这一天没有符合筛选的内容。
Anthropic 发布 Claude 5.5 系列的第二款模型 Sonnet 5.5。相比 Sonnet 5，新模型在多项基准测试（benchmark）上表现提升，运行速度提升超 30%，多数工作成本最多降低 30%。Anthropic 公告 基准表现
在实际应用中，Claude Code 用户使用 Sonnet 5.5 完成任务的数量比 Sonnet 5 多约 30%，因为模型更智能，完成相同工作所需 token 更少。一个落叶清理任务的演示显示，Sonnet 5.5 比 Sonnet 5 快 24 秒，少用 6K token。Cat Wu 演示
OpenAI 官方账号发布一条 「Get ready」预告（附链接），Sam Altman 引用该条表示："对明天的 DevDay 很兴奋。我们找到了新东西。"OpenAI 预告 Sam Altman 评论
AMD 宣布以约 82 亿美元全股票方式收购李飞飞创立的 World Labs，交易预计年底前完成。李飞飞将出任 AMD 执行副总裁（EVP）兼首席科学家。AMD 此前已在 World Labs 的 B 轮（Series B）和 2026 年 2 月约 10 亿美元融资轮次中投资。WSJ 报道 World Labs 公告 indigox 转述
SpaceX 的 Starship Flight 14 成功完成首次轨道飞行，将 26 颗 Starlink V3 卫星部署到地球轨道。这是 Starship 首次完成轨道插入燃烧并进入地球轨道，也是首次成功部署 Starlink V3 运营卫星。Starlink 团队确认已与所有 26 颗卫星取得联系，全部正常运行。SpaceX 公告 Elon Musk 确认 卫星部署确认 Starlink 团队
Nvidia 发布 Open Agent Safety Platform，汇集两个组件，为 AI agent 提供安全保障。OpenShell 在内核层面执行策略，位于 agent 进程之外；Sentry 运行在 BF-4 中，可在毫秒级隔离失控 agent。Jensen Huang 表示："信任与创新并不冲突。安全是赢得信任的方式。"超过 100 家产业伙伴支持该平台。Jensen Huang 公告 技术细节 CNBC 报道
据该平台合作方 Thomas Wolf 的说明，OpenShell（Nvidia 开源、Apache 2.0 许可的 agent 沙箱）让 agent 在 Linux 沙箱内运行：没有 root、没有直接网络访问，真实凭证由沙箱外的监督程序持有。Sentry（看门狗）跑在 BlueField-4（BF-4）上，即一块独立的数据处理单元（DPU）芯片，位于该节点通向模型的唯一路径上；即使主机系统被攻破，它也仍在监视。Thomas Wolf 说明
Meta 宣布启动新的重要业务支柱 Meta Enterprise Platform，专注于向企业客户销售 AI 工具。Mark Zuckerberg 宣布 MongoDB CEO CJ Desai 将加入 Meta 担任首席企业平台官，直接向他汇报。初期将专注于把 Meta 的全栈技术带给企业和开发者，包括 Muse（Meta 面向消费者的个人 AI 助手）、Meta Business Agent、Muse API、Muse Code 等。Zuckerberg 公告 WSJ 报道
Zuckerberg 强调："我们相信超级智能将为所有人和企业创造重大新机会。Meta 已经为数十亿人服务，并帮助数亿企业接触客户。"
CNBC 报道，受该任命影响，MongoDB 股价下跌。CNBC 报道
X Square Robot 发布 X Planner：一个 90 亿参数的事件结构化任务规划前端，完美弥合高层指令与执行之间的鸿沟。每个规划步骤在语言中都有意义、在视频中可观察、在硬件上可物理实现。在离线 benchmark 中，X Planner 在两步规划评估中获得 0.9011 BERTScore F1（一种用语义相似度给生成文本打分的自动评测指标，满分 1），直接超越 Qwen 和 Doubao 等既有模型。Robots Digest 详解 架构说明 基准数据
