真正让他在圈里出名的，是2025年5月那篇论文—— Rybin找到了一个更快的算法，用来计算一个矩阵乘以自己的转置。

1、足球直播 当长时间探索还没有形成产物时，系统也会推动它转向实现与测试。

穿的是蓝灰色格纹西装外套、格子衬衫、不系领带—— 不再是华尔街标配了，但核心还是西装，人也还是老老实实飞到了纽约。足球直播不过，5岁的她已经把一年级的语文课本背得滚瓜烂熟。

2、上市前夜

张小龙在朋友圈发了高瓴集团创始人张磊所著《价值》一书的封面照片，配文写道：“你们一定远离那些口头上说要做价值投资的人，尤其姓张的人。

3、上港下一轮中超将死磕申花！颜骏凌有望回归首发阵容，陈威替补

虽然参数量只有1.5B，但在LIBERO、Calvin、RoboTwin2等主流VLA评测里，它的整体表现已经进入第一梯队，与π0.5等模型处在相近水平。

4、热刺官方：球队新援罗伯逊将身穿球队的3号球衣

但MaaS这门生意的门槛，比外界想象的高得多。

5、北青：国足9月底重庆热身4场对阵已定

陈默并不觉得自己是个英雄。

Flexion的架构范式又跟随COSA。

Counterpoint预测，2026年全球智能手机出货量将同比下降13.9%至约10.8亿部，手机厂商在手持云台相机这一高毛利、高增长的新市场寻找第二曲线，已成必然选择。

6、山东男篮新小外援浮出水面，三大后卫是邱彪目标，和多队争抢！

但总得试一试，不能轻易放弃。

held-in或held-out至少一个split要提升，另一个split不能退化，才会进入下一代Harness。

7、别再吃到撑了！研究发现：每顿“少吃两口”，身体炎症少了，全身受益

在北大四大“疯人院”之首的数院，流传着这样一句话：“总有一些高考数学满分的学生，不自量力，选择了北大数学系。

这就是所谓的内存墙。

8、曝华为内部会议强调P系列重要性超Mate 重回影像巅峰

Mind Lab 7月初开放API商业化。

让机器人在仿真中进化 量子位：很多团队倾向于搭建「数据金字塔」，各类数据都采集一些，再用真机数据做消融实验。

炒菜讲究方法和火候，对应到模型上，就是架构和训练策略。

9、一个面筋产业能有多“劲道”？

具体能有多快？他在今年AMS Notices（美国数学会公告）的访谈里给过时间表： 帖子里他还做了个思想实验：假设你手里有一台AI神谕机，任何数学命题丢进去，真假立判。

参考资料： https://arxiv.org/abs/2606.17162 编辑：LRST新智元报道 业界首个国产芯片上跑出的万亿参数模型LongCat-2.0于近日发布。

10、米卢：我希望在下一届世界杯能看到邵佳一带领中国队出战

但大多数方法只是把相机位姿当个“口头指令”（一个抽象的条件向量）塞进扩散模型—— 没有显式3D建模，走两步就飘，转大角度直接失控。

看出问题了吗？ 一个正在休12周产假或医疗假的员工，不可能积累这些指标。

1、公安部：今年上半年刑事案件、治安案件分别同比下降16.5%、11.3%

梁汝波在全员会上的表态，也预示着字节正在寻找一种平衡：既保持大规模投入以抢占技术制高点，又通过极致效率避免“重大浪费”。

2、ATP计划削减双打，引发各方强烈批评：不要搬起石头砸自己的脚

这个模型才刚在WAIC 2026上正式发布。

3、-22！-6！连续2场被布伦森打爆！哈登承认吧 你早已不是18年的MVP

参考资料： https://www.quantamagazine.org/jacob-tsimerman-wins-2026-fields-medal-for-andre-oort-conjecture-proof-20260723/ https://www.youtube.com/live/2dr2F2NVUkY 编辑：大卫新智元报道 大模型变强，过去靠两条路。【WCBA联赛】第十九轮｜浙江稠州银行71-101不敌江苏南钢在行李箱收纳任务中，模型需要同时处理多个物体与有限空间之间的约束关系。

4、隐于幕后，“质地”有声，NOWNESS GALLERY新品呈现

这和自动驾驶的发展轨迹非常相似。

5、Y2K、CCD、iPhone 4...GenZ 真比老玩家更爱复古？

比如将手里这瓶矿泉水，凭空替换成一把匕首。

6、马克龙打电话祝贺中国数学家王虹获奖：真了不起！

当然，钱的问题也绕不开。

它的核心商业逻辑是：客户买到的是模型在自身场景中持续学习和迭代的能力。

证伪老猜想，真的正在从奇迹变成梗。

7、杰明22+8阿卡夫26+5 篮网大胜国王

据益普索发布的2024年度报告，中文播客听众里女性已占约三分之二；收听4年以上的老听众中男性还占44%，半年新增听众里男性只剩29%。

”他称。

8、别吹了！阿德巴约83分，含金量为零

而苏昊瞄准这个方向已经超过十年，早期又参与过ImageNet这类大型基础性项目，因此有底气、也有耐心做长期投入。

量子位：它石的human-centric数据已经达到百万小时，能否讲讲它石具身数据的Scaling曲线长什么样？ 丁文超：我们在具身领域对Scaling的定义是：通过合理的预训练与后训练范式，将完成新任务所需的数据量和采集成本降到最低。

逐际动力这段实操Demo，在任务连续性、自主决策深度、技能调用以及全身运控上，已经和Figure站到同一水准线。

这也是Agentic AI芯片比普通推理芯片多出来的一道题：芯片性能决定模型能不能运行，软件栈决定开发者能不能把它用起来，Agent生态则决定设备最终能够完成什么任务。