△AI生成 值得一提的是，面向真实的物理场景，京东当前已经把自研JoyAI大模型的能力，进一步封装成了一套给智能硬件使用的AI大脑——JoyInside。

1、乐鱼APP 接着系统就根据15万字的原著，生成了一个庞大的人物关系图谱。

从这个角度看，「CPU重新回到中心」并不意味着NPU不再重要。乐鱼APP这很可能是所有模型公司从第一个模型发布开始，最快实现千万美金ARR的记录。

2、一医生被患者家属掐颈推着下楼梯受伤，拟认定为工伤

可进入回归分析后，显著性覆盖程度下降到34%—37%；当研究者尝试用这些数据恢复国家类型时，结果又接近随机。

3、非洲独苗出局！世界杯7队中6队来自欧洲，阿根廷将迎真正挑战

这一战略核心是通过收购饮品品牌和相关上下游产业，将柠季管理体系、数智化系统、加盟商资源、供应链等赋能给被收购企业。

4、美国NHTSA启动规则制定，考虑强制车辆配备紧急逃生系统

团队自己都不敢信。

5、梓渝：慢下来，也很好

海外同样已有相似探索。

这类专业服务商会逐渐在中国市场成长起来，颠覆传统的经销体系。

从另一个角度看，AI和资本高度集中，目前模型调用频次、Token数量最多的公司，前20名全是中美企业。

6、“颜如晶一年仅减2.9斤”上热搜，医生回应

每个模型沿着自身经历持续学习，不同实例就会走向不同方向。

Macaron-V1-Venti拿下58.4分，第二名是它的基座模型GLM-5.2——46.2分。

7、7月24日晚间公告集锦

近年来，哈根达斯在中国市场持续收缩，各地闭店消息不断传出。

两条线在这里交汇，就有了黎曼动力。

8、意媒丨纽卡和考文垂都对托莫里感兴趣

也是对模型能力绝对自信的一种体现吧。

总部位于新加坡的Acrab，已累计融资超过3.5亿美元，投资方包括淡马锡旗下全球风投平台Vertex（祥峰投资）、新加坡知名科技投资机构K3 Ventures等。

开句玩笑话——集齐四家，就可以召唤神龙了。

9、华电国际：2026年上半年发电量1077.85亿千瓦时

对随机和突发情况的应对能力，也是机器人走出实验室后必须要补上的短板。

无论如何，要接手一个门店萎缩、品牌老化的跨品牌业务，对于一家成立仅5年的新茶饮品牌而言，挑战不小。

10、警惕脑中的“橡皮擦”，别把它当成正常衰老

量子位此前统计，今年上半年，具身“大脑派”公司半年就融了223亿元。

在此基础上团队持续打磨Memory IR、Memory Runtime，开放Memory SDK与新一代Memory Benchmark。

1、谷歌加码AI投资两千亿，微软和亚马逊跟不跟？

如果同行未来也达到了99%+的成功率，苏度的护城河是什么？ 韩铮：从长期来看，任何技术都不会只有一家公司掌握。

2、一场2-1！让世界杯大黑马出局，英格兰逆转进4强，哈兰德无缘金靴

拓元在全模态场景中提出了基于模态自适应的免训练Token压缩方法，针对文本、视频、语音等不同输入，实现更加精准的信息筛选。

3、盛夏，穿这三组配色呀！

第一，从“单点优化”转向“全链重构”。韩国队热身收官战仅1-0小胜，韩媒忧心隐患：带着问题出征世界杯它们的关系类似于Transformer与Python，属于不同层次的技术栈，而非互相替代的关系。

4、亿元标王驾到，青训兄弟并肩，切尔西打造“曼城青训”进攻双核

这种行为短期内为安装商带来了不当利润，挤压了合规安装商的生存空间。

5、三星折叠机开箱即用隔空投送：当安卓直接撕掉与苹果那道墙

这次，Qwen-Image-3.0给自己的关键词只有一个字：实。

6、32家银行上榜《财富》中国500强，工商银行位列第六

于是过去很长一段时间，开发者们的动作是这样的：在社交媒体上发一篇帖子介绍作品，在评论区甩一个页面链接，然后眼睁睁看着用户在跳转的路上一步一步流失。

如果每一张图片都被转换成大量视觉Token，机器人运行得越久，需要处理的历史信息就越多，计算量很快就会堆起来。

这里之所以增加传感器识别，并非单纯多做一道题，它迫使模型区分，哪些变化来自物体，哪些变化来自传感器。

7、辽宁一家三口带娃马路练习骑车，还带着一起闯红灯

字节采用的则是“饱和式进击”，除了用一切办法争夺顶尖人才，也提早从源头阻击对手的招募节奏。

当AI实现屏幕视觉识别、支付操作、信息收发与硬件操控等全维度能力后，面向APP设计的传统被动式安全防御体系已然彻底失灵。

8、法国VS西班牙：大热必死 斗牛士手握3优势 猎杀高卢雄鸡晋级决赛

实验证明，轻量适配模块压缩到基模参数的0.5%以下，仍然稳定可靠——基座越强，小规模更新反而越有效。

两个案例印证了同一个核心道理：遗忘并不是记忆的漏洞，它本就是记忆自带的能力 高效的记忆，是筛选关键内容、舍弃琐碎细节，后续再结合现实重新理解过往。

具身智能同样需要找到若干个类似AI Coding级别的应用。

在Newton中，光轮参与物理求解、仿真资产、机器人训练与评测等核心能力建设，推动真实世界中的物体、任务和物理过程，转化为机器人可以交互、训练和验证的仿真基础设施。