Palantir CEO Karp 认为，大语言模型是概率性的，不能直接用于造车、发火箭等高精度任务；企业买 Token 烧钱难以产出价值，关键在于将模型、应用层与算力结合，并让客户自持权重、数据与算力。
值得关注：本条与已有相关卡片无直接重复。它提供了一个产业界高管对“Token 经济”的反思：在生成式 AI 热潮中，单纯按 token 调用模型未必能创造业务价值；本地基础设施、应用层和算力自持可能成为企业采用 AI 的关键考量…
OpenAI针对苹果的起诉发表官方声明并公开邮件与聊天记录，否认“有组织地窃取硬件机密”，称苹果所谓的诉前沟通源于一封发错的邮件和“一通不存在的电话”；但公开记录也显示，两名前员工离职后确曾回答产品计划相关问题，且iCloud权限一度保留。
值得关注：这是少见的AI头部企业与大型科技巨头之间围绕硬件机密对簿公堂的公开案例。 与既有AI行业“模型竞赛”类报道不同，此案涉及硬件、组织行为和法律风险，是AI产业竞争维度多元化的信号。 增量信息：OpenAI在2026年8月…
Artificial Analysis 发布了“端点准确性指数”（Endpoint Accuracy Index），用于衡量不同提供商端点（provider endpoints）所服务的模型质量是否与参考模型一致；具体方法与结果目前待核实。
值得关注：随着同一开源或开放权重模型被多家云厂商部署，用户默认“同模型同质量”，但量化精度、推理框架、采样参数、防护策略等都可能造成实际输出差异。该指数首次将“端点与参考模型的一致性”作为可量化维度纳入公开评测，是对既有模型能力…
SpaceX 2026年第二季度财报显示，其AI业务收入达25.61亿美元，同比增长247%，已成为第二大收入来源；但同期AI资本开支高达158.28亿美元，AI部门营业亏损12.6亿美元——算力租赁商业化已跑出雏形，距离盈利仍有明显距离。
值得关注：这份财报首次量化揭示了SpaceX在AI算力领域的真实投入与回报：AI收入爆发式增长，但资本开支更大、亏损仍在。它标志着头部科技公司正把AI算力租赁做成一项规模化生意，也展示了“自用AI基础设施”向“对外算力云服务”转…
NVIDIA Alpamayo 2 Super 是一个 340 亿参数的开放推理视觉-语言-动作模型，将 32B Cosmos 3 Super Reasoner 与 2B 扩散式 Action Expert 组合，通过强化学习后训练，面向自动驾驶统一完成轨迹生成、推理链、meta-action 预测、视觉问答与自动标注等任务。
值得关注：Alpamayo 2 Super 不只是“更大的轨迹预测模型”，而是把轨迹、推理、高层意图、问答和标注放在同一个基础模型中。轨迹回答“车接下来怎么开”，CoC 推理轨迹回答“为什么这样开”，从而便于调试、难例筛选和部署…
Epoch AI 维护一套公开的AI相关数据集（模型、基准、数据中心、芯片、公司等），旨在以数据展示1950年至今AI的发展轨迹，并供政策制定者、研究人员等免费使用。
值得关注：在AI快速变化的环境中，统一的公开数据资源能够支撑可复现的分析和决策。已有卡片“Epoch AI 数据洞察”侧重其新闻简报产品，本条增量信息在于：Epoch AI 提供了可下载、可交互的底层数据集目录，并给出了各数据集…
波士顿动力博客发布了一篇题为“Ask a Roboticist: Meet Taylor”的专访，邀请机械工程师Taylor Frey-Baker回答关于机器人头部、机器人“大脑”以及她本人成为机器人专家的经历；具体访谈内容因材料受限尚未核实。
值得关注：该材料属于“AI产业-人物访谈”类内容，与已有的基准报告或研究趋势卡片形成互补：它从个体工程师视角呈现机器人行业的日常工作与思考。 它可能提供关于机器人“感知”“控制”或“硬件设计”的通俗解释，但完整内容需以原文为准。…
