光舀水不堵窟窿没用。

1、欧宝首页 但你说可逆吧……你说……你说出来自己都不信。

不过他还是分享了不少VibeCoding的心得：比如，时间花的最多的环节是市场调研技术选型，先弄明白“为什么做、做给谁、怎么做”，然后再指挥AI去干活。欧宝首页技术、工程之外，文远知行的第三道护城河 如果把视角拉远，文远知行L2++海外道路验证，背后折射出的是文远知行技术路线的一次延伸，也是整个行业正在发生的变化。

2、未来属于文班，但此刻奖赏尼克斯

更小的模型意味着更低推理成本、更低部署门槛，机器人也不必完全依赖云端算力。

3、利物浦收购财团被曝锁定维尼修斯 贝索斯入局欲挖皇马头牌

数字重要，但更重要的是速度。

4、彩绘乡村街巷 学子助力振兴

而一个高效、实用的仿真器，是渲染、3D模拟、规划以及我们所说的第四类世界模型，都绕不开的底层基础设施。

5、健康

5月22日，联想集团发布2025/26财年财报：全年营收831亿美元，同比增长20.3%；经调整后净利润20亿美元，同比大增42.1%，增速接近营收的两倍，创下公司成立以来最佳财年纪录。

两件事不是等一个想完另一个才动，而是几乎同时发生，一气呵成。

他还分享了几个经验：第一，多agent并行做同一个任务，然后你再挑一个最优的推进。

6、1990年春晚彩排时，凌峰对李瑞环说：我不英俊，你也漂亮不到哪去

正确答案是2008款蓝色Toyota Aygo。

很多人最先注意到的，可能是美图产品挑战赛（Meitu Hatch Catch）开放的1亿元孵化资金，以及单个项目最高500万元的投资机会。

7、4年2.75亿！正式拒绝！浓眉顶薪凉凉

我们的判断是：下一代中国企业家应该要走出去。

而其中的逆运动学任务，正是前面反复说的那味药引子，「本体认知」的落地方式。

8、别骂刘家成了！挖空宁波在NBA很常见，只是在人情联赛显得不厚道

而这条链路跑出来的最新成果，则被直接搬到了今年WAIC现场。

2018年，国产奶粉抽检合格率已达99.8%，市场份额回升至60%以上。

文远知行的方案在这几个交通条件截然不同的国家完成测试，说明它学习到的已经不是某一个国家的驾驶经验，而是一种能够适应不同环境的底层能力。

9、Scotto：杰肖恩-泰特一年307万美元合同续约火箭

她是社区运营出身，2019年亲手搭起广告变现体系，横跨广告与电商两条线，被认为既懂社区，也懂商业。

还是拿羽毛球说事。

10、中国女篮世界杯第六！刷新10年最好成绩，李梦隋菲菲接班人，联手张子宇冲击世界杯冠军！

先来个科普，讲讲IMO究竟是什么，又为何各家都在争先送自家大模型上考场。

先把这题是什么说清楚。

1、首份DAA报告落地，AI价值有了新标尺

在这一背景下，苏度始终坚持仿真，并围绕仿真搭建了自己的全栈技术体系，毫不FOMO。

2、阿里巴巴因卖假货被罚40多亿元，评论区炸锅了…

结果？ 半小时适配一个新环境。

3、正式确定！CBA顶级外援加盟山西男篮，全力冲击总决赛

当前，大模型的算力需求被三条指数曲线同时驱动：训练侧的Scaling Law、推理侧的test-time scaling、以及Agent应用带来的调用量爆发。LV在中国又开告了，这次是国家知识产权局而这背后，也对应着具身智能正在补上的一块重要能力：触觉。

4、你看，人家川普走个面就成了？

以及最关键的：它能不能真的帮我们干活交差。

5、全明星史上最大遗珠！过去六周的联盟第一人被詹姆斯挤掉？

粉笔在财报中解释是：收入减少主要因为行业竞争持续加剧，培训服务和图书销量双双承压。

6、4年2.73亿，年薪7550万！骑士看似血亏，实则花小钱赚大钱？

平台围绕一个研究课题，可串联起问题定义、文献调研、假设生成、方案设计、仿真计算、实验验证、结果分析、反馈修正与成果撰写全链条。

阿里、腾讯都曾极力争取过郭达雅，阿里为其开出了Post-train负责人的职位。

他们所在意的有三件事：资源（算力、数据够不够）；技术路线（业务方向有没有前途）；直属领导的能力（老板牛不牛）。

7、世界杯前夜，为什么姆巴佩越来越有争议？

邵天兰还有个流传很广的判断：制造业远看是个万亿市场，近看是一万个一亿的市场。

不过，这些说法都尚未得到DeepSeek或投资方确认。

8、火箭不敌湖人的两场比赛 乌度卡分别犯了哪些不同错误 该如何改进

首先要寻找现在看起来默默无闻的nobody，未来是somebody的人，尤其是厉害的年轻人，比如清华的天才少年、国外名校回来的PI（Principal Investigator，首席研究员）、大企业里出来的中高管等。

2、抽象派，世界即潜空间 这条路线比像素派更Practical，也是WAIC的绝对主力，同时亦是“混沌”最严重的一派，各家对潜空间的定义迥然不同。

EgoVerse：Danfei想做的不只是一个数据集 机器人学习长期面临一个明显的数据悖论。

量子位：苏度强调「预测下一个physical dynamics」。