Context≠记忆≠RAG！ AI最大短板：记忆 今天的大模型，是一种前所未有、却也残缺的天才。

1、华体会体育 在「多会话聚合」上，HMS以87.2%领先Hindsight的81.2%。

内部赛马，人才流失的恶性循环 谷歌并非没有意识到问题。华体会体育7月15日，银河通用发布WAM-TTT，全球首个面向具身智能大模型的测试时后训练框架。

2、满盘皆输！替补巨星云集却死抱C罗 41岁C罗首发彻底锁死葡萄牙上限

一个赌对了「规模定律」（Scaling Law）的人，偏偏在教育上看走了眼。

3、孟加拉国总统楚普辞职

但在办公场景，一个根本性问题始终没解决：大部分AI每次对话都从零开始。

4、3起3落！一场进球大战让亚洲劲旅命运跌宕起伏 淘汰亦可昂首离开

模型决定AI第一次见面有多惊艳，记忆决定这份聪明能否被结转、被继承、被千万个同类共享。

5、13点01分！北京国安正式官宣，2人驰援加盟，蒙哥马利喜迎帮手

参考资料： https://x.com/cyrilXBT/status/2078308274399834157 https://x.com/i/article/2077510484664971264 https://www.youtube.com/watch?v=PHQvb10vKyk 编辑：元宇新智元报道 上海，WAIC 2026。

目前，FDR超过名义水平的幅度（0.104 vs 0.1）相对较小，其对高通量科学的实际冲击力仍有待沉淀。

人可以结合路口结构、当前朝向和道路形态，自然判断下一步应该从哪里经过。

6、上海首个，落地黄浦！

他们推出的新能源车型，更多偏向于国内庞大的「内循环」市场。

换上稍高自由度的本体，动作顺畅了许多。

7、故宫27日门票已约满

数据主权解决的是信息存放权。

而那段3分钟短片证明了另一件事——一个人、两个起始帧、一套prompt，就能生成连贯的电影级对话场景。

8、亚马尔才是姆巴佩的“终极天敌”！11战9胜，19岁少年的狂傲资本

2、从侧边栏中选择「安全」（Security）。

大脑系统在真实世界的考试 COSA 0.5 的 Demo 选了一个看似普通、实则极难的场景：做家务。

他用一个周末，把一套Python代码库迁成了16.5万行TypeScript，主体部分消耗约2700万token。

9、世界杯激烈冲突！姆巴佩被激怒，14人互相推搡，高卢雄鸡“中计”

不久前，斯坦福CS153的讲台上，有人问OpenAI CEO奥特曼（Sam Altman）：你怎么看教育？ 他顿了顿：「我很担心。

Skild AI 在长程、不间断、不遥操的真实家庭任务上，目前全球只有逐际动力和 Figure 做出了可信度高的完整演示——Figure 有厨房整理、房间整理、客厅整理等一系列家庭场景 Demo，逐际动力有这次的一镜到底的客厅整理。

10、中国证券监督管理委员会原党委委员、副主席方星海接受审查调查_网易订阅

本次论坛上，商汤给出了一个听起来有点反常识的答案：不造更强的卡，而是把比赛拆开，让不同的卡接力跑。

此芯并非孤军奋战。

1、米兰首训3421对攻，科斯蒂奇斩获首球，恩昆库、丘库解锁新位置

在PixVerse的全球社区里，有75岁的英国老人制作出了属于自己的「人生影片」。

2、数据复盘西班牙2-0法国：中场优势彻底激活，斗牛士赢比赛很轻松

0.3毫米，亚毫米级精细操作 积木咬合是亚毫米级的活儿，机器人必须在0.1–1毫米的尺度里完成精准、稳定、可控的动作。

3、碾压无果！英格兰8成控球率0比0加纳 贝林荣膺MVP直言自己不配

换成别的AI你可能得上传一堆文件写一大段需求，但灵犀的第一件事不是直接开干，而是去记忆库里「深挖」——第一层找到竞品数据追踪表模板，第二层看数据结构，第三层挖出老板对这类报表的偏好。西班牙夺冠，特朗普颁奖：一场充满政治符号的加冕文字和图始终跑在同一条自回归序列上，像说同一种「语言」，不靠外挂、不靠工具在中间对齐。

4、签约已达成，凯尔特人与2023年选秀“璞玉”球员达成3年续约协议

这两年，OpenAI和Anthropic都不约而同地都把重心压在了代码、办公、设计这几个场景上。

5、一半是网红滤镜，一半却是生死守护——航拍兴盛大桥感怀

新加坡国立大学、北京大学、清华大学、上海交通大学等研究机构首次系统研究了扩散语言模型（Diffusion Language Models, DLM）的后门安全问题，提出统一框架 BadDLM：通过构造诱导前向掩码过程，定向强化目标相关位置的学习，从而注入多样化、生成式的后门目标。

6、定了！大明星空降，助阵无锡！

以 Qwen 系列为例，从 4B 到 32B，原子更换、移除、移动等任务的成功率明显提高，说明规模增长仍然有价值。

各有各的强项，也各有各的天花板： 领域专用模型（AlphaFold 3、ESM3）：在蛋白质等特定对象的预测任务上做到了极致，但能力也被严格局限在单一对象和任务形式上； 工具增强型通用模型（GPT-Rosalind、Claude Science）：凭借外部工具链灵活切入科学场景，但其科学能力仅寄生于工具，模型本体并未深化对科学的本质理解； 科学语言模型（NatureLM、LOGOS、BioMatrix）：试图将蛋白质、分子等转化为符号序列进行跨对象的统一联合建模，但目前的探索仍主要停留在表征层面。

一位开发者Pankaj Kumar体验后，率先对V4的性能做了一个中肯的总结： 整体表现接近Opus 4.8级别，编码直追GPT-5.6 Sol； Agent能力大幅增强，3D和SVG生成显著变好； 同样一个任务，V4所需的迭代轮数，比Fable 5多。

7、8年狂赚4600万！曝上海男篮4年顶薪续约张镇麟，堪称今夏大赢家

探索阶段则保持完整去噪流程，避免把不稳定输出反复放大。

产业界涌现出大量场景真题。

8、中国海警局公布菲多艘船只侵闯中国黄岩岛管辖海域现场画面

这几乎是，为独立创始人量身定制的利器。

主动循环，事件或时间触发，全程无人值守，跑到你亲手关掉。

AI的证明策略，堪称一场精妙的「降维手术」。

有大佬对此表示，这绝对是GPT-6。