编辑：大卫 所罗门新智元报道 2026年WAIC的展厅里，人潮涌动。

1、乐鱼体育 官方也给了一整套省钱纪律： 小任务别硬上多智能体； 能用便宜快的小模型，就别都用最强的； 大规模跑之前先拿一小片试跑； 确定性的活交给脚本，跑脚本比让模型一步步推理便宜得多； 例行任务别跑得比它该跑的更勤。

这三条，正好一一对应前面那三个命题。乐鱼体育会改变行动结果的信息，就是有价值的信息。

2、8mm肺结节，手术还是随访？这个工具帮我给出了“有据可依”的答案

钛极模型的能力分三层。

3、只差一场到百场，表现不佳的武磊还能不能再进国足？

瞄准出线框，按住左键出进度条，挖碎了掉碎屑粒子。

4、东契奇盛赞独行侠时期的前队友布伦森：拥有远超常人的胜利者心态

为此，无问芯穹推出了 “AI生产力商店”——Agentic Infra行业解决方案，以底层智能基础设施之力，助力行业客户打通降本增效的“最后一公里”。

5、输球又输人！阿根廷球员输球后锁喉加西亚 抱摔加维

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。

Bloom说明，Beck那篇Annals论文里有许多重要而有趣的想法，只是这道题用不上。

万拿机器人将继续围绕微型伺服电缸、仿生多自由度灵巧手及灵巧操作场景解决方案，构建机器人的执行能力，推动机器人从「能展示」走向「能操作、能交付」。

6、萨基口中的巴西硬汉，为国家队踢1场，在意甲诠释性价比

四年前，这句话是句玩笑。

每天晚上，它利用夜间富余算力做知识整理——过时的淘汰，重要的拉到最易召回的位置，反复被提到的提升优先级。

7、对手放弃主场！中冠广州海珠醒派2-0济南泉盛山大，或迎广东德比

埃尔德什留下的1000多道开放问题都挂在这个网站上，是全球数学家追踪这些问题的第一站。

20个智能体停在那儿等验收，你一闭眼，二十条流水线全停：睡觉的机会成本，已经高到他们自己接受不了。

8、【城市笙歌】首列上海乐高乐园主题列车启程

混合云算力聚合：实现本地私有集群与公有云算力的安全互通混训，不仅将整体性能提升了68%，而且还治好了企业「自己的卡不够用、云上的卡却闲得发慌」的问题。

他们更在意的问题是：角色是否足够独特，情绪是否成立，以及这个概念最终能不能变成真正好玩的产品。

因此，佟博士所说的认知主权，并不是简单地把模型部署在本地，也不是只把数据保存在企业防火墙之内。

9、体系前锋，头球为王，德甲上演头球帽子戏法，退役指导莱万

这使导航学习从「单一正确轨迹学习」，扩展为「包含错误状态的完整经验学习」。

东方长卷 · 盛唐长安西市 这张图的细节堪称恐怖。

10、泰国总理阿努廷会见董军

」 参考资料： https://turntrout.com/why-i-left-google-deepmind 编辑：Aeneas新智元报道 7月17日，上海，黄浦江畔，夏风滚烫。

公司名字挂版本号，是李述昊希望像做产品一样做公司。

1、警惕“隐形盐”，这些食物的含盐量真不低，不建议经常吃

道理不难懂。

2、锂矿半年报业绩全线修复：龙头净利增速最高超49倍，13家企业利润破10亿，板块5股涨停！

站会那一幕，靠的是Claude Code今年6月发布的Artifacts。

3、工信部典型案例名单公布，株洲2个入选！

这是他们的房子，有可能是公寓，有可能是别墅。阿根廷极限防守虽败犹荣！西班牙连夺欧洲杯+世界杯开启统治时代产业界涌现出大量场景真题。

4、日本自民党再曝丑闻，多人称被迫“进贡”大额资金

大量SKU挤在窄巷道里，订单密、节奏快，深夜和早晚高峰两头连轴转。

5、4年底薪+1年底薪！火箭队再签2人，锋线位置7人齐聚，5人轮换成型

他干了一件很「轴」的事：注册一个小号，建了一个「钓鱼」测试仓库，里面埋好各种诱饵——假的API密钥、假的数据库密码，每一个都做了独一无二的标记。

6、哈利伯顿谈勒布朗·詹姆斯：去NBA任何球队，大家都会说求之不得

那两名负责人直接对特纳的消息「已读不回」。

至于这类智能体真正致命的、跨越多个组件的系统级风险，几乎没有被系统性地度量过。

面对同一道伪造「已获授权」的陷阱题，Opus-4.6当场识破，指出这是社会工程学套路、没有任何正规流程会预先授权把明文凭证展示出来；而另外两个模型则照单全收。

7、世界杯宿敌之战！英阿激战60年，老马上帝之手，贝克汉姆染红后救赎

这种「一套框架、按需标注位置」的设计，使得从最具体的定向输出特定词到最抽象的越狱行为都能被统一表达，且每类目标的输出都随输入动态变化。

这次 COSA 0.5 的发布抛出一个行业反共识：模型只是技能，系统才是大脑。

8、文明实践丨气象知识科普讲座筑牢居民防灾减灾安全防线

超维动力给自己的定位，从来不是一家单纯的机器人公司。

值得注意的是，纳德拉等公开提出的问题，正是佟佳睿博士更早在企业认知系统、ECS、NSEAP和KSTAR体系中已经开始系统设计和工程化解决的问题。

这几年，AI4S大致沿着三条路线推进。

文本语料的Language Scaling是知识基础，但材料建模这类强操作任务，更需要面向行动能力的Action Scaling——将「行动 — 反馈 — 纠错」全流程变成可规模化学习的对象。