“就像美国知名作家坎贝尔笔下的‘千面英雄’，要学的是底层的英雄逻辑，而不是英雄的面孔。

1、Kai云体育 与此同时，每个子agent回来时必须带具体引理、方程、构造或反例。

当前灵巧手正在走向成熟——它能否真正胜任实际任务并跑通商业闭环，很可能成为具身智能领域的一个重要里程碑。Kai云体育而这个猜想被解决的那天，所有人都得重新找问题。

2、交涉破裂，中方没给日本碰瓷机会，正午12时，钓鱼岛调查准时展开

两者并不是简单的模型升级关系。

3、东契奇长期跟队专家直言：湖人阵容天赋“不在同一水平”，新援凯斯勒是豪赌

在会议上，各家企业会分享对各区域市场供需的判断，共同重申错峰生产等自律公约的承诺，并协商处理破坏规则的个别行为。

4、第二十八届 IRO 国际机器人奥林匹克大赛落地青岛国信体育馆_网易订阅

△王虹和Zahl在arXiv上发布的论文 △该论文贴出两天后，有人在陶哲轩博客下为来年的菲尔兹奖下注 扒了一下王虹和邓煜的这两篇论文还发现，二人各自的合作者竟然还都是陶哲轩的学生。

5、腾亚萱｜和贾俄仁加结婚后，我成了训练营的老板娘

当前行业最普遍的做法是：先量产再采集。

10年数据信仰的延续 物理AI的第一个落地赛道是自动驾驶，而这10年走过的工程化、规模化之路，展现出的是“瓶颈迁移史”。

岗位包括基础模型、AI Infra、Agentic模型训练、多模态交互与Embodied AI、模型评测等。

6、赴主场、战决胜！京粤大战决胜局门票今日开售！

用丁文超的话说就是： 但，这只是开胃菜。

与此同时，视觉预训练显著提升了语料利用效率。

7、美以战机横行，中国雷达遭质疑？别被表面战局骗了，真相恰恰相反

但实际上还有大量融入到业务中的AI应用是无法测算的，比如我们在工厂中应用的品质智能体，能够实现比人工更准确的质量检测，这部分效果还无法通过数字来跟踪，但长远来看，这个应用方向是确定无疑的，所以必须推进，不会特别在意投入产出情况。

《中国企业家》注意到，豆包在每月200元加强版里新增了“任务模式”。

8、NBA传奇奥尼尔怒怼知名博主：他是个傻瓜，希望布雷迪揍他一顿

系统可形成干湿一体科研闭环—— 在数字世界里完成假设验证，用真实实验确认，数据回流优化模型。

这些指标虽然名字不同，但目标殊途同归。

测也测完了，那就来聊聊大家好奇的另一个问题： AnySearch到底做了什么，才把搜索质量拉开这么大？ 它重新设计了一套适配Agent工作的搜索方式。

9、荷兰的表现太令人失望了，有点后继无人的感觉

远图的优势在于，不仅是全球服务器制造龙头，也是面向AI时代的全栈算力解决方案服务商。

所以AnySearch又做了Agent原生设计，接入方式支持贴合开发者习惯的API，MCP和Skill； 还加入了自动容错、超时管控等工程能力，即使某一路数据源出现异常，也不会拖慢整个搜索流程，而是会自动切换可用路径，保证任务能够继续执行。

10、来自「异形世界」的 Nike 联名最近太让人上头了…

支持这一层的，不是某一个孤立的大模型。

需要说明的是，「本体感知」（Proprioception）在机器人学中并非新概念，传统机器人很早就通过关节角度、扭矩等传感器来感知自身状态。

1、常规赛大宝贝，季后赛软脚虾！克里斯该走人了

前一段时间，有同事又跟他打趣说：“估计你这个CDO也干不长了”——这两年，张小懿很大精力都花在了AI技术上，“说不定哪天就变成CAO（首席AI官）了”。

2、6000万用户的情感陪伴APP，营收数亿后做了款家庭机器人｜产品观察

另一个值得关注的变化来自Cursor的数据 官方透露，Grok 4.5引入了数万亿Token规模的Cursor数据，其中不仅包含代码本身，还记录了开发者与代码库、开发工具乃至Agent之间的大量真实交互。

3、努力终有回报！李月汝罚球绝杀赢队友力挺 她能改变被弃的命运吗

我们现在主要是增加了文化和标准方面的考核。善恶终有报！封号五个月后，曲婉婷再传噩耗，身患癌症无人陪伴58＜60，一个悬了30年的图论猜想倒了。

4、首钢队放弃麦基，新签广厦大外援桑普森；赵嘉义加盟北控

开发者日常写代码用的是PyTorch、TensorFlow这些上层框架，他们不会，也不应该直接去跟芯片底层的电路和指令集打交道。

5、文班：降薪续约是不希望马刺冲冠受拖累 登上2K27封面梦想成真

参观者戴上京东自研的超高清采集终端JoyEgoCam，在货架前完成一次真实作业，人看到了什么、手怎么移动、物品如何被拿起和摆放，都会以第一视角完整记录下来。

6、周琦再开炮！北京队老大太多，4股人马互相不服，许利民无计可施

但初衷可以改变。

能做成BD，至少说明产品有全球市场的认可。

这中间必须有一整套完整的基础设施来做翻译和调度，把开发者用Python写的几行代码拆解成成千上万条芯片能高效执行的底层指令。

7、黄健翔这句“两清了”，到底在骂谁？

6月初，豆包全量上线了“买前问豆包”的卡片功能，用户可以联动抖音小店，无需跳转，即可下单。

内容产能的瓶颈同样突出。

8、打死4名印度人，俄罗斯还敢放狠话警告莫迪，再闯黑海照样打

所以核心业务流程很难跳过数字化这一阶段——没有数据基础，没有系统确定性、稳定性输出，没有知识积累，拿什么训练AI进行业务操作，相当于无源之水，是不现实的。

到了那个阶段，与其纠结数据总量，不如回到一个更本质的问题：模型到底要完成什么任务？我们要采什么样的数据？如何以可控的成本让机器人胜任尽可能多样的任务？ 两者有交集，但在实际推进路径上存在明显差异。

为了更好地与社区互动，RLinf团队也已经创建开发Roadmap（ https://github.com/RLinf/RLinf/issues/1322），建立答疑群（https://raw.githubusercontent.com/RLinf/misc/refs/heads/main/pic/wechat.jpg），欢迎研究者们加入社区，共同开发！ 转载来源：无问芯穹 本文为量子位获授权转载，观点仅为原作者所有。

这对大模型来说，难度极高，却也是最直观的能力展示途径。