纳德拉认为，AI时代出现了相反的情况。

1、足球直播 真是活久见啊。

编码过程中弹出一张建议卡片——「扫一扫，检测代码安全隐患」。足球直播双雄争的 是谁当上你的AI同事 如果将视角放远，看得更清楚。

2、1小时引爆全网，1人丢饭碗！热火“詹姆斯官宣乌龙”后紧急招人

大模型本质上是一个「认知节点」，负责计算与推理；而记忆是一个与之正交的问题，关乎信息怎么组织、怎么检索、怎么遗忘、怎么整合。

3、每人10000美金，参加奥运会可以领钱了？

在这一双向融合中，「AI友好的本体框架」成为一个关键的工程命题。

4、腾讯混元合并大语言模型和多模态团队，由姚顺雨统一管理

这些公司的模型能力在持续提升，模型越强，能接的任务就越多，推理调用量自然跟着指数级增长。

5、郑钦文入围雅典赛，夺冠直通美网，布洛克斯称紫薇正手被严重低估

当指令本身有害时，强指令跟随反而成了弱点。

在搜了2个pattern，读了2个文件之后，它直接给出诊断——Python对负timedelta采用补数存储，timedelta(hours=-5)内部实际是days=-1, seconds=68400。

交互式视频世界模型又往前走了一步：用户的相机控制会不断改变接下来要生成的视角，模型必须在流式生成中持续调用历史记忆。

6、证监会：综合施策全力维护市场平稳运行，更加精准有效实施逆周期调节

值得玩味的是时机。

生成过程中，没有专门的调度器指挥，模型所做的就是一路往下预测下一个token——写着写着，它自己判断「该出图了」，就切进图像token接着画，画完再切回文字。

7、62：0！以议会全票通过，正式解散，内塔19年执政生涯走到尽头？

P6 到 P8 的用法完全不同。

它只是切下了「智能」的一个薄片，然后告诉你，这一片有多亮。

8、若湖人0-4被雷霆横扫，詹姆斯今年夏季有4个选择

这笔交易的另一面，就是此刻你的照片在iCloud，会议记录在飞书，聊天消息在微信，偏好散落在十几个APP里。

本次大赛提供具身智能本体，并提供仿真环境、数据采集与模型训练于一体，同时开放对接英伟达等业界领先平台。

他们推演公式、运行庞大的模拟实验，甚至给出了强烈的预感：BH程序应该依然有效。

9、韩国出线机会渺茫！德国爆冷输球，日本战平瑞典！

MiniCPM-RobotManip通过视觉Token极致压缩，让「有记忆」的推理成本和「无记忆」的推理成本基本持平。

同一周 两家抢着给你送额度 奥特曼这条认错推文，恰好落在OpenAI与Anthropic正打得火热的一场消耗战里。

10、“跃动京台 青出于篮”2026京台青年篮球友谊赛在首钢篮球中心举办

Prompt的最后，AI被命令道：「在这上面至少花上8个小时，然后再去考虑放弃或返回结果。

长期以来，人类科学家保持着一种心照不宣的骄傲：AI 算得再快，也不过是处理大数据的「蓝领」。

1、巴西一场3：0大胜，却给巴萨敲响警钟，锋线王牌该考虑出手了

GPQA最开始只有39.4%，调整答案格式和评测设置后，直接飙到95.96% AIME因为答案都是数字，且题目已被大量公开，最终跑到了100% 最夸张的是HLE——他直接把测试答案拿去训练，最终得到99.44% 第二步，就是制造一家「真实存在」的实验室。

2、正式确定！CBA顶级大外援完成转会，加盟北控男篮

一个观众随手在点餐台下了单。

3、“亲爱的，结婚纪念日快乐！”德约科维奇收获温网第7冠

2022年底ChatGPT出来，这条线被冲得太快，快到大多数人都没意识到它已经不在了。官方丨米兰与莫德里奇完成续约资本为何押注？ AI视频是下一个万亿入口 就在同时，爱诗科技也宣布完成整体C轮融资，累计融资29.8亿元人民币。

4、5年2.52亿！文班亚马亲解为何主动降薪5000万：不想钱毁了马刺

全行业拉响警报， 巨头集体跌入「下一代巨模型失望陷阱」 沃顿商学院Ethan Mollick在转发报道时，提出了一个细思极恐的观点—— 这根本不是谷歌一家的悲剧，而是整个硅谷正在遭遇的「周期性技术寒冬」。

5、仅花了8400万，却成功得到3名悍将，下赛季他们仍旧是夺冠大热门

一个提示词换来一次回答，一个循环换来的，是合上电脑之后还在替你干活的系统。

6、德天空：尤文、利兹联和费内巴切均有意德米罗维奇

第二个测试是AI表格。

如果还需要多人编辑、上传、加功能，直接告诉灵犀「你把这个东西部署下去」就行。

甚至还有一个是开源的。

7、乒乓球全锦赛：马龙/许昕晋级男双8强

一场铁人三项的启示 要理解商汤在做的事情，得先搞清楚一个技术概念。

WAM-TTT的自监督视频预测技术，直接从这段人类玩耍的视频中提取特征。

8、AI烧钱大战升级！谷歌、特斯拉现金流双双转负

Context≠记忆≠RAG！ AI最大短板：记忆 今天的大模型，是一种前所未有、却也残缺的天才。

它不改变VLA架构，也不重新收集专家数据，而是在已有预训练策略之上继续优化机器人真实执行行为。

去重、按时间排好、标注来源，最后递到模型面前的是一张能直接数数、比大小、看先后的事实表。

Scott Shambaugh是matplotlib的志愿维护者。