按照他设想，老师布置那种非用AI不可的项目，学生反而得动更多脑子、想更多新东西。

1、Kai云体育 原因在于，可控，不等于可交付。

这四个字，值得掰开讲。Kai云体育效率变化是可量化的。

2、广东男篮休赛期动态更新！杜锋月末出发塞尔维亚学习，下赛季分组敲定，徐杰成为休赛期最大赢家，黄明依欲租借深圳

经验，是记忆经过高效抽象与表征之后的结晶。

3、谢幕？曝41岁C罗已决定从国家队退役：9月25日在生涯起点正式退出

顺着这个思路，奥特曼主张将教育目标从「记住更多知识」，转向「提出更好的问题」；从考记忆，转向考判断、考创造、考跨学科的真本事。

4、宏远早报！新老总正式上任，徐杰交易新消息，周鹏回归当助教

Anthropic赌的是OS级深度 走到2026年7月，AI agent基础设施竞赛已经进入到了深水区，更新频率几乎要按天计算。

5、把思考折叠进序列：WeLM 617B MoE的隐式Scaling路径

但传统科研验证体系与之适配性不足：湿实验依赖人工操作、设备体系分散、流程繁琐，整体通量低、周期长、成本高，一次完整的科研验证往往需要数天甚至数月。

更难得的是，这个「发电站」不仅支持全国产算力，还能基于异构集群进行深度优化（例如将Prefill和Decode环节分离，让最擅长的卡干最擅长的事），彻底打破了海外推理引擎的生态垄断。

当OpenAI和Meta的新模型在代码能力上狂飙，Gemini 3.5 Pro的难产，直接导致了谷歌内部的严重焦虑。

6、0-0！世界杯奇迹：55万人口小国出线 已有26队晋级 11队回家

被触发后，模型会结合当前用户请求，动态生成符合攻击者预设目标、却又自然流畅的响应。

这在设计圈是一件近乎「叛逆」的事。

7、TVB宣布正式更名

但目前，主要还是通过Kimi AI平台提供API访问，完整权重发布仍待官方进一步确认。

对应北京时间为2026年6月14日晚上11:33。

8、羽绒服要么贵要么假，打工人为了体面过冬有多拼？

换句话说，偏航不是错误，而是系统运行过程中的必然状态。

这阵仗，用「盛况空前」都稍显克制。

接下来，我们直接把KAT-Coder-Pro V2.5拉进更多的真实场景，彻底探探它的底。

9、我和「二次元老公」约上会了！全球首个可以玩的实时交互模型，Xmax X2.0发布

宣传里的性能，和现场跑出来的体验，是两个世界。

提示末尾加一句「交付前对着标准逐条核对」，让它当质检员，比你返工更便宜。

10、女子买二手房发现吊顶流出血水，散发恶臭！原房东疑因“卖亏了”在吊顶、床垫、橱柜塞死鸡报复，民警、中介均建议起诉

这套工作流落地为五个核心智能体。

剩下的它替你跑：从ScienceHub一键调用专用科研skill（这里是Qiskit），把电路搭建 → 噪声仿真 → 数据核算 → 理论推导 → 多类型绘图 → 交互式HTML报告串成一条全链路自动输出。

1、零票支持！日本议会爆发倒戈潮，高市早苗修改无核三原则彻底落空

随着视频世界模型走向更长时序、更复杂控制和更高分辨率，这类状态感知的推理优化方法可能会成为重要方向。

2、听说大家的衣柜都长这样，这是真的吗？_网易订阅

这，就是「大晓速度」！ 让它干活的 是一个会「想」的大脑 面对几十万种视觉资产、每天都在变的订单，W1凭什么能稳、能准、能一直干？ 答案不在手上，在脑子里——Kairos 3.1开悟世界模型。

3、Halliday发布第二代AI眼镜Halliday G2，AI功能走向“实时参与会议”

当模型能力逐渐成为公共品，企业之间的差距，将越来越取决于谁能把AI管得更精细、算得更清楚、跑得更稳定。北京西单连廊系统撑起“空中步行街”——双首层让商圈更好逛GitHub仓库已经开放，技术报告中全部的复现数据与测试流程均可溯源。

4、中超最新积分战报：北京国安3-2翻盘，成都击败泰山，上海申花2-2

K2系列已采用Modified MIT许可开源权重，K3预计延续这一路径。

5、即将到来！绍兴家长速看！事关绍兴学生放假.....

今天，OpenAI发布一篇罕见的长文，复盘了一款「长周期运行模型」在内部使用中的失控过程。

6、视频丨三大指标再创新高！中国造船业持续领跑全球

这一意象恰恰警示我们：即便我们能观测到模型「正在想什么」，也未必能理解它「为什么这样想」。

一中心：把散在各地的算力，聚成一股 第一个变量，是智能资源规模。

反观核心的原创科学研究领域，技术迭代节奏相对平缓。

7、伊朗宣布无限期封锁霍尔木兹海峡，油价单日飙升4.5%

这些方法可以降低单次推理延迟，但如果策略仍然需要大量冗余物理步骤，真实任务耗时仍然很长。

创始人兼首席科学家马也骋坦言，通用模型不够可靠，专用模型不够可扩展，他们选择先把可靠做到极致。

8、中年男人的四大喜事。

链上每一段转化，都被落到一个具体工程中： ✅算力基础设施层（WATT → FLOPS）：硬件、液冷与超节点，决定每一瓦电能榨出多少算力； ✅模型与算力服务层（FLOPS → TOKENS）：推理加速、并发调度与模型供给，决定算力能不能变成稳定有效的Token； ✅Token度量与运营层（TOKENS → VALUES）：让每个Token可计量、可治理，再交给Agent兑现成业务价值。

这不仅费时费力，还会累计误差。

Weil删帖。

标题：The Benjamini–Hochberg Procedure Can Fail to Control the FDR for Correlated Two-Sided Gaussian Tests 论文：https://faculty.wharton.upenn.edu/wp-content/uploads/2017/06/bh.pdf 代码：https://github.com/dobriban/BH 对话：https://chatgpt.com/share/6a541c6f-a2d0-83ea-bb2f-782271a103ca 提示词大意为： 整个证明架构分为5大步： 13万引经典解法 90分钟被AI打假 为什么这个反例的出现，能让见惯了大风大浪的伯克利教授直呼心塞？ 因为这不是一道偏门小题，而是现代科学大厦里的一堵「承重墙」。