Dyna Robotics 预告新机器人：Dyna Robotics 发布新机器人预告视频，强调"为真实工作的细节和需求而造，为工艺和精通而建"。团队成员表示"可爱、有能力、为真实工作而造"，即将发布。预告视频 团队成员
Microsoft Research 发布 Agensh：一个可扩展的自组织多 agent harness，同时运行 1000+ 编码 agent 进行测试。这是一个有趣的测试，因为今天大多数多 agent 系统都有某种层次结构或结构，而 Agensh 没有中央编排器。Elvis Saravia 介绍
Meta 发布 DCE + SRCL：提出作为同策略自蒸馏（on-policy self-distillation，OPSD）的替代方案。在 Qwen3-8B 上取得显著提升：平均准确率从 30.76% 提升到 65.97%。Aran Komatsuzaki 介绍
GraphWrit3R：直接从原始点云或 3D Gaussian splats（3D 高斯溅射，用大量半透明高斯基元表示三维场景的表示方法）输出结构化 JSON 场景图，无需测试时 ground-truth（人工标注的标准答案）标签。传统方法需要链式多模块进行检测、边界框估计和关系预测，一个模块错误会破坏下游关系图；GraphWrit3R 将场景图生成视为直接序列任务。Robots Digest 详解
自动化 AI 研发可能引发智能爆炸：一篇新论文（作者包括 Jakub Pachocki、Geoffrey Hinton、Yoshua Bengio 等）评估证据并提供政策建议。Yoshua Bengio 强调：自动化越来越多的 AI 研发可能导致 AI 进展在非常危险的不受控"智能爆炸"中急剧加速。论文 作者名单 Axios 报道
David Ha、Sebastian Risi、Yujin Tang 和 Risto Miikkulainen 合著的 Neuroevolution（神经演化，用演化算法搜索神经网络结构与参数的训练方法）教科书正式印刷出版。免费在线版本已可获取，纸质版可预订。David Ha 特别感谢三位合著者的付出，称 Neuroevolution 是一个他非常热爱的主题。免费在线版
Jensen 表达希望，但如果我们就是没有合适的工程解决方案呢？如果 LLM 就不是足够稳定的基础呢？那怎么办？原帖
OpenAI 的鲁莽程度，"就像在侏罗纪公园里，他们不仅让所有恐龙在岛上自由漫游，而且在有人居住的大陆上"。评论
Florida 明白：我们现在就需要禁令，否则我们就是在玩俄罗斯轮盘赌，希望某个新软件包能在某些大规模且可能致命的 AI 诱发的基础设施问题发生之前拯救我们。评论
明天与 Trump/Johnson/AI 的会议，到目前为止确认的顶级与会者是 Dario Amodei、Mark Zuckerberg、Sundar Pichai、Jensen Huang 和 Greg Brockman——总是 CEO，很少独立科学家，这就是监管俘获的运作方式。评论 与会名单
我现在不读/写代码了，我只指导 LRM（Large Reasoning Model，大推理模型）。但这不是因为我认为 LRM 代码质量完美或甚至良好，也不是因为我认为我的指令总是被完美执行——我知道它们没有。重点是：LRM 不只是为你写代码。原帖
我一直在反思有多少随机偶然性进入了当前加速的 AI 时刻，让 Opus 5.5 制作了一个视频，灵感来自老科学节目 Connections，试图指出一系列最初无关的想法如何导致我们现在所处的时刻。视频
我没有完全意识到的是，这意味着每个在自己领域的聪明评论者（政治、文化等）都需要在发布关于 AI 的帖子时对相同的 AI 主题进行相同的补课。关于 AI 安全、意识和工作的讨论的永恒九月。评论
