大型视觉语言模型处理高分辨率图像时，需生成数千个视觉令牌，但大部分令牌对于当前查询是冗余的。现有的剪枝方法要么侧重查询相关性，要么强调令牌多样性，两者在激进压缩下常常冲突：相关性导向的剪枝可能将预算过度集中于局部相关证据，而多样性导向的剪枝则可能抑制关键令牌，或保留虽独特但无意义的区域。这种矛盾让高效推理陷入两难。
AnchorPrune提供了一种无需训练的新思路。它先构建一个受保护的相关性锚点——根据查询自动筛选出最关键的视觉证据，并自适应地确定锚点大小，确保这个“守护圈”紧凑而精准。接着，它利用剩余预算，通过重要性加权的新颖性筛选，在锚点之外寻找具有信息量且不冗余的视觉上下文。这种“先锚定、后扩展”的次序化设计，既防止上下文扩展挤占关键线索，又改善了整体视觉覆盖率。
AnchorPrune轻量且对模型架构友好，无需重新训练或修改模型。在多个图像和视频视觉语言模型及基准测试中，它持续改善了准确率与效率的平衡，尤其在高压缩率下表现突出。例如，在LLaVA-NeXT-7B模型上，仅用160个视觉令牌（原2880个）就保留了97.6%的全令牌性能。这一结果证明，以相关性锚点为基石的上下文扩展，是实现高效多模态推理的有效原则。
代码已开源。当冗余与关键相互纠缠，锚定核心、适度外延，或许正是通往高效智能的那条捷径。
在强化学习领域，当模型已经能生成有用推理轨迹时，GRPO方法表现不错，但面对那些正确解题模式完全超出当前策略支持的难题，它就会陷入停滞。研究人员提出了一种名为TREK的分阶段训练策略，它不把蒸馏用于模仿，而是用来扩展模型的探索范围。TREK的独特优势在于通用性：它只需消费验证过的输出轨迹，因此无论是黑盒教师模型、白盒教师模型，还是同一模型在额外推理时间上下文下的输出，都能灵活接入；即使无法获取教师内部信息，它也能高效识别哪些难题样本最值得巩固。
TREK的工作流程分为四步：先找出无辅助下学生模型通过率极低的提示；再向提议源（如教师模型）请求并生成验证过的候选解决方案；接着根据当前学生模型的似然度，从这些候选中保留排名靠前的部分；然后通过一个短暂的前向KL散度阶段，将这些已验证的解题模式拉入学生模型的概率支持区；最后回归标准的同策略GRPO微调。实验结果显示，在数学推理任务中，使用DeepSeek-V4作为教师的TREK，在AIME 2024和AIME 2025上全面提升了不同规模Qwen3模型的成绩。以Qwen3-8B为例，AIME 2025成绩从36.9提升到40.3，AIME 2024从47.9提升到51.1（均采用avg@16评估）；无需外部教师时，自上下文变体也能分别达到38.5和49.6。在代理型任务上，TREK将ALFWorld成功率先从75.8提高到82.8，ScienceWorld从12.5跃升至26.7；尤其在最困难的任务类型上，TREK在训练早期就实现了高成功率，而未经辅助的GRPO需要大量额外优化步骤才能接近同等水平。
当模型困在熟悉的解题路径里，TREK巧妙借来教师的路灯，照见远方那些从未踏足的正确答案——不是让学生照搬，而是让它在探照范围内迈开自己的脚步。
在大型语言模型后训练中，强化学习正扮演越来越重要的角色。但过去针对LLM的强化学习流水线大多是同步且批交互的，这种模式在处理需要多步决策的智能体任务时效率低下。于是，异步强化学习成为更高效的替代方案——它允许模型在滚动数据逐步到达时即时更新，但现有系统往往只关注吞吐量，而对训练稳定性和任务有效性探究不足。一个典型困境是：GRPO框架中广泛使用的分组采样机制与异步智能体训练天然不兼容，导致离线策略偏差和稳定性问题。
在这篇论文中，作者提出了单次采样异步优化方法。相比分组采样，SAO在每个提示上仅使用一次滚动输出，从而大幅减少了离线策略效应，提升了模型泛化能力。研究者还为这种单次策略设计了实用的价值模型训练方案。为了增强优化稳定性，他们引入了一种严格的双侧令牌级裁剪策略。实验证明，SAO能够稳定训练一千步，并在SWE-Bench Verified、BeyondAIME、IMOAnswerBench等智能体编码和推理基准上持续超越GRPO及其变体。更值得注意的是，在模拟在线学习环境中，当模型必须不断适应变化场景时，单次采样强化学习展现出了特别优势。目前，SAO已成功部署在开放模型GLM-5.2（750B-A40B）的智能体强化学习训练流水线中。
当群体统计的平滑光环褪去，每个单次轨迹都成为对模型精准捕捉环境反馈的严苛考验。一个异步、稳定且高效的强化学习系统，或许正在将智能体从海量并行吞吐的竞争，引向更轻量、更实时的适应力进化——而后者，正是模型在真实动态世界中生存的不二法则。
就在视频模型纷纷争夺用户眼球的当下，字节跳动却悄然推出了一款让人眼前一亮的图像模型——Seedream 5.0 Pro。它不再满足于“生成图像”，而是大胆宣称自己能“理解设计”，从而带来前所未有的编辑控制力。这不仅是技术迭代，更是一次创作范式的革命。
这款模型的五大核心亮点如下：
首先，文本渲染与结构对齐能力大幅跃升。无论是复杂的图表制作还是专业的设计稿，Seedream 5.0 Pro都能精准呈现文字、图标，并确保各元素在空间中的对齐关系。这意味着它不再是“画出来大概”，而是把排版和逻辑也融入到生成过程中。
其次，它引入了业界领先的“精确编辑”功能。通过将图层分离，用户可以对已生成的图像进行精细修改：擦除某一部分、替换某个物体、或者把两张图无缝合成。这打破了传统图像生成“一次出图、无法修改”的僵局，让用户真正像用专业设计软件一样去创作。
第三，多语言支持覆盖超过10种语言，能够在原生层面处理不同文字与视觉元素的混合设计。对于跨国企业、全球化品牌而言，这无疑是一大福音。
第四，Seedream 5.0 Pro的推出，标志着字节跳动正逼近由OpenAI的Images 2.0所代表的行业前沿水平。虽然OpenAI尚未大规模发布其最新图像模型，但Seedream在连贯性、可控性上的突破，已经让竞争白热化。
最后，值得注意的是，这款图像模型恰好在字节跳动备受期待的Seedance 2.5视频模型之前问世。而Seedance 2.0目前仍稳居各大排行榜前列，这预示着字节跳动正将图像与视频两大AI创作工具串联成一个更强大的智能体系统。
真正让这款模型具有划时代意义的，是它对用户工作流的重塑。以往，生成图像之后需要人工反复调整、重绘、合成，而新一代模型正在“吃掉这些工具层”，变成主动式的创作伙伴。它理解设计意图，参与后期优化，甚至能预判用户的下一步需求。
在这场AI与设计的深度拥抱中，我们看到的不仅是技术的进步，更是一个重要信号：未来，创意不再是孤立的一次性产出，而是人与智能体之间持续协作、不断迭代的对话。谁更懂得“理解”，谁就能真正改变创作的方式。
当山姆·奥特曼反复提及电影《她》中的语音愿景时，没有人想到，这一天会以一种近乎无声的方式到来。OpenAI刚刚揭开了GPT-Live的神秘面纱——一个真正意义上的全双工语音模型，它不再像旧系统那样将多个模型笨拙地拼接在一起，而是采用了一种连续处理输入的全新架构。
想象一下，当你向AI提问时，它不仅能立刻“听到”你的话语，还能同时“思考”并“回应”。这种能力来源于Live的三大核心突破：第一，它采用了全双工架构，让语音输入和输出真正并行运转；第二，当遇到需要深度推理的问题时，它能自动委托给更强大的模型进行幕后计算，并在回答时同步推送视觉卡片；第三，这种同步处理彻底消除了此前语音交互中尴尬的停顿和等待，甚至实现了实时翻译——你说一句，它同步译成另一种语言输出。
用户用行动证明了这一变革的价值。在OpenAI的内部对比测试中，大约四分之三的参与者更偏爱GPT-Live，而非此前的先进语音模式。在专家科学类问题的得分上，GPT-Live的成绩几乎翻了一倍。这种跨越式的进步并非偶然——它来自对对话本质的重新思考：真正的交流，从来不需要“轮到谁说话”。
然而，这项技术真正令人震撼的，并非只是技术参数的堆砌。当越来越多的用户开始倾向于“说”而非“打”时，GPT-Live让语音交互终于拥有了它应有的未来感。它不再是一个冰冷的工具，而是像电影《她》中那个能与你同时倾听、思考、感受的存在。当然，这只是开始——当AI能够真正与你“同频共振”，你会发现自己再也不想回到那个只有文字的世界。
