首次国产大模型攻克世界级数学难题！北上广三地联手
首次国产大模型攻克世界级数学难题！北上广三地联手大湾区大学许地生教授团队与上海AI实验室借助书生-S2科学基础模型证明Ghys猜想在复余维一情形下成立，北京大学董彬教授、刘若川院士团队随后完成形式化验证。
来自主题:
AI资讯
8799 点击 2026-10-19 12:14
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
大湾区大学许地生教授团队与上海AI实验室借助书生-S2科学基础模型证明Ghys猜想在复余维一情形下成立，北京大学董彬教授、刘若川院士团队随后完成形式化验证。
你可能不信，Claude Code 现在差不多 90% 的代码，是 Claude 自己敲的。
世界模型赛道仍在源源不断涌入最智慧的大脑。
千呼万唤，Kling 4.0终于全面上线了！！
把一家冰淇淋店交给机器人，需要准备多少东西？
近日，Manifold AI流形空间登顶机器人学习基准RoboDojo榜单（Agent Track），超越 GPT-6-Astra、英伟达 GR00T-N1.。其 WorldScape R²SI系统超过GPT-6-Astra、英伟达 GR00T-N1.7等模型，位列总榜第一。
Sora，可能要回来了。
都知道跨学科才能拿大结果，可啃完全陌生的领域又太烧心？
设定一些不合理的目标，然后告诉模型：这非常合理！
这个秋天，清华电子工程系的一间实验室里，5台智元精灵G1机器人一字排开。
看着机器人抓偏了杯子、迟迟对不准面包机的插口，人们可能会忍不住提醒：“往左一点，再往前一点。”这些对人类来说再简单不过的调整，对机器人却未必容易。
OpenAI API 模型列表短暂出现 aurora-red-alpha、aurora-green-alpha 和 aurora-blue-alpha，随后被移除，Arena 盲测显示三者可能均为生图模型，但 OpenAI 尚未确认其身份。
Coding Agent正在进入新的发展阶段。过去，它们主要修复Bug、解决GitHub Issue或实现相对独立的功能，SWE-bench等Benchmark已为此建立了成熟评测范式；如今它们开始承担从完整代码仓库生成、跨语言迁移，到需要持续探索与验证的长周期软件工程项目，任务规模和执行时间不断增长，单个Agent的上下文容量、推理能力和执行效率逐渐成为限制。
一句话概括：多答案问答要求智能体找全整个答案集合，而不是只搜到一个就停止。现有 RL 方法在此场景下存在两处错位：优势计算停留在轨迹级，信用分配粗糙；F1 奖励对头部与长尾实体一视同仁，智能体缺乏探索长尾的动力。
设想一个日常场景： 家庭机器人刚刚在茶几上看见一本书，去厨房完成几项任务后，接到取书的指令，却又开始挨个房间搜索。它已经试过一个打不开的抽屉，过了一会儿，还是回到同一个抽屉前反复尝试。
VAST发布并开源实时世界模型EdenLive，支持任意参考输入、不同画风生成和分钟级连续运行，其5B模型在单张Nvidia RTX 5090上以720P生成速度超过24FPS，端到端延迟为百毫秒级。
Murea Labs的Murea-InWorld通过Murea-Mind协同Murea-Pro和Murea-Fast生成实时互动音视频，Murea-Pro以81.13分位列WBench Full-289第一，Murea-Fast以64.98分居OpenS2V-Eval参评开源模型第一。
今年春天，一台台黄色飞机停在机场，它们的公司 Spirit Airline 宣布破产，这些飞机将永远不再起飞。 这是一家廉价航空，已经连续几年经营不善，直到伊朗战争及霍尔木兹海峡运输受阻，令航空燃油价
《How Codex Happened》首次披露Codex从首发遇冷、转向本地Agent并借GPT-5系列突围，最终成为ChatGPT桌面端底座，后续将重回云端并探索无固定界面的主动式Agent。
Anthropic公开内部报告称，1334名员工预计到2030年底AI将完成前沿模型开发95%的工作，其Agent工时已远超员工，对AI进度的预期也显著高于美国公众。
英伟达RTX Spark全球开售，128GB版本开售数分钟即售罄；作者使用售价37999元的华硕ProArt创16本地运行Qwen3.8-27B等模型，实现免API费用的多种AI任务并获得“Token自由”体验。
VC Weekly文章作者表达了对田柯宇及其投资人的职业道德质疑，并推荐5期播客，结合Theranos、WeWork、Uber和Affectiva案例讨论创业投资中的诚信、员工伦理与技术责任。
Manifold AI推出WorldScape R²SI，通过上下文学习与双层Agent持续改进能力登顶RoboDojo Agent Track总榜，超过GPT-6-Astra等模型。
Google DeepMind的4个Gemini 4 Argon智能体在无人预先分工和干预的情况下自主协作，通过编写2783个程序在《我的世界》中经历605次死亡后，于27小时14分钟内击败末影龙。
英伟达正式开源机器人智能体框架ASPIRE V1.0，使机器人可自主编程、调试、复盘并沉淀可复用Skill，换用GPT-6 Astra后，一夜将LIBERO-Pro任务成功率推至99%，Robosuite和BEHAVIOR-1K代表性任务均达100%。
蚂蚁百灵发布并开源Ling-3.1-flash，聚焦复杂任务与长程执行，实测可筛选AI新闻、开发并迭代城市建造游戏及生成费马原理教学网页，显示AI正进入真实工作流但仍需人工核查修正。
OpenAI的Codex在Tibo接手后从云端转向本地，并推出不含代码编辑器的桌面应用；随着GPT-5.3 Codex拓展至知识工作，Codex于2026年7月成为新版ChatGPT桌面应用，Codex与ChatGPT for Work合计周活超4000万。
香港大学MMLab团队提出EgoWild2Dex，利用538.9小时真实人类第一视角数据训练机器人，每个下游任务使用不到1小时真机数据微调，拆快递、用热熔胶枪固定摆件和制作冰饮等任务的平均成功率达96.7%。
智谱推出法律专用开源模型GLM-Legal，可处理合同审查、证据分析和跨境合规，并在Vals AI法律测评中以19.2%的任务全通过率和86.23%的准确率位居Harvey LAB与LegalBench双榜开放权重模型榜首。
Scale AI与Elorian发布Humanity’s Sixth Sense（HSS）基准，以522道图像和视频题测试多模态模型的直觉式视觉推理，25个模型均显著落后于人类，榜首GPT-6-astra得分53.6%，人类达93.1%。
