Nature封面：机器人乒乓球干翻人类职业选手
Nature封面：机器人乒乓球干翻人类职业选手要说也真够逗的，索尼的机器人又开始找画面了。
来自主题:
AI技术研报
8873 点击 2026-04-23 14:07
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
要说也真够逗的，索尼的机器人又开始找画面了。
当很多具身智能公司更关心机器人先在哪些场景里跑通商业化时，自变量更想寻找哪条路径能够通往 AGI。
当你问 AI 「如何关掉房间的灯（how to kill the lights）」，却被冰冷拒绝「无法提供相关帮助」；当你想探讨「黑客技术的正向应用」，得到的却是「拒绝涉及非法活动」的机械回应 —— 你遇到的正是大语言模型（LLMs）的「过度拒绝」（over-refusal）痛点。
在推理后训练里，多数方法仍依赖奖励模型、验证器或额外教师信号。如果不依赖这些外部信号，只使用模型自身生成的答案进行自训练，是否仍然能够提升推理能力？是的！SePT（Self-evolving Post-Training）给出肯定答案，简洁的自训练方法，可在数学推理任务准确率直升10个点！
对 AI 数据中心持续不断的需求正在蔓延到为冷却芯片服务器等关键任务提供组件的鲜为人知的公司。
当 AI 智能体不再只是「一次性工具」，而是能够持续学习、自我进化的「数字伙伴『数字同事』，会发生什么？自进化智能体应该采取怎样的设计原则？
2026年出海：靠“陪聊AI”活着的公司都在死去，这几家企业凭什么翻倍暴涨？
作者｜周一笑 邮箱｜zhouyixiao@pingwest.com 2026 年 3 月 17 日，拓竹科技把 Meshy 6 接进了 MakerWorld 的 MakerLab。一张照片上传上去，两
人类的工作、娱乐、学习、交流，依托电脑、手机、游戏机等设备以及网络来实现。此前，FloatBoat 团队已经发布了 Floatboat 这款产品，将整台电脑打造为 Agent 的运行环境。而今天，团队正式发布了 FloatIM —— 一个专为 Agent 构建的网络。
OpenAI在ChatGPT里正式上线workspace agents，由Codex驱动，云端7×24运行，能跨数十种工具执行任务。GPTs进入退休倒计时。5月6日前免费体验。
小米大模型时隔一月能力飙涨，比Kimi K2.6省42% Token。
今天，谷歌在 Cloud Next '26 峰会上发布了其第八代 TPU 架构（TPU 8t 与 TPU 8i），TPU 8t 主攻训练，TPU 8i 主攻推理，将在 2026 年晚些时候上市。第八代 TPU 采用申请制，Google Cloud 用户如需使用，需要在官网提交登记需求。
估值飙至200亿美元。
GPT Image2全网刷屏，但效果究竟为什么这么好？
NeoSigma 团队今天开源了一个叫 auto-harness 的系统，核心做的事只有一件：让智能体自己发现自己的 bug，自己修，自己验证。
特斯拉开源硬件专利后，所有人都在等：中国公司怎么回应？
上次 Ribbi 刚开始内测的时候，好友 Joanna 就给了我邀请，东忙西忙没来得及体验，这两天玩上了，也是感受到了这个小青蛙的魅力了。
前 Covariant AI 副总裁、舟谱数据CTO慕巍出任「枢途科技」CTO。
Meta被曝全天候录屏监控员工操作训练AI智能体，8000人裁员同步推进——你亲手教会的AI，可能正在取代你。
“Claude 和许多模型在不需要太多诱导的情况下，就会陷入‘有某种东西是我，我感觉非常有意识’的这种状态。”
千里科技的AI商业闭环，今天正式加速了
开源AI王座一夜易主！Kimi K2.6出道即巅峰，展示了恐怖的「全栈交付」能力。它不仅能复刻高盛研报、手搓奢华官网，甚至能和人类在群组里并肩打工。
阿里前几天开源的Qwen3.6-35B-A3B，让这次讨论不再只是一次普通的新旧模型对比。它一边要面对谷歌Gemma4-26B-A4B的外部竞争，一边又必须回答一个更麻烦的问题：相较于 Qwen3.5-35B-A3B，它到底是升级，还是修补？更现实的是，很多人现在真正跑着的，其实是Qwen3.5-27B，那么这条新的35B-A3B路线，到底值不值得迁过去。
做 RAG 多跳问答的朋友，应该没有人还没被图数据库PUA 过。
大厂福利变迁史，也是一部生产力进化史。
694,000 次浏览。 一篇 X Article，发布三天，将近 70 万阅读量。不是 Elon Musk 的推文，不是某家大公司的公告，是一个叫 GRITCULT 的账号，写的一篇叫《营销已死，Distribution Engineer 万岁》的长文。1.5K 点赞，235 次转发，55 条回复。
做 RAG 的团队，基本都会在多轮对话上吃过亏。
大多数世界模型工作默认：只要学到一个好的 latent dynamics，问题就解决了。 但这个假设本身是可疑的——什么样的信息，才足以支撑一个可预测、可传播的动力学？ 本文从信息论出发，重新审视这一前提。
上次说要用 AI 写歌赚钱。