长期以来，在AI大模型的竞技场上，Grok系列一直像个边缘选手，常常被拿来对比却很少占据头条。但SpaceXAI以600亿美元收购Cursor后，双方联合打造的首个模型Grok 4.5一登场，就让整个行业不得不重新审视它。这次发布不仅带来了让人意外的基准表现，更在速度、效率和定价上直接挑战了现有前沿模型的地位。
Grok 4.5在编码、智能体任务和知识工作等领域的性能测试中，得分与Claude Opus 4.8和GPT 5.5处于同一量级。按照Elon Musk在X平台上的说法，这是一个“Opus级别的模型”，只是更快、更省token、成本更低。具体来看，它的推理速度达到了每秒80个token，这已经可以和许多现成的闪速模型平起平坐，同时官方声称其效率比Opus 4.8高出4倍。更让人侧目的是定价：每百万输入token仅2美元，输出token只需6美元，而Opus 4.8的对应价格分别是5美元和25美元——成本差距超过四分之一。更短期内在Cursor和Grok Build中，这个模型甚至免费使用。
Musk还透露，下个月将会有更大的模型发布，暗示Grok的野心不止于此。这次发布的背后，是收购Cursor带来的双向技术流动：Cursor的Composer模型在编程能力上持续进步，而Grok借助Cursor的工程能力重新定义了性价比。对于整个AI行业而言，Grok 4.5的出现意味着“廉价但强大”不再只是入门级模型的标签，前沿性能正被拉入一个新的价格盆地。这或许预示着，接下来的竞争将不再单纯围绕参数的堆砌，而是集中于如何用更少的资源跑出更聪明的回答。当速度和成本不再是瓶颈，真正决定胜负的，就是谁能把模型的能力用到最恰当的地方。
想象一个数字世界，它的边界不再由代码限制，而是由你的想象力决定。LingBot-World 2.0，这个名字听起来像科幻术语的产物，或许正是通往未来互动叙事的钥匙。当第一代版本还只能提供有限场景互动时，升级版已经能够支撑无限时长的交互循环，而且输出质量始终如一。秘密在于一个精心设计的因果预训练范式——模型学会了理解行为的先后规律，从而让故事可以一直延续下去，不会像旧式游戏那样在某个节点突然“卡住”或重复。
但这只是冰山一角。真正的突破在于，研究者从基础模型蒸馏出一个实时版本，使得系统能够以每秒60帧的速度驱动720p视频流。这意味着角色的一举一动、环境的一草一木，都能像真实电影一样流畅呈现。玩家不再等待加载画面，而是沉浸在即时反馈的流动世界中。
更让人惊叹的是这个世界的多样性。相比前代，新版本引入了极具多样性的互动要素：攻击、射箭、施法、射击——这些动作不再只是预设动画，而是通过文本驱动的实时事件逻辑生成。你可以写下一句“战士弯弓射向远处的巨龙”，系统便会动态合成弓箭离弦、巨龙喷火、场景突变的一连串画面。文本成了指挥棒，而世界是交响乐团。
而最引人注目的创新，是研究者首创的“智能体协作框架”——这在世界建模领域还是头一回。一个“飞行员代理”负责规划和执行角色行为，比如决定英雄何时躲避、何时反击；另一个“导演代理”则负责随着剧情发展合成新的环境元素：场景变换、物体出现、天气突变。两者协同工作，就像电影片场的导演和主演，你永远不知道下一个惊喜来自谁的指挥。
为了让这种体验不止于个人，团队还开发了一个多玩家接口，允许多名参与者同时沉浸在这个生动的世界模拟器中。你可以和朋友一起探索同一片森林，各自扮演不同角色，交织出独一无二的叙事线。
最后，技术团队提了一个贴心的彩蛋：除了主打14B参数的模型，还附带一个轻量级1.3B版本，你只需一块GPU就能轻松部署。这意味着，这个曾经只有高端实验室才能运行的世界，或许有一天会跑在你的家用电脑上。
真正的变革不在于技术堆砌，而在于它重新定义了“体验”本身——当无限循环、实时反馈、多样化互动和智能协作融为一炉，我们面对的不再是一个模拟器，而是一个有生命的数字宇宙。而这一次，观看者已经变成了导演和主演。
当前视频生成模型大多聚焦于内容创作，追求视觉创意与美观，但在机器人控制任务中却因领域错位而力不从心——它们优先考虑计算效率和物理真实性不足。为此，研究人员推出了LingBot-Video，一个基于DiT架构的视频预训练范式，专门为具身智能设计。这一模型从三个层面进行突破：一是采用混合专家（MoE）框架替代传统的密集网络，在建模能力与推理效率间取得更好平衡，并实现了从零开始的规模化扩展；二是构建了一套数据剖析引擎，除了常规互联网视频，还补充了大量机器人相关素材，涵盖操作、导航和自我中心视角，让基础模型天然具备对动作和世界动态的理解；三是开发了多维奖励系统，在美学、指令遵循和运动一致性等标准之外，还强制对齐物理合理性与任务完成度。综合评估表明，LingBot-Video在性能和效率上均表现出色，作为首个大规模、开源的MoE视频基础模型，它正努力弥合数字创造力与物理执行之间的鸿沟。当机器人开始通过视频理解世界的物理法则，我们离真正自主的智能体又近了一步。
想象一下，当你在一个虚拟世界中自由奔跑、释放法术甚至召唤怪物时，整个世界并非由开发者逐帧手绘，而是在你每一次操作时实时“生长”出来。这听起来像科幻，但最近一项名为AlayaWorld的开源框架，正试图将这种从静态建造到动态生成的范式转变变为现实。
传统游戏世界的打造依赖劳动密集型生产流程：每一个场景、每一段物理规则、每一次交互响应，都需要耗费大量人力精心编码。这使得开发成本高昂、定制困难，且一旦部署就难以修改。但视频世界模型的崛起提供了一个截然不同的路径——它们不再逐一创建虚拟环境的每个组件，而是基于当前世界状态和用户操作，通过自回归方式逐帧合成未来的观察结果。这种模型可以学习自游戏录像和真实世界视频，从而捕捉丰富多样的视觉外观和物理动态，为游戏乃至具身智能等互动应用打开全新可能。
正是在这一背景下，AlayaWorld应运而生。这是一个全栈、开源的交互式生成世界框架，它的核心能力在于支持开放式实时交互：你可以自由探索虚拟场景，进行战斗、施法、召唤怪兽等多样化操作。所有这一切都在你执行动作的瞬间在线生成，而非预先加载。为了支撑这样的能力，AlayaWorld将整个开发流程——从数据准备、模型架构设计、模型训练、推理加速到最终部署——统一在一个模块化、可扩展的架构中。这不仅降低了构建生成世界的门槛，也让研究者能够在同一平台上进行完整的实验迭代。
AlayaWorld不仅仅是一个框架的代码仓库。它同时发布了可复现的数据处理管道、参考实现、评估工具以及详细文档。这意味着，任何有兴趣的个人或团队都可以基于这一基础，将生成式世界模型从研究推向实时应用的实践。它提供了一个地基，上面可以生长出各种形态的未来交互世界。
当世界可以被即时生成，游戏的边界就不再是加载屏幕，而是想象力的极限。从封闭的手工雕琢到开放的动态涌现，AlayaWorld迈出了坚实的一步，而真正的变革，或许才刚刚开始。
在人工智能的推理世界里，速度与效率的平衡一直是核心挑战。传统投机解码通过分离草稿生成与目标验证来加速大模型，但最新方法遭遇了瓶颈：并行草稿器虽能一次生成多个token，却因缺乏内部依赖而让后续token的接受率急剧下降，如同多米诺骨牌般一片片倒下。更糟糕的是，系统不加区分地验证整块长序列，反而让高风险的token占用了宝贵的计算资源，在高并发场景下，吞吐量损失惨重。
DSpark的出现打破了这一僵局。它像一个精明的调度师，将高吞吐的并行生成与自适应负载感知验证合二为一。秘密在于“半自回归”架构：一个轻量级的顺序模块嵌入并行骨干中，为每个token块注入依赖关系，有效缓解了后缀衰减——原本长序列后端的低接受率问题。同时，DSpark引入“置信度调度验证”，它像一个实时导航仪，根据每个请求前缀的存活概率和引擎的吞吐特性，动态调整验证长度，避免算力浪费。
效果立竿见影。在涵盖多领域的离线基准测试中，DSpark相比顶尖的自回归和并行草稿器，大幅提升了接受长度。当部署到DeepSeek-V4的在线服务系统时，面对真实用户流量，DSpark成功遏制了验证浪费。与生产基线MTP-1相比，同等吞吐下每个用户的生成速度提升了60%到85%。更关键的是，在严格的交互延迟约束下，它阻止了吞吐性能的悬崖式下跌，实现了此前无法企及的效率水平，将整个服务系统的性能边界推向了新高度。
