上海作为先行城市，承接国家任务，以赛事锤炼成果，向国家交出具身智能实景验证的「GDPS答卷」。

1、多宝登录 利用国内夜间闲置的算力，通过赤兔引擎高效生产Token，再经AI Ping路由，通过合作伙伴卖给海外开发者。

数据类型：部署零动作标注 目前市面上即便有一些利用人类视频数据的模型，往往也需要痛苦的人工标注：标出视频里人类手部的三维关键点（甚至需要生成复杂的MANO手部网格），然后再把人的动作重定向到机械臂上。多宝登录但一项最新发布的材料学基准测试，却给这种「大力出奇迹」的乐观情绪带来了不一样的参考视角。

2、26岁小伙吃夜宵突然剧烈疼痛，血管从肩背部一直撕裂到大腿！非常凶险，美国鹰派参议员日前因此病去世

发现问题→同会话修复→闭环复验。

3、肿瘤切掉了，要不要继续治疗防复发？一管血帮你决定！

2026年10月23—25日·上海张江科学会堂。

4、轻信“百元祛眼袋”，北京七旬老人竟花掉三百余万元……

大家的抱怨高度一致：模型确实变快了，回答来得更利索了，但它不肯往深里挖了。

5、开封首发！企业商务定制高铁专列上线

越用越强：自进化的飞轮 HMS还有一个容易被忽略但极其关键的应用：自进化。

两年来此芯已经引入了大量国内外元器件与模组供应商，而他希望更多国内厂商加入进来。

领投方是恒旭资本，跟投方包括南京创投、新四军基金，A股上市公司东睦股份作为战略股东深度参与。

6、朱鹏宇和黄山做出重要决定！直接主动跟着斯坦丘加练，赢得点赞

探索新区域时，检索到的空间记忆未必可靠；回访已见区域时，历史视角反而可以提供强约束。

没有人在背后遥控，没有预先写死的脚本，从抓起第一块积木到垒上最后一块城砖，全程自主。

7、2026年成都市科技周活动项目火热征集中~

这个学习信号不能只是「用户喜欢或不喜欢」，也不能只是模型回答的准确率。

如今多模态被U1 Pro拽进第三段，人群一旦重构，两块基石随之动摇。

8、公开招聘教师公告

Dyna嫌贴标签不够。

对此，无问芯穹的答案，是它首创的「跨集群异构PD分离架构」（Prefill-RelayDecode-MainDecode，PDD）。

一方面，一级市场热钱持续涌入，单笔融资金额屡创新高。

9、中国“村超”登上美国CNN 绿茵场上的“乡村振兴”为何火？

在蛋白质位点预测上，它统一支持多类残基级功能位点识别，并在PPI、Epitope、小分子结合位点等任务上达到了行业领先水平。

好消息，Gemini 3.6 Flash比GeminI 3.1 Pro、Gemini 3.1 Pro强，主打「性价比」。

10、泡泡玛特走向了IP最难的一步

一道题挂了几十年没人领走，可能不是因为它有多难，而是因为没人肯在那条路上再试第三十次。

昨天，爱诗科技刚刚宣布完成整体C轮融资，累计融资金额达29.8亿元人民币。

1、21岁温网夺冠！温布尔登把最美的一片绿开向了诺斯科娃！

这意味着，人类指望AI替自己盯着AI，可能收不到任何警报。

2、湘潭市岳塘区：以旧换新撬动消费新引擎

Coding的下半场，拼的是「工程」 KAT-Coder-Pro V2.5背后是一个清醒的判断： 眼下限制编程模型变强的，已经从「模型多大」转向「周边基建够不够扎实」。

3、坐得笔直才是好姿势？腰椎压力反而更大

Sonnet 4.6，是那个哄人的。除了真丝，赫本的田园小衫也不错！特纳以为，整个AI学术界终于要站在一起，给谷歌和五角大楼施加舆论压力了。

4、漯河多家企业被立案查处，怎么了？

官方也给了一整套省钱纪律： 小任务别硬上多智能体； 能用便宜快的小模型，就别都用最强的； 大规模跑之前先拿一小片试跑； 确定性的活交给脚本，跑脚本比让模型一步步推理便宜得多； 例行任务别跑得比它该跑的更勤。

5、正式官宣！利物浦6000万签法甲新星，身价暴涨3倍，将接班科纳特

DM0是首个具身原生大模型，而最新一代DM0.5在泛化能力上实现突破，多项权威评测排名行业第一。

6、末轮法国挪威都会留力？小组第一成烫手山芋，想走更远第二或更好

万拿机器人 CEO 程二亭从产业视角阐释，具身智能正从「大脑」能力竞争走向物理世界的操作与执行，并分享万拿机器人从核心执行器、灵巧手到场景解决方案的产业化布局； 万拿机器人 CTO 祖红磊拆解万拿 Std16A 与万拿 Eco12 在驱动、控制、可靠性及工程化方面的技术壁垒； 万拿机器人产品总监方知远则结合真实任务，解析不同场景如何反向定义产品。

（图源：Claude Code官方文档） 所谓自主智能体，本质上就是这么一个圈。

整个系统是一个内循环，逐步向AGI靠近。

7、这都行？美国前锋红牌缓刑可战比利时 国际足联骚操作落人口实

归根结底，能生成，不等于能交付。

在这个硬需求下，传统的径向电机（圆筒形电机）已逐渐摸到物理极限，因为它们太笨重、太占地方了。

8、阿根廷 vs 英格兰：2026世界杯半决赛前瞻

这些东西，参数堆不出来，算力也砸不出来。

这个循环可以概括为： 其中： K是企业已有的知识、本体、技能和记忆； S是当前业务情境； T是需要完成的任务和目标； A是智能体生成并执行的行动； R是实际结果； ΔR是预期结果与实际结果之间的差异； K'是企业根据这次执行更新后的新认知资产。

传统的AI生成流程是：你输一段prompt，它出一张图。

（图源：Chirikov／CSHE） 为什么？这是「外包」，不是「学习」。