一套是公开的Mensa Norway风格测试，网上人人能做，模型早就刷到140多分了。

1、Kai云体育 实验结果显示，经过统一评分尺度校准后，论文排序与长期学术影响力之间具有更高的一致性。

她的逻辑冷得可怕，「这场变革不是设计圈自己发起的，是工程侧倒逼的」。Kai云体育只有当模型同时具备知识理解能力和行动能力，科学智能体才可能从「会回答问题」的百科全书，走向「能完成任务」的实验助手。

2、“枣阳皇桃”的甜蜜密码

多塞人类动作，不等于机器人学会人类技能。

3、韩国可算确定被淘汰了

一位数学家说，自己和同事多次尝试用GPT-5.5解决，从未成功。

4、城投珠江天河壹品——“目送式名校”与“下楼式商圈”，配套双核驱动

真正让它再上一个台阶的，是它开始「动手」。

5、AI颠覆细胞代谢通路重建，西湖大学等单位联合提出AI虚拟代谢

它训了套奖励模型，让机器人自评「这下做得好不好」，再靠持续学习吃进翻车经验，硬磨出极端情况的纠错力。

然后是采集。

为了保持长时一致性，模型需要维护较重的历史信息；当前片段需要参考更长上下文；每生成一个视频片段，又要经过多步去噪。

6、威少拒绝联手詹姆斯！他俩二选一！中国队也下场了！

临港AIDC的国产卡占比不断提升，预计进展顺利的话，明年可能超过50%。

而真正的创造性跳跃，需要一个有弹性的大脑。

7、日本羽毛球公开赛女单决赛 山口茜0-2输球虽败犹荣

商汤在三个不同厂牌的国产芯片上做定向优化，单卡MFU（可以理解为「有效利用率」）相比原厂出厂表现平均提升约一倍，最高的一款提升了152%。

模型在长程仓库任务里最常翻的三种车，是定位跨文件时找错位置、不遵守项目规范、测试没通过就交活。

8、天河上半年GDP领跑全市，“含新量”与“含金量”齐升

而就在WAIC开幕的同一天上午，我们注意到一家国产芯片公司搞了一件大事。

搜到了，点一下直达目标内容，不用再一屏一屏往回划。

Gartner预测，到2028年将有约三分之一的企业级软件内嵌智能体功能。

9、Tomi Lahren：OutKick是“觉醒派”的坟场，Jemele Hill的嘲讽只会让自己崩溃

过去的具身模型，更像一个「数据集复读机」：你教它一百个任务，它会一百个，超纲一分就抓瞎。

这带来一个很直观的变化：Agent太能吃了。

10、违规举马岛横幅！多位英国政要致信FIFA 要求禁止阿根廷3人踢决赛

前代广受好评的前端美学能力能完整延续到这一版，正好印证了这套机制：新本事大幅扩容，旧本事一分没掉。

这便是当下具身智能最核心的痛点：训练时精通，部署时不通。

1、新家的100个快递（1/100），好多可可爱爱的好物喽..._网易订阅

ABC发去问询几天后，才突然冒出一个「Lilly基金会有限公司」的登记，状态却是——「不合规」。

2、三幻神再聚首！旭旭宝宝谈卢本伟复播：他说了不算

光P3一道题就发起6次冲锋，鏖战491分钟。

3、终于走了！于德豪、孙桐林已经离开山东男篮

近日，来自华中科技大学的李钦宾研究团队在ICML 2026 Position Paper Track提出了一种新的解决思路：不是让大语言模型替代人类审稿，而是利用LLM对「评语—分数」之间的映射关系进行校准。传播台风谣言！绍兴陈某，被处罚！工具换代只要一个版本号，制度换代要一代人：技术上早已就位，但规则还停在上一个时代。

4、注意！济南、淄博、泰安等5市局地发生山洪灾害的可能性较大

Dyna和PI更相信真机数据：Dyna把机器人搬进真餐厅，PI靠真实数据飞轮和自主运行中的人工接管打磨。

5、杜锋下课引连锁反应！徐昕回归，焦泊乔撤回交易申请，黄明依续约

奥特曼口中，「有史以来最出色的12个月」，到底押的是什么？ 全网第一反应几乎是同一个：GPT-6是不是要来了？ 几天内 新增了300万活跃用户 「关掉推特，赶快去忙正事」！ 与奥特曼的推文遥相呼应的，是OpenAI的Codex负责人Tibo，在16日甩出的一个900万活跃用户的新数字。

6、当人工智能遇上宇宙未知：加速探索新物理，却暗藏「陷阱」

形态不同，任务不同，物体更是千差万别——布偶、螺母、透明瓶子、柔性线束。

不像大语言模型，基本范式已经确定。

能力尽可能往旗舰上靠，但推理成本和服务器开销，得狠狠压下来。

7、Meta被控危害未成年人，美四州索1400万亿超市值罚款

结论顺理成章，Token既然从「聊天成本」变成了「价值链上的原材料」，围绕它的整套基础设施—— 怎么产、怎么算、怎么管，就都得推倒重来。

下一轮，轮到你在GDPS出题！ 赛队征集 就在今年1024全球程序员节！10月23—25日，2026全球开发者先锋大会暨国际具身智能技能大赛将在张江科学会堂登场。

8、果然，越来越多人开始对「床头柜」下手了！我当初怎么没想到！

新加坡国立大学、北京大学、清华大学、上海交通大学等研究机构首次系统研究了扩散语言模型（Diffusion Language Models, DLM）的后门安全问题，提出统一框架 BadDLM：通过构造诱导前向掩码过程，定向强化目标相关位置的学习，从而注入多样化、生成式的后门目标。

大脑的巧妙在于让它们接力：海马先把新经历暂存，再在休息与睡眠里一遍遍「回放」给皮层，让皮层缓慢地把其中稳定的部分吸收进去。

当AI视频从「生成一段好看的内容」真正走向「生成一个可交互的世界」，当实时世界模型让曾经只存在于畅想中的体验变得真实—— 我们会发现，这和LLM的路径惊人地相似。

这份报告，扭转了我们对「AI失控」的想象： 我们一直担心的，是AI当面顶嘴、公开反抗。