分享 3 个月前 ICRA 2026（IEEE 国际机器人与自动化会议）主题演讲的副本。3 个关键信息：1）建造类人机器，一个困扰人类几个世纪的梦想，正在迅速成为现实。2）到目前为止，人类数据是驱动机器人基础模型最可扩展的训练数据来源。3）世界模型是"数据海绵"，可吸收大量多模态数据用于策略泛化。演讲
如果你是一个与 GPT-6 Astra 一起做有趣事情的机器人研究员，想要访问开源模型（Kimi K3、Qwen 3.8 Flash Next）作为比较，请 DM 我！我很乐意为你提供免费 token 访问。原帖
现在有一个难以置信的机会窗口将 OSS（open source software，开源软件）模型应用于机器人问题，并研究它们为何以及如何在新能力跃升（Astra）面前表现不佳。差距可能会在未来几个月内缩小，所以现在是见证预训练 LLM 能力斜坡的最佳时机。评论
检索是一个决策问题，而不仅仅是相似性问题。Assaf Elovic 在 GPT Researcher 中用 Jev（只输出分类与判定、不生成文本的决策模型）替换 embeddings（把文本转成数值向量的表示方法）的酷实验——73% vs 46% 相关上下文。决策模型将出现在 harness 的各个地方。评论
每个 agent 都需要一个沙盒，harness 应该在它之外——将大脑与手分开。很高兴看到 Nvidia 在这里开源工具，同意 Andrew 的观点，这是 harness 的一部分，不是附加组件。评论
编码 harness → 个人 harness → 组织 harness（公司 harness？企业 harness？还在弄清楚正确的名称，欢迎建议）。原帖
DeepSeek 与超级智能后继者会尝试做什么的问题搏斗。原帖链接
关于 DeepSeek V4.1 Pro 的一些信息：它不是多模态的，因为 DeepSeek 在最后一次"Pro"训练运行中经历了模型崩溃，这归因于缺乏 mm token。如果诊断正确，他们可以从早期检查点恢复，这表明它还有增长空间。转引消息
研究项目所需的努力随着 AI 迅速下降，很难不想到项目的价值也在下降。打破这种偏见并对研究保持兴奋是一场斗争。原帖
在匹兹堡 #IROS2026（IEEE/RSJ 智能机器人与系统国际会议）关于机器人和自动化未来的许多对话。具有预训练 LLM 的 agentic robotics 能否取代对演示数据的唐吉诃德式追求？或者借用尼采的说法——数据死了吗？评论
生活更新——我两个月前离开了 OpenAI。非常感谢有机会为 AGI 做出贡献并与优秀的队友一起工作（想念你们）。我现在很兴奋开始研究一些我认为在 AGI 之后会很重要的问题……特别是机器人！原帖
请停止给我发你的 AI 生成的 deck（演示文稿）。它们闻起来完全没有思考。原帖
要明确，问题不是"使用 AI"，而是 1）缺乏原创思想（糟糕的目标）和 2）缺乏控制模型以根据你的目标产生真正好东西的能力（差对齐）……而且模型在清晰度、简洁性、情感方面仍然很差。补充
我发布了详细笔记和带注释的文字稿，配合我周五在圣何塞 WeAreDevs World Congress North America 主题演讲的视频——这是我对 2026 年迄今为止 LLM 和 agent 所发生的一切的总结。详细笔记
模型分数不是 agent 分数。模型基准测试通常只测基础模型本身。然而，生产 agent 不是孤立运行的。相反，它们在一个解析工具调用、存储历史、管理上下文、重试失败操作、执行预算的系统中运行……原帖
AI 在 3 年内给了我们多少新原语，这有点疯狂：本地模型（2023）、语音克隆（2023）、文本转 CAD（2023）、文本转视频（2024）、实时语音（2024）、记忆（2024）……列举
每个开源仓库都应该有一个像这个 SQLite 7 分钟的解释视频：1）解释仓库的功能及其有用性；2）显示代码的高层地图（漂亮的图形！）；3）查询通过代码库的生命周期；4）仓库中的核心抽象；5）一次执行的真实追踪及其过程，含 join-order 查询规划的说明。原帖