但在Coding和办公场景，豆包的表现，还不像其月活3.5亿那样遥遥领先。

1、亚搏手机 举个例子，数年前L4玩家就在强调对量产车智能辅助驾驶的“降维打击”，但事实是，最终只有文远知行做到了。

引入男性用户后鱼龙混杂，反而会导致信任度下降。亚搏手机像拓元这样能够统一管理异构资源、屏蔽底层差异的平台，是国产算力生态走向“好用”的关键拼图。

2、美股异动   存储芯片概念股普跌 闪迪(SNDK.US)跌逾4%

我个人风格更倾向于提前想清楚整体架构。

3、杉杉股份换帅 朱胜利任董事长

先说Workflow Agent。

4、1-0！帕利尼亚立大功，热刺险胜，成功保级，领先西汉姆联2分

它是一款面向Physical AI的开源推理框架，由明体科技联合北京邮电大学、北京大学研发。

5、WPS，被骂上热搜……

对于需要面对超大规模真实用户与复杂任务的微信团队而言，极致的资源效率不是智能增长的约束，或许恰恰是通往更高智能的另一条路径。

过去大家相信Scaling Law，模型能力主要来自更大的参数、更多的数据和更长时间的训练，但从o1这些推理模型开始，新的共识是模型能力来自推理阶段。

甚至，我还拥有了自己的AI Studio。

6、邹市明一家五口合照曝光！回应创业失败：钱是我一拳一拳打出来的

做的门槛，被AI降到了「把话说清楚就行」；用的门槛，降到复制粘贴给AI；而验证和获客的门槛，被社区降到了发一条笔记。

来源：受访者 数据是大模型训练最核心、基础的资源，而数据处理是信息化领域中最“脏、累、慢”的工作。

7、赌王孙女发文悼念父母，晒家族全家福：何猷光最像赌王，妻子很美

研究者先测试了实验中使用的模型Step 3.5 Flash，结果符合预期——它通常会答错。

由于节目的成功，不断有客户找上门，要做“下一个《岩中花述》”。

8、西贝在作死的路上越走越远。

一直到6月初，两家厂商仍在互相试探，博弈发布时间。

这种方式极大地提升了任务完成的成功率，避免了因模型“偏科”导致的任务失败和返工。

在英伟达的方案里，机器人的本体状态只是喂给模型的一个输入信号；而在爻方这里，认识本体是一道必答的训练任务——告诉它未来几帧要到的位置，让它自己算出每个关节该怎么转。

9、人类对洗碗机的了解不足1%，7个隐藏用法，轻松解决家务难题！

以上，是WAIC上，播放的一段关于未来医疗AI的畅想片。

但是他们的面相和“人设”也非常不一样。

10、九年火箭姚（一）：姚明2002年选秀之前不为人知的芝加哥联合试训

后来众所周知，她又退回了数学的象牙塔里。

无界动力的夏中谱提出，评价世界模型要看它对几何、运动、力等状态的预测精度。

1、世界杯争议！西班牙领奖 阿根廷集体背对无视 38岁硬汉怒斥罗德里

在世界模型中做强化学习，成为了可能。

2、塞尔吉奥·加西亚出任西班牙人B队主教练

2007级的王虹、邓煜、唐云清、孙鑫、刘雨晨、余越，2008级的张瑞祥——「新黄金一代」踏着前辈未竟的征途，重新出发。

3、重返CBA！曝余嘉豪新赛季重返浙江男篮 留洋一年未达预期

单伟建 摄影：邓攀 但判断人和考古没有太大关系。广西富川县发生城市内涝汛情？当地辟谣：系外地旧闻移花接木数据与仿真，共同构成物理AI走向规模化的两大底座。

4、逆转之王停不下来，三喵？那是以前！

“最看重AI的业务效果” 《中国企业家》：很多企业意识到AI的重要性，担心错失；但面对剧烈的技术变革又不知如何下手，不敢冒险，以美的经验来说，传统企业如何把握AI机会？ 张小懿：几个方面。

5、17轮下来中超扑救前5的门将 申花门将教练原来指导过法国+阿根廷门将

端侧本地部署，是对实时性的终极验证；而手机这一形态，则几乎涵盖了C端用户日常交互行为的全部入口。

6、寻找“军生”(三)

过去，这套东西主要靠工程师手调。

Jacob Tsimerman，这位领奖台上和王虹邓煜站在一起的人，一下台就向大家示范了： 数学家职业生涯的天花板时刻，能有多戏剧。

但如果我们真的选择把判断权交给这样的系统，就可能会继承它“不暂停”的习惯。

7、防溺水，这样做！

「在AI领域，我们的策略是进攻，而不是防守。

这个“堵点”，在行业高歌猛进时被所有人忽略，等到供需错配真正爆发，才发现从一开始就可能错了。

8、农村基层干部待遇调整，从2026年开始，村干部每月工资有多少？

而1B级参数登顶，更重要的意义在于，它让机器人模型第一次距离真实部署更近了一步。

HMS的做法很明确： 历史记录封存之后不再改动；当面对用户提问时，系统梳理问题对应的时间、人物关系，沿着多条线索搜集信息，交叉核对事实，最后整理出可靠答案。

来源：视频播客《多新鲜呐》截图 有意思的是，外界以为B站推视频播客会打击到小宇宙，程衍樑的看法恰恰相反：视频激活了大众对播客的兴趣，小宇宙这样的小池子反而是受益者。

可一旦进入研发团队，它面对的就变成了几十名开发者、多个代码库，以及一套运行多年、甚至很难被完整写进文档里的开发规则！！！ 所以到了Qoder 1.0，原本分散在Memory、Repo Wiki和Knowledge Cards中的信息被统一收进了同一个知识引擎。