波士顿动力博客“Ask a Roboticist”系列新增一篇机械工程师Diane的专访，来源描述称其主题涉及机器人的耐久性测试以及如何在数周内模拟数年的机器人使用；但抓取到的正文片段显示的是“Meet Ethan”，因此Diane专访的具体内容与身份细节待核实。
值得关注：波士顿动力的公众形象长期集中在动态运动与视频演示上；“Ask a Roboticist”系列把叙事转向工程细节与工程师个人经历，有助于理解机器人产品化背后的可靠性工作。 对产业观察者而言，耐久性测试能力是判断机器人能否…
ForgeStencil 是面壁智能联合 OpenBMB 开源的 AI 优化系统，据称是全球首个支持 Stencil 自动研究与部署的系统；它由 Kernel Agent 与 App Agent 组成，宣称可在零人工介入下实现从优化想法到应用部署的闭环，一周自动优化 100+ 工业与科学软件，同精度较最优基线平均加速 2.35 倍。
值得关注：已有相关卡片分别涉及通用 3D 世界代理、编码智能体推理性能、以及代理视觉交互改 UI；ForgeStencil 的增量在于：它把 Agent 用于底层软件性能优化，并强调“自动研究 + 自动部署”的完整闭环，而不是停…
北京大学与元空AI联合实验室开源科研智能体OpenAI4S，采用MIT协议、核心零依赖，以Code-as-Action思路独立复现闭源Claude Science，内置30+科研Skills，并强调不伪造数据与计算。
值得关注：已有相关卡片覆盖了通用3D代理、编码智能体、UI设计代理等方向，而本条聚焦“科研智能体”与“开源复刻”这一增量信息：在AI4Science领域，OpenAI4S不仅强调智能体用代码执行科研任务，更把“不伪造策略”作为核…
一篇发表于《Nature Machine Intelligence》的 News & Views 评论指出，一种新的深度学习方法通过“轨迹预测”推进分子动力学模拟，可以在更长时间尺度上运行模拟，同时仍能实现准确的物理性质预测，从而突破传统分子模拟中的“飞秒时间步长上限”。
值得关注：分子模拟的时间步长限制直接影响可模拟的物理过程总时长，是计算化学和物理化学中的一个关键瓶颈。 从“显式时间积分”到“轨迹预测”的转变，展示了深度学习在科学模拟中不只是加速单步计算，还可能改变模拟的基本推进方式。 该评论…
论文提出“技能熵”（Skill Entropy）来量化长程推理中模型在不同技能之间切换的难度，并以此构建了跨技能长程推理基准 Skill^2-Bench 和训练框架 Skill-Entropy RL；在 Qwen3-4B-Instruct 上，Skill^2-Bench 分数从 34.4% 提升至 68.4%，在 Qwen3-1.7B 上从 14.6% 提…
值得关注：现有评测往往只看“每个技能本身行不行”，忽略了“模型能否在推理链中顺畅切换技能”。该工作把“技能切换”这一长期隐含的瓶颈显式化。 它不仅提出评测指标，还把指标从“衡量尺度”变成“训练信号”，形成闭环。 与已有相关卡片相…
VirTues（Virtual Tissues）是一个通用的空间蛋白质组学基础模型，利用蛋白质语言模型嵌入和分解式Transformer，从多重成像数据中直接学习蛋白质、细胞、微环境到组织的多尺度表征；从单一预训练骨干即可支持标记重建、细胞分割与分型、微环境注释、空间生物标志物发现和患者分层，并在三阴性乳腺癌中展现出优于现有方法的生物标志物预测能力。
值得关注：VirTues是首个直接运行于高重空间蛋白质组学、并能够跨异质panel和数据集整合的通用基础模型。它填补了从原始成像数据到临床可操作生物标志物分析之间的空白，为构建统一的空间蛋白质组学“虚拟组织图谱”提供了蓝图。与已…
