跳到正文
11月3日周二
  1. 量子位77

    Orilo 发布纯语音 Personal Agent,主打晨间场景与低延迟交互

    Orilo 发布了一款纯语音 Personal Agent,核心功能为 AI 晨间简报、长尾信息跟踪及跨应用任务闭环。其技术架构拆分为低延迟前端语音模型与后端高推理能力 Agent,解决实时对话卡顿问题,在 Full-Duplex-Bench 中被测用户打断后重新开口速度为 1.08 秒,快于 GPT Realtime 和 Gemini Live。产品目前仅支持英文交互。

    推荐理由:作者基于两周实测,分析了Orilo如何通过语音优先和双层架构解决传统Agent交互延迟高、低频使用的痛点。

  2. NVIDIA Blog21

    NVIDIA 与伙伴在全球城市扩展物理 AI 与智能体服务

    NVIDIA 正联合伙伴在全球多地城市部署物理 AI 与智能体服务,基于 GTC Berlin 宣布的举措扩大共享计算基础设施覆盖。 具体案例包括马德里使用 Nemotron 等模型处理市政事务,以及马来西亚 ITMAX 通过 RTX PRO 6000 GPU 支持超过 17,000 个摄像头,并于 2027 年前实现交通管理优化,减少高峰时段通行时间多达 26%。

  3. 36氪35

    达喀尔青奥会首秀,阿里巴巴 Wan3.0 与千问助力“双面答卷”

    在达喀尔青奥会开幕式上,阿里巴巴自研 Wan3.0 视频生成大模型支持 100 名全球志愿者完成跨时空同台击鼓。 阿里云部署首个奥运专有云,支撑 7 大场馆超 100 万张门票销售,并基于千问大模型开发双语智能问答系统。 赛后该专有云将移交给塞内加尔政府,转化为国家主权云,作为长效数字遗产持续服务西非算力基建。

  4. IT之家52

    月之暗面 Kimi 发布游戏开发与创意工作解决方案,可直接操作 Unity、虚幻引擎

    月之暗面 Kimi 发布游戏开发与创意工作解决方案,基于 Kimi K3.1 模型与 Kimi Code、Kimi Work Agent 产品,提供 Unity、虚幻引擎和 Blender 插件。该方案可帮助游戏团队高效制作可试玩的项目原型,直接操作并修改现有工程,交付可编辑文件及操作记录,以加速创意验证并推进工程与美术制作。

  5. 美团技术团队85

    美团正式发布 LongCat-2.5:面向智能体任务的原生多模态模型

    美团正式发布面向长程智能体任务的原生多模态模型 LongCat-2.5,总参数量 1.6 万亿,每个 token 激活约 480 亿参数。模型在 2.0 基础上通过长序列训练、大规模长程强化学习提升复杂代码库开发与完整项目构建能力,并具备将视觉信号表示为多层级离散 token 的原生视觉理解能力,支持 Visual Coding、创意设计和 3D 等任务。

    推荐理由:美团给出了 LongCat-2.5 在 1.6 万亿参数规模下的工程化方案,读者可据此了解长程智能体多模态模型的训练与推理路径。

  6. IT之家42

    国家发改委:强化AI就业替代风险监测预警,深化“人工智能+”行动

    国家发改委在“十五五”发布会上表示,针对 AI 就业替代风险将强化监测预警,做好兜底性、普惠性社会保障,并保护老年人、未成年人权益。 当前我国工业涌现 5.6 万多家智能工厂,金融、物流等领域“智能体”可自动完成合同审核等任务,人工智能应用已迈向多环节协同。 “十五五”时期将深化拓展“人工智能+”行动,统筹算力、模型、数据资源,降低行业落地门槛,发挥产业体系完备优势。

  7. 机器之心44

    PhysLDM 提出物理仿真的隐扩散范式,实现高保真可变形动力学生成

    南洋理工大学 MMLab 提出 PhysLDM,作为首个面向体网格的高保真时空自编码器与隐扩散范式,实现毫米级重建精度与零样本泛化。 其核心创新在于将运动分解为刚体运动与局部形变,配合可学习时间 query 实现最高 78 倍压缩率,平均重建误差仅 2.48 毫米。 PhysLDM 支持端到端可微,能在 40 秒内反推材料刚度,相比传统可微仿真器大幅提速并提升稳定性。