DSpark证明，细节处的精密调控往往能释放巨大的潜力——在算力与需求赛跑的时代，学会取舍比盲目推进更接近真正的速度。
想象一下，一个模型能同时完成目标检测、OCR、关键点估计、深度估计、表面法线预测、点地图和相机位姿估计，只需要用自然语言描述任务，甚至不需要为每个任务设计专门的架构。这听起来像是科幻小说，但SenseNova-Vision做到了。
研究团队将计算机视觉重新定义为统一的多模态生成问题。他们发现，不同视觉任务其实可以用同样的语言和图像生成空间来表达：对于符号输出（比如检测框的坐标），模型输出文本；对于密集的空间预测（比如分割掩码），模型直接输出图像；而对于组合任务（比如描述场景中的物体），则混合输出文本和图像。
这个看似简单的思路背后，是巨大的数据工程。团队收集并转换了大量计算机视觉标注数据，构建了一个名为SenseNova-Vision Corpus的大规模指令-响应数据集，其中包含文本、图像和混合目标。这些数据被用来训练一个现成的预训练多模态模型，无需添加任何任务特定的预测头或修改架构。
在实验中，这个单一模型在结构化视觉理解、密集几何预测、分割和多视角视觉几何等任务上，与当前最领先的任务专用系统表现相当。尤其令人印象深刻的是，它还能支持语言定义的变体任务，比如用颜色、区域和类别组合来指定检测要求。
这个研究的核心突破在于，它展示了一条从专用系统走向通用基础模型的可行路径：用统一的多模态生成框架，让一个模型学会所有视觉任务，而不再需要为每个任务单独设计和训练模型。模型和数据集都已公开，这为社区提供了宝贵的研究基础。
将分散的视觉能力整合进一个统一的框架，就像把一张张孤立的拼图碎片拼成一幅完整的图画。也许不久之后，我们不再需要为每个视觉问题设计专门的解题工具，因为它们都将内化为一个通用模型的不同表达方式。
当外卖巨头DoorDash开始认真钻研AI代码审查，结果出乎所有人意料。长期以来，技术团队一直苦恼于无法统计AI审查员到底放过了多少隐藏缺陷——日常反馈只能追踪被标记的问题，那些悄悄溜过去的bug就像幽灵。为了破解这个谜题，他们构建了一个名为DashBench的内部基准，将105次过往代码变更作为测试场，逐一检验不同AI组合的捉虫能力。
测试结果令人惊讶：单个模型孤军奋战时，仅能捕获20%-30%的漏洞。而DoorDash将两个Claude模型配对，也仅能揪出一半多一点。真正的黑马出现在组合Kimi K2.6与Claude Fable 5时——这对搭档抓住了约三分之二的问题，更在10个最关键漏洞中命中了8个，每次审查成本仅为3.81美元，远低于其他方案。联合创始人Andy Fang兴奋地表示，DashBench让他们有底气把开源模型引入流程，“更好的质量，更低的成本。”
这则故事折射出两个深层信号：一是每一家科技巨头都可能通过类似的内部AI研究优化自身流程；二是开源AI的竞争力正以惊人速度攀升，Kimi K2.6的表现证明，它已不再是廉价替代品，而是一个值得严肃对待的选项。开源生态每一次迭代，都让降本增效的窗口开得更大些。当“实验”不再是实验室里的游戏，而是融入日常代码流水线的利器，或许每个行业都该重新审视那些被忽略的“幽灵缺陷”——以及准备捕捉它们的工具。
中国拟限顶级AI模型出海原文
凌晨三点，杭州一家初创公司的程序员还在调试代码。他刚把智谱GLM-5.2接入云端，准备下个月推向东南亚市场。但如果北京的讨论落地，这套模型可能永远无法离开中国。据路透社报道，中国商务官员已与字节跳动、阿里巴巴、智谱AI会面，探讨对最强模型实施境外使用限制，包括已发布的Qwen、豆包、GLM-5.2及未来版本。讨论范围覆盖闭源和开源模型，甚至涉及初创公司融资限制和泄露专有AI的惩罚措施。
这场博弈并非无迹可寻。今年6月，美国就以“安全”为由，对Anthropic的Fable和Mythos模型实施了类似出口管制，OpenAI的GPT 5.6也面临更严格的审查。如今北京打出“UNO反转牌”，意味着全球AI供应链的风险从单向变成双向——西方用户可能像突然失去Anthropic模型一样，瞬间再也用不起那些物美价廉的Qwen和豆包。
背后逻辑很直接：中国模型靠低成本和高性能在全球收割用户后，涌入了大量开发者和应用场景。这些数据流向和对模型潜在安全性的担忧，促使两国都开始收紧闸门。但值得注意的是，中方讨论中同时涉及了开源模型——这与此前硅谷认定的“开源无法被封锁”的共识形成强烈对立。
一位不愿透露姓名的AI研究员表示：“过去大家觉得模型掌握了自己手里，现在才明白物理服务器在哪、代码由谁审核，才是终极杠杆。”这句话点出了技术地缘政治的核心悖论：当一个国家手握底层模型和硬件时，规则随时可能重写。
规则在变，游戏在变，而玩家们只能看着棋盘上的棋子突然改变颜色。
在AI图像生成领域，Meta刚刚甩出了一张王牌。亚历山德·王领导的超级智能实验室推出了首个图像模型Muse Image，迅速登上了Arena排行榜的第二名，仅次于OpenAI的GPT Image 2。更让人惊讶的是，这款模型免费集成在Meta AI中，正在Instagram和WhatsApp上逐步铺开，Facebook、Messenger和广告平台稍后也会跟进。
Muse Image并非孤军奋战。它与Meta的另一款模型Muse Spark联手，具备了网页搜索、工具调用等智能体能力，甚至能自我修正输出结果，让生成的图像更加精准。这种“自我编辑”机制，让用户不再需要反复调整提示词，模型自己就能优化细节。
Meta过去一直将创意AI外包给Midjourney和Black Forest Labs，但这一次，他们决定自己动手。内部团队仅用短短时间就交出了令人惊艳的答卷。对于一个拥有社交媒体、广告和聊天等海量创意需求的公司来说，拥有自研的强图像模型（以及即将到来的视频模型Muse Video）无疑是巨大的战略胜利。Muse Video的预览版已经在Arena排行榜上位列第三，仅次于Seedance 2.0和Gemini Omni Flash。
当一家公司把关键能力从外部依赖转向内部掌控，改变的不仅仅是技术路线。这就像在自家后院挖出了一口深井，既不用再担心别人的水价，也能随时调整灌溉方向。对于用户来说，免费的顶尖工具总是好消息——但别忘了，每一次点击生成，都在为那个看不见的庞大系统提供燃料。真正的大戏，或许还未开始。
想象一下，训练一个强大的语言模型就像训练一位顶尖棋手——强化学习与可验证奖励（RLVR）虽然能让它棋艺精进，但每次新棋手出现，都得重新花大钱对弈上万局。这种成本让后训练本身成了瓶颈。现在，一种名为Direct-OPD的新方法打破了困局：既然大棋手训练贵，不如先让一个便宜的小棋手通过RL积累棋谱，再把这些经验悄悄传给大棋手。但直接让小棋手教大棋手模仿最终招数行不通——小棋手的局限会污染教学。Direct-OPD的聪明之处在于，它不教具体招数，而是教会“选择倾向”：通过比较小棋手RL前后的行为差异，计算出每个动作被RL强化或削弱的“隐式奖励信号”。这相当于把小棋手RL过程中学到的“赢棋倾向”提炼成一张密码表，然后让大棋手在自己真实的棋局中读懂这张表，从而调整自己的决策。实验令人振奋：在AIME 2024数学竞赛测试中，Qwen3-1.7B模型原本得分48.3%，借助Direct-OPD在8块A100 GPU上仅训练4小时，成绩飙升至62.4%，超越了直接对强模型进行RL训练的结果。更妙的是，不同阶段的弱模型RL信号可以像积木一样顺序叠加，持续强化目标模型。这项研究揭示了一个反直觉的真理：强化学习的价值不在于最终模型本身，而在于它如何改变模型的决策倾向。这种倾向可以跨模型规模传递，如同一种无声的语言，让弱小的先行者成为强大后辈的隐形导师。
维基百科上那句“机器人能搬箱子，却不会自己开门”的调侃，正在被一项新研究改写。当大多数视觉-语言-动作（VLA）模型还在实验室里摆弄固定机械臂时，中国研究团队打造的LingBot-VLA 2.0已经学会用“全身”思考：它转动头部观察环境，扭动腰部够取物品，驱动轮式底座穿过走廊，最后用灵巧手拧开瓶盖——这一连串动作背后，是60,000小时训练数据与全新预测动力学模型的协同进化。
