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。

1、高比体育 新加坡国立大学、北京大学、清华大学、上海交通大学等研究机构首次系统研究了扩散语言模型（Diffusion Language Models, DLM）的后门安全问题，提出统一框架 BadDLM：通过构造诱导前向掩码过程，定向强化目标相关位置的学习，从而注入多样化、生成式的后门目标。

GPT-5.6 Sol显得有些坎坷。高比体育一个OpenClaw自主智能体提交代码，Scott照规矩关掉。

2、南方40℃+，哈尔滨盖被睡丨“候鸟老人”扎堆北上冰城避暑，一天100元包吃住

幕后主角DM0.5 泛化能力的「涌现时刻」 15小时里，没有人在后台遥控。

3、求求设计师别瞎创新了！这些反人类家居，谁装谁后悔

一个能直接调用核心数据的AI，如果没装安全护栏，本身就是一枚定时炸弹。

4、身家过亿的倪萍近况曝光，27岁儿子成心病

智能体（AI Agent）从概念走向落地，算力需求的重心也从「训练」向「推理与执行」急速迁移。

5、景甜38岁生日晒36张旅行照，网友：38岁像18岁

然后，他收集了GPQA、AIME、MMLU-Pro和HLE这些顶级榜单的公开测试集答案，用这些答案开始微调。

读题拼的是计算吞吐量——你得一口气吞下海量信息，越快越好。

对于每个人来说，AI时代最值钱的资产，不是模型，而是你自己攒下的这一大堆与AI互动的数据。

6、英格兰对阵阿根廷实时报道：三狮军团双星对决梅西

压缩一下，大概是这样： 单个HTML文件，Three.js，第一人称。

当按下暂停键后，行星停止公转，卫星停止公转，地球停止自转。

7、过度商业化！当前国内马拉松的“红线”

即便是拼错了，它也会自己纠正，让整个过程完成一个闭环。

AI 赋能科研的终极价值，不是替代研究员思考，而是聚焦前沿核心创新，推动AI从标准化的算力工具，进阶为可探索未知、可持续迭代的科研协作伙伴。

8、CBA3消息！徐昕拒绝马刺，顾全上任深圳主帅，杨瀚森火速参加夏联

初期，测评可与前沿实验室协商共建；但最终，标准机构应当建立起自己的技术能力，独立于各实验室开发「保留测试集」（held-out tests），以防模型对测试过拟合。

这样的进化能力更类似于人类成长的节奏，在一个人中学阶段学习的是一元二次方程，大学阶段掌握的则是微积分。

但如果我们把思考时间从几秒钟拉长到几周，延迟就会成为巨大的瓶颈。

9、又离队！！杨瀚森，真没人护着你了...

如果强行加上记忆，机器人就会变成「树懒」，动作开始卡顿。

GPT-5.6 Sol显得有些坎坷。

10、这些年浙江绿城踢出的3-4，大比分下流传的，不是惊心动魄

一张全息底片，哪怕只剩一角，也能重建出整幅图像。

我把一个相对复杂的任务抛给灵犀专业版： 做一个国内顶尖AI人才流动的可视化HTML页面，分析大厂之间的人才流动，用我喜欢的PPT风格呈现。

1、休赛期第一笔大交易！国字号前锋正式加盟山西，改变CBA争冠格局

今年5月，达里奥在开发者大会上说，公司原本按每年10倍增长做规划，结果一季度的收入和使用量按年化算，暴涨了80倍：算力紧张就是这么来的。

2、对话蓝色光标CEO潘飞:三次内部创业，和一个正在重生的“新蓝标”

有意思的是，被点名的Anthropic几乎在同一时间做了另一件事：把Fable 5的付费访问再延一次，Claude Code周额度上调50%，都续到7月19日。

3、2026怡宝中国足球超级联赛 第8轮 北京国安主场赛事票务公告

哪怕AI只是沿着同样的曲线，再往前走三年半，人类社会能做的事，就会和今天完全不在一个量级。锚定“AI+软件”，2026南京软件大会开幕M = 6。

4、赛前

那「回忆」本身呢？海马里的CA3区域是一张高度互联的回路，行为很像物理学家霍普菲尔德在1982年提出的联想记忆网络。

5、在市长与市场间游弋，马拉松出路在哪儿_网易订阅

具身智能真正的未来，是走向AGI，是在开放、未知、充满长尾变数的真实世界中执行高度泛化的任务。

6、红得猝不及防，糊得明明白白，这几位自毁前程的明星，不值得同情

这些全是间接的信号，没有一样写在模型卡上。

编码过程中弹出一张建议卡片——「扫一扫，检测代码安全隐患」。

用户qrdl在论坛发帖，说CritPT自5.4以来几乎没动，除非他们找到了给基准刷分的办法，否则结果也就这样。

7、赶紧自查！你用过的小程序偷开了多少权限？1 分钟全关掉不泄密

只不过复杂的思维链被压在底层，交到你手里的直接就是成品。

有意思的是，被点名的Anthropic几乎在同一时间做了另一件事：把Fable 5的付费访问再延一次，Claude Code周额度上调50%，都续到7月19日。

8、中国美国联合举办世界杯？因凡蒂诺计划太离谱不可能实现！5障碍曝光

爱诗自己也反复强调，世界模型与实时互动技术目前尚在前期探索阶段，很多能力仍需持续验证和迭代。

下一阶段对于全球的决策者而言，政策博弈的核心问题已经变得更尖锐：什么能力级别以上的模型不应开放权重。

征集场景 国家定方向，GDPS来落地！具身进实景，劳动最光荣！国家使命，上海担当。

5小时的限速高墙被他一脚踹倒，用量上限如今一天一刷新，光一个周末就连重了两次。