3.6 Flash的发布公告中，谷歌提到，Gemini 3.5 Pro还没有完全准备好，而Gemini 4已开始「目前最雄心勃勃的预训练」，并「对取得的进展感到非常振奋」。

1、米兰体育 推理侧，则交给专攻机器人端侧的Mizar-Robo。

实验硬件为NVIDIA A100 80GB GPU。米兰体育由于训练机器人，得靠一大批真机同时上场。

2、15岁少女腹中藏奇怪肿块！长沙市第四医院：腹痛别大意

这意味着系统不只是「能走对」，而是「能在走偏后恢复正确路径」。

3、9440亿韩元分手费！韩国"世纪离婚案"宣判，AI把这场离婚变贵了

作者团队关注视频生成模型推理优化、视频世界模型、软硬件协同加速等方向，涉及KV缓存管理、稀疏注意力、GPU算子优化等系统问题。

4、亿元巨星！曼联终极补强！全能铁腰已点头，坐等降价

这样设计的好处在于，机器人真的可以像人一样，且比人更快，持续不断学习新的技能。

5、龙虾智能体如何帮中小企业赋能？骆仁童老师从原理讲到实操

同一高层导航策略在没有使用真实世界数据进行微调的情况下，被部署到四足机器人和人形机器人，并完成超过1200米的真实环境导航验证。

它在美、日、韩、德都设有团队，能适配市面上几十个品牌、上千个型号的机器人，欧美日韩主流市场市占率领先。

比运维更硬核的，是高性能算子生成智能体系统KernelMind。

6、“秒睡”≠“睡眠好”！出现这种情况，可能是身体在报警

先要仿真测算，再要答疑论证，最后要一份整合好的可视化报告。

2025全球开发者先锋大会暨国际具身智能技能大赛赛项冠军 算一笔账 以极低场景投入，节省千万级研发成本 「揭榜挂帅」机制在本次大赛重大版本迭代升级，场景方出真题，全球赛队揭榜答题，本质是一场高效的「技术竞标」，形成「出题→答题→筛选→采纳」闭环。

7、过去四十年 足坛各年代五大巨星出炉！这次C罗真的输给了梅西

就在WAIC 2026上，超聚变交出了一份实践答卷。

它不需要复杂昂贵的数据采集，不需要动辄数十小时的遥操训练，不需要标注数据。

8、省油省钱的小电驴，正在掏空中女钱包

这就像给运行中的服务器热插拔硬盘，真机在训练时因为意外或者故障导致反复接进来、又掉出去，前后上下线超过1000次，训练照样零中断。

25页苦心，换来高层的「已读不回」 为了阻止谷歌签下这份「卖身契」，特纳开始了长达数月的内部斡旋。

设训练样本由L个离散token组成，扩散过程定义在扩展词表上。

9、领航新消费 “食在杭州　嗨动一夏”音乐美食嘉年华滨江站开幕

更新一出，评论区就有人直接喊话：希望Anthropic赶紧抄一个，Claude现在的搜索「烂得可怕」。

多数据中心聚合：联合4个不同代际、不同型号的GPU集群，联合训练70B参数大模型，四集群协同性能提升41%。

10、帕雷德斯技术型击倒两人，折射阿根廷队的107次犯规，这是铁血吗？

它能替老师干的，大致是三块。

有外媒的形容很到位：这份报告引发的反应，就是「开发者们默默打开了密码管理器」。

1、蚊子为何专咬你？还真不是血型问题，这样处理最快止痒

就这么一点变化，AI从「生成内容」往「生成软件」，迈了一大步。

2、米兰两个月只拿7分，同期意甲倒第4，5队最后2轮争四白热化

这也是这次发布被卡着审查的原因之一。

3、国足劲敌归化前泰山金靴！曾有机会进中国队，因与教练不合离队

这种感觉则像「换了个人在跟我说话」。打平就出线？国足当年经常给自己挖的坑 韩国队一头扎进来了这直接触发了美国商务部首个针对 AI 模型的出口管制令，Fable 5 全球停服 19 天，直到 Anthropic 部署新分类器才恢复上线。

4、今年科切拉的风吹向了谁？_网易订阅

两条指令打架，GPT-6选择了后者，即去公开仓库提交结果。

5、从“翻红”到“长红”，老字号还需跨过几道坎？

Google赌基础设施。

6、大逃离？莱奥、魔笛决定离开米兰，拉比奥母亲欲携子投阿囧

我们甚至可能抵达这样一个节点——资源不再是人类进步的制约因素。

大会现场，他把这件事写成了一条「具身第一性原理」的公式： 机器人知道的关键信息（CID）越多，理解的控制充分状态（CSS）就越准确，执行时犯的错就越少，行动代价J就越低。

Gemini 4开跑 史上最激进预训练 虽然Gemini 3.5 Pro还没到手，Gemini 4也开始训了。

7、11年贡献492条“金点子”！虹桥街道“立法直通车”发布最新成绩单

会看的不会推，会推的不会动，而产业落地偏偏要三样一起来。

AI 选品智能体先跑了一遍数据：美国户外场景需求大但竞争拥挤，英国办公室咖啡场景增速更快、进入窗口更好，建议两个市场同时测试。

8、意料之中？曼城金球先生或27年自由身离队 新赛季难尽全力

浙江大学联合NVIDIA提出Light Interaction的思路不是重新训练一个更小模型，而是让现有模型在推理时「看交互状态办事」：探索新区域时，少依赖不可靠历史；回访旧区域时，充分利用历史约束；局部动态剧烈时，减少冗余上下文；状态稳定时，则复用更多计算。

牛津的Jared Lichtman在那个问题上耗了七年，他后来说，自1935年以来，所有做原始集问题的人都习惯了同一个开局动作，而那个动作，遮蔽了一个在明处摆了整整90年的技术可能。

前向过程逐步将token替换为掩码符号，其在时刻t的闭式解为： 其中为token在时刻t保持未被掩码的累积概率。

https://www.hbs.edu/ris/Publication%20Files/25-039_05fbec84-1f23-459b-8410-e3cd7ab6c88a.pdf 但「Record a Skill」推动的方向很明确：工作的护城河，从「会做」迁移到了「会做别人做不了的事」。