在标准设定下，Claude Mythos Preview误标率85.6%，Opus 4.8误标率74.4%。

1、火狐买球 真正的护城河：从1套到27000套 具身智能有一个残酷真相：让机器人成功表演一次不难，难的是换工厂、换国家、换物体后，还能快速上线稳定运行。

第一，聚焦智能体专用CPU。火狐买球这类任务对模型提出了完全不同的能力要求：符合物理定律的三维空间操控能力。

2、切尔西夏窗后突然出手：1.17亿英镑签下Rogers，队内左路“口袋”找到答案

不得不说，AI会做题，和AI能救场，中间隔着一整个真实项目。

3、佛大新帅SEC媒体日首秀即翻脸:手机响了?你该庆幸我没把这讲台砸你身上

论文链接：https://openreview.net/forum?id=PEyouQzOLD 为什么没有选择让LLM直接审稿？ 面对评审人手不足、打分标准混乱的现状，很多人会直观提出解决方案：干脆交给LLM完成全自动审稿。

4、日均129人自杀！印度劳工掉进兵役陷阱，政府保护在哪？

在Reddit的工程讨论里，有人把必须的闸门总结成三条，写循环之前就得先设计好。

5、曾同时被NFL与AFL选中的传奇跑卫林赛因病去世,享年81岁

它不仅全面碾压了开源的OpenTrackVLA，甚至在STT和AT任务上，领先了闭源的、动用了四路视觉且经过RL训练的TrackVLA++ four-view惊人的7.11和16.55个百分点！ 一个0.5B的轻量级单视角模型，凭什么能超越前辈大模型？ 秘诀在于面壁智能构建的「自进化数据管线（DAgger）策略」。

灵犀专业版想做的，是一个「越用越懂你」的办公助理。

往深一层看，这是智能体时代的一场军备竞赛：谁能在这波狂热里把用户留住，谁就能攥住更多真实的长任务数据。

6、仅行驶9千英里，这辆2018款Jeep牧马人Rubicon被武装到了牙齿

在这个场景下，消费者对价格完全不敏感，但对重量却锱铢必较。

对个人用户影响不大，但对那些把Agent挂在工作时间不间断跑的团队来说，这是实打实要重新算的一笔账。

7、格里兹曼首秀破门 莱万哑火 梅西缺阵迈阿密仍赢球

写提示词的时代不会一夜消失，但它的光环正移向循环。

DA-Nav跨城泛化与压力测试 其中，98.15%的纠正成功率最能体现这项研究的价值。

8、跟着龙舟游邵阳③

企业不是因为消耗了更多Token而变得更聪明。

它这次主打一个亮点，巨省Token。

多数据中心聚合：联合4个不同代际、不同型号的GPU集群，联合训练70B参数大模型，四集群协同性能提升41%。

9、今日重要赛事！7月15日，CCTV5、CCTV5+直播节目表

再配一套故障无感的训练机制，它硬是让跨域强化学习训练，连着跑了整整一周都没断。

编辑：大卫 所罗门新智元报道 站会还没开始，故障已经快排查完了。

10、文明培育丨大连市教育系统暨高新区青少年党史学习月活动正式启动

这种结果不再是干瘪的数据，而是可以直接用于指导下游功能实验设计、甚至作为高水平论文数据支撑的「现成」科研成果。

国家战略背书， 具身智能迎来「黄金时代」 为什么今年的WAIC如此受国家高层重视？ 答案不复杂：算力决定了AI能有多聪明，而动力决定了AI能走多远。

1、1-1，尤文憾平维罗纳，弗拉霍维奇任意球破门，哲格罗瓦错失绝杀

算得清、接得快、管得住——这是企业AI下半场的入场券，也正是「星火Token Factory」想替企业拿到的东西。

2、阿根廷助教为拳打奥尔莫道歉：那不是拳击，动手全因他说了句话

在此基础上，首次提出面向具身追踪的DAgger策略：模型先在大规模通用场景上预训练，再持续部署至仿真与真实环境中交互，主动暴露长尾薄弱场景。

3、日产聆风Nismo亮相：3万多美元的家用电动车，配运动套件后居然有驾驶乐趣？

第二步，通过异构混推，让同样成本产出更多Token。温网女单决赛上演捷克德比！今晚辛纳战德约！原力灵机自己做过一个很朴素的验证实验，叫「拿起杯子擦桌子」：机器人得先把杯子拿开，擦干净底下那块桌面，最后把杯子放回原来的位置。

4、中国92-74双杀省队出线，杨瀚森替补10+4，庞峥麟惊喜7投4中

如果企业的能力只能存在于某个模型的私有上下文、某个供应商的 Agent 平台或某个不可迁移的提示词系统里，那么企业事实上并不拥有这些能力。

5、天空体育：曼联考虑5100万镑报价大巴黎中场埃梅里

立川裕二的评价是：它似乎真的理解弦论（String Theory），而且有直觉。

6、互捅局！徐新：全取3分 穆斯卡特：带3分回上海 球迷：就凭你钦点的玻璃大王？

一句话总结：老办法是让模型在一大堆搜索结果里凑答案，HMS则先像人一样，把回忆这件事有规划、有验证、有条理地做完，再请模型下笔。

文献数据、实验数据的抽取和沉淀 这也造就了科研领域低效内卷的现状： AI 持续拟合公开的成功科研数据，却难以触达科研场景中占比超 90% 的试错数据； 前人验证过的无效方案、踩过的技术误区，后续研究仍会重复尝试； 已被证伪的科研路径，模型依旧会反复推演。

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」。

7、暴跌92%！从5260万顶薪到380万底薪，詹姆斯经历了什么？

魔幻的是，这一切偏偏发生在Token单价一路下跌的2026年。

本次论坛上，商汤给出了一个听起来有点反常识的答案：不造更强的卡，而是把比赛拆开，让不同的卡接力跑。

8、一组保时捷发光字母招牌现身明尼阿波利斯，无底价拍卖

一小时奇迹——AI如何抽丝剥茧 这64个智能体一小时里，究竟经历了怎样的头脑风暴？ 打开第二份PDF——《循环双覆盖猜想的证明》，我们可以清晰地看到AI令人拍案叫绝的推理路径。

「模型路由」要做的，就是让每个任务都匹配到「刚刚好」的模型—— 简单任务走性价比，复杂任务上高性能，在效果和成本之间找到最优解。

Dyna的DYNA-1把折餐巾做到99.4%、24小时85多张，直接开进真餐厅。

你说了别看，它说好的——然后连柜子带锁一起搬走了。