搜索
这次的 Kimi Claw，其实已经把 ClawHub 里的 Skills 全都接进来了。你可以直接用一句话，让它在浏览器里把需要的 Skills 装到云端环境里，不用自己折腾配置，也不用手动一堆步骤。
1970年，一个叫Gordon Gallup的心理学家把一面镜子放进了黑猩猩的笼子里。黑猩猩一开始对着镜子龇牙。它以为那是另一只黑猩猩。它威胁它，拍胸脯，绕到镜子后面找那只不存在的敌人。
这一届上台的机器人各有各的路子——有的走仿生路线，模仿起人来连神态都安排上了；有的直接拼运动能力，一整套动作打下来，现场效果确实很炸。但如果你这一年已经看过太多机器人 demo，其实也不会太惊讶。春晚这个舞台，本来就是要把「最能表演的东西」集中展示出来。
本文提出一种具有 SE(p) 不变传输性质的度量 SEINT：通过构造无需训练的 SE(p) 不变表示，将高维结构信息压缩为可用于 Optimal Transport (OT) 对齐的一维表征，从而在保持不变性与严格度量性质的同时显著提升效率。
不可学习样本（Unlearnable Examples）是一类用于数据保护的技术，其核心思想是在原始数据中注入人类难以察觉的微小扰动，使得未经授权的第三方在使用这些数据训练模型时，模型的泛化性能显著下降，甚至接近随机猜测，从而达到阻止数据被滥用的目的。
为了支持多模型协同研究并加速这一未来愿景的实现，华盛顿大学 (University of Washington) 冯尚彬团队联合斯坦福大学、哈佛大学等研究人员提出 MoCo—— 一个针对多模型协同研究的 Python 框架。MoCo 支持 26 种在不同层级实现多模型交互的算法，研究者可以灵活自定义数据集、模型以及硬件配置，比较不同算法，优化自身算法，以此构建组合式人工智能系统。MoCo 为设计、
千问 3.5 总参数量仅 3970 亿，激活参数更是只有 170 亿，不到上一代万亿参数模型 Qwen3-Max 的四分之一，性能大幅提升、还顺带实现了原生多模态能力的代际跃迁。
1 月下旬，一个没有铺天盖地公关、甚至连官方介绍都极简的产品 Moltbook 悄然发布，瞬间在 AI 圈掀起了一场不小的地震。
创意这东西保质期很短，那股兴奋劲儿一过，大多数想法就不了了之。直到最近我在看一批新的 AI 产品时，碰到了 Leewow。
开源模型新王 MiniMax M2.5 震撼降临：M2.5 编码性能逼平 Claude Opus 4.6，价格却只有 1/20；1 美金 / 小时，这种尺寸和性能的模型，才能在算力短缺的时代不降智不卡顿，持续提供最好体验，成为最终王者！