把动作「画」给视频世界模型，跨本体双向推演，李飞飞参与
把动作「画」给视频世界模型，跨本体双向推演，李飞飞参与如果要让机械臂把咖啡机旁的杯子移到桌上，需要经历哪几个步骤？
来自主题: AI技术研报
10187 点击 2026-07-24 10:45
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
如果要让机械臂把咖啡机旁的杯子移到桌上，需要经历哪几个步骤？
向ChatGPT问一个看起来挺简单的问题：“Lasha Talakhadze之前的奥运举重纪录是多少？”
昨晚，四年一度的菲尔兹奖在美国费城揭晓。四位得主里，中国籍数学家邓煜、王虹历史性地首次拿下菲尔兹奖，北大一夜之间变成「双菲」母校。另外两位是加拿大数学家 Jacob Tsimerman（雅各布·齐默尔曼）和美国数学家 John Pardon（约翰·帕登）。值得说道的是 Tsimerman 这位。
问小白 5 Pro 呈现出一种很接近真实项目成员的工作方式：先确认 Brief，主动拆解任务，持续汇报进度，在文档中留下修改痕迹，最终完成交付。不同路线决定了不同能力上限：对话路线的上限是上下文窗口，资料路线的上限是权限管理粒度，研究流程路线的上限是自动化程度，而项目工作台路线的上限是系统架构的复杂度
7 月 17 日，北京，2026 奇点智能产品大会主会场。吴甘沙站在台上，用一个极其东方的思维框架，拆解了一家物理 AI 公司如何在巨头环伺中活过十年——他把《孙子兵法》的“不败”与“不战”，和诸葛亮《隆中对》的“益州”“荆州”格局，嵌入了一套完整的创业竞争策略。
随着Agent开始走进各大企业“干活”，AI时代的算力服务，正在变成竞争最激烈的领域。存储、光模块、高速互联等AI基础设施板块持续走强。前几年一度被边缘化的CPU，又重新成为了市场关注的焦点。CoreWeave、Nebius等一批NeoCloud公司快速崛起。微软、谷歌、亚马逊等云巨头都在疯狂加码AI投资。
大家还没等来DeepSeek V4的发布消息，Anthropic家Claude Opus 5今夜即将推出的消息，已经先把全网开发者的热情点燃了。一句"性能强得超乎想象，各大平台正陆续上线"的传闻，将全网的目光再次聚焦在Anthropic上。
开源一周多，DojoAgents 已经在 GitHub 获得超过 1000 个 Star。DojoAgents 项目受到关注，是因为其并不只是一个能回答投资问题的 Agent，而是一种新的金融决策辅助方式：让 AI 不再停留在生成答案，而是形成对金融世界持续更新的理解，并在数据、工具、权限和风险边界内，长期且持续主动地推进研究与决策辅助任务。
独家获悉，近期，腾讯混元多模态理解负责人胡瀚提出了离职。此前，他曾担任微软亚洲研究院视觉计算组首席研究员。2025年初加入腾讯后，负责视觉大模型的研究。在后续的调整中，他加入大语言模型部旗下的“Frontier”前沿技术研究组，负责多模态理解的相关研究，汇报给姚顺雨。
Kimi 官方停止接受新的会员订阅后，还有什么办法用上最新的 K3 成了当务之急，而且，也有一个符合直觉的答案：API。K3 可以通过开放平台直接调用，也能被接入 Claude Code 等第三方编程 Agent。只要准备一个 API Key，再做少量配置，用户似乎就能绕过拥挤的官方入口，把模型能力重新接到自己的电脑上。