在现有评审流程中加入一个「评分校准器」 作者提出的方案没有改变现有同行评审流程，而是在后台增加了一层LLM校准模块（Calibration Layer）。

1、BOB足球 本月初，钛动还与 OpenAI 正式达成了合作并签约。

彭博社的一则独家报道如同一盆冰水，浇灭了所有人的热情：Gemini 3.5 Pro发布延期了，而且不是延期几天，是数月的大延期！ 本该是载入史册的发布，被谷歌自己按下了暂停。BOB足球更致命的是，莫宗坚没有给张益唐写推荐信。

2、陈吉宁龚正等市领导深入基层，走访慰问坚守岗位持续奋战的一线劳动者

说到底，过去两年我们盯的是「AI会说错什么」，而这四个案例指向的是同一个新问题：AI拿到权限后，会做错什么。

3、晒 317 万年终奖遭辞退！腾讯高管泄密敲响大厂信息安全警钟

真正的看点是那条被反复验证的老路径：把Opus级的能力，价格压到七分之一。

4、龙凤胎弟弟不小心弄醒熟睡的姐姐，秒躺装睡一气呵成

在考验用户偏好记忆的题目上，HMS达到96.7%，大幅领先Hindsight的86.7%、OpenAI收购的Mastra的53.3%。

5、350余名卡车司机共同打造，最亲民最实在的特别版卡车？曼恩TGX Truckers’ Edition了解一下

一张全息底片，哪怕只剩一角，也能重建出整幅图像。

复杂的合同审查等Agent应用交给Agent增强模型，而战略规划、安全审计这类要紧事，强制调用最高规格模型。

Qoder选择的，是把安全护航做进智能体编码会话之内。

6、整合105个科研工具与59个专业数据库：Biomni让AI进入生命科学发现全过程

别的AI可能还在卷「帮你补一段代码」，而它要解决的，是直接帮你「做完整个工程」。

万拿机器人从微型伺服电缸等底层核心执行器切入。

7、19轮下来！卫冕冠军海港跟战胜申花的天津 胜 平 负一模一样

在另一个任务里，GPT-6发现别的系统有一些成功但未公开的答案，就动了心思—— 想从评测后台，把这些答案「捞」出来。

星火燎原，薪火相传。

8、29岁男子久坐办公，腰痛2天后大小便失控！医生：拖不得，超48小时或留终身后遗症，出现这些信号须立刻就医

同一个任务采集十遍，十个人的节奏都不一样，有人手快，有人磨蹭，有人中间还停顿了一下。

围观人群有人喊：「这里面是有真人在操控的吧？」 答案是没有。

只有将 AI 与海量科研数据、专业工具及真实工作流深度融合，才能让它走出实验室，转化为科研人员触手可及的先进生产力。

9、别不信，80%的人都在这上面多花了钱，会买的早省了！

表面上，两家都在宠用户，实际上是在抢用户。

但买回来却发现「不会用」。

10、小面包折射大消费活力 《上海烘焙店指数2.0》发布

门槛在于把隐性经验翻译成显性指令。

据报道，Steinberger自称是「手握无限token的男人」，因为免费token正是在OpenAI上班的福利之一。

1、里子面子全丢光！霍震霆回应大婚才两天，大房一举动揭穿霍家处境

除了机器人整机外，灵巧手作为连接机器人认知决策与真实任务的关键执行终端，也是本届展会具身智能赛道的焦点之一。

2、国际人士积极评价中国携手各方构建公正合理的全球人工智能治理体系——“展现了推动人工智能普惠向善发展的大国担当”

ChatGPT Work发布后没几天，OpenAI临时取消了Plus、Pro、Business的5小时使用限制，还一轮接一轮重置用户额度：先给约50万用户，再铺到700万用户，人人补一次。

3、活力中国调研行

星火智能语音VoiceWise，通过高性能CPU版ASR让企业彻底摆脱对昂贵GPU的依赖，同等算力下在线识别并发路数提升约90%。突发！3队7人交易！落选秀单换状元！3状元旺铺招租！有人第一次真正理解了，泰坦尼克号上那些人的死，不是一个数字"。

4、根本不听劝，为了这树景，老婆非要买2楼…

由此推论，加权权重可以被直接从诱导分布采样掩码所替代，使训练更平滑、实现更简单。

5、当宇宙飞船返回地球时，为什么要不惜燃烧代价，高速穿过大气层？

而且，Anthropic罕见重置了Claude的额度，试图抵御OpenAI的价格战。

6、美团偷删用户手机相册这件事，真的把我吓到了，有人被删了几千张

第三件是国产化。

四年前，这句话是句玩笑。

因此，ChatGPT能翻到的，还只是你亲手交给它的那部分。

7、39岁梅西踢世界杯决赛！贝利老马等传奇同龄时在做什么？

而对平台厂商、安全审计方与研究者而言，SafeClawArena提供的更是一把可复用的尺子：判断一个Claw类智能体究竟违反了哪几条安全原则，并据此排定加固的优先级。

生产力工具没有换来更多休息。

8、从AI泛滥到实体盘消失，这届玩家到底在气什么？

按OpenAI给出的口径，在长周期工程任务基准DeepSWE v1.1上，开到最高推理档的GPT-5.6 Sol拿到72.7%，压过Claude Fable 5的69.9%；而估算API成本，比对方低36.2%。

在考验用户偏好记忆的题目上，HMS达到96.7%，大幅领先Hindsight的86.7%、OpenAI收购的Mastra的53.3%。

主流大模型的科研任务完成率在 3% 左右，在 NatureBench 涵盖的 90 项顶级真实科研任务，最优智能体能超越原始论文成果的比例为 17.8%。

它意味着机器或许正在跨过那条线——从「反复搜索、终于找到」，走向「一次落笔、一步不错」。