ABot最早发布于今年4月，彼时高德自研的机器导盲犬高德途途首次登上机器人半马的舞台，并展示了其出色的开放环境全自主导航能力。

1、kai云体育 以 Qwen 系列为例，从 4B 到 32B，原子更换、移除、移动等任务的成功率明显提高，说明规模增长仍然有价值。

而学校那边，还在用同一套东西考学生：背诵、标准答案、闭卷默写。kai云体育从协议到产品：两只脚已经着地 这层协议已经长出两只脚。

2、中央5台直播足协杯时间表：明天7月21日CCTV5直播，申花冲击8强

机器能写 人为什么还得学 那到底还该教什么？ 奥特曼的回答有点反直觉：有些事，机器明明可以做得更好，人还是要亲手做一遍。

3、第十五届“大浪杯”女装设计大赛总决赛7月31日即将启幕，佳作抢先看！

一个人跑通了从市场判断到投放优化的完整闭环——这大概是 OPC（一人公司，One Person Company）最具象化的注解。

4、亨利批法国输西班牙：天赋救不了懒散，如此表现不配进世界杯决赛

Grok Build是SpaceXAI旗下的AI编程agent，今年5月刚上线。

5、来得正是时候！国安官宣新任运动医疗主管，球队已伤兵满营_网易订阅

WAIC 上发布的 2.0 做了一次架构级升级：把原本分散在不同模型、工具和流程中的营销能力，收敛到一个统一的 AI 入口，围绕企业目标按需组合多个专业智能体，形成能自主循环的智能体工作流（Agentic Workflow）——钛动内部称之为 Loop Agent，即智能体之间可以相互调用、反馈、迭代，而非线性执行一次就结束。

KSTAR则试图回答一个更完整的问题： 企业如何从一次真实业务活动中，自动形成下一次更好的认知和行动能力？ 这才是Token Capital真正应该被工程化的方式。

他们将IMO 2026的全部6道考题，逐字逐句翻译成了机器能够理解的Lean 4形式化题面。

6、李云峰在交城调研

比如黑板[12, 18]，12的素因子是2、2、3共3个，18的是2、3、3共3个，T = 6，N = 2，Φ = 8。

这款1.5B参数规模的VLA模型，继承了面壁智能在今年5月发布的最新多模态大模型MiniCPM-V 4.6的核心技术优势。

7、格德斯进入卡塔尔归化视野！亚洲归化提速，中国足球跟不跟？

它能替老师干的，大致是三块。

但是，能在1小时内自主完成问题拆解、模型构建、逻辑推导到输出严谨学术论文的全过程，说明AI在高难度抽象逻辑推理领域已经超越人类。

8、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

从 2024 年 6 月 WWDC 首次亮相算起，国行用户等苹果 AI 等了两年。

不打「最强」牌 要性价比 Anthropic的这种打法，直接将矛头对准了GPT-5.6。

而且，五个旧接口一项没坏。

9、宝马首款纯电X4路试被拍，今秋或亮相，将成油车绝唱

彭博社记者 Mark Gurman 判断这是一次意外推送：苹果不会毫无宣传动作地发布国行 AI，不会选在中国凌晨上线，视觉识别调用的是谷歌引擎而不是国产引擎，在中国也不合理。

即便这些棘手的技术难题都被解决，还有更复杂的经济与哲学问题等在后面： 在一个「后稀缺」的世界里，需要怎样的新经济模式，才能让每个人都过得兴旺？我们想依循怎样的价值观生活？意义与目标将安放何处？甚至，「人的境况」本身又会如何改变？ 这些问题的解答，显然不能、也不应只留给技术人。

10、启幕！世界目光聚焦大连

逻辑很直白——Token既然是新货币，那省下的每一焦耳，都是真金白银。

参考资料： https://x.com/deedydas/status/2079409461874332066 编辑：摩西新智元报道 过去一年，具身智能赛道正经历着前所未有的「冰火两重天」。

1、深耕田间示范基地 榆中激活农科教融合新动能

通过这套「透明化」执行机制，此芯科技正让每一次自主决策都变得安全可信，为AI落地保驾护航。

2、安踏的攻与守，李宁的破与立

利用这个工具，同样有大量让人印象极度深刻的案例。

3、探学记打卡泸州十八中的礼文化！下一期精彩继续→

你和各类智能体的每一次交互，都滚动一次只属于你的数据飞轮，而这些记忆第一次可以被传输、被交易、被验证。月亮湾口袋公园焕新开放数据的价值，在每一次交换与继承中被点燃。

4、32k英里2003年法拉利360 Spider：红色经典再现，曾因事故被保险公司列为全损

这背后支撑的，是WPS 38年的文档内核。

5、普拉博沃要抄印度作业？印尼媒体怒批：外资天坑，好的不学偏学坏

一杯咖啡的时间，一张能直接拿去印的高清图。

6、“阿埃”战四处判罚引争议！VAR机构：认定裁判执法无误

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。

未来AI for Science更需要面向行动能力的Action Scaling，让模型在可执行任务、工具调用、环境反馈和物理验证中学习如何完成真实科研任务。

有人点评道：「这根本不像任何正常训练出来的模型。

7、10年来头号新秀几乎全首发，门多萨凭什么能抢走考辛斯主力？

电影，正在从资本密集，变成想象力密集。

」 奥特曼现身斯坦福CS153课程谈AI时代教育，坦言自己低估了教育系统变革的速度。

8、数据里的棉纺织丨棉纺织市场大调查——市场氛围维持平淡，企业心态保持谨慎

可以说，整个过程，丝滑无卡顿。

短短90分钟内，它如同一个拥有异构思维的外星数学家，从零开始构造出了一个前所未有的数学结构。

围绕这张表，研究团队给出了几条结论。

轮毂电机要塞进汽车轮毂——一个天生的「盘式」扁平空间。