搜索
近年来，大语言模型（LLMs）在长篇视觉叙事中展现出卓越潜力，生产方式正迅速从单一模型生成转向面向生产的智能体系统。但长视频剪辑仍然是一个极难控制的长期任务。模型有时会在缺乏素材依据的情况下强行生成，甚至在面对明显断档的转场或人物不一致时依然“盲目拼接”。
据最新独家爆料，谷歌目前正在紧锣密鼓地对即将发布的重磅大语言模型Gemini 3.5 Pro进行高强度的激进迭代，在正式揭晓之前，内部预计还会测试更多的版本。
2026 年 6 月 19 日，John Jumper 在 X 上宣布，自己将离开工作近九年的 Google DeepMind，在短暂休整后加入 Anthropic。随后，DeepMind CEO Demis Hassabis 也公开回复，感谢 Jumper 对 AlphaFold 和 AI for Science 的贡献。
我们相信，常驻型 (always-on) AI 助理的下一次飞跃，不在于把某一个模型单点调得更聪明，而在于扩展智能体的上下文 (Scaling Agent Context)—— 不断拓宽助理能够持续 "感知 — 推理 — 执行" 的范围，作为生活连接器连接用户的信息孤岛，直到它能接管用户的整个数字世界。
最近，谷歌连失两员大将。短短三天内，先是 Transformer 论文共同作者 Noam Shazeer 离开谷歌加入 OpenAI；紧接着诺贝尔奖得主、AlphaFold 负责人 John Jumper 转投 Anthropic 麾下。
来自西湖大学和香港中文大学（深圳）的团队沿着这一思路提出 Drifting Preference Optimization（DrPO），把漂移场用于单步文生图模型的偏好后训练。在 DrPO 中，奖励只负责对候选图像排序，不参与反向传播。具体而言，针对同一个文本提示词，当前模型生成一组候选图像。高分样本在特征空间中产生吸引，低分样本产生排斥，并结合参考模型约束给出模型的更新方向。
如今，CameraSquad 的出现，让这种多视角一致的视频生成与 3D 世界状态构建成为现实。近日，中国科学院大学高林研究员团队联合卡迪夫大学、香港科技大学和快手可灵团队，提出了一种面向多轨迹并行生成的相机可控视频生成方法 CameraSquad [1]，相关论文已被 ACM SIGGRAPH 2026 录用。
对于 AI 生成图像中可能存在的不自然伪影，我们是否不仅能够将其定位和解释，还能进一步对其进行修复，使图像恢复为更加真实、自然的视觉外观？围绕这一问题，来自北京大学等机构的研究者提出了 GenShield：一个统一的自回归框架，将 AI 生成图像检测 与 图像伪影修复 结合到同一个闭环中，实现从 “诊断” 到 “修复” 的一体化建模。
在常规的对话外，Claude Code（也可以是 Codex）其实还提供了一些别样的控制（或者说：上下文注入）方法，比如：CLAUDE.md、Rules、Skills、Subagents、Hooks、Output Styles、以及 System Prompt Append
一觉醒来，AI的新潮流变成了养猫？？？火速围观一下，刚刚全球流式音视频模型赛道闯进了一匹黑马，能力SOTA级，模型名字就叫缅因猫（MaineCoon）。养过缅因猫的朋友都知道，这个品种有个外号叫「猫狗」，意思是几乎你走到哪儿，它就跟到哪儿，相当粘人，互动感MAX。
美国政府出口管制令刚落，坊间以为Anthropic最强模型Mythos要彻底消失。结果彭博社一锤炸响：仍有200多家银行和科技巨头，通过「玻璃之翼计划」继续使用Mythos预览版挖网络漏洞！
机器之心编辑部 AI 读论文这件事，正在进入下一个阶段。 最近，alphaXiv 推出了一个面向 arXiv 论文的 autoresearch 功能。 它的使用方式非常直接：当用户看到一篇论文时，只需要把论文 URL 里的「arxiv」改成「autoarxiv」，系统就会：
有人声称用 Claude Code 破译了 Linear A，一种来自克里特岛、已经沉默了 3500 年的古老文字。Claude Code 之父 Boris Cherny，也发文宣告了这个酷炫玩法：它是青铜时代米诺斯文明使用的书写系统，大约从公元前 1800 年开始出现，一直用到公元前 1450 年迈锡尼希腊人征服克里特岛为止。
刚刚，Anthropic重磅产品曝光了：永久在线智能体Conway来袭，AI开始主动打工，告别对话框！同时，GPT-5.6也在悄悄内测了。巨头激战，谁将颠覆你的工作流？
