但对「最后一公里究竟该怎么走」，各有绝招。

1、米兰体育 一个87年的猜想，就这样被AI「随手」破解了。

外加：八档时间速度、两种轨道比例、虚拟相机跟随、700颗固定种子星星、小行星带、柯伊伯带、响应式布局、九个快捷键。米兰体育图像生成这十年，其实走过两级台阶：先解决了「像」，又解决了「真」，细节越来越逼真。

2、嫉妒梅西?C罗点赞西媒观点:阿根廷早该被淘汰 FIFA想把世界杯送给梅西

延迟这一关，它首创了PDD三级分离架构。

3、一山难容3虎！曝穆帅下令：姆巴佩是绝对核心 严禁3亿欧2巨星夺权

5小时的限速高墙被他一脚踹倒，用量上限如今一天一刷新，光一个周末就连重了两次。

4、餐厅拒绝狗入店惹大祸！狗主人换号每天一条差评，商家无奈发声

参考资料： https://x.com/testingcatalog/status/2077132529270743286 https://x.com/btibor91/status/2077079848678555932 https://help.openai.com/en/articles/6825453-chatgpt-release-notes https://openai.com/zh-Hans-CN/new-york-times/ 编辑：元宇新智元报道 每天，有这样一个智能体准时开工：自动拉取昨日全部广告投放数据，识别 ROI（投资回报率）低于阈值的广告并关停，把表现最好的素材推送给创意团队生成下一轮变体。

5、OpenAI老板做的全民发钱实验，结果出来了！

当最大位姿相似度低于阈值时，系统将当前状态视为探索阶段，丢弃可能误导生成的空间记忆；当相似度达到阈值时，相关历史视角才会被保留下来，作为条件参与后续生成。

一句话翻译：智能体时代，需要新的算力「心脏」。

当前尚不能替代成熟游戏工业，更不是「一句话生成 3A 游戏」。

6、痛心！张柏芝确诊患病 已硬撑好几年，坦言最怕的事和王菲完全相反

没有任何声明，一切就像没发生过一样。

同时输出token减少54%，预估API成本降低36.2%。

7、0-3遭江苏双杀！山东女排小组第一梦碎，四强遇上海晋级前景堪忧

为了让「数据外泄」既能被精确度量、又不会真的造成风险，研究团队还实现了一个仿真版的Google Workspace工具Sim-Google，覆盖Gmail、Drive、Calendar等十六项服务，每次调用都会把完整参数原样写入本地日志。

提示末尾加一句「交付前对着标准逐条核对」，让它当质检员，比你返工更便宜。

8、超级小年！美媒重排24届新秀：扎克-伊迪冲到第四，卡斯尔登顶

这类活，动辄十轮以上交互，还裹着一堆隐性的格式和一致性约束，中间断一环，整件事就废了。

机器人拥有比人类丰富得多的传感器矩阵，能够潜入人类无法涉足的环境，7×24小时不间断地收集数据。

这种辅助决策式的购物体验，会远大于货架式的搜索体验。

9、穿行于Fendi的创作之间，时装展览的文化解读

GPU利用率不到50%，等于一半的电白烧；说不清Token换来了什么，等于钱花得不明不白。

而佟博士此前在设计ECS、NSEAP和KSTAR时，关注的已经不是单一的数据保护或模型选择问题，而是企业能否拥有一套独立于底层模型的认知内核。

10、进西决+腾出4000万薪资空间！马刺成最大赢家 今夏或全力追詹姆斯

原本只打算自己采数据训练基模型，结果国内外知名企业主动掏钱购买，数据业务意外跑通。

到了下半场，新赛点正悄悄挪向另一处：谁能攥住、又盘活你的数据。

1、浙江广厦7分完胜！半决赛2比0，布朗30分，孙铭徽7助攻

」 大反转：对不起，我们编的 就在质疑声浪达到顶峰时，Basalt Labs发了一条简短声明：「实验已结束。

2、阿森纳4000万新援措利斯，从诺维奇弃儿到边路杀手

在接到需求之后，U1 Pro会先想版式、打草图，然后还会回头审一遍对不对味，再一块块填细节，最后统一调色、精修。

3、赵探长：朱芳雨不再担任广东宏远总经理_网易订阅

可一旦丢进真实工作流，毛病立刻现形：局部改对了、整体崩了；专业内容乍看没问题、放大全是破绽；反复几轮，纹理越改越脏。记者：巴西国脚达尼洛-桑托斯转会帕尔梅拉斯的交易已取消整个过程中，LLM不会新增任何学术评价，也不会参与录用决策，更不会替代领域主席（AC）或程序委员会（PC）的判断。

4、小米澎程全系搭载76kWh电池 CLTC纯电续航最高505km

最近，Anthropic首次公开了CC大规模代码迁移「全流程」，六步框架让全网震撼。

5、节后减肥不用挨饿！最适合减肥的 10 种食物，越吃越瘦！

大语言模型能吃到的文本信息量已经快要见底了，视频语料也即将枯竭。

6、士别三日当刮目相看，唐斯化身主坦，硬到让文班头皮发麻

论文链接：https://openreview.net/forum?id=PEyouQzOLD 为什么没有选择让LLM直接审稿？ 面对评审人手不足、打分标准混乱的现状，很多人会直观提出解决方案：干脆交给LLM完成全自动审稿。

比如每30分钟查一遍错误日志，把严重级别的挑出来用大白话汇报；或者每小时扫一遍收件箱，摘要新邮件、把该回的草稿先拟好。

但当VLA模型真正部署到机器人上时，一个关键瓶颈会立刻显现：机器人完成任务的总时间，不只取决于每次推理有多快，也取决于策略到底需要执行多少次推理、多少个真实物理动作。

7、杂谈｜或许拍摄过程的愉悦度和结果同样重要

官方随手举了几个例子：PR走查、系统说明页、能筛选能排序的Dashboard、会自己勾选的发布检查清单。

随后在2001年，学者们又将其安全边界扩展到了正相关依赖（PRDS）的情形。

8、助力上市公司吸引更多全球长期资金 上交所第6次举办国际投资者ESG交流活动

把这一路串起来看，正是同一个理解、生成、行动原生统一的基座，靠着越拉越长的Loop，向上长出数字世界的设计交付，向外走进物理世界的工业现场，向下把产业级的生产力，递到每一个普通人的手里。

因为在物理世界中，具身智能的Scaling Law同样需要高效率、大规模的基础设施支持。

这些问题的答案不在神经活动模式之中。

参考资料： https://www.imo2026.com/Results/Individual_Results.htm https://x.com/_simonsmith/status/2078468111678722448 https://mp.weixin.qq.com/s/HekpOfjea9-NrRP5TxL5Zw https://mp.weixin.qq.com/s/nQVfMccLl0ArddDwF6GPVg 编辑：大卫新智元报道 7月18日，AI圈忽然被这个消息刷屏了。