今年5月，奥特曼回到母校斯坦福，站上CS153的讲台，认错了： 这是我的一个预测错误。

1、博亚平台 这是他在播客里的口头描述，更接近事实的理解是：极少数核心研究员或工程负责人，总薪酬、股权和签约激励加总，可能达到这个量级。

在如此激进的预言下，哈萨比斯抛出了他最具争议的方案：设立一个类似金融监管局（FINRA）的组织，要求所有「前沿实验室」在发布模型前，必须经历30天的「预审期」。博亚平台在他咨询AI的绝大多数话题上，模型给出的答案，比他能联系到的绝大多数世界级专家更好。

2、入住3年，这6个装修设计我忍无可忍！打算全砸了重新装

但这丝毫不减损这个事件的冲击力。

3、世界杯金靴奖之争：梅西8球4助领先姆巴佩8球3助 最后冲刺谁获奖？

动作chunk尾部不可靠：模型一次预测多个动作，但越靠后的动作越容易累积误差，系统不得不频繁重新规划，强行拉长执行长度会降低成功率并增加物理步数。

4、最高2年1.367亿！库里8月30日有资格提前续约 剑指20年一人一城

往深一层看，这是智能体时代的一场军备竞赛：谁能在这波狂热里把用户留住，谁就能攥住更多真实的长任务数据。

5、8年爱情长跑，结婚10年已离婚，没想到《雀骨》她凭演技又火了

这个开关管的只是「要不要拿你的数据训练AI」，压根不管你的代码有没有离开电脑。

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」。

先看前端生成。

6、168.5㎡人文透天宅，谁看了不心动？

「磐石2.0」登场，统一科学智能 去年7月，中国科学院联合团队曾发布了磐石·科学基础大模型1.0，并全面开源。

而分歧从哪来？先看清每个人代表了的不同背景，坐上桌的是: 姚卯青(智元机器人)：全栈玩家，数据全要，可靠性是命； 任至意(Physical Intelligence)：纯大脑派，不碰场景，只赌真机数据飞轮； 马也骋(Dyna Robotics)：真实落地派，信部署数据和后训练； 张正友(腾讯 Robotics X)：大厂实验室，分层架构，警告创业公司别被大模型吞了； 赵子豪（Sunday Robotics）：家庭派，三指夹爪独特方案，先敲门再说 。

7、甄珍：这辈子最后悔的事就是离开谢贤，嫁给了婚内追求我的刘家昌

这个负责打分的「监工模型」，不是那个干活的模型。

问题的核心，是模型在关键能力上，尤其是AI编码能力，未能达到内部严苛的标准。

8、不是30分钟！官方：世界杯决赛中场休息最多17分钟 中场秀11分钟

有外媒的形容很到位：这份报告引发的反应，就是「开发者们默默打开了密码管理器」。

参与项目的谷歌员工预计，按每瓦特能处理的Token数量算，这款芯片将比谷歌最新一代TPU高效6到10倍。

谷歌股价在消息传出后应声下跌，一度跌幅达4.43%。

9、谁干的？！沪上公交站“神秘缩水”，市民直呼“太危险”！调查后，记者都懵了

这一次，大晓首次提出了「信息密度定律」： 数据的价值不在数量堆叠，而在信息密度。

当迭代陷入停滞时，它能识别被忽略的约束或错误前提，及时调整搜索方向、跳出局部最优，形成「假设—实验—反思—追问—修正」的自主闭环。

10、报告征集

第二个问题更严重：企业可能正在把自己的数据、流程、业务逻辑和竞争优势交给模型公司。

前者，如今的模型早已驾轻就熟。

1、上海顶豪新标杆：同时“靠江+靠公园”的住宅，究竟有多稀缺？

机器人在汽车、物流、锂电、3C、家电的真实产线上，每天都在遇到新物体、新光线、新任务： 大规模应用产生真实数据→数据提升模型泛化性→模型降低部署难度→更快进入更多行业。

2、SK海力士启动招聘，与美国客户联合开发3D堆叠DRAM

「1+3+N」里的那个「1」，落到地面上，就是桌面级、办公室级、数据中心级三类Token Factory。

3、瀚森打出高光表现！全场18+10+5太出色 主帅：取胜关键就是杨瀚森

」 限速高墙轰然倒塌 重置之神狂踩油门 干出这等好事的，正是Codex和ChatGPT的掌门人Tibo。大风追踪不设上限的循环，能把token成本烧穿。

4、法国6比4英格兰：姆总萨卡诚信互刷

作为对照，其余十个模型在200次测试里，隐蔽破坏是0次。

5、解放军测试随身码头，360度无死角全方位登岛，打到哪就从哪上？

下面这款「割绳子」经典游戏，也由V4一次跑出来的。

6、从“拼补贴”到“拼信任”！外卖行业已加速换挡

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。

AI已经在碰核心业务了，但权限怎么切、操作怎么审计、敏感数据怎么防外泄，这些企业级的防线普遍千疮百孔。

大厂必然有自己的战略考量，往往会深度绑定某一家或自己投资的国产算力芯片。

7、刚刚，WAIC杀出国产「桌面超算」！150B大模型，放你桌上跑

项目组要跑一个训练实验，Gemini反对：它认为这个实验会抹掉模型表达「撤回同意」的能力。

拿到一个看不懂的复杂回答，他让模型解释给10岁的孩子听；如果还是绕，就让它解释给5岁的听；再不行，解释给2岁的听。

8、乐透五号秀！杀回来了？西甲MVP！还会有机会吗？

但那个方案被搁置了——一旦权重烧死，芯片就只能服务某个特定版本的Gemini，模型一更新，芯片就报废，生命周期短得离谱。

她甚至直接点破了「token单价」这个幻觉：最低token价格 ≠ 最低结果成本。

第一家企业只是消耗了大量Token。

真实工业环境里，一套系统要稳定跑起来，往往得机械、电气、方案、软件、AI一大帮工程师折腾几周甚至几个月。