赛题更前瞻、产业更融合 黄浦江边决赛切磋 本届大赛最受关注的变化来自创新赛道：大赛首创的AI4S智能体CNS挑战赛，将竞技对象从科学领域算法模型进一步拓展至自主科研智能体，通过真实科研任务检验AI自主开展科学研究的能力。

1、熊猫体育 三名少年拿下42分满分。

Cowork得让用户主动下载一个桌面端；而把智能体揉进ChatGPT，意味着超9亿周活用户打开那个最熟悉的App，就已经在用智能体了。熊猫体育积木是道具，能力是真的。

2、你以为正常，但其实是长期压力的一种表现（很多人都忽视了）

但这种「赛马」机制，也意味着内耗。

3、健康日历

资本端同样用真金白银投票。

4、全网刷屏，华语乐坛“嫡长女”终于来了！

这篇「硅谷现行记」中，Turner不仅曝光了谷歌高层在利益面前的虚伪，更直接点名批评了包括Jeff Dean、Demis Hassabis在内的谷歌灵魂人物，以及Yoshua Bengio、Stuart Russell等满嘴「AI伦理」的学术泰斗。

5、18岁女生打完“减肥针”后剧烈呕吐进急诊！医生紧急提醒

」 结果就是，指令频繁变动，多个部门重复造轮子，难以形成合力。

为此，DA-Nav构建了ReDA恢复感知导航数据集，通过受控扰动主动制造偏航状态，并记录相应的专家恢复行为。

最后说「眼」。

6、今晚22点粤超第十比赛周门票截止预约！常规赛进入冲刺期

放大看，字字清晰。

这道题是那个年代公认最难啃的硬骨头。

7、汉川童车装上“质量星级”身份证！

开发者们信了。

一瞬间，全球AI圈沸腾了。

8、笑做“不倒翁”，晚年更从容！老年人防摔指南快收好

究其本质，当前 AI 科研的核心短板，并非知识储备不足，而是极度缺乏真实科研场景的失败样本与负反馈。

参考资料： 迈入AGI科学元认知时刻，『书生·端砚』解锁全栈科研新能力 | WAIC 2026 周伯文：AGI的下一程，迎接科学元认知时刻 | WAIC 2026新智元报道 AGI可能在五个月前就到了，只是没人注意。

这说明模型层的对齐在生效时，仍是有价值的最后一道防线，只是它替代不了架构层本该承担的工作。

9、深化能力作风建设·奋进“十五五”｜逊克 老小区里来了“新管家”

历练过GDPS赛场的，才是真·未来生产力。

这四类失配，横跨了报告测试的14个前沿模型，包括Anthropic、OpenAI、Google DeepMind、xAI等全球前沿AI实验室。

10、收缩压升高 VS 舒张压升高，降压用药有何区别？

灵犀要做的是端到端的「任务交付」。

谁都知道：谁掌握了高稳定性的轴向磁通轮毂电机，谁就拿到了下一代高性能电动汽车的入场券。

1、最大争议之一？阿根廷官网为梅西没获得世界杯金球隔空“喊冤”

因此，佟博士所说的认知主权，并不是简单地把模型部署在本地，也不是只把数据保存在企业防火墙之内。

2、1夜7大转会！曼联签下桑托斯，阿森纳与吉马良斯达成个人协议！

但这一认知过程，本质上依赖人类对三维空间的完整理解，而不是语言本身。

3、亚洲仍是打酱油，从闪亮登场到惨淡出局

这套思维从 UC 带到阿里，再带进钛动，最终沉淀成钛极模型的阴面。7.13世界杯：法国vs西班牙各方爆料一起涌出：谷歌的终极杀器——Gemini 3.5 Pro，代号「Cappuccino」，将在48小时内正式上线！ 200万的超大上下文窗口，全新的「深度思考」推理模式，据说内部评测已经吊打了GPT-5.6 Sol和Claude Fable 5。

4、见证历史！38岁梅西炸裂戴帽问鼎世界杯射手王！阿根廷3-0开门红

一瞬间，全球AI圈沸腾了。

5、未战先怯！输球不可怕，可怕的是德尚这番话：西班牙是夺冠热门！

就在几天前，强化学习之父Sutton官宣创业；几个月前，他的学生、AlphaGo之父Silver做了同样的事。

6、步行者GM：如果你期待看到詹姆斯加盟步行者 那是不可能的

百万奖金池，千万投资额。

前Google工程师Deedy Das甩出一场AI横评：7个前沿大模型，全自主单挑IMO 2026全部6道题。

数据是企业的资产，模型是企业可以使用的资源，而认知系统才是企业在 AI 时代真正的大脑。

7、CSX二季度营收39.4亿美元超预期，运营利润率提升至38.3%

」 在后稀缺时代，需要什么样的新型经济模式来帮助所有人共同繁荣？我们希望秉承什么样的价值观？意义和目的将是什么？甚至，人类自身的境况将如何改变？ 下面，就是哈萨比斯的文章译文——《前沿AI框架与新时代的曙光》「A Framework for Frontier AI and the Dawning of a New Age」。

机器人场景下，VLA模型每次推理需处理三路相机画面（双腕部+主视角）加文本指令，并输出动作。

8、3类牙膏被列入致癌“黑名单”，长期用或有致癌风险？告诉你真相

行业普遍形成一种共识：沿着现有技术路径持续优化迭代，AI 的通用能力将保持稳步进阶。

这也让行业形成一种普遍认知——既然模型能够看懂材料相关知识，完成原子搭建、结构调整这类实操任务理应顺理成章。

但传统导航数据通常以专家正确轨迹为主，模型学习的是「理想情况下应该怎么走」，却很少真正经历偏航与恢复过程。

相比DM0，数据量增长400%，参数量翻倍。