  8. IT之家38

    OpenAI 发布 LifeVal 基准:从选幼儿园到报税,测试 AI 的“人间烟火”技能

    OpenAI 发布 LifeVal 基准,用于衡量 AI 模型完成日常事务的能力,任务覆盖照护、健康、教育及财务等场景。 该基准基于 3,995 名受访者调查设计,典型任务包括为糖尿病患者制定饮食计划(得分 90.4%)及组织防洪志愿者(得分 98.0%)。 目前 LifeVal 仍为 OpenAI 内部评估,外界尚未获得完整任务集或独立复现途径,结果需谨慎解读。

  9. Hacker News LLM83

    巴西柔道 LLM 教练构建实录:RAG、重排器与 7B 模型微调

    Max DeMarzi 分享用 3 万段视频素材构建巴西柔道专用 LLM 教练的完整流程。先通过 ASR 修复和上下文检索头清洗数据,建跨学派同义词知识图谱;再用 CLIP 加 Qwen2.5-VL 把 861 个无声示范片段变成可检索文本块。

    推荐理由:给出了用视频与知识库构建领域 LLM 教练的完整技术路径,含数据清洗、检索重排与模型微调的可复现步骤。

  10. Google科技博客27

    Google 2026年10月AI动态回顾:发布Gemini 4 Argon、Carbon与Genie 4

    Google回顾2026年10月AI进展,全球推出Gemini 4 Argon用于复杂编码与金融分析,并发布Genie 4支持实时交互式世界模拟及原生音频。 Gemini 4 Carbon因具备最强网络安全能力,目前正通过Fairwind Program在美国政府及可信防御者中进行预发布测试。 AMIE医疗AI在真实诊疗场景中帮助75%的临床医生进行准备,并匹配90%的最终鉴别诊断。

11月2日周一
  1. 量子位70

    商汤发布多模态智能体模型日日新 SenseNova 6.8 Flash

    商汤科技发布多模态智能体模型日日新 SenseNova 6.8 Flash,主打委派智能,当前限时免费。官方评测显示该模型在 TeamBench 和 DataAnalysis2.0 上位列第一,在 BEAM 128K 上与 GPT 6 Luna 并列第一。

    推荐理由:文章展示了模型在生成网页、PPT及海报上的直接交付能力,读者可了解其委派智能特性及长期记忆机制在办公场景中的应用。

  2. 机器之心54

    LeCun 团队论文证明 Next-token 预测低效,1.09 亿参数模型表征对齐超越 72B LLM

    Yann LeCun 团队新论文证明 Next-token 预测在数学上低效,提出基于 JEPA 的训练方法可大幅提升样本效率。实验显示 1.09 亿参数模型在 WIT 基准上超越 72B LLM,对齐分数达 0.184 且仅消耗约 1/42 的训练样本。该架构在 COCO 图像描述任务中实现 0.838 CIDEr 分数,验证了跨模态表征对齐能力。

  3. Hacker News AI76

    Retake 上线 AI 视频重拍工具,支持编辑转录文本以匹配视频

    Retake 上线了一款 AI 视频重拍工具,支持将 MP4、MOV 或 WebM 格式的视频转录为类似文档的可编辑文本。用户通过删除或改写台词,工具会自动剪辑对应的视频片段,并在重新生成语音时同步调整唇形以匹配口型。

    推荐理由:Retake 将视频转录为可编辑文档,改写台词后自动同步唇形,展示了一种降低重拍视频门槛的新交互方式。

  4. IT之家30

    2026 款奔驰长轴距 E 级上市:融合豆包 AI 大模型,42.38 万元起

    2026 款梅赛德斯-奔驰长轴距 E 级今日上市,售价区间为 42.38-50.98 万元,涵盖晖银、鎏金及星铂三个版本。 该车率先搭载由奔驰中国研发团队主导开发的全新 AI 智能座舱,融合豆包 AI 大模型构建虚拟助手,支持季度 OTA 升级。座舱配备 14.4 英寸中控屏与数字孪生 3D 车模,全系标配华为 HiCar。 此新座舱未来将陆续搭载于更多燃油及纯电车型。

