Know AI. See What’s Next.
第 1 张，共 5 张：微软和 a16z 投了一家 AI 催收公司
最新资讯流
重新定义跨模态生成的流匹配范式，VAFlow让视频「自己发声」（在新窗口打开）
在多模态生成领域，由视频生成音频（Video-to-Audio，V2A）的任务要求模型理解视频语义，还要在时间维度上精准对齐声音与动态。早期的 V2A 方法采用自回归（Auto-Regressive）的方式将视频特征作为前缀来逐个生成音频 token，或者以掩码预测（Mask-Prediction）的方式并行地预测音频 token，逐步生成完整音频。
最火VLA，看这一篇综述就够了（在新窗口打开）
ICLR 2026爆火领域VLA（Vision-Language-Action，视觉-语言-动作）全面综述来了！ 如果你还不了解VLA是什么，以及这个让机器人学者集体兴奋的领域进展如何，看这一篇就够了。
陶哲轩敲警钟！谷歌DeepMind联手五大神殿，用AI向世纪难题宣战（在新窗口打开）
今天，谷歌DeepMind重磅发起「AI赋能数学计划」，集结了全球五大顶尖机构。他们将用上谷歌最强数学AI，去探索发现新的疆域。这其中，有夺下IMO金牌的Gemini Deep Think，有算法发现AI智能体AlphaEvolve，还有形式化证明自动补全AlphaProof。
从兼职工程师直接跳到CTO，他用两个月让一款 Agent 干掉60%复杂工作并放话：“代码质量与产品成功没有直接关系”！（在新窗口打开）
在 AI 与自动化方面，Block 在 2025 年初推出了一个名为 “Goose” 的开源 AI Agent 框架。Goose 的设计初衷是：将大型语言模型输出与实际系统行为（如读取／写入文件、运行测试、自动化工作流）连接起来，从而不仅让模型能“聊”而且能“干活“。
首个实例理解3D重建模型！NTU&阶越提出基于实例解耦的3D重建模型，助理场景理解（在新窗口打开）
现在，NTU联合StepFun提出了IGGT (Instance-Grounded Geometry Transformer) ，一个创新的端到端大型统一Transformer，首次将空间重建与实例级上下文理解融为一体。
AI「上班流」首次完整曝光！不点鼠标，只写代码，PPT也当函数调（在新窗口打开）
AI已经不止会写代码、画图、做PPT，它也开始「上班」了！CMU与斯坦福的研究团队首次完整追踪了AI的工作过程，发现一个惊人事实：它并不是在模仿人类，而是在用编程的方式重写工作的定义。这场关于「谁在工作」的实验，正在重构未来职场的逻辑。
刚刚，Kimi开源新架构，开始押注线性注意力（在新窗口打开）
月之暗面在这一方向有所突破。在一篇新的技术报告中，他们提出了一种新的混合线性注意力架构 ——Kimi Linear。该架构在各种场景中都优于传统的全注意力方法，包括短文本、长文本以及强化学习的 scaling 机制。
4倍速吊打Cursor新模型！英伟达数千GB200堆出的SWE-1.5，圆了Devin的梦！实测被曝性能“滑铁卢”？（在新窗口打开）
近日，开发出 Devin 智能体的知名人工智能公司 Cognition 推出其全新高速 AI 编码模型 SWE-1.5。据介绍，该模型专为在软件工程任务中实现高性能与高速度而设计，现已在 Windsurf 代码编辑器中开放使用。今年 7 月，Cognition 高调收购开发工具 Windsurf。
「套壳」的最高境界：OpenAI揭秘Atlas浏览器架构OWL（在新窗口打开）
尽管今天还有 Sora 角色客串功能和 GPT-5 查找和修复安全漏洞智能体的消息，但本文的重点是深扒 Atlas 背后的「灵魂」—— OWL 架构。看看 OpenAI 究竟是如何驯服 Chromium，把它从浏览器「换皮」玩成了「架构重组」的。
世界模型可单GPU秒级生成了？厦大、腾讯开源FlashWorld，效果惊艳、免费体验（在新窗口打开）
厦门大学和腾讯合作的最新论文《FlashWorld: High-quality 3D Scene Generation within Seconds》获得了海内外的广泛关注，在当日 Huggingface Daily Paper 榜单位列第一，并在 X 上获得 AK、Midjourney 创始人、SuperSplat 创始人等 AI 大佬点赞转发。
赵长鹏投了一个华人大三学生，1100 万美元种子轮，做教育 Agent（在新窗口打开）
华人大三学生，1100 万美元种子轮，硅谷学生创业目前融资最高产品。
Windows AI助手免费进化！能操作电脑、登录网页、生成代码（在新窗口打开）
Windows Copilot正式更新，人人都能免费拥有操作电脑界面的AI助手了。
AI百科全书SciencePedia：当马斯克Grokipedia遭遇滑铁卢，有个中国团队默默把活儿干了（在新窗口打开）
互联网让知识触手可及，却也让真知难以抵达。
别再迷信大模型！吴恩达亲授AI秘籍：小模型+边缘计算=财富密码（在新窗口打开）
吴恩达指出，当下大模型的卷生卷死，谁是赢家不重要。关键的是谁能构建可信的AI应用，谁才能成为真正塑造未来之人，顺便成为下一个通过AI财富自由者。
Eino ADK：一文搞定 AI Agent 核心设计模式，从 0 到 1 搭建智能体系统（在新窗口打开）
当大语言模型突破了 “理解与生成” 的瓶颈，Agent 迅速成为 AI 落地的主流形态。从智能客服到自动化办公，几乎所有场景都需要 Agent 来承接 LLM 能力、执行具体任务。
史上最惨一代？AI延长人类寿命，下一代活到200岁不是梦！（在新窗口打开）
AGI炒作还是现实？AI新闻老将Matt Wolfe直击美国AI核心：从Demis Hassabis的理性谨慎，到扎克伯格的巨资投入，探索递归自我改进的潜在爆炸风险。
人大、清华DeepAnalyze，让LLM化身数据科学家（在新窗口打开）
来自人大和清华的研究团队发布了 DeepAnalyze，首个面向自主数据科学的 agentic LLM。DeepAnalyze引起了社区内广泛讨论，一周内收获1000多个GitHub星标、20w余次社交媒体浏览量。
让机器人在“想象”中学习世界的模型来了！PI联创课题组&清华陈建宇团队联合出品（在新窗口打开）
这两天，Physical Intelligence（PI）联合创始人Chelsea Finn在𝕏上，对斯坦福课题组一项最新世界模型工作kuakua连续点赞。
扩散语言模型新发现：其计算潜力正在被浪费？（在新窗口打开）
按从左到右的顺序依次生成下一个 token 真的是大模型生成方式的最优解吗？最近，越来越多的研究者对此提出质疑。其中，有些研究者已经转向一个新的方向 —— 掩码扩散语言模型（MDLM）。
深度｜Agent时代的云服务会有什么不同？（在新窗口打开）
在一场仅有少数头部机构参与的AI Infra闭门会上，一位顶尖AI公司创始人的这句话，让在场的许多云服务资深人士陷入了长久的沉默。