去年，OpenAI的o3和谷歌DeepMind的AlphaProof、AlphaGeometry 2，都在IMO题目上达到了金牌线水平。

1、米6体育 1950年提出，此后七十多年里它一直是判断机器智能的黄金标准。

在这条跑道上，27000套已经跑完的路程，就是最好的简历。米6体育这并非是科研人员的个人难题，某种程度上折射出当前 AI for Science（AI4S）赛道中一个值得关注的结构性矛盾。

2、阿根廷半决赛前要求改穿客场蓝，战袍选择引发关注

Light Interaction在两个模型上均取得最快延迟，并在HY-WorldPlay上显著降低峰值显存。

3、腾讯AI架构“二合一” 混元两大模型部门并入基础模型部 姚顺雨挂帅冲击全模态智能天花板

纳德拉的第二层判断 2026年7月12日，美国东部时间上午11:09，纳德拉又在 X 上发表了关于Reverse Information Paradox，反向信息悖论的论述。

4、A股最大IPO长鑫科技295亿的背后：从年亏163亿到日赚3亿，照亮国产存储的"算账时刻"

由于越狱响应与拒绝响应差异巨大，本文用标注器标记「合规前缀、回答骨架、过渡短语」等结构性 token，从而无需构造完整的越狱响应，模型据此对不同有害请求生成各自对应的违规内容。

5、垃圾次抛，围猎女性钱包

由于暗号全局唯一，命中即可归因到具体某道题，几乎不存在误报。

三条路线各自突围，但「科学智能」仍散落在彼此独立的模型、工具和任务系统里。

训练时，它不只学输入输出之间的统计相关，还把科学规律、实验事实、专家经验一起融进数据构建、样本校验和训练过程。

6、为什么你明明很痛，他却看不到？

研究指出Scaling Law在空间逻辑任务中效果有限，强调AI for Science需转向Action Scaling，提升模型在真实科研操作中的能力。

拆开看就是三步：采、标、用。

7、出道四年13冠军，20岁身价6000万，欧洲杯坐板凳，世界杯能首发？

一头金发常常裹在头巾里，配上一段段热情洋溢讲信仰的视频，在全球穆斯林中圈起近300万铁粉。

说白了，这家做了38年办公软件的公司，这回干了一件很大胆的事——他们要给每个打工人，配一个「私人助理」。

8、笨拙平淡！英媒怒批英格兰平加纳：图赫尔担首责，这2人不该首发

过去大家的做法是一张卡从头干到尾，既读题又答题。

但是，Token Capital仍然只是一个资本层面的概念。

主要结果：效果与隐蔽性兼得 在两个模型、四类目标上，BadDLM的ASR均显著领先所有基线（LLaDA上四类目标ASR达91.2%–94.8%，Dream上达90.5%–94.1%），同时MMLU等效用基本无损（与良性模型相差约0.1–0.2个百分点）。

9、易方达副总经理级高管张南离任，已在公司工作近25年

人类在科学探索中最具神性的一环，正在被硅基智能接管。

这意味着，在寸土寸金的机器人关节和汽车底盘里，小象电动的技术能硬生生省出大量空间和重量。

10、讲真，夏天的裙子配草编包更有CP

面对训练和推理环境不同，造成的长程任务执行过程中的误差累积问题，ABot-M0.5通过ABot体系激活了「数据回流」机制进行了解决。

目前，平台已在蛋白质工程、量子计算、脑科学、新材料研发、半导体、地球气象六大前沿科研领域落地应用，适配多场景原创科研需求。

1、多名院士呼吁停止食用，比肥肉还伤血管，转告父母，趁早撤下餐桌

触发器感知的训练目标（Trigger-Aware Objective） 研究人员在混合数据集上微调模型，每个样本是「提示—响应」对。

2、梅西入选国际足联最佳阵！阿根廷官方力挺梅西该有世界杯金球奖！

开发者们从「小牛犊」「学霸牛」等起步阶段出发，一步步走向「大牛」，最终成长为获得行业认可的成熟AI业界领袖。

3、西班牙超流畅进攻！法比安补射破门，吸奶嘴庆祝，纪录延续103年

效果很明显，你在Chloe的视频里，看不出来哪个是AI生成的。王传福再回应销量下滑：最坏时刻已过，后续销量每月增加2-3万科研中的「灵光一闪」，那些需要从无到有构建全新数学模型、打破旧有范式的「构造性发现」，是碳基生物专属的自留地。

4、连续3场失误丢球！乌拉圭老门神坑死球队 半场被换最耻辱方式告别

此芯科技，一家成立于2021年、专注自研高性能智能体CPU的公司，在上海举办了一场以「芯聚无限 智启新元」为主题的发布会。

5、峰学蔚来001号员工回应股权变更：张姩菡为公司实际受益人，公司运转一切正常，网传所谓内幕消息希望大家理性判断，不要被流量利用

论文指出，目前同行评审实际上包含两个过程：一是审稿人阅读论文并形成定性判断；二是将这些判断压缩为一个最终分数。

6、违法代拍加价倒卖时代少年团演唱会门票，上海警方抓获3人

说得再直白点，它开始长出自己的「文件系统」。

在开放环境中，任意一个通用任务，都需要机器人同时调配多个能力进行编排和协同，最后落地执行。

PI偏押最脏的场景：让机器人当咖啡师，做浓缩咖啡还要90%以上可靠——端着带液体的杯子、拿捏出杯时机、精细力控，一步都不能崩。

7、220+独角兽倒下、小厂集体失语：AI这把刀，砍的不是公司，是商业模式

难就难在这个转变。

这个学习信号不能只是「用户喜欢或不喜欢」，也不能只是模型回答的准确率。

8、耐克自砍一刀，但安踏的作业不好抄

换句话说就是，写得越少，分越高，钱省得越多。

网络怎么不堵？请求怎么分？长文档和短对话怎么区别对待？某张卡突然掉线怎么办？缓存命中率怎么保证？ 商汤首席科学家张行程说得很实在：纯英伟达方案4个Prefill对1个Decode就够了，换成国产方案变成30对1，网络复杂度、调度复杂度、容错复杂度全线飙升。

最后说「眼」。

参考资料： https://x.com/ClaudeDevs/status/2077489907350856038 https://claude.com/blog/artifacts-in-claude-code https://claude.com/docs/connectors/overview 编辑：元宇新智元报道 最近，微软CEO Satya Nadella和Palantir CEO Alex Karp几乎在同一时间，从不同角度提出了一个越来越尖锐的问题： 当人工智能开始深度参与企业的思考、决策和执行之后，企业究竟是在获得一种新的生产力，还是在逐渐把自己的知识、经验、判断和竞争优势交给外部模型公司？ 这并不是一个简单的数据安全问题，也不仅是一个模型成本问题。