
Know AI. See What’s Next.
Slide 1 of 5: Anthropic’s rise: Claude commercialization, governance and AI safety disputes
Latest news

画几条线就能控制机器人:上海交大提出稀疏输入策略引导框架 (opens in a new tab)
看着机器人抓偏了杯子、迟迟对不准面包机的插口,人们可能会忍不住提醒:“往左一点,再往前一点。”这些对人类来说再简单不过的调整,对机器人却未必容易。

刚刚,OpenAI 三个神秘模型「红绿蓝」曝光了! (opens in a new tab)
OpenAI API 模型列表短暂出现 aurora-red-alpha、aurora-green-alpha 和 aurora-blue-alpha,随后被移除,Arena 盲测显示三者可能均为生图模型,但 OpenAI 尚未确认其身份。

具身智能体长程记忆:看见不等于记住,浙大提出具身记忆基准 (opens in a new tab)
设想一个日常场景: 家庭机器人刚刚在茶几上看见一本书,去厨房完成几项任务后,接到取书的指令,却又开始挨个房间搜索。它已经试过一个打不开的抽屉,过了一会儿,还是回到同一个抽屉前反复尝试。

EMNLP 2026 Main|浙大&北大团队提出SPADER:用step-wise GRPO与多样性感知奖励驱动多答案问答长尾探索 (opens in a new tab)
一句话概括:多答案问答要求智能体找全整个答案集合,而不是只搜到一个就停止。现有 RL 方法在此场景下存在两处错位:优势计算停留在轨迹级,信用分配粗糙;F1 奖励对头部与长尾实体一视同仁,智能体缺乏探索长尾的动力。

当Coding Agent开始动态并行,软件开发变得更好了吗? (opens in a new tab)
Coding Agent正在进入新的发展阶段。过去,它们主要修复Bug、解决GitHub Issue或实现相对独立的功能,SWE-bench等Benchmark已为此建立了成熟评测范式;如今它们开始承担从完整代码仓库生成、跨语言迁移,到需要持续探索与验证的长周期软件工程项目,任务规模和执行时间不断增长,单个Agent的上下文容量、推理能力和执行效率逐渐成为限制。

VAST开源实时世界模型EdenLive!单消费级显卡、720P超24FPS (opens in a new tab)
VAST发布并开源实时世界模型EdenLive,支持任意参考输入、不同画风生成和分钟级连续运行,其5B模型在单张Nvidia RTX 5090上以720P生成速度超过24FPS,端到端延迟为百毫秒级。

双榜第一背后,他们想做的不是下一个世界模型 (opens in a new tab)
Murea Labs的Murea-InWorld通过Murea-Mind协同Murea-Pro和Murea-Fast生成实时互动音视频,Murea-Pro以81.13分位列WBench Full-289第一,Murea-Fast以64.98分居OpenS2V-Eval参评开源模型第一。

同事.skill 不够用了,谷歌出价 7000 万「蒸馏」一家破产公司 (opens in a new tab)
今年春天,一台台黄色飞机停在机场,它们的公司 Spirit Airline 宣布破产,这些飞机将永远不再起飞。 这是一家廉价航空,已经连续几年经营不善,直到伊朗战争及霍尔木兹海峡运输受阻,令航空燃油价

刚刚,Anthropic公开4年后的世界!造AI只剩5%留给人 (opens in a new tab)
Anthropic公开内部报告称,1334名员工预计到2030年底AI将完成前沿模型开发95%的工作,其Agent工时已远超员工,对AI进度的预期也显著高于美国公众。

8000字,Codex逆袭ChatGPT抓马史首次大公开! (opens in a new tab)
《How Codex Happened》首次披露Codex从首发遇冷、转向本地Agent并借GPT-5系列突围,最终成为ChatGPT桌面端底座,后续将重回云端并探索无固定界面的主动式Agent。

这台卖37999的RTX Spark电脑,让我实现了Token自由。 (opens in a new tab)
英伟达RTX Spark全球开售,128GB版本开售数分钟即售罄;作者使用售价37999元的华硕ProArt创16本地运行Qwen3.8-27B等模型,实现免API费用的多种AI任务并获得“Token自由”体验。

我实名讨厌田柯宇和他的投资人丨VC Weekly (opens in a new tab)
VC Weekly文章作者表达了对田柯宇及其投资人的职业道德质疑,并推荐5期播客,结合Theranos、WeWork、Uber和Affectiva案例讨论创业投资中的诚信、员工伦理与技术责任。

登顶RoboDojo智能体超过GPT-6 Astra:Manifold AI推出R²SI (opens in a new tab)
Manifold AI推出WorldScape R²SI,通过上下文学习与双层Agent持续改进能力登顶RoboDojo Agent Track总榜,超过GPT-6-Astra等模型。

刚刚,4个Gemini死了605次,竟自己组队打穿《我的世界》! (opens in a new tab)
Google DeepMind的4个Gemini 4 Argon智能体在无人预先分工和干预的情况下自主协作,通过编写2783个程序在《我的世界》中经历605次死亡后,于27小时14分钟内击败末影龙。

让AI造城市,一口气干活十几个小时,蚂蚁百灵Ling-3.1-flash把AI带进真实工作流 (opens in a new tab)
蚂蚁百灵发布并开源Ling-3.1-flash,聚焦复杂任务与长程执行,实测可筛选AI新闻、开发并迭代城市建造游戏及生成费马原理教学网页,显示AI正进入真实工作流但仍需人工核查修正。

刚刚,英伟达开源机器人Harness!接入GPT-6 Astra一夜刷爆所有基准 (opens in a new tab)
英伟达正式开源机器人智能体框架ASPIRE V1.0,使机器人可自主编程、调试、复盘并沉淀可复用Skill,换用GPT-6 Astra后,一夜将LIBERO-Pro任务成功率推至99%,Robosuite和BEHAVIOR-1K代表性任务均达100%。

Tibo的Codex翻盘记:接手不到一年就吞掉了ChatGPT (opens in a new tab)
OpenAI的Codex在Tibo接手后从云端转向本地,并推出不含代码编辑器的桌面应用;随着GPT-5.3 Codex拓展至知识工作,Codex于2026年7月成为新版ChatGPT桌面应用,Codex与ChatGPT for Work合计周活超4000万。

538小时「极脏」人类数据,真机不到1小时:港大让机器人学会拆快递、打胶枪、做冷饮 (opens in a new tab)
香港大学MMLab团队提出EgoWild2Dex,利用538.9小时真实人类第一视角数据训练机器人,每个下游任务使用不到1小时真机数据微调,拆快递、用热熔胶枪固定摆件和制作冰饮等任务的平均成功率达96.7%。

智谱新模型,懂法方面全球第一了 (opens in a new tab)
智谱推出法律专用开源模型GLM-Legal,可处理合同审查、证据分析和跨境合规,并在Vals AI法律测评中以19.2%的任务全通过率和86.23%的准确率位居Harvey LAB与LegalBench双榜开放权重模型榜首。

给多模态大模型选「眼睛」,两个简单改进让评测相关性接近翻倍 (opens in a new tab)
团队提出免训练评测方法RAVEL,通过带稳定项的PCA白化和局部图像块匹配提升视觉编码器评测准确性,在三个LLM上的平均Spearman相关系数达0.85,并开源210个MLLM权重。



