不少投稿人都有同款困惑：两份措辞高度接近的审稿意见，最后给出的分数却能相差巨大。

1、熊猫体育 这让人想起几个月前，Anthropic CEO达里奥的「凡尔赛」。

比过度依赖AI更让人担心的，是用了AI却不会验证，把机器吐出来的东西照单全收。熊猫体育DT（干扰追踪，即多目标交叉干扰）：追踪率达到73.38。

2、多地税务机关曝光加油站、服装店等用私户收款偷税 专家：隐匿收入将面临多重法律风险

第三层，L3深度扫描，也即跨文件深度审查。

3、就得分能力而言，科比和詹姆斯相比谁是更为出色的那个人？

他们把全行业最强的十几个AI模型，一个个扔进模拟的公司和实验室。

4、16万亿支付流水，四次递表未通关：富友支付为何走不通上市路？

在第一轮，必须探索截然不同的路径——从代数视角、结构归纳法、流场表述、嵌入法到极端参数法。

5、丁俊晖渴望胜利：真想要夺冠！我已经强势回归！

它是怎么来的？ GPT-5.6上线之后，需求立刻井喷。

新智元报道 通付盾参加2026WAIC世界人工智能大会，成为全场焦点赛道。

AI能达到金牌线，靠的是大量算力搜索解题路径，在多次尝试里找到对的那一条。

6、足球猛将也很萌｜爆米花面前，谁还不是个小学生？

纳德拉所说的Token Capital，只有被沉淀为企业自己的认知资产，才是真正的资本。

华为、小米、OPPO 早已把 AI 功能做成旗舰标配，部分品牌还接入了 DeepSeek 等模型，体验差距在拉大。

7、聚集｜VICTOR助力“星弦行动”孤独症穿线师圆梦中国公开赛

类似地，「删除下方原子」、「扩超胞」等任务即使换成更大模型，完成效果也仍不稳定；几何误差也不是随模型变大就必然下降。

企业真正的Alpha，往往也正存在于这些Skill中。

8、翻车了！这一次，离婚后又复婚的梁靖崑，仅剩的体面彻底没了

他补了一句：至少对我来说，这挺意外的。

看看复杂编码、长程智能体、数学推理和错误恢复，到底会掉多少。

测试通过数、分数阈值这类可量化标准之所以好用，是因为Claude不用自己纠结「够不够好」，评估器替它判。

9、辛纳恐怖战绩源于发球？一排行榜他有望跃居历史第一！

他们的一天是这样过的： 给一个编码智能体派活，它跑10分钟左右回来交作业，你评估、打回、再派。

它直接用AI造出面向不同芯片的高性能算子，可在真实编译试错与知识沉淀中持续自迭代，稳定交付工业级算子。

10、媒体造谣梅西父亲离世，阿根廷总统怒斥：毫无底线

COSA 负责「大脑系统」，FluxVLA Engine 负责让这套系统的 VLA 技能可被训练、复用、被反馈、被迭代。

参考资料： https://openai.com/index/safety-alignment-long-horizon-models/ 编辑：桃子新智元报道 7月17-18日，第四届世界科学智能大赛总决赛及颁奖典礼在上海举行。

1、万亿Token调用量验证，PPIO如何打造新一代智能Token工厂？

Sol一次修好，还顺手让别的模型也跑通了。

2、今晚西班牙VS比利时预测，有3好3坏消息，盘口让0.75，西班牙难赢

硅基智能的破晓 回到这起事件的余波中。

3、跑步别只看配速！不看这6个数据，几千块跑步装备白买！

V4预览版发布时，官方自测的SWE-bench Verified中—— DeepSeek-V4-Pro-Max距Claude Opus 4.6 Max仅差0.2个百分点，价格却只有对方的七分之一。谣言不攻自破！斯帕替换恩科洛洛，国安两大新援签短约，本土两将太脆了剩下的漫漫长路，让模型自己去走。

4、35款移动应用违法违规收集使用个人信息被通报

曾经，循环双覆盖猜想由几位传奇数学家提出后，就像一座大山横亘在图论领域，让全球顶尖数学家望而却步。

5、记者：悼念基冈，纽卡与盖茨黑德友谊赛前举行一分钟默哀

这个通用Agent产品的愿景，是Jenny早在2025年就定下的。

6、东道主全部出局！C罗流泪，还是告别世界杯

这种「既要又要」的决策模式，导致资源的分散和决策的迟缓。

而现实已经给出了警示：OpenClaw官方技能市场ClawHub上已被查出上千个恶意Skill，仅2026年针对OpenClaw披露的CVE漏洞就超过一百三十个，凭证被窃取、数据被静默外传的事，正真实地发生在生产环境中。

信息安全机构Veracode发现：过去两年，模型的语法正确率从约50%提升到95%以上，但安全通过率始终徘徊在45%～55% 去年年末，GitLab调查了3266名DevSecOps从业者，73%遇到过Vibe Coding代码带来的问题；76%表示更多合规问题是在部署后，而不是开发过程中发现。

7、告别！河村勇辉4场夏联三分10中1表现惨淡，谁会为他提供合同？

Gemini两个都没选。

到了(b)部分，三个模型殊途同归：都证明了对每个素数p，黑板上所有数被p整除次数的最大公约数在操作中不变。

8、全国青年锦标赛：七队分享单项九金，重庆队包揽男单冠军

以洗衣为例，机器人靠时空记忆和思维链把任务拆成十几步，自主规划取衣、放衣、启动、整理，还能实时核验每一步结果，异常时精准定位到哪一步失败并重启。

从DALL·E、Midjourney到Nano Banana、GPT Image，AI第一次大规模解决了「生成美」。

换句话说，Anthropic下一步要往哪走，她比绝大多数人都清楚。

参考资料： https://x.com/demishassabis/status/2076957440109625718?s=20 编辑：大卫 所罗门新智元报道 【新智元导读】大模型在原子操作任务中遭遇瓶颈。