蚂蚁灵波开源新一代具身基座模型LingBot-VLA 2.0，覆盖17个品牌20种机器人构型，预训练数据达6万小时，双臂协同与移动操作性能领先π0.5与GR00T N1.7，后训练版本在RTX 4090推理耗时约130毫秒，已在零售、物流、工业场景开启商业落地测试。
值得关注：该开源模型降低了具身智能研究与应用的门槛，通过支持多种品牌和构型的机器人，有望加速机器人行业在真实场景中的部署。其高性能（低于130毫秒的推理延迟）为实时操作提供了可能。
NVIDIA Recovery 是 NVIDIA DSX OS 旗下开源的集群级工作负载恢复服务，通过“检测—归因—隔离—重启/停止”四阶段循环，自动处理跨训练作业的中断，并在生产集群上录得约 69 秒的平均检测延迟与 94 秒的平均恢复动作延迟。
值得关注：决定“墙钟时间转化为有效训练进度（goodput）”的效率：中断本身可控，但累计影响与恢复开销决定系统效率；重叠故障会放大工程负担与浪费的 GPU 小时，缺乏持续覆盖时这些损失会累积，抬高算力成本、拉长训练时间。 把恢…
UST与Anthropic合作，将Claude集成到芯片验证、制造流程及医疗、电信、银行系统中，计划培训2万名工程师使用Claude，并报告验证周期缩短50%–70%。
值得关注：展示了大语言模型在传统高壁垒工程领域（芯片验证、制造流程）的实用价值，而不仅仅是文本处理。 2万名工程师的大规模培训意味着企业级AI采用的新模式：先内部验证，再交付客户。 突出AI在需要严格治理和人类监督的场景下的可行…
Anthropic于2026年7月9日发起“艰难问题”倡议，公开邀请公众提出关于AI的最尖锐问题，并承诺透明地展示公司为回应这些问题所采取的具体行动。
值得关注：AI技术的发展已引发广泛的社会讨论，但多数讨论仍局限在专家或业界内部。Anthropic主动向公众征集问题并承诺公开回应，有助于弥合技术开发与社会期望之间的鸿沟，增强信任，并推动负责任的AI发展。
根据官方元数据，GPT-5.6 被描述为“随您雄心扩展的前沿智能”，强调每 token 输出更多智能、每美元更强性能以及按需提供更高能力。因未能抓取正文，具体内容待核实。
值得关注：“每 token 更多智能”暗示模型可能在不增加推理计算量的情况下提升回答质量，这对大规模应用的成本控制至关重要。 “每美元更强性能”直接指向商业部署的经济性。 “按需能力”可能使单一模型适应从简单问答到复杂推理的不同…
待核实：OpenAI 可能推出了一项针对 GPT-5.5 的生物安全漏洞赏金计划（Bio Bounty Program），但具体细节无法从当前材料确认。
值得关注：待核实：AI 模型与生物安全交叉是当前前沿议题，GPT-5.5 作为新一代模型，其生物安全漏洞赏金计划可能反映 OpenAI 对高风险应用的前瞻性风险控制。
Cloudflare CEO 指出，2026 年上半年机器人流量首次超过人类流量，基于广告的互联网商业模式因机器不点击广告而面临失效；同时 AI 正在加速漏洞发现，未来两年每周可能爆发类似 Log4j 级别的安全漏洞，但两年后软件质量将因 AI 代码审查大幅提升。
工信部NVDB通报Claude Code存在安全后门，可在未经用户同意下回传地域与身份标识，建议立即卸载受影响版本（2.1.91至2.1.196），阿里已内部宣布禁用。
值得关注：AI编码工具被广泛嵌入企业开发流程，后门隐患可能导致敏感代码、项目数据及用户身份信息泄露。国家级安全机构（工信部NVDB）公开通报加剧了企业对闭源AI工具的信任危机。
OpenAI 于 2026 年 8 月推出 ChatGPT 桌面应用 Linux 预览版，将 ChatGPT、Work 与 Codex 整合进同一客户端；其中 Codex 能直接操作本地项目、代码库和终端，是本次更新的关键亮点。
值得关注：对 Linux 开发者而言，这是首个能直接操作本地代码库和终端的官方 ChatGPT/Codex 桌面入口，而非浏览器套壳。 对 AI 编程工具竞争而言，本地终端入口成为“谁先到本地、谁先进终端”的胜负手。 本条是对 …
波士顿动力通过人类运动演示（如足球运动员的动作）来训练其Atlas机器人，使其能够完成类似运动员的复杂物理动作，并将Atlas从研究机器人演化为工业人形机器人。
值得关注：传统机器人运动需要精细的数学建模与控制编程，而通过人类演示（如足球、体操等运动）训练，机器人可以更自然地学习复杂、灵活的全身运动。这种方法有望让机器人更好地融入人类工作与生活场景，尤其适用于工业、物流、灾难救援等需要适应性的领域。
Anthropic 于 2026 年 8 月 4 日宣布，Mariano-Florentino (Tino) Cuéllar 将加入公司，担任其首任 Chief Global Affairs Officer，负责全球政策、战略国际参与及政府关系。
