本次论坛上，商汤给出了一个听起来有点反常识的答案：不造更强的卡，而是把比赛拆开，让不同的卡接力跑。

1、博亚平台 难的是现场随时在变。

传送门：https://member.ipmu.jp/yuji.tachikawa/tmp/product-BN.pdf 他评价为「Fable 5比我还懂代数拓扑」，并问「是不是达到该领域硕士水平」。博亚平台」 更是有人原地开始拉踩诺兰。

2、祝贺！中国籍数学家王虹、邓煜获菲尔兹奖，中国数学实现历史性突破

灵犀生成的PPTX、DOCX、XLSX，打开就能编辑、公式在、引用能追、格式完整。

3、名记曝詹姆斯自由市场计划：盼与欧文浓眉重聚，热火却闹乌龙发他加盟直播

体系化带来的三大「表征」 当这五大「数字灵魂」在三层架构的驱动下精密咬合、协同运转时，便不再是冷冰冰的代码与模型，而是化身为对复杂物理世界有强大适应力的物理智能体。

4、世界飞镖大赛激战正酣 利特尔、安德森、洛克今日披挂上阵

从芯片底层，一路往上搭到整机、操作系统和应用生态，不留死角。

5、47000英里奔驰E350敞篷车无底价拍卖，Carfax记录全损

菲尔兹奖得主Timothy Gowers悲观又震撼地感慨：「2030年的菲尔兹数学奖，可能是最后一次颁给人类。

张正友认为，两条路线都可能成立。

参考资料： https://x.com/maxforai/status/2078767321603342656?s=46&t=kUmE9xDZxjY1kLbL84hhYQ 编辑：Aeneas新智元报道 一名顶尖实验室的材料研究员，最无力的瞬间，从来不是想不出创新思路，而是 AI 一天推演上百种新配方，人工实验一年测不完； 最可惜的损耗，不是实验本身的失败，而是随着项目结束、人员更迭导致数据、经验、参数未能有效存留，让下次的研究需要重复起步、反复试错。

6、为庆祝25周年 阿斯顿·马丁限量打造25辆V12旗舰超跑

这是整个战略最硬的地基。

上海作为先行城市，承接国家任务，以赛事锤炼成果，向国家交出具身智能实景验证的「GDPS答卷」。

7、蓝鸟2比4再负光芒跌至46胜56负 高斯曼：全队都在强求改变

他称这是「真实世界首例此类AI失配」。

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。

8、比尔队球星惊人理论：我们球场被诅咒了！旁边墓地藏着四连亚的秘密？

旁边展示直接挑战了机器视觉领域公认的「老大难」——透明物体识别。

PolicyTrim第一阶段使用dynamic execution horizon exploration：同一组rollout分配不同接受比率，让模型在短、中、长窗口上并行探索可靠边界。

参考资料： https://x.com/claudeai/status/2078302415804379218 https://x.com/IamYashKapoor/status/2078223827411325348 编辑：Aeneas新智元报道 17日凌晨（当地时间16日上午11点），Kimi K3发布，全网刷屏，开源AI迎来第二次「DeepSeek时刻」。

9、太高估自己了？曾自掏160万美元加盟NBA，不到两年时间却再遭放弃

被问到是否需要考核员工使用 AI 的频率，李述昊的回答很干脆： 不用。

在配置相应AI加速卡后，可本地推理70B至150B参数规模的大模型，多台设备还可级联组成桌面级算力集群。

10、约书亚富里英伦德比签约三月仍无期无地，两人各打热身赛先行

其实，马斯克和诺兰的《奥德赛》积怨已久。

这意味着，国产算力第一次不必等到单卡全面追平英伟达，就通过系统分工，提前进入了真实的商业市场。

1、39岁仍在掌控比赛！劳塔罗：梅西一个眼神，我就懂他所有战术思路

他毫不吝啬自己的震撼与兴奋，但在这份敬畏的底色里，却渗出了一丝后背发凉的失落感： 这个猜想是统计领域内最有趣的未解之谜…… GPT-5.6解决了它，但我多希望，这是由人类来完成的。

2、B费新赛季主场球衣杯赛字少量到货哦~

聪明会贬值，经验会复利。

3、马克龙再出重拳！法国参议院通过法案：禁止15岁以下刷社媒

这样的进化能力更类似于人类成长的节奏，在一个人中学阶段学习的是一元二次方程，大学阶段掌握的则是微积分。错过1.17亿镑目标后，阿森纳3400万签下佐利斯，替代特罗萨德谷歌的「塔西佗陷阱」： 为什么全司之力造不出最强AI？ 为什么万众期待的王炸会哑火？ 这篇报道为我们揭开了谷歌内部的重重困境。

4、耐克造梦，阿迪冲线

由此，代码就在处理节点上跑起来了。

5、ADP14.1不该首轮选，ADP19.7不该次轮抢：2026梦幻橄榄球两大高估陷阱

用认知科学的话说，它有语义记忆，没有情景记忆；有工作记忆，没有长时记忆。

6、@泸州考生，高考查分预计时间公布→

AtomWorld并非直接否定Scaling Law，而是提醒科学智能体重思 「该缩放什么」。

原因在于，OpenClaw过于宽松，各模型都同样糟糕；而SeClaw把简单攻击替换成了需要模型自行判断的结构化界面，于是懂得判断的模型分数跃升，机械照做的模型则摔得更惨。

结果设备买回来，从到货到吐出第一个Token要熬一两周，模型每迭代一次都像换血。

7、6场807码，他有望冲击CFL历史接球纪录

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。

今年6月，两家海外Cloud公司各自提出的解法，与无问芯穹隔海共同呼应了「Agent时代到底需要怎样的AI基础设施」这个命题。

8、大连市文明实践微阵地推荐展示活动·百花篇（四）

GDPS要解决的，是企业最关心的问题：哪些高重复性环节可以交给机器人，把成本降下来？哪些危化高温有毒有害场景，可以先用机器人进行工作替代？ 哪些高价值场景能够充分提高用户服务体验感？能不能多产出、少停产？ 想搞明白这些，就把你的真实场景需求交给GDPS——全球赛队带着方案来答，完成实景验证。

写下机器战书的人 整场测试的起点，是一家叫Axiom Math的公司。

更要命的是，这些Agent不是偶尔吃一顿，它们7×24小时不停地吃。

在未来的科研范式里，「寻找答案」和「构造推导」将不再是人类智力的最高体现。