  5. IT之家40

    腾讯混元发布 Hyra 2.0:为模型研发打造可复用工具

    腾讯混元发布 AI 科研系统 Hyra 2.0,推动科研范式从“刷题解题”转向“造工具”。 系统将工作拆分为 Overall、Mission 和 Worker 三层,设计分离存储机制,复盘时将可迁移方法整理为 skill 供后续任务调用。 通过工具升级收益的反复复用,形成智能复利,解决 Hyra 1.0 未涉及的通用 Agent 参与研发与升级问题。

  6. 可灵AI25

    Kling 4.0 性能解读:八位全球创作者分享动作、镜头与参考融合体验

    Kling 4.0上线后,八位全球创作者反馈其在动作表现、镜头调度、全能参考融合及人物塑造上显著提升。 创作者作品展示了更迅猛的动态物理反馈、稳定的镜头叙事能力及灵活的多模态参考整合,支持写实至怪诞等多种风格。 这些实际案例验证了模型在提升画面真实感与创意表达自由度上的核心价值。

  7. 月之暗面 Kimi49

    Kimi 发布游戏开发与创意工作解决方案

    Kimi 发布游戏开发与创意工作解决方案,基于 Kimi K3.1 Pro 模型及 Kimi Code 等 Agent 产品。 支持连接 Unity、Unreal Engine 等工具,协助团队在 1-2 天内制作可试玩原型,实现从立项到运营的全流程支持。 显著降低创意验证成本,帮助游戏团队更高效地推进工程与美术制作。

  8. IT之家53

    上海警方侦破“AI生成女友”网恋诈骗案,15人被骗180余万元

    上海闵行警方侦破一起“AI生成女友”网恋诈骗案。 上海刘先生刷短视频结识“婷婷”,因“婷婷姨妈患脑瘤需治疗”累计被骗18万余元。警方查明,诈骗团伙聘请“聊手”,按“7天剧本”发送AI处理的照片、制造被老板骚扰辞职开店等情节,通过几百元花篮筛选愿意继续转账的被害人,再以家人重病为由骗取钱财。该团伙共骗取全国15名被害人180余万元,成员因不同罪名被判最高11年有期徒刑并处罚金。

  9. 蚂蚁开源63

    ZwZ2:基于单图证据连接训练的多模态推理框架

    上海交通大学等团队提出 EvidenceConnect 框架,通过 20.4K 条单图合成数据训练 ZwZ2-4B、9B 和 27B 模型,使其在 25 个基准上平均准确率分别达 54.79%、56.59% 和 60.51%,均超各自基座模型。

    推荐理由:团队用 20.4K 条单图合成数据训练 ZwZ2 系列模型,在 25 个基准上全面超过基座,并展示了向多图与 Agent 任务迁移的能力。

  10. 量子位23

    上海仪电发布智算云 Token 工厂,构建三重可信体系

    上海仪电与上海创智学院联合发布“飞轮转・万象生”仪电智算数链生态,仪电智算云 Token 工厂通过三重可信体系解决核心业务中“敢不敢用”的问题。 该体系依托高性能推理引擎与弹性调度实现更快、更省、更稳的供给,并在服务运营、自主生态及安全合规层面提供全栈国产化交付与全链路留痕存证。 文章认为可信是词元经济的分水岭,率先建立可交付、可审计的标准体系将有助于获取市场入场券。

  11. 机器之心75

    模思智能发布全双工实时交互系统 MOSS-Live

    模思智能发布全双工实时交互系统 MOSS-Live,支持在说话的同时持续倾听,并能通过工具调用处理后台任务。

    推荐理由:模思智能发布全双工系统MOSS-Live,其在停顿抢话率和无关语音误接话率等指标上显著领先竞品,为实时语音智能体开发提供了可迁移的架构参考。

  12. arXiv · NLP20

    CEFR 等级跨语言与文本粒度评估

    提出结合焦点损失与监督对比学习的统一训练目标,解决 CEFR 等级预测中的类别不平衡问题。 在单语和跨语言的句子及文档级评估中,该方法在所有设置下均持续优于强基线模型,刷新多项基准 SOTA。 有助于提升教育自然语言处理中文本 CEFR 等级自动评估的准确性。