根据现有元数据，在线旅游公司 loveholidays 正在利用 OpenAI Codex，让非技术团队也能参与软件开发，从而更快地把想法变成产品。具体机制与效果暂待核实。
来源页面标题为“How loveholidays is making everyone a builder with Codex”，可初步判断为 loveholidays 的官方案例分享。 核心信息：loveholidays 使用 OpenAI Codex 降低软件开发门槛，使公司内更多角色能够“构建”产品。 具体部署方式、使用场景、实际成效等细节，因未能…
通用具身基础模型DM0.5在港大等近20所机构联合发起的RoboDojo评测中综合排名第一，其中Memory维度表现大幅领先，并已全面开源模型权重与训练框架。
腾讯研究院AI速递（20260826）报道，原力灵机DM0.5作为通用具身基础模型，在RoboDojo评测中综合排名第一。RoboDojo由港大等近20所机构联合发起。报道称，DM0.5在仿真榜以24.90综合得分、19.34%平均成功率大幅领先，并在Memory维度获得47.74分、成功率47.44%，远超第二名，成为登顶关键。
候选摘要显示，OpenAI 正在将 **ChatGPT for Teachers** 扩展至 **55 个美国学校系统**，为超过 **100,000 名**教育工作者和教职员工提供安全 AI 工具、培训与支持。由于原始网页正文未能抓取，以上数据及细节有待原文核实。
**事件概述**：OpenAI 官网发布文章《Bringing ChatGPT for Teachers to more U.S. school districts》，介绍 ChatGPT for Teachers 向更多美国学区扩展。根据候选摘要，本次扩展涉及 55 个美国学校系统，新增覆盖 10 万多名教育工作者和教职员工。
据AGIBOT官网新闻（2026-08-26），AGIBOT在世界人形机器人运动会（World Humanoid Robot Games）首秀中赢得18枚金牌，位列金牌榜和总奖牌榜第一；具体赛事细节与统计口径待核实。
AGIBOT官网新闻中心发布题为“AGIBOT Wins 18 Gold Medals on World Humanoid Robot Games Debut, Tops Gold and Overall Medal Tables”的新闻，宣布公司在世界人形机器人运动会首次亮相即获得18枚金牌，并在金牌榜和总奖牌榜上均排名第一。网页正文未抓取，比赛的时间、…
英伟达首次公布下一代机柜级系统 Vera Rubin NVL72 的片上实测结果：使用 DeepSeek-V4-Pro 运行智能体编码任务，每兆瓦吞吐较 GB300 最高提升约 30 倍，每百万 Token 成本最高下降约 35 倍；同期还发布了首款 Agent 专用 Vera CPU，并被 SpaceXAI 规模化部署。
在 Agent 时代，旧有基准已不足以衡量推理系统。英伟达改用反映上下文增长与工具调用的 AgentX 测试，首次对 Vera Rubin NVL72 进行“片上实测”，对比现有主力 GB300。
苹果发布新一代Mac mini与Mac Studio，搭载M6及M5 Pro/Max/Ultra四款芯片，以统一内存架构主推本地大模型运行；其中M6为首款2纳米M系列芯片，AI性能最高达M4版4倍，Mac Studio还可通过Thunderbolt 5组集群做分布式推理。
腾讯研究院AI速递于2026年8月26日报道，苹果发布新一代Mac mini与Mac Studio，搭载M6、M5 Pro/Max/Ultra四款芯片。Mac mini起售价6999元，Mac Studio起售价19999元，多款配置较前代涨价500—1000元。
NVIDIA 提出的 COMPASS（Cross-Embodiment Mobility Policy via Residual RL and Skill Synthesis）框架，借助 AI 编码代理和人类审批门，将预训练的 NVIDIA X-Mobility 导航策略适配为面向特定机器人与环境的“残差专家”，从而显著降低跨本体、跨环境导航策略开发与复现…
导航需要机器人持续定位、理解环境变化、规划路线并避障到达目标。传统上，将导航能力迁移到新机器人或新场景，需要重新采集数据、制作仿真资产、修改机器人接口、训练、诊断和评估，每个“机器人-场景”组合都昂贵且难以复现。NVIDIA 技术博客（2026-08-26）提出一种代理驱动工作流：开发者只需定义机器人、场景源和导航目标，编码代理即可调用仓库技能完成环境验证…
Alibaba 发布的 Qwen3.8-Flash-Next 预览模型，以 176B 总参数量、6B 每 token 激活参数，结合 Gated DeltaNet 与 Qwen Sparse Attention 的混合架构，在 NVIDIA GB300 NVL72 上可实现每 GPU 超 16K tokens/s、每用户超 200 tokens/s 的吞吐…
NVIDIA 技术博客于 2026 年 8 月 26 日发文，介绍 Alibaba 开放 Qwen3.8-Flash-Next 模型权重。该模型被视为即将到来的 Qwen4 架构的预览版本，供开发者实验和评估。NVIDIA 在 GB300 NVL72 上提供 Day 0 推理支持，并配套 NeMo 微调、强化学习及多推理栈方案。
Codex负责人Tibo表示，ChatGPT与Codex终将融合为高度个人化的AGI；下一代Agent的关键不是堆叠更多机制，而是让skill、记忆、子Agent等机制“消失”，成为持续理解用户的伙伴。