值得关注：Cuéllar 在声明中表示，政策制定者越来越意识到“人工智能治理与发展的关键转折点”已经到来，并强调“民主国家必须设定这项技术发展的条件”。这句话概括了 Anthropic 此次人事任命所传递的公共政策定位：在 AI…
2026年世界人工智能大会（WAIC 2026）将于7月17日至20日在上海举办，以“智能伙伴，共创未来”为主题，规模再创新高：超10万平方米展览、1100余家企业参展、推出3000余项展品，并首次设立OPC专属展示区，180家企业携成果入驻。
值得关注：WAIC是中国乃至全球人工智能领域最具影响力的年度盛会之一。本届大会的规模与主题变化，反映出AI行业已经从单点技术突破进入系统化、生态化协作阶段，同时强调了AI与人类社会的深度融合。大会吸引全球顶尖企业、学者和决策者，…
通过为 NVIDIA Nemotron 3 Ultra 构建定制的 LangChain Deep Agents harness profile（如添加 `ReadFileContinuationNoticeMiddleware` 中间件），可在不进行微调的情况下提升开源模型的 agent 准确性，使其接近专有前沿模型的水平。
值得关注：为缺乏微调资源或能力的团队提供了一条低成本、高效率的 agent 优化路径。 展示了“harness 工程”作为一种系统化的方法，可机械化 agent 优化过程并减少过拟合风险。 自动化循环（如 LangSmith E…
Anthropic 将 Claude Cowork 扩展至手机和网页端，任务迁移至云端后即使合上电脑也能持续执行，并遇到需决策时推送手机等待用户确认；该 agent 产品面向日常杂活，与巨头同步布局 agent 增量市场。
值得关注：1. 从“必须保持设备运行”到“云端持续执行”，大幅降低 agent 使用门槛。 2. 手机端推送决策体现了“人机协作”而非完全自动化的设计思路。 3. 合并入口与用量翻倍策略显示 Anthropic 正加速推广 Co…
ChatGPT Work 是 OpenAI 推出的一个智能代理（agent），能在用户的应用和文件间执行操作，可长时间跟踪项目，并将目标转化为完成的工作成果。
值得关注：传统大语言模型多停留在对话与内容生成层面，而 ChatGPT Work 试图解决“从想法到执行”的最后一公里难题。 若其宣称的跨应用自动化能力可靠，它将可能改变个人与团队的工作流程，降低重复性操作成本。 对 AI 行业…
ZipDepth是一个仅6.1M参数的紧凑型单目深度网络，通过知识蒸馏与高效编码器-解码器设计，在零样本精度与部署效率之间取得最佳平衡，可在从服务器GPU到功耗受限设备上实现实时运行，性能接近参数量大50倍的基础模型。
值得关注：当前基础模型精度虽高但难以部署，而现有轻量模型在域迁移时易失败。ZipDepth首次将知识蒸馏与高效架构结合，在保持极小参数量的同时获得接近基础模型的零样本泛化能力，为将深度感知能力普及到边缘设备提供了可行路径。
该论文提出一种受 Lisp 启发但语言无关的概念模型，将工作流定义、实例、推理记录、上下文快照和依赖关系表示为共享知识基底中的持久化知识对象，并区分确定性计算（derive）与 LLM 中介判断（infer），从而使工作流本身成为可检查、可恢复、可审查的知识对象。
值得关注：当前 LLM 工作流多关注执行效率，忽略了工作流作为知识载体本身的可复现性和可审查性。该概念将工作流提升为“一等知识公民”，有助于提升 LLM 应用的可靠性、可解释性和监管合规性。
WebSwarm 是一种渐进式递归委派框架，通过动态任务分解、递归扩展和智能体协作，在深度搜索、广度搜索及两者交织的复杂任务上，显著优于单智能体与现有并行多智能体基线。
值得关注：WebSwarm 针对现有并行多智能体系统的三大短板——递归深度不足、协作适应性差、缺乏基于证据的扩展——提供了统一的解决方案。它展示了如何让 LLM 代理在复杂、多层次的信息搜索中自主构建搜索树，并动态调整策略，从而…
基于77,543名远程学生的客观日志数据，AI学习助手Syntea已融入许多学习者的日常学习，但其使用模式因性别、年龄、学习领域、学位和学习方式等人口与结构因素而异。现有研究多依赖小样本和自报告数据，本研究提供了大规模实际使用行为的实证基础。
值得关注：填补了教育聊天机器人领域缺少大规模客观使用数据的研究空白 为个性化学习支持、课程设计、教育公平等政策制定提供数据基础 不同于依赖小样本或主观报告的研究，本研究的规模和方法更具代表性
UniClawBench 是首个基于能力驱动设计的基准，用于在动态真实环境中评估主动智能体（proactive agents），并通过细粒度逐步检查点、闭环评估策略以及多框架对比，揭示了基础模型能力与代理框架设计如何共同影响真实世界任务表现。
值得关注：现有基准无法有效评估主动智能体在复杂动态环境中的表现，UniClawBench 填补了这一空白。其基于能力的分解方法、实时 Docker 评估和闭环多轮反馈机制，更贴近实际部署场景，能够推动更可靠、更实用的主动智能体研发。