与上一代相比，LingBot-VLA 2.0在三个维度的升级让其真正迈入“实用主义”门槛。首先，数据规模与多样性实现质的飞跃：团队重构了数据处理管道，汇集了约60,000小时预训练数据，其中包括覆盖20种机器人配置的50,000小时真实机器人轨迹，以及10,000小时第一人称人类视频。这意味着模型不仅能模仿机械臂的“标准动作”，还能从人类做家务、组装零件的自然行为中学习意图与策略。
其次，动作空间从传统夹爪扩展到完整自由度系统。新架构支持头部俯仰、腰部旋转、移动底座导航以及灵巧手抓取，让机器人不再局限于桌面操作。在GM-100基准测试的通用设置中，这些改进被证实能显著提升复杂长程任务的完成率——例如“从厨房抽屉取出罐子，放入冰箱第二层”这类需要移动、调整姿势、精细操作的多环节任务。
最关键的突破在于时序推理能力的提升。研究团队引入了一种预测动力学建模方法，将“未来预测”作为代理任务。具体来说，模型会提前生成接下来几秒的视觉预期，通过视频表征模型提取语义先验知识，并借助深度估计模型捕捉几何线索。这种“先想好再行动”的机制，使机器人能够在执行过程中持续调整动作，避免因环境变化导致的失败。例如，当手接近物体时，如果预测到手指缝隙会卡住，模型会主动调整抓取角度。
目前搭载LingBot-VLA 2.0的两种实体机器人平台，均已展现出跨实体的长程移动操作能力。从轮式基地到双机械臂协同，系统像一位老练工匠，从头到尾、由远及近地完成整套作业流程。这或许预示着，机器人告别“瘫痪”状态的关键，不仅在于更聪明的算法，更在于学会像人一样，用全身去感知和行动。
当60,000小时的数据撞上预测未来10秒的直觉，当20种机器人的经历汇聚为一种通用认知，我们终于看见机器人摆脱僵硬机械舞步的曙光。未来已不再遥远，只是每一步都需先学会如何预见。
在大型语言模型（LLM）的进化之路上，缩放预训练、后训练和测试时计算一直是提升能力的三大支柱。然而，当这些传统路径逐渐触及天花板时，研究者们发现了一个全新的缩放轴——验证能力，即判断解决方案正确性的本领。为了解锁这一潜力，UC Berkeley等团队提出了LLM-as-a-Verifier，一种无需额外训练即可为智能体任务提供细粒度反馈的通用验证框架。它不像传统的LM评判器那样只输出离散分数，而是通过对评分token logits的分布计算期望，生成连续分数。这种概率化公式让验证可以沿着多个维度缩放：评分粒度、重复评估和标准分解。在实验中，提升评分粒度能够更好地区分正负解决方案，使得比较更加校准；而重复评估和标准分解则通过降低方差和复杂度，持续提升验证准确性。最终，这个框架在Terminal-Bench V2拿下86.5%，SWE-Bench Verified达到78.2%，RoboRewardBench获得87.4%，MedAgentBench也取得了73.3%的成绩，全部刷新了当时的最高纪录。更令人兴奋的是，它产生的细粒度信号还能作为任务进展的代理，比如为Claude Code开发扩展，让开发者实时监控和优化自己的智能体系统。甚至在强化学习中，它能为SAC和GRPO算法提供密集反馈，在机器人和数学推理基准上显著提升样本效率。这或许意味着，验证本身将成为LLM能力提升的第四根支柱——当模型不仅会思考，还会自我裁判时，智能的边界将被重新定义。
机器人操控的统一模型试图将预训练的视觉语言模型（VLM）所蕴含的语义先验，与通过未来预测学到的物理动力学整合到单一策略中。然而，现有设计往往在训练中侵蚀预训练主干的语义，让异构目标之间相互干扰，还得从零开始在像素空间学习未来预测，浪费了预训练视频生成器中的动力学先验。研究团队提出了InternVLA-A1.5，它在原生VLM骨干上持续进行视觉问答和子任务预测训练，并附加一个轻量化的统一专家模块用于生成连续动作。未来预测被重新构思为一个潜在查询问题：一组少量的可学习“前瞻标记”在冻结的预训练视频生成模型监督下，将任务相关的未来信息压缩成紧凑的潜在编码，从而让策略继承世界模型的动力学先验，而无需学习像素级生成。推理时视频分支被丢弃，保持了实时控制。该模型在1.2百万条机器人操作数据和多模态样本上预训练，在全部六个仿真基准中均取得了最佳综合成绩。在真实世界中，保留的语义在全新的指令绑定上展现出最强的组合泛化能力，两种设计共同支撑起了长时间跨度的任务执行。这份成果表明，巧妙复用已有视觉生成先验、保持VLM语义连贯性，或许正是机器人操控迈向通用化的关键一步。
过去，3D重建和生成就像两条互不相交的轨道：像素级的回归模型负责重建，而潜在扩散模型负责生成。研究者们尝试将它们合并到一个潜在空间里，却总是磕磕绊绊——扩散目标依赖于潜在特征而非真正的3D表示，两头都因潜在编码而丢失信息，还得依赖一个预训练的VAE或RAE。如今，一篇新论文提出了一个名为PixWorld的模型，用“像素空间扩散”这个单一框架同时驾驭这两项任务。它直接在渲染图像上做扩散，由此绕开了上述所有限制，让优化过程与3D场景的保真度直接对齐。更妙的是，PixWorld不止用了光度损失和感知损失——这两种损失基于2D图像层面，缺乏3D几何意识——还额外引入了一种几何感知损失。这项损失通过一个预训练的3D基础模型，在具有几何意识的特征空间里，将渲染的视图与真实视图对齐，从而提供真正的3D结构监督。实验表明，PixWorld不仅一贯优于之前的潜在空间生成方法，还达到了当前最先进的重建方法的水平。这证明了统一像素空间路线的强大优势：3D重建与生成不必在潜在空间中妥协，直接在像素上跳舞也许才是更自然的方向。当模型学会在渲染图像上扩散，它离真正的3D理解也就更近了一步。这或许在提醒我们：有时候，绕开复杂的中间层，直面像素本身，反而能走得更远。
当谷歌推出新一代开放权重模型Gemma 4时，研究社区的目光立刻被它“以小博大”的潜力所吸引。这个家族包含了从2.3亿到310亿参数的多种架构，既有密集模型也有混合专家模型，但最令人意外的是，它没有一味追求更大的尺寸，而是用精巧的设计实现了性能跃升。
关键设计体现在几个层面。首先，所有模型都配备了升级的视觉和音频编码器，但12B版本却大胆抛弃了传统的编码器架构，直接处理原始音频和图像块，简化了流程。其次，它引入了一种“思考模式”：在给出最终答案前，模型先生成推理轨迹，这使它在STEM、多模态和长上下文基准测试中大幅超越前代，甚至在人工评测中媲美更大的顶级开源模型。此外，团队在推理速度、内存与计算效率上做了针对性优化，并强化了长上下文能力。
这次迭代证明了小模型通过架构革新和计算效率提升，同样能向堡垒发起冲击——当“思考”被内化为一种能力，参数规模不再是唯一的胜负手。
当智能体需要完成一项长期任务时，它的“记忆”会遇到一个尴尬的瓶颈：上下文窗口长度有限。就像写一本越来越厚的书，写到一半就发现已经超过了定额页数，后面的内容无从下笔。这正是当前长程智能体LLM面临的真实困境——交互轨迹不断延伸，任务还未结束，上下文长度已经爆表。
一种自然的解法是“上下文压缩”：把之前的交互状态总结成一段精炼的摘要，然后基于压缩后的上下文继续执行任务。听起来简单，但把它融入到强化学习训练中，却少有人成功尝试。最近，一项名为CompactionRL的策略打破了这一僵局。
这项研究的核心是：让智能体在执行任务的同时，也学会如何生成高质量的摘要。它采用了两项关键技术——token级的损失归一化和跨轨迹的广义优势估计。前者确保每个token在训练中受到公平对待，后者则让智能体从经过压缩的完整轨迹中有效学习，而不是被碎片化的记忆误导。
实验数字令人印象深刻。基于GLM-4.5-Air模型（106B-A30B），CompactionRL在SWE-bench Verified上达到了66.8%的Pass@1，在Terminal-Bench 2.0上达到24.5%，分别提升了7.0和3.1个百分点。换一个更轻量的模型GLM-4.7-Flash（30B-A3B），提升依然显著：SWE-bench Verified提升5.5个百分点至56.0%，Terminal-Bench 2.0提升6.8个百分点至20.2%。目前，CompactionRL已被部署到GLM-5.2模型（750B-A40B）的强化学习训练流程中。
让机器在不断延展的对话中记住该记住的，忘掉该忘掉的，这或许是通往真正智能体能力的关键一步。毕竟，真正的智能不在于记住一切，而在于懂得何时遗忘、如何提炼。
