搜索
上周，我们又打了一通电话。酱油开口的第一句话是：「这个行业已经没有了！」 当时他们还在讨论要招 3000 人、4000 人；现在，只剩下 300 人左右。在 Seedance 2.0 出现后，行业没有因此更繁荣，反而被更快地推向过剩。
AI 顶会越来越卷了，卷的方向你还猜不到。本周，国际机器学习大会 ICML 在韩国首尔举行。今年 ICML 的 Poster 环节，除了那些极具创新性的论文，也堪称大型学术行为艺术现场。
37.7°C，干趴了一台国家级AI超算。6月底，英国遭遇有记录以来最热的六月。剑桥大学的Dawn——全英最快的AI超算之一——冷却系统当场热瘫，上千块GPU被迫休了一周多的高温假，350多个科研项目全线急刹。
近日，Anthropic官方发了一篇长文专门来讲这件事。 起因是太多人把Claude Code里的两个选项搞混了：一个是模型选择（Model），一个是努力度（Effort）。过去，大家对这两个选项的理解都很简单：换更大的模型，AI就更聪明；把Effort调高，无非是让AI多想一会儿。
测试方法很简单。 找一个创意性极强的项目，让 4 个模型从零搭建，然后逐个跑一遍，看看谁做得最好看、谁最完整、谁翻车最惨。项目选的是一个 3D 浮岛创意作品集，对标 jordan-breton.com 那种风格，一座漂浮在空中的岛屿，上面有自然元素，随着页面滚动镜头会环绕岛屿移动，分成远景、中景、近景、拉远四个章节。
NFX 的 Pete Flint 写了篇文章，讲一个我这一个月一直在旁边打转、但没人替我一句话说清的东西。他说，种子轮的创业者，现在开始拿 Tesla、SpaceX 那套「垂直整合」来 pitch 了——不是「给律师做个 AI 工具」，是「一家 AI 原生的律所」;不是「做个软件采购平台」，是「最终要 own 掉整条供应链」。
为了打破多镜头长视频面临的高延迟、零交互困境，香港中文大学与快手可灵团队联合提出了首个实时流式多镜头长视频生成框架 ——ShotStream。该研究打破了传统双向架构的限制，将多镜头合成定义为基于历史上下文的下一镜头生成任务，用户可以通过动态流式提示词在运行时动态指导叙事走向！更令人振奋的是
量子位不完全统计了97家国内具身数据玩家的情况，其中70家做数据采集，27家做数据infra。过去一年（2025年7月1日至2026年7月1日），15家「不做本体、不做模型、只做数据的独立具身数据服务商」，共融资约44.7亿元。
GraphPlanner通过引入图记忆网络，将多智能体LLM的路由过程升级为动态工作流生成。不仅选择调用哪个模型，还决定每个模型应承担的角色，实现任务分解与协作规划。
来自北航、北大、美团的研究团队提出了Policy Improvement Reinforcement Learning, PIRL，以及对应的落地算法 PIPO。这项工作关注的是大模型 RL 后训练中一个非常基础、但长期被默认跳过的问题：一次更新在当前数据上看起来优化了学习信号，是否就真的说明模型策略变强了？