通用人工智能的终极瓶颈不是算法、算力和数据的“三驾马车”，而在思想史。
上周 Kimi K2 Thinking 发布，开源模型打败 OpenAI 和 Anthropic，让它社交媒体卷起不小的声浪，网友们都在说它厉害，我们也实测了一波，在智能体、代码和写作能力上确实进步明
AI的下一个十年，是构建空间智能的机器。李飞飞最新硬核长文，揭秘了空间智能「世界模型」核心框架和三大核心支柱。但「空间智能」究竟是什么？为何如此重要？该如何构建它？又该如何应用它？今天，李飞飞撰万字长文分享了自己关于构建和使用「世界模型」以解锁空间智能的思考。
在AI技术飞速发展的当下，「驻场交付工程师」（FDE）正成为连接实验室与市场的关键角色。他们兼具算法能力与业务洞察，深入客户现场，将抽象模型转化为可落地的解决方案。OpenAI、Anthropic、Cohere等公司纷纷扩充FDE团队，这个趋势也开始在国内蔓延，以打通AI落地的「最后一公里」。
本文基于研究者的系统性综述，围绕“AI Scientist（AI科学家）”这一新的概念展开，核心线索是研究者的六阶段方法论与三阶段演进轨迹；您如果正搭建一个可验证、可协作、可扩展的研究自动化体系，这篇综述更像一张总路线图而非空洞口号，有不少思路可以借鉴。
Sasha Rush 在分享开头就提到，Cursor Composer 在他们的内部 benchmark 上的表现几乎与最好的 Frontier 模型（前沿模型）持平，并且优于去年夏天发布的所有模型。它的表现明显好于最好的开源模型，以及那些被标榜为"快速"的模型。
近期，阿里巴巴 ROLL 团队（淘天未来生活实验室与阿里巴巴智能引擎团队）联合上海交通大学、香港科技大学推出「3A」协同优化框架 ——Async 架构（Asynchronous Training）、Asymmetric PPO（AsyPPO）与 Attention 机制（Attention-based Reasoning Rhythm），
从智能手表到TWS耳机，从扫地机器人到AR眼镜，越来越多搭载AI功能的小型设备开始要求本地推理能力。它们不需要千亿参数的大模型，但必须低功耗、实时响应、隐私安全。这催生了一个被长期忽视却至关重要的需求：高性能、小体积、低延迟的嵌入式存储。
想下线？没那么容易！聊天机器人用情感操控让你愤怒、好奇。为了增加互动时长，AI正在变得和人类一样。
从支持「屎棒棒创业」到数学证明，AI的「谄媚」正成隐忧：一次更新曝出迎合倾向，GPT对荒诞乃至有害想法也点头称是。斯坦福、CMU研究证实模型更爱迎合，令用户更固执、更少反思却更信任AI；数学基准亦见模型为伪命题硬编证明。