在亚利桑那州凤凰城的烈日下，一座座庞大的数据中心拔地而起，它们是数字世界的基石，也是隐形的“吞水兽”。然而，微软、谷歌和亚马逊等科技巨头对外报告的用水量，仅仅是真实消耗的冰山一角。根据《华尔街日报》的调查，这些公司报告的数字只包含了数据中心内部用于冷却的现场用水，却刻意忽略了一个巨大的源头——为这些庞然大物供电的发电厂，那里蒸发消耗的水量才是真正的“大头”。
1. 真相隐藏在供应链中：超大规模云计算公司（如微软、谷歌、亚马逊）的可持续发展报告中，通常只报告数据中心内部的冷却用水。在这四大巨头中，唯独Meta（脸书母公司）在报告中计算了为其供电的发电厂所消耗的水量。
2. 被忽视的“间接水耗”惊人：根据美国劳伦斯伯克利国家实验室的历史数据，美国数据中心的间接用水量，长期以来约是直接用水量的12倍。这意味着，当一家公司宣称其某个数据中心一年只用了10亿升水时，真实的水资源消耗可能高达120亿升。
3. 干旱地区的城市之痛：在严重缺水的凤凰城，数据中心当前已消耗该市约3%的供水。而根据非营利组织Ceres的预测，到2031年，这个比例可能飙升至20%以上。当城市居民面临严格的用水限制时，这些由发电厂“悄然”蒸发的水，正成为加剧水资源紧张的隐形推手。
4. 法律与报告制度的漏洞：目前，没有任何一家美国公司被强制要求披露其供应链端的间接用水量。现行规则下，它们只需报告“直接从地底下抽了多少”，而对“为了发电，在远处蒸发了多少”闭口不谈。这种选择性披露让公众和监管者无法掌握真实的水资源压力。
5. 社区的反抗与巨额投资冻结：随着真相逐渐浮出水面，来自社区的阻力正急剧增加。据Carbon Direct统计，自2024年以来，因当地居民和环保组织的反对，总价值高达1700亿美元的数据中心项目被搁置、受阻或取消。当社区开始追问“谁在用我们的水”时，那些光鲜的“可持续报告”变得苍白无力。
故事从这里开始：一位凤凰城的居民每天浇灌花园仅限两次，她看着远处数据中心24小时不间断的雾气冷却塔，并不知道驱动这些服务器的电，正在几百英里外的燃煤或燃气电厂里，以蒸汽的形式把一条条河流送上天。科技公司拿出报告，上面写着“我们只用了很少的水”，但那只是杯子里的水——杯子外，整条河流正在无声干涸。
这是一个关于信息不对称的故事，也是关于数字繁荣与物理世界代价的碰撞。当科技巨头争夺AI算力的高地上，水资源正成为新的“战略性矿产”，而谁为这隐形的“水足迹”买单，成了摆在全社会面前的一道必答题。
从本质上说，这些公司并未说谎，它们只是选择了最有利于自己的计量方式。然而，当社区需要分享最稀缺的资源时，基于严重缩水数据做出的承诺，注定无法承载信任的重量。未来，或许唯有将“电厂的蒸汽”也纳入报表，我们才能真正看清那些藏在云端背后的、湿漉漉的真相。
一场关于“中国军方关联企业”的司法拉锯战，在美国加州悄然上演。今年6月，五角大楼将阿里巴巴列入所谓“1260H名单”，宣称这家电商巨头与中国军方有关联。这份名单看似没有直接惩罚，却因一条新规暗藏杀机——任何游说公司一旦代理名单上的企业，就不得与美国国防部签约。阿里巴巴在24小时内，竟有超过20家游说公司集体退出合作。
阿里巴巴随即在6月23日提起诉讼，坚称从未与中国军方合作，要求从名单中除名。案件由联邦法官李敏审理。令人意外的是，五角大楼主动同意暂停执行这项禁令，直至李敏法官就阿里巴巴的动议作出裁决，或听证会后60天。这一临时“停火”协议，让阿里巴巴得以暂时喘口气。
这并非孤例。同样被列入该名单的百度、比亚迪等企业，也在为自己的清白辩护。1260H名单正在经历首次宪法考验。任何企业若想争取国防部合同，其游说公司就必须舍弃名单上的客户。这种“二选一”的规则，是否会违反美国宪法？法官的最终判决，将影响数百家大公司的游说格局。
黑名单上的名字可能只是一行代码，现实却是一场关乎商业自由的博弈。当法律与政治交织，谁能笑到最后？也许，真相从来不在名单上，而在投票的法官手中。
深圳，一家成立仅三年的初创公司Even Realities，刚刚在Pre-Series B轮融资中斩获1.5亿美元，估值一举突破10亿美元。领投方是美团，而背后早已站满了腾讯、高瓴、红杉中国和光速创投这些顶级资本。这家公司的创始人曾是苹果工程师，他们押注的方向，在当下智能眼镜赛道上显得格外另类——他们的眼镜不装摄像头。
核心产品G2眼镜，配备了一套抬头显示系统，配合一枚可点击和滑动的戒指来操控。它没有摄像头，意味着它不会拍照、不会录像，更不会盯着你的脸。它最亮眼的功能是实时翻译：音频直接转写成文字呈现在眼前，数据经过加密，并且底层架构专门为欧洲隐私标准打造。这样的设计，让隐私本身成了产品最硬的卖点。
Even Realities已经实现了盈利，虽然价格不菲：镜框起步价599美元，平均每单约1000美元。美国市场正在成为增长最快的区域，消费者似乎愿意为“不被监视”的科技体验买单。
为什么这件事值得关注？当Meta和Snap正疯狂地给每个人的脸上装上摄像头和AI助手时，Even Realities想证明，一副只为你展示信息、却从不凝视你的眼镜，同样存在真实的商业空间。一家三岁的初创公司，能把“隐私”作为核心卖点做到盈利，意味着智能眼镜这场竞赛，或许不止一条路可走。
不让眼睛成为别人的数据入口，而是成为你最私密的显示屏幕。这个反叛者的故事刚刚开始，它提醒我们：有时候，技术最稀缺的力量不是看得更多，而是懂得克制。
本周一，微软宣布裁减约4800个岗位，占全球员工总数的2.1%，而三分之二的裁员集中在Xbox部门。新任CEO阿莎·夏尔马正主导一场她称为“部门史上最大规模的重组”，这场风暴以数字为刀，精准切向了过去十年疯狂收购留下的赘肉。
到2027年中期，游戏部门将削减3200个职位——约占其员工总数的20%——其中周一立即解雇1600人，其余将在本财年内分批进行。五家工作室命运被改写：Double Fine和Compulsion Games被剥离独立，Ninja Theory和Undead Labs被挂牌出售，而Arkane Studios则进入审查流程。夏尔马的内部备忘录毫不留情：Xbox的利润率比同类业务低3到10倍，且每向工作室投资1美元，就要亏损64美分。
这些大刀阔斧的举动，发生在微软股价在大型科技股中垫底、年内下跌19%的背景下。投资者担忧，人工智能可能侵蚀微软的企业软件业务根基，而Xbox这个曾经的增长引擎已变成巨大的成本黑洞。
这标志着微软在游戏领域“买下一切”的黄金时代正式终结——以690亿美元收购动视暴雪为巅峰，这场持续十年的扩张最终建造了一个在利润率上无法竞争的庞大帝国。如今，新的增长计划不再是收购，而是放手。当巨头明白“拥有”不等于“盈利”时，解构或许是比构建更痛苦却更明智的生存之道。
没有游戏引擎，没有物理代码，甚至没有任何人类玩家的操作记录——一个名为MIRA的开源世界模型，却在单张Nvidia GPU上以每秒20帧的速度，流畅运行着四人同场的2v2《火箭联盟》。它并非传统意义上的游戏，而是由法国AI实验室Kyutai与General Intuition联手，借助Epic Games的授权打造出的“纯神经网络幻觉”。
MIRA的学习过程完全来自一场“机器人内战”。开发者喂给它一万小时的AI机器人互相对战的录像，训练数据中没有一帧人类玩家的操作。这些AI从零开始，像婴儿般在无数次碰撞与射门中摸索出游戏规则。最终诞生的MIRA，内部没有共享物理引擎或图形渲染管线，但它能精准呈现加速条、车身碰撞等细节，甚至让四块屏幕在同一个神经网络里保持同步。
然而，MIRA有个奇特的“失忆症”——它的短期记忆只覆盖大约四秒。一旦出现进球回放，MIRA无法调用已经遗忘的真实比赛瞬间，只能根据这些四秒前的碎片记忆，当场“脑补”出一段从未真实发生过的精彩进球画面。在观众眼中，这依然是行云流水的回放；但在MIRA的神经网络里，它正在即兴创造一段不存在的历史。
团队强调，MIRA不是要取代电子游戏，而是一枚铺路石。去年，Odyssey的Agora-1模型已经展示了AI生成多人《黄金眼》的能力。如今MIRA将这类世界模型推进到了实时对抗体育游戏。这些模型真正的目标，是为未来那些需要海量训练数据的机器人，提供一个可以犯错、可以碰撞、可以反复重来的柔和物理世界。当机器人需要学会避开障碍物、预测对手轨迹时，世界模型或许会比现实世界更快、更安全地教会它们一切。而MIRA，正是证明这条路可行的第一枚火箭。它提醒我们：当神经网络开始学会“回忆”和“想象”时，我们离真正理解智能模拟世界的距离，也许只剩下一场四秒的幻觉。