2011 年，Judea Pearl 凭借在因果推理领域的奠基性贡献获得图灵奖。他提出AI必须跨越三层：关联、干预、反事实。2018 年，他在面向大众的著作《The Book of Why》中将这一框架系统化为“因果之梯”。
近日，皮特·弗洛伦斯创办的具身智能公司Generalist AI完成了一轮新融资，总规模为4亿美元（约合人民币27亿元），估值为20亿美元（约合人民币135.5亿元）。本轮投资方包括英伟达旗下的NVentures、知名天使投资人纳特·弗里德曼（Nat Friedman）和丹尼尔·格罗斯（Daniel Gross）共同管理的NFDG
为什么推开源工具？在vibecoder到高级程序员都懂的原因，你能自己魔改成自家用的黑科技有什么不好？而且还不用订阅不花钱。为此，我们搞了这个游戏开发者的实用选型指南。每一个工具，都会告诉你：它适合做什么、不适合做什么、以及如何与AI工作流结合。
Waniwani宣布完成了800万美元的种子轮融资，由Seedcamp领投，Redstone、Zone II Ventures、Plug & Play、OPRTRs Club、Kima Ventures以及一批知名天使投资人跟投。
今天，流形空间宣布完成新一轮数亿元融资。本轮投资方包括中国国新旗下国新基金，淡马锡旗下毅峰资本，产业资本北汽产投、芯能创投等。流形空间成立于2025年5月，一年以来已经累计完成6轮融资，Pre-A轮累计近10亿元，
从v0.7开始，我先给 Humanize PPT 划了一条边界。把渲染PPT页面外包给下游的Skill。Humanize PPT负责把大纲，逐页意图，视频和图片素材的坑位和演讲稿，整理成结构化的 JSON 与 Markdown，再交给下游 Skill 原生渲染。
早在3月20日，纽约时报的凯文·罗斯就发现了在硅谷开发者中，出现了一种叫做 Tokenmaxxing的现象。这个现象最早出现在OpenAI、Anthropic等前沿模型开发公司。OpenAI 的工程师一周用了 2100 亿个token，大概是 33 个维基百科的量；Claude Code 的工程师则一个月单人可以烧15万美元token。
过去两年，关于 AI 的讨论几乎都绕着同一个词打转——失业。哪些岗位会消失，多少程序员会被取代，下一个被端掉饭碗的白领是谁。这个叙事好懂，也足够让人焦虑，所有人都能对号入座。
在今天这个时间点，一个色情漫画网站的浏览量能到 1 亿次，背后大概率有 AI 的参与。于是我顺着央视记者查到的那个网站名字搜了一圈，果然，这类色情漫画网站里，很大一部分内容都是 AI 做出来的。
银河通用团队用史上最大、整整 20 亿帧的动捕数据，训练出了全球首个人形机器人全身实时运控基座大模型，该模型零样本泛化全新动作，成功率从 MLP 架构的 76.89% 跃至 92.58%，推理延迟仅 0.39ms，效果超越英伟达 SONIC，甚至比目前业内主流 TWIST 系统速度提升至五倍。
小米正式发布并开源了Xiaomi Miloco 2.0，一套面向未来的全屋智能AI开源方案。直观来看，小米给Agent时代的智能家居装上了新的“AI大脑”，把超级AI管家带进了智能家居生态中。
属实给我整精神了，AI啥时候会干的这事？？不卖关子了，这是HappyOyster 1.0（快乐生蚝）实现的，阿里ATH推出的可实时构建和交互的开放式世界模型产品。看到世界模型四个字，可能有朋友好奇：这和我之前玩的Sora那些有啥区别？不都是AI生成画面嘛？
真正把灵动岛推上风口的，是 6 月以来接连发生的几件事。6 月 8 日的 WWDC 2026，苹果发布了全新的 Siri AI。Federighi 在台上的原话是，苹果要「带来下一代 Apple Intelligence，并推出 Siri AI，一个明显更聪明、更博学、也更能干的 Siri」。
来自博世中央研究院与清华大学的研究人员提出 FunctionEvolve 框架，在两大基准测试上大幅刷新了这项任务的结果。在 LLM-SRBench 的 129 个合成科学方程任务上，FunctionEvolve 最终给出的公式在 55.8% 的任务上与真实公式等价（SA@1 = 72/129），是此前最好结果的 3.6 倍；
香港大学李弘扬团队联合华为、上海创智学院及清华大学李升波教授团队，发表的最新论文World Engine: Towards the Era of Post-Training for Autonomous Driving给出了系统回答。