在分解模型 \(W = UV^\top\) 中，梯度下降隐式偏向低秩解，而 Adam 从相同的小初始化出发不具备这种偏置。研究者将差异追溯到损失函数的规范对称性（gauge symmetry），即 \((U, V) \mapsto (UQ, VQ)\) 下的不变性；梯度流的低秩机制只有在优化器满足规范等变（gauge-equivariant）时才能迁移，而…
值得关注：提供了一个新的优化器分类视角：不仅要看收敛速度或显存效率，还要看更新规则是否保持损失函数的规范对称性。 对基础模型训练有启示：Adam 虽然常用，但可能缺少低秩隐式偏置；Muon、Shampoo 等规范等变优化器可能更…
通过对 NVIDIA Nemotron 检索栈进行端到端适配（语料挖掘、合成监督、检索模型训练、重排器适配、阅读器微调），现代希腊语的专业领域 RAG 性能得到大幅提升；微调后的 Nemotron 1B 嵌入器在 HERA 基准上 nDCG@10 从 0.362 升至 0.835，LoRA 调优的 30B-A3B 阅读器将判定答案正确率从 29.4% 提升…
值得关注：现代希腊语是相对低资源语言，在主流检索模型中缺失。这项工作是针对 Nemotron 检索栈做希腊语端到端适配并公开基准的尝试之一；HERA 据称是首个大规模希腊语 RAG 基准。与已有相关卡片（DualG-MRAG、P…
本文证明，子空间约束均值平移（SCMS）算法在一般情况下并不收敛到传统文献所认为的“静态密度脊”，而是收敛到一种新定义的“稳定密度脊”；作者进一步提出广义SCMS框架，并给出了收敛性与统计一致性的理论保证。
值得关注：这项研究颠覆了关于SCMS算法收敛性的长期假设：算法并不收敛到经典的静态密度脊，而是收敛到新的稳定脊。该发现为密度脊估计建立了更严格的理论基础，同时指出了原始算法计算效率低下的原因，并提出改进框架。与已有相关卡片相比，…
在分布式优化中同时实现本地差分隐私（LDP）和低通信成本仍有挑战。 已有向量量化方法，如 vqSGD，使用高维几何构造，但会产生不利的、随维度增长的方差。 本文提出 SSTQ，试图在隐私保护、量化误差和通信开销之间取得更好平衡。
值得关注：现有 vqSGD 等方法虽能做隐私向量量化，但方差会随维度变差；SSTQ 用坐标子采样与紧框架组合来缓解该问题。 与已有知识卡片中的 EdgeRefine（图差分隐私）不同，本条的增量信息主要在于“向量量化 + 本地差…
本文提出“口语函数调用”（Spoken Function Calling, SFC）这一新视角，用结构化规则定义替代传统封闭集口语语言理解（SLU）的模糊规则，实验表明SFC可显著提升LLM和LALM的语义抽取准确率。
值得关注：已有大型音频语言模型研究多关注推理蒸馏、声学感知等方向，而本文从“语义理解如何定义”这一源头问题切入，将口语语义理解重新表述为函数调用，并提供 SFC-Bench 这一评估资源。它为语音交互系统从封闭集意图识别走向开放…
SmartMage 是一个根据查询内容动态选择相关模态（而非固定组合）的 3D 场景理解多模态大模型（MLLM），据论文摘要，它在 5 个 3D 场景理解基准上达到 SOTA，在 RGB-only 视频理解基准上取得有竞争力的结果，并提出了 ScanFacet 诊断基准来分析不同语义任务偏好的模态组合。
值得关注：现有 MLLM 通常默认“所有模态都输入、所有模态都融合”，但真实查询往往只依赖其中一部分模态。SmartMage 把问题从“如何融合所有模态”转向“当前查询到底需要哪些模态”，这对多模态推理和具身智能具有重要意义。它…
待核实（仅有论文元数据，无法确认研究结论）。
值得关注：该论文发表于《Science Advances》，主题涉及微纳机器人在口腔疾病治疗中的应用，可能为牙周炎的靶向给药或生物膜清除提供新思路。但具体增量贡献需在获取全文后评估。