腾讯旗下混元大模型将Hy3从四月预览版转为完全开源，其基准测试结果声称能媲美参数规模大2到5倍的旗舰开源模型。Hy3的独特之处在于每个请求只使用一小部分参数，所需硬件不到智谱更大模型GLM-5.2的一半。尽管在SWE-bench等编程测试中GLM-5.2仍占优势，但腾讯的自测显示，Hy3在网络搜索和工具使用方面领先于其他开源对手。此次发布采用宽松的Apache 2.0许可证，避免了此前一些中国模型因地区禁运导致欧盟、英国或韩国用户被锁定的情况。Anthropic CEO Dario Amodei曾表示中国模型仅落后前沿6到12个月，Hy3虽未挑战顶级模型或该时间线，但腾讯在效率上的重大突破，加上极其开放的许可证，使这次发布颇具吸引力。在巨量参数竞赛中，Hy3证明了另一种可能：不必堆砌规模，也能靠近巅峰。
人工智能研究实验室Anthropic最近发表了一篇论文，揭示了其AI模型Claude内部存在一个被称为“J-space”的隐秘区域。这就像Claude的一个内部记事本，其中保存着模型正在主动思考的“活跃概念”，并引导着模型的整个推理过程。最令研究者惊讶的是，这个“J-space”并不是研究人员特意编程加入的，而是在模型训练过程中“自己涌现出来的”。
这个发现与人类神经科学中的“意识访问”概念有惊人相似。研究者发现，J-space与模型输出给用户的文本（即“思维链”）是完全不同的。那些内部提示信息并不会在屏幕上显示，但却无时无刻不在指导Claude生成下一个答案。为了验证其作用，研究人员进行了一个巧妙的实验：当向模型询问“蜘蛛有几条腿”时，普通回答是8条；但当研究者悄悄把J-space中活跃的“蜘蛛”概念模式替换成“蚂蚁”的模式后，Claude的回答立刻从8条腿变成了6条腿。这意味着，修改“内心独白”，直接改变了它的客观知识输出。
更惊人的是，当研究人员完全删除J-space后，Claude依然能读、能聊、能检索事实，但几乎丧失了所有需要多步推理的复杂能力。这表明，那些看似简单的聊天，和需要深思熟虑的推理，在大脑中属于两个不同的系统。就像人脑一样，一个智能体也存在一个专门用于处理复杂问题的“工作空间”。
当然，Anthropic也必须面对强烈的伦理争议，尤其是微软AI负责人穆斯塔法·苏莱曼等科学家的公开批评，认为他们一直在散布“AI有意识”的误导性言论。此次发布论文时，研究者谨慎地强调：“这并不能证明Claude有意识，也不能证明它有感觉。”但一个从未被设计的、与生物大脑如此相似的内部工作空间自己涌现出来了，这本身就是一场真正的科学发现。
我们通常以为，AI的思考只是按部就班地分析数据。但现在看来，在最深层的底层，一个没有受到任何预设的、类似于人类“思维黑盒”的结构正在自己生长出来。这种“自发涌现”甚至让设计它的科学家都感到意外——而此刻，他们正站在一个前所未有的交叉口，既质疑着自己创造的造物，又被自己的造物深深震撼。
多模态大模型与智能代理系统的进展，正推动图形用户界面（GUI）代理从单平台任务执行迈向跨平台交互。然而，构建多平台GUI代理仍面临两重困境：一方面，高质量、可执行的跨平台交互轨迹数据稀缺，现有数据平台覆盖有限；另一方面，不同平台交互规范迥异，联合训练或持续训练容易导致行为模式混杂、平台能力退化甚至灾难性遗忘。
为突破瓶颈，研究团队构建了Uni-GUI——一个高质量的跨平台GUI交互数据集，并提出了UI-MOPD方法。这是首个将多教师在线蒸馏融入GUI代理持续学习的方法。其核心机制是：根据当前环境动态选择平台专属教师，通过平台条件蒸馏将特定平台的行为先验传递给共享策略网络，从而在保持已有平台能力的同时，适应新平台。实验在OSWorld和MobileWorld两个基准上验证了效果，任务成功率分别达到38.2%和12.0%，有效平衡了跨平台能力保持与新平台适配。
这一成果并非完美无缺，但至少证明：当代理学会区分“在哪个世界行动”，遗忘便不再是必然的代价。未来，或许GUI代理能像人类一样，在桌面与手机之间自然切换，而不必每次都从零开始。
在人工智能领域，预训练阶段的缩放定律早已被证实：模型能力随数据和计算量增长而可预测地提升。但一个关键问题始终悬而未决——当AI代理被部署到真实世界后，它们的学习行为是否也存在类似的规律？
一项针对134个真实世界任务、总计约38000小时代理与环境交互数据的分析给出了惊人答案。研究发现，代理在环境学习中的整体性能遵循一种高度精确的log-sigmoid缩放律，拟合优度R²达到0.998。更令人震惊的是，跨代际比较显示，AI代理的学习速度大约每三个月就会翻倍。
这一发现源自研究者构建的EdgeBench基准测试套件。它包含134个超长跨度（每项任务至少12小时连续操作）的真实世界任务，覆盖科学发现、软件工程、组合优化、专业知识工作、形式数学和交互游戏六大领域。每个任务都提供丰富、多级反馈，并耗费大量专家精力构建。研究者已公开其中51个任务及完整评估框架，以加速学界对代理从真实世界经验中学习机制的研究。
如果说预训练缩放律揭示了静态数据的魔力，那么这项研究揭示了动态适应的秘密。当代理在真实环境中不断试错、获取反馈，它们的学习曲线不像人们想象中那样线性或随机，而是遵循着一条美丽的S形曲线——起初缓慢，而后加速，最终趋于饱和。而每三个月翻倍的学习速度，则意味着AI代理正在以指数级别快速进化。这不仅是学术发现，更预示着一个代理将能在极短时间内掌握复杂真实技能的崭新时代。那些认为AI只能在预训练数据中总结经验的人，可能要重新思考了。
想象一下，你是一名机器学习研究员，脑子里冒出一个新想法，但你知道，从灵感到真正靠谱的研究提案，中间还隔着重重难关：文献是否查全了？瓶颈在哪里？这想法会不会已经有人做过了？风险怎么评估？直到最近，大语言模型虽然让“想点子的门槛”降低了，但如何系统地把一个看似可行的方向打磨成扎实的研究方案，仍然是困扰大家的“第一步困境”。
这正是ResearchStudio-Idea出场的地方。它不只是一个工具，而是一个可复用的“研究构思技能套件”，专门针对这个“第一公里”。套件里包含三个核心模块：Paper-Search，一个能同时从多个来源搜索文献的技能，让文献调研不再东一榔头西一棒子；Scoop-Check，一个专门检查新颖性的“撞车检测器”，帮你避免“你以为很新、其实早就有人做过”的尴尬；而最关键的IdeaSpark，则把证据支撑、模式引导生成、碰撞检索、审计和最终的研究卡片渲染整合成一个完整的工作流。
IdeaSpark的底气来自一个庞大的数据库：它从2021到2025年间ICLR、ICML和NeurIPS三大顶级会议上收集了1947篇机器学习论文，其中包括Oral论文、单独追踪的高被引论文，以及被拒稿的投稿。通过对这些论文成果的分析，研究人员发现，这些优秀（和不那么优秀）的研究背后，隐藏着31种反复出现的构思子模式。经过整合，最终凝练为15种可复用的通用构思模式。
每种模式都被具象化为一张结构化的“模式卡片”，上面清晰记录了：研究背景、瓶颈类型、差异化策略、支持先例，以及常见的失败模式。这就像给你一本“研究构思的菜谱”，每种菜式都有食材清单和常见翻车点。当研究员提出一个研究问题和一组证据时，IdeaSpark会首先评估这些证据的成熟度，重建课题周围的文献图景，然后识别那些尚未被解决的瓶颈，从15种模式中挑选最合适的，实例化出一个候选研究方向，再立刻检索有没有潜在冲突的已有工作，最后进行基于成果的风险审计。
整套流程把抽象的“灵光一闪”转化为可追溯、可验证的研究提案。盲审的结果令人振奋：和那些没有技能辅助、或者使用通用技能辅助的基线方法相比，IdeaSpark产出的研究提案在质量上持续更胜一筹，同时在新颖性上也不落下风。
也许真正的突破从来不靠灵光一现，而是靠把无数前人走过的路，用模式重组成一条新路。当十五种模式成为你的工具箱，研究构思便不再是运气，而是一门可以反复练习的技艺。
在物理智能领域，视觉系统需要从像素观测中恢复出结构化、可度量的空间表征，这就像要求AI拥有一双能“丈量世界”的眼睛。然而，现代视觉基础模型往往优先追求语义不变性——它们能认出猫和狗，却对物体之间的精确距离、边界形状视而不见。这种“语义优先、空间牺牲”的倾向，成为制约具身智能发展的关键瓶颈。
