就在上个月末，谷歌紧急更新了训练数据，试图做最后的冲刺来提升编码能力，但结果 「令人失望」 。

1、欧宝首页 大脑用两套互补的记忆在工作：以海马体为核心的快系统，能把一次性的具体经历迅速抓住，这就是情景记忆；以大脑皮层为核心的慢系统，把成千上万次经历里反复出现的规律慢慢沉淀成概念与常识，这就是语义记忆。

后厂：把推理成本，一年打下来10倍 第二个变量，是Token转化效率。欧宝首页老师拿到手，不用再花20分钟核对「这玩意到底合不合我们的课标」。

2、转会（里尔）：费拉和拉古贝尔即将离队

过去半年，Reddit上骂Opus 4.7「老是模棱两可、什么都要打个补丁」的帖子一抓一大把。

3、周星驰，恰烂饭

当年，BH程序的有效性，仅仅是在各项检验数据「相互独立」的理想假设下被严格证明的。

4、AutoScientists：哈佛带来能进行长期自主闭环科研的自组织智能体

这带来两个核心挑战： 训练时监督信号稀疏：后门的目标监督被分散在随机的掩码模式中，稀疏的「触发器—目标」关联容易被普通词的重建所稀释； 强泛化的副作用：随机掩码与任意顺序建模会让 DLM 泛化能力更强，进一步淡化稀疏的后门关联。

5、为啥詹姆斯今年不会退役？下赛季去哪儿打球？只有一座城市

而这些动作，大半都发生在7月这半个月里。

特纳在会场上拦住了Bengio，请求他发声支持Anthropic，结果Bengio的办公室随后冷冷回复：「我们决定不发表声明」，拒绝给出任何理由。

所有人都记得，这个在赛百味打工的数学天才的故事。

6、详解休赛季马刺阵容名单，如何处理两头堵的福克斯是重中之重

训练集统一含4,000个样本、固定中毒率10%，采用LoRA微调，λ=1.8。

如果Opus 5真能拿出接近Fable的能力、却只要Opus的价钱，那些被/一巴掌拍退的开发者，等于被重新请回了牌桌。

7、第80分钟绝平！乌拉圭世界杯首战艰难战平，亚洲劲旅3分变1分

一旦有了这个反馈闭环，产出质量通常能翻2到3倍。

中文的Claude，是不哄人的那一台 看到这，你肯定要问：那中文呢？ 正文里一次没提，但图里有。

8、鲁比奥欲拆国际刑事法院，就别在有关问题上咋呼啦！

中国市场 iPhone 销量连续承压，库克此前在财报电话会上承认，Apple 智能的缺席是竞争力下滑的原因之一。

全球具身世界模型眼下沿四大流派演进：表征式、生成式、交互式，以及理解—生成—预测一体化式。

AI的上半场，是把模型跑起来；下半场，是把智能持续地产出来，还要算得清账、管得住成本、扛得住关键业务。

9、310分的C9都无人问津？哈工大未来科技学院爆冷，原因现实又扎心

而设计师和抽卡机，差的就是能不能交付。

后厂：把推理成本，一年打下来10倍 第二个变量，是Token转化效率。

10、热议

原因在于，可控，不等于可交付。

同一个班，学生水平参差不齐，老师最头疼的就是给每个人备合适的教学方案，你让Claude照不同水平改一遍，它就能出一套分层方案： 基础弱的，配上「句子起始语」（sentence starter）和脚手架，够得着；学有余力的，加码；母语不是英语的孩子，铺一层语言过渡。

1、微软Mixed Reality Link应用新增对ARM架构Windows电脑的支持

从神经科学到知识论 可解释性的进路之辨 「解释的本质，不在于凝视机器本身，而在于审视机器所凝视的世界」。

2、打工人维生素饮料推荐——康师傅“多维计划”解决职场三大痛点

/goal奔着终点跑，到了自己停；/loop按点反复跑，直到你喊停。

3、所谓“中国挤压”不符合事实

第四点，high和xhigh档上多智能体的调用比预期的多，auto-review那边也有浪费，都在修。Twitch推出家长控制：可禁止青少年直播和向陌生人发送Whispers，适用于13-17岁用户也有网友说，挪威对1到7年级近乎禁用生成式AI，才是明智之举。

4、瑞典强制回归现金：超市药店必须收纸币

而多模态技术，正在重走AI Coding走过的路。

5、河北教师吴立峰去世，年仅36岁，原因公开：倒在课堂上，毫无征兆

第二，实现端边云全域协同。

6、奇遇中轴

资本市场为何如此看好？ 他们赌的，从来不是单一模型，而是中国AI「后发先至」的叙事本身：在资源约束下，以MoE架构实现高效规模化，以开放路径加速生态构建。

而真正的Lily Jay——本名Lily Jay Hinson，31岁，来自澳洲。

据作者实测，财报里的表格、PDF里嵌的图、架构图、仪表盘截图，以往Opus 4.8偶尔会认错列、看混坐标轴的地方，Fable 5能稳定读对。

7、沪港双城落子，重新理解京东MALL的三重身份

它能做到零延迟、零额外算力开销，开发者甚至感知不到这层检查的存在。

它能替老师干的，大致是三块。

8、比上班更累的，是去校门口当保安，去补习班当保姆

而且这不是GPT一家的问题。

我们离ASI，又近了一步。

两条曲线撞在一起，一个被集体忽略的问题浮现——智能体，到底该跑在什么芯片上？ 答案有多炸裂？发布会现场，一台办公桌大小的机器被抬上台——AGX Station。

数百个智能体、8道关卡、3轮对抗式评审，最后还做了一次一致性校验，把每一条命令的输出跟Python原版逐一比对，只要行为一变就当bug修掉。