腾讯研究院AI速递 20260826 中摘录了与Codex负责人Tibo的对话，涉及额度重置、ChatGPT与Codex融合、Agent演进方向、OpenAI推理优化与对齐安全等内容。
豆包工作通过与飞书原生打通，让办公Agent直接读取企业聊天、文档、表格与权限上下文，成为目前最接近企业Agent终局的一组实践答案。
2026年8月26日，“豆包工作”作为面向生产力场景的Agent产品正式发布，支持飞书企业账号一键登录。量子位对其进行了深度实测，核心问题不是“Agent能不能干活”，而是在基础能力趋于同质化之后，Agent能否真正理解一家公司的组织上下文和工作流。
Zero-WAM 提出一种以人类操作视频作为“上下文指令”的因果视频-动作模型，让机器人零样本执行训练中从未见过的操作任务，在 RoboTwin 2.0 的 7 个未见任务上平均成功率达到 47.0%。
研究问题：机器人操作中的零样本跨任务泛化——如何在训练时未见过某任务的情况下，让策略直接执行该任务？
VoiceMem 提出一种带有“信息左脑 + 情感右脑”的流式双脑记忆架构，可在语音对话系统中实现高精度、情感化、个性化且低延迟的实时记忆读写，检索仅需 134 ms，不增加额外对话延迟。
双工语音语言模型（SLMs）等对话系统仍缺少一个流式、准确且具有共情能力的记忆系统作为“灵魂”。为此，VoiceMem 提出了一种简单的记忆架构，包含并行的信息性“左脑”、情感性“右脑”，以及流式记忆输入/输出机制；并配套构建了面向记忆感知 SLM 训练的完整流程、长时程评估方法和可解耦部署方案（支持可互换的记忆后端）。
VISA 把多模态指令跟随数据的合成从“一次性生成-过滤”转变为“合成-验证-反馈-记忆-再合成”的自我进化闭环；在 MM-IFEval 上稳定提升多模态指令跟随性能，并在七个公开基准上保持通用多模态能力。
多模态指令跟随模型需要准确、多样、可验证且有挑战性的训练数据。现有合成管线通常是一次性生成再过滤，把失败样本的反馈、验证器输出和目标模型错误都丢弃了。VISA 提出将这些信息重新循环利用，让数据合成过程随着迭代自动演化。
VBVR-Pro 是一个把“通过视觉生成进行推理”变成可训练、可验证、可优化、可对照实验的闭环测试平台：用 300 个程序化任务支撑训练，用规则化的可验证奖励替代 VLM 裁判，并在超过 30 种图像/视频/交错生成器上做机制研究，提出存在对视觉推理至关重要的“视觉原生轨迹”。
“原生视觉推理”（native visual reasoning）把图像和视频不是当作待理解的输入或待渲染的输出，而是当作超越语言的、用于问题求解的一等介质。但该方向缺少可扩展的训练任务、可靠的反馈信号，以及跨生成介质的受控比较。VBVR-Pro 针对这三个瓶颈提出闭环测试床。
本文提出 UGDiff，一种不确定性引导的扩散采样范式：先估计高保真图像潜在特征的重建不确定性，再结合扩散采样器每步的后验方差动态确定高不确定性区域，从而指导扩散过程只在这些区域重点恢复高频细节，其余区域保持保真度，最终在感知质量与失真之间取得更好平衡。
单图像超分辨率（SR）面临“感知-失真权衡”这一根本挑战。扩散类超分方法能生成感知上很真实的图像，但保真度不足；近期工作尝试提高保真度，却往往因为过度依赖高保真图像而损害感知质量。本文针对这一矛盾，提出新的扩散引导范式 UGDiff。
在B模式超声图像中，使用超声域内基础模型作为LPIPS骨干，比使用自然图像或医学通才骨干更能匹配下游监督任务性能；LPIPS骨干选择是一个不可忽略的设计决策。
医学影像常用LPIPS（Learned Perceptual Image Patch Similarity）在特征空间进行图像的语义比较。现有LPIPS通常使用在自然图像上预训练的骨干网络，但B模式超声图像具有独特的斑点噪声和声学统计特性，与自然图像甚至其他放射学图像都不同。研究者提出：超声数据需要领域特定的模型来衡量感知相似性，而这在其他影像模态中未必成…
大型语言模型在孤立编程问题上能写出正确代码，但在需要数小时反馈循环的机器学习开发上仍弱于强人类；TraceML 用版本级开发轨迹把这一差距定位为智能体动作范围狭窄、不常切换、不重新打开已放弃方案，并显示从人类实践中提炼的短规划提示只能部分弥合差距。
TraceML: An Empirical Analysis of Human-Agent Planning in Machine Learning Development
对LLM数据智能体而言，答案正确不足以证明可靠：必须进一步检查答案背后的“计算轨迹”是否完整、可执行、符合模式、忠实于算子、可重放、与答案一致且可审计；仅凭答案准确率会高估真实系统的可靠性。
论文针对结构化数据任务中的部署可靠性问题。论文指出，基准测试中“答案正确”的样本可能由无效的计算轨迹产生；而自然语言推理和自由形式理由无法可靠地转化为真实系统所需的算子级程序。这种“结构鸿沟”（Structure Gap）导致部署失败。为此，论文提出“轨迹完整性”（Trace Integrity）作为部署可靠性标准，并引入执行契约和CAIT率来度量并缓解该…
在一次决策优化问题中，如果决策者凭借人类经验判断“名义问题最优值不太大”，那么这种主观信念所能带来的最坏情况性能保证的最大改进，恰好等于某个 max-min 问题的 minimax gap（前提是策略的最坏情况性能计算可写成凸规划）。
本文研究的是含未知参数的优化应用。决策者面对的参数无法从数据中完全得知，但其本人基于领域知识和物理世界互动，拥有数据集之外的人类信息，因而相信：如果真实参数已知，自己会求解的那个“名义问题”的最优值不太可能很大。论文试图回答：这类人类信念能否被严格地转化为更好的性能保证？若能，改进的上限是多少？