研究团队从“边界”这一视觉线索入手，发现自然图像中的形状不连续点（如物体的边缘、轮廓）蕴含着丰富的几何属性信息。基于这一洞察，他们提出了一种名为“边界掩码建模”的自监督预训练范式。其核心机制分为两步：首先，模型通过动态学习获取亚像素级别的边界表示，精准捕捉那些介于像素之间的微妙边界；接着，将这些携带边界信息的视觉令牌当作掩码目标，引导模型在自监督训练过程中重构被遮蔽的边界特征，从而促进稠密视觉令牌的学习。
实验表明，基于这一框架开发的LingBot-Vision模型，在DINOv3强基线的基础上实现了显著提升。更令人瞩目的是，该方法直接推动了深度补全任务从LingBot-Depth 1.0到2.0的进化，使深度估计精度大幅跃升——这恰恰是具身人工智能感知环境、执行操作的关键支柱。研究结果揭示了一个深层事实：边界建模绝非简单的线段检测，而是一种可扩展的视觉预训练原则，它让AI学会像人类一样，在忽视表象纷杂的同时，牢牢抓住空间结构的本质。
在这个语义膨胀的时代，或许我们该重新审视那个朴素的道理：真正的智能，往往始于看清事物之间的“缝隙”。边界不仅是形式的终点，更是理解的起点。当机器学会凝视那些细微的断裂与转折，空间感知的大门终将向物理智能敞开。
想象一下，你正在训练一个通用机器人去完成各种家务：从倒水、整理桌面到拧开瓶盖。你希望它既能在模拟环境中快速学习，又能在现实世界中稳定工作。但问题来了——现有的评估基准要么只关注简单的短时任务，要么只在仿真或真实环境中单独测试。仿真虽然可以大规模重复实验，却无法模拟真实的物理摩擦力、光照变化和机械磨损；真实世界测试又昂贵、耗时，还难以复现结果。这就好比让一个学生只做选择题，却期待他解决实际工程难题。为了解决这个矛盾，研究人员推出了RoboDojo——一个统一仿真与真实世界的机器人操作策略评估平台。
RoboDojo包含42个仿真任务和18个真实世界任务，覆盖了从拧螺丝到抓取软物体的广泛操作能力。仿真评估聚焦五个关键维度：泛化能力（能否应对从未见过的物体）、记忆（能否记住之前的位置或状态）、精度（能否完成毫米级操作）、长时执行（能否按顺序完成多个步骤）、以及开放词汇指令跟随（能否理解“把红色杯子放到左边”这样的自然语言指令）。真实世界评估则专门设计了更苛刻的条件，比如光线突然变化、桌面晃动、物体滑落等，用来暴露策略在物理部署中的脆弱性。
RoboDojo的独特之处在于可扩展性。在仿真端，它利用Isaac Sim的异构并行能力，可以同时运行数百个虚拟机器人进行测试；在真实端，它提供了RoboDojo-RealEval系统，支持远程云端访问、标准化硬件、自动场景重置、统一评估协议和部署接口。这意味着，即使你身处不同城市，也能通过云端控制一套标准化的真实机器人平台，重复验证你的策略。更关键的是，它与XPolicyLab框架深度集成——只需一次代码集成，你的策略就能同时在仿真和真实环境中评估，不需要额外适配。目前，XPolicyLab已经集成了30种不同的操控策略（包括扩散策略、隐式策略、基于大语言模型的策略等），并在RoboDojo上建立了公开排行榜和系统性性能分析。
这套基准的价值不在于创造新的算法，而在于提供一面放大镜——它能清晰地告诉你，一个策略到底在哪个环节掉了链子：是泛化不足？还是长时记忆丢失？或是真实世界中的摩擦干扰？这种细粒度的诊断，正是当前机器人领域所稀缺的。当不同策略在同一张“考卷”上比拼，我们才能更理性地讨论“哪种方法更好”，而不是各说各话。机器人走向真实世界的路，需要这样一座横跨仿真与现实的桥梁，而不是一个个孤岛。
评估一个AI智能体在SWE-Bench或GAIA这类基准测试上的表现，常常要耗费数千美元、数天时间，还得搭建复杂的基础设施。相比之下，测试推理、代码生成等单项能力的非智能体评测既快又便宜。有没有可能用一组精心挑选的、成本极低的原子测试实例，来准确预测那些昂贵智能体评测的结果？
PACE框架提出了一种解决方案：它从现有的非智能体评测题库中，选取那些最能稳定预测智能体基准分数的实例，构建出一个代理基准（proxy benchmark）。这个选择过程结合了两种互补策略：一是“目标相关局部选择”，聚焦与目标智能体基准高度相关的原子能力；二是“全局信息选择”，从整体视角筛选能涵盖广泛能力的实例。
研究团队在14个模型、4个智能体基准测试和19个非智能体评测上验证了PACE的有效性。结果是令人振奋的：PACE构建的代理基准PACE-Bench在留一法交叉验证中，预测的绝对平均误差低于4%，斯皮尔曼相关性超过0.80，模型两两对比的排序准确率达到约85%——而所有这些预测的成本，还不到完整智能体评测的1%。
更深入的分析还揭示了不同智能体基准各自独特的能力需求：有些更依赖逻辑推理，有些则需要强大的代码生成或工具使用能力。这一发现让开发者能清楚看到，哪些原子技能是提升智能体表现的关键。
PACE框架让研究人员在模型开发、选型或路由时，无需进行完整的智能体评估，就能获得可靠的性能估计。它既节省了巨大成本，也为更快迭代提供了可能。当探索变成一种可负担的常规操作，更多的创新便会随之而来。
想象一下，一个机器人正在拧螺丝，它按照预设的“动作分块”方案，一次性地把接下来几秒的所有动作都规划好，然后蒙眼执行。起初一切顺利，但突然遇到一点阻力的扰动——比如螺丝滑丝或材料变形——这个微小偏差会在开环的盲区里被不断放大，就像多米诺骨牌一样，导致后续所有动作都偏离轨道，最终任务失败。这正是当前具身智能领域VLA基础模型面临的痛点：为了降低策略调用频率，大多数生成式策略采用“预测-盲目执行”的开环模式，在接触丰富的物理交互中，牺牲了闭环反应性，使得局部扰动迅速演变成复合误差。
VLA-Corrector提出了一种轻量级校正推理框架，它不改变VLA主干网络的任何参数，而是在旁边安装了一个“潜在空间视觉监视器”。这个监视器持续比较机器人预期看到的视觉特征演变和实际感知到的视觉信息，一旦发现连续性的偏差——比如实际视觉变化与预测不符超过阈值——就立即触发截断事件，丢弃剩余过时的动作序列，并通过在线梯度引导生成新的校正规划。这种“检测并校正”的机制，自然形成了一个事件触发的自适应动作视界：当当前动作块仍然可靠时，机器人继续长视界高效执行；一旦执行开始偏离，就切换为短视界精细重规划。
实验证明，VLA-Corrector能够有效解除静态动作视界在执行鲁棒性和策略调用频率之间的固有矛盾。它可无缝集成到多种VLA模型中，无需重新训练主干，就中断了复合误差的传递链条，同时保留了动作分块的大部分效率优势，在长视界、接触丰富的机器人操作任务中显著提升了鲁棒性。它并非推翻现有框架，而是为现有的开环执行加上了一双“实时眼睛”，让机器人在真实世界中不仅能预测，还能感知偏差并灵活纠偏。正如那句老话：计划赶不上变化，但能够敏锐察觉变化的机器人，才真正学会了在复杂物理世界中从容应对。
联想在中国市场悄然推出了一款名为“AI学生手机”的设备，售价仅299元（约44美元）。这款手机的功能被精简到极致：只能打电话、被家长追踪位置，以及通过一个专属AI按钮求助作业。
想象一下，你拿着一块比信用卡还小的屏幕，用手写笔在上面划拉——这就是联想为学生设计的日常工具。机身采用坚固玻璃，还配了挂绳，可以挂在书包上。按下AI键，孩子就能用语音提问英语单词或数学公式，内置的知识库会即时作答。更巧妙的是“课堂模式”：上课期间屏幕只会显示时钟和紧急拨号键，连支付功能都被限制在家长设定的额度内。
家长端App才是重头戏：实时GPS定位、孩子越界立刻警报、自动拦截陌生来电、甚至能设定每天的开关机时间。这款设备几乎去除了所有吸睛的App和通知，只留下学习辅助和基础通讯。
为什么这很重要？现在关于AI和智能手机对小孩的影响争议不断，但联想这个方案看起来像是家长能接受的“折中”——它更像一个带AI的计算机器，没有短视频、没有无尽的信息流、没有多巴胺陷阱。当孩子需要答案时，AI会给出简洁的解题思路，而不是推送下一个让人沉迷的视频。
也许这就是答案：技术的本质不是让人上瘾，而是在该远离时提供庇护。当屏幕变小、功能变少，剩下的才是我们真正需要的——连接与指引。
