近年来，以人形机器人、自动驾驶为代表的具身人工智能（Embodied Artificial Intelligence, EAI）正以前所未有的速度发展，从数字世界大步迈向物理现实。然而，当一次错误的风险不再是屏幕上的一行乱码，而是可能导致真实世界中的物理伤害时，一个紧迫的问题摆在了我们面前： 如何确保这些日益强大的具身智能体是安全且值得信赖的？
当Mark Lee 还在哈佛法学院就读时，一门商标法课程让他见识到仿冒产业的惊人规模——这个非法产业年产值超过 3 万亿美元。Sequoia Capital（红杉资本）前亚洲分支机构正在投资一家鲜为人知的初创公司——Marq Vision ，该公司致力于追踪并帮助下架未经授权的 AI 芯片、药品、游戏和奢侈品销售列表。
在大厂内部“从0到1”推动并构建数据基础设施十余年之后，离哲选择走向台前，开启一场真正意义上的“从技术到产品、从产品到服务闭环”的创业实验。
很多人认为，Scaling Law 正在面临收益递减，因此继续扩大计算规模训练模型的做法正在被质疑。最近的观察给出了不一样的结论。研究发现，哪怕模型在「单步任务」上的准确率提升越来越慢，这些小小的进步叠加起来，也能让模型完成的任务长度实现「指数级增长」，而这一点可能在现实中更有经济价值。
自动化修复真实世界的软件缺陷问题是自动化程序修复研究社区的长期目标。然而，如何自动化解决视觉软件缺陷仍然是一个尚未充分探索的领域。最近，随着 SWE-bench 团队发布最新的多模态 Issue 修复
让AI生成的图像更符合人类精细偏好，在32块H20上训练10分钟就能收敛。腾讯混元新方法让微调的FLUX1.dev模型人工评估的真实感和美学评分提高3倍以上。
在讨论 AGI 或者通用机器人定义时，人们往往会自然联想到一些直观的衡量标准，比如 AI 能否解出高考题、在国际数学奥林匹克（IMO，International Mathematical Olympiad）上获得金牌，或者机器人能否胜任家务。
就在 Scale AI 公司的 95 后创始人 Alexandr Wang 在 Meta 挑大梁之际，他迎来了一位比他更小的 00 后劲敌。这名 00 后叫阿里·安萨里（Ali Ansari），是一名
不得了，这个名叫Gauss（高斯）的新AI Agent，有点杀疯了的感觉。 因为它只用了三周的时间，就完成了陶哲轩和Alex Kontorovich提出的数学挑战——在Lean中形式化强素数定理（Prime Number Theorem，PNT）。
苹果AI再传震荡：前Siri负责人、AKI高级总监Robby Walker即将离任。如今，苹果在AI领域的落地已严重失速，备受期待的新版Siri功能也被推迟至2026年。
