他准备好推文、截取好自制的榜单图片、买了一点初始的点赞和转发。

1、kaiyun官网 这里简单解释一下。

这是继 Figure 之后，全球唯二，中国首个，能全自主完成长程移动操作家庭任务的全尺寸人形机器人。kaiyun官网姚卯青甩出一个数字：物理AI的数据量只有大模型的两万分之一。

2、备战世界杯！女篮两大后卫王思雨李缘正式归队 7月初两战澳大利亚

是什么吸引了他们？ 他们在看到，是一张图，一张定义了 「Token前店后厂」 的全链路基础设施蓝图。

3、官方：曼城与埃利奥特-安德森签约至2031年

新模型一发布，Cursor第一时间接上；对手还在开会，它已经发版。

4、魔笛续约暴露出世界足坛的断层，年轻球员里除了亚马尔，还有谁？

企业知识管理砸了几十年的钱建知识库、写 SOP、搞最佳实践库，核心痛点始终是一个：专家不愿意写文档，写了也没人维护。

5、字母哥，脸都不要了

三个模型往这四条轴上一摆，三张脸就出来了。

轮毂电机要塞进汽车轮毂——一个天生的「盘式」扁平空间。

哪怕是专为防御而生的SeClaw，也仍留有不小的攻击面；哪怕是最稳的配置，也仍有约五分之一的任务被攻破。

6、MVP榜字母哥继续领跑 詹皇稳坐第2东契奇重返前3

随着今年内全球首条年产15万台以上的轴向磁通电机自动化产线正式落地，规模化制造的壁垒将被彻底打通。

真正的困难，藏在一个看不见的地方——记忆。

7、孙杨发言过程中自行换翻译 仲裁小组满脸黑线拒绝

这意味着，清程极智在算力评测和底层硬件性能榨取上，拥有国家队级别的深厚积累。

即便在60秒、1fps的长期记忆场景下，算力也仅约3.3 TFLOPS，始终低于pi0.5的5.0 TFLOPS。

8、Hollister 的「虚构童话」，终究还是靠不住

这种从底层架构向物理世界的全面映射，超越了传统单点突破的机器人研发模式，并最终外化为传统机器人整体性的物理表征。

从写prompt到写loop 中间隔着一道验收 一个会自己无限干活的AI，凭什么不是一台高速产出bug的机器？ 答案在一个被大多数人略过的环节：验收。

一方面，一级市场热钱持续涌入，单笔融资金额屡创新高。

9、两年内历史前十！连续12年场均20+！数据口碑都极佳，他却太憋屈

整个模型，就是一套浑然一体的Transformer。

动作chunk尾部不可靠：模型一次预测多个动作，但越靠后的动作越容易累积误差，系统不得不频繁重新规划，强行拉长执行长度会降低成功率并增加物理步数。

10、CCTV5直播！中国男篮VS日本男篮，2大NBA球员缺阵

最终输出的，是各自领域里「原生形式」的、可被验证的结果。

训练数据方面，DM0.5用了15万小时多源数据。

1、2年1300万美元！火箭官方宣布签约斯马特 昔日DPOY加盟休城

这个修改过程是实时的——就跟你对着助理的屏幕，指着说「你改改这儿，改改这儿」，看着他一步步改好。

2、身边｜悠悠：不凡少年 勇敢追梦

其中一位认为只是需要补充实验，因此给出较高分；另一位则将其视为影响论文质量的关键问题，直接给出低分。

3、NBA赌城夏联揭幕战：森林狼大胜鹈鹕 普林24+8+12巴夫金30分

答题拼的是显存带宽——你得一个字一个字地往外挤，快不了但不能卡。从讲台到赛场，他是深圳教师也是全国乒乓球知名裁判GA发布后同步调整API定价，引入「峰谷计费」。

4、临床医学录取大爆冷！广东、江苏、山东录取位次大降，有学校直跌2.2万！南医大王牌专业都降两千多！医生们怎么看？

遇到不知道怎么下手的问题，先打开AI，而不是先自己硬想。

5、“期待一场‘说走就走’的大陆深度游”

接下来这三层，是为了在同一件事上少花冤枉Token。

6、利物浦小将索尼-兰比：得知要随队去美国我第一时间打给妈妈

整个过程里，规则从不靠手工打补丁： 评审员每揪出一个错，就往规则手册里加一句话，再把受影响的那批文件重新生成一遍。

官方还支了一招：让Claude在每个实时区块里写一句提示，告诉对方这块缺哪个连接器、去哪儿连上，省得他只看到一片空白，一头雾水。

不存在「我用Claude-opus跑分、你用小模型跑分」的注水空间。

7、大厂高管、天才少年，扎堆Agent创业

论文中的实验显示，随着强行将动作执行长度变长，成功率可能下降，物理步数反而增加。

要坚持「产业出题、科技答题」。

8、首钢园品牌之夜

把中文那张卡的数字抠出来是这样的（基于15,365段中文对话）： 审慎+0.03σ 严谨+0.05σ 深度+0.02σ 坦率vs执行：正好压在平均线上 论文给中文列的三条标志性行为，凑在一起有点意思： 指出你没考虑到的对立面 驳斥你的错误前提 不带评判地安慰你 前两条是Opus 4.7的招牌，第三条是Sonnet 4.6的招牌。

对于游戏模拟、虚拟场景探索、机器人和具身智能训练等应用场景，推理延迟和显存成本是能否走向实际使用的关键门槛。

长轨迹下，模型不仅要逐段生成视频，还要持续维护历史上下文、KV缓存和多步去噪计算。

J-Space以认知神经科学的全局工作空间理论为解释框架，将语言模型的推理活动类比于人类意识层面的信息处理，在方法论和认识论层面都构成了重要推进，也为AI安全提供了全新的监控维度。