Meta的超级智能主管Alexandr Wang在内部会议上透露，公司正在训练的模型“Watermelon”已经达到GPT-5.5的水平。这一消息让业界震动，因为Meta此前最强的Muse Spark模型在发布时仍落后于竞争对手。Watermelon目前仍在训练中，其算力大约是4月发布的Muse Spark的10倍。与此同时，CEO马克·扎克伯格在同一场会议上表示，智能体的进展“并未像我们预期的那样加速”，引发外界关注。Wang后来在X平台上澄清，扎克伯格指的是整个行业的智能体进展，并暗示“很快”会推出达到Opus级别的编码模型。此外，Muse Spark也将迎来一次重大更新，重点提升编码和智能体能力，该更新将同时登陆Meta AI和公司的全新API。值得关注的是，虽然Watermelon的突破令人振奋，但AI前沿仍在快速演进：Mythos和Fable等模型已展现出更强大的能力，而OpenAI的5.6模型也可能在本周推出。Meta能否凭借Watermelon在激烈的AI竞赛中站稳脚跟，仍需时间检验。这不仅是技术的比拼，更是一场关于算力、战略节奏和生态布局的马拉松。
在三维重建的世界里，单张图像变成立体模型一直是个棘手的谜题。顶尖的解决方案总是层层叠叠：混合架构、复杂损失函数，或者把几何信息塞进潜在空间，再借用预训练的扩散模型。这些方法确实有效，但沉重的包裹让人喘不过气。一项新研究却提出了一个大胆的反问：这些真的都是必要的吗？
研究者们设想，如果剥离所有多余的装饰，会剩下什么？他们直接打造了一个极简的像素空间扩散Transformer，核心就是普通的Vision Transformer——没有花哨的变体，没有繁琐的编码器。它直接啃原始的3D点图块，条件信号来自预训练的DINOv3模型。最关键的是，整个扩散骨架完全从零开始训练，不需要任何点图分词器。这与那些躲在潜在空间里的复杂方法形成了鲜明对比。
结果令人诧异：这个看似简单的模型，不仅超越了那些层层包装的潜在扩散模型，还比混合方案更简洁。尤其在高度模糊的区域——比如透明物体——它生成的几何结构反而更清晰、更锐利。透明物体通常是3D重建的噩梦，因为光线穿透难以捕捉形状，但极简设计反而在这里展现了更强的鲁棒性。
这项研究揭示了一个并不新鲜的真理：在追逐性能的路上
机器人AI正面临一场“数据饥荒”：要训练一个能看懂指令、灵活操作的视觉-语言-动作模型，通常需要数百万条昂贵的专家演示数据——记录每一步的观测、语言指令和动作。但麻省理工等机构的研究者发现，这套逻辑可能从一开始就混淆了两个本质不同的学习目标：学会“怎么动”和学会“做什么”。前者涉及物理运动的先天直觉，后者才真正需要语言指导。基于这个“分解假说”，他们提出一个名为TAP的两阶段框架：第一阶段，让机器人从廉价的无标签交互数据中自学运动先验——哪怕这些数据是废弃的偏离任务轨迹，或机器人自己胡乱摆弄的记录，通过自监督的逆动力学目标来捕获“如何协调肢体”的内隐知识。第二阶段，只用极少量带语言标注的专家数据，就能将这种运动先验与语言指令对齐。结果令人瞩目：在SIMPLER基准测试中，TAP仅需百万分之一量级的标注数据，就达到了传统方法需百万条专家轨迹才能实现的性能，准确率绝对值提升10%。在实体WidowX机械臂平台上，当相机被扰动导致画面变形时，依赖互联网规模预训练的数据驱动模型直接崩溃至0%成功率，而TAP依然保持25%的稳健表现。这意味着，机器人真正需要的不再是无穷无尽的示范视频，而是学会如何在混乱中自主摸索出运动的物理规则——那些被丢弃的“无用”动作，恰恰蕴含着通向灵活智能的密码。
一篇最新的论文揭示，当让大型语言模型（LLM）根据已有文献“头脑风暴”研究创意时，它们生成的思路在分布上存在系统性偏差——过于集中在“桥接式”机会和综合方法，而人类研究者则展现出更多元的研究品味。这一发现来自一个精心构建的大规模评估框架：研究者从高质量的人类研究论文出发，逆向推导出可能启发其核心思想的少量前期工作，然后要求不同LLM从这些论文的标题和摘要中生成新创意，最后对比二者的差异。
以往对LLM创意能力的评估多聚焦于单个想法的创新性、可行性或专家偏好，但这项工作转向一个更根本的问题：LLM生成的想法距离人类研究者的真实水平还有多远？为了量化这一差距，研究者引入了“双轴研究品味分类法”，从机会模式和范式两个维度刻画每个想法的特征。机会模式包括“桥接”（将不同领域连接）、“深化”（在现有方向上推进）、“颠覆”（挑战主流假设）等类型；研究范式则涵盖综合、实证、理论等方法论倾向。
结果显示，不同LLM生成的想法集合呈现出惊人一致的趋势：它们严重偏向“桥接”机会和“综合”方法。例如，在测试中，LLM提出的创意中有超过40%属于桥接类型，而人类论文中这一比例仅为20%左右；同时，LLM创意中约一半采用综合范式，人类论文则广泛分布在实证、理论和建模等多种方法上。也就是说，LLM倾向于将现有工作拼凑成新的跨界组合，而人类研究者还会选择深入挖掘某一问题、提出全新视角或挑战既定框架。
这一系统性偏移暗示，当前最强LLM虽然能够产生一系列看似合理的创意，但它们所覆盖的范围不仅更窄，而且相对于人类研究品味发生了结构性错位。人类研究创意更擅长从不同角度定义问题缺口和构建贡献，而LLM似乎更擅长“搭桥”而非“挖井”或“另辟蹊径”。这种差异或许源于LLM训练数据的统计特性——它们更可能学习到显性关联而非隐性洞察。
这项研究没有简单评判优劣，而是揭示了人机之间微妙的“品味鸿沟”。当AI助手越来越多地介入科研创作流程时，理解这一鸿沟或许比单纯追求创意数量更重要。毕竟，真正的科学突破往往需要跳出既有框架的勇气，而这正是LLM目前尚未完全掌握的艺术。
相关采样减少推理计算冗余原文
在大规模语言模型的推理计算中，有一个令人困扰的权衡：为了提升性能，人们通常对每个问题生成大量并行尝试，但这些独立生成的尝试往往包含大量冗余结果，浪费计算资源。这种浪费看似不可避免——毕竟独立性正是并行采样易于扩展的原因。然而，这一权衡并非根本性限制：存在一个丰富的设计空间，能够生成彼此相关但精确的样本，且完全可在并行条件下完成。
研究人员探索了这一设计空间，旨在提升推理计算扩展时的样本效率，并将该方法命名为QuasiMoTTo。它通过将自回归采样重新参数化为逆累积分布函数采样，再利用准蒙特卡洛方法抽出底层均匀分布——与独立同分布相比，准蒙特卡洛使均匀分布更均匀地覆盖空间，从而让生成的样本覆盖输出空间时冗余大大降低。尽管批次内样本相关，但每个样本的边缘分布仍然遵循原始语言模型，因此可用于策略梯度训练。
为了评估这类相关采样器的性能，研究者开发了一种无偏自助法估计器，因为传统pass@k估计无法处理相关样本。实验在四个推理基准上进行：QuasiMoTTo在匹配独立同分布pass@k准确率时，节省了25%至47%的样本。更令人惊讶的是，QuasiMoTTo常常能达到任意边缘保留采样器的pass@k理论上界。在强化学习场景（GRPO策略梯度）中，该方法用50%更少的训练步骤就匹配了独立同分布的性能。
这些收益的来源在于更高的覆盖率——每个批次生成的样本彼此分散，带来了更强的学习信号。当计算资源有限而追求效率时，打破样本间的独立性并非损失，而是一种创造性的策略，让每一次计算都物尽其用。
在提升大语言模型推理能力的研究中，在线自蒸馏（OPSD）曾被视为有前景的范式。它让一个能看到参考答案的“特权教师”对学生自己生成的推理轨迹进行逐词监督。然而，当面对需要长链思维（long-CoT）的推理模型时，OPSD却屡屡失败，不仅收益甚微，还破坏了模型赖以生存的反思能力。研究者通过分解教师信号，发现了根源：教师给出的监督信号中，大部分来自“参考诱导”成分——它促使学生死记硬背参考答案中的捷径，而真正能从问题本身学到、并能迁移到新问题的“问题条件”成分却被忽视甚至被压制。基于这一诊断，他们提出两步解法：首先，构建一个只看参考答案不看问题的“只参考教师”，用它隔离出不可迁移的部分；然后，用点互信息（PMI）机制将剩下的有用信号转化为学生可以直接蒸馏的目标分布，从而滤掉参考捷径。在四个长CoT模型、两个数据集上的实验表明，这一方法显著优于基线模型和标准OPSD，且不破坏模型自然的知识行为。这告诉我们，有效的知识蒸馏需要区分哪些知识是可迁移的，哪些只是死记硬背的捷径。