STORY 01 / 8
STORY 02 / 8
STORY 03 / 8
STORY 04 / 8
GLM-5.2 这条新闻用免费开放六小时制造了很强的传播点。
Hugging Face 相关截图显示,平台和推理提供商也参与了这波扩散。
Musk 讨论中国模型追上 Fable 的时间,智谱相关账号回复不会太久。
Marc Andreessen 的转发进一步放大了模型发布的国际关注。
智能指数图和 Agent Arena 榜单,是原文用来支撑性能讨论的证据。
这条新闻的关键,是免费策略、榜单表现和社区讨论形成了同一波声量。
Claude Code 的更新重点,是把终端里的工作变成实时网页产物。
官方 slide 明确写着 Claude Code now supports artifacts。
它强调可以从完整会话上下文生成可分享的交互式网页。
演示图里的 Code that's worth showing,说明输出不再只是命令行文本。
这对开发者工作流的意义,是 coding agent 更容易进入评审、演示和协作环节。
银河通用这条新闻,把人形机器人的小脑模型称作 GPT 时刻。
封面里的白色机器人和球类道具,说明它面向的是身体控制而不是聊天。
动图展示人类和机器人同步运动,这是模仿学习和运动迁移的直观证据。
数据卡强调 2 万小时人类数据,是原文讲大规模动捕的关键数字。
数据规模曲线显示,训练帧数扩大后 zero-shot 误差持续下降。
机器人被踢后保持平衡的动图,用来展示鲁棒控制能力。
架构图把专家模型、Transformer 和强化学习放进同一套控制框架。
饼图展示数据来源构成,Motion Million 占主要部分。
成功率图说明历史长度增加时,模型执行成功率略有提高。
方法对比表把 Humanoid-GPT 标成使用 Transformer 和 2.0B 帧的数据路线。
结尾的开源卡显示模型已经公开,后续重点会是复现和真实任务检验。
这篇文章讨论的不是单个模型,而是中国团队能否做出自己的 Mythos。
Anthropic 截图提供了 Fable 和 Mythos 被限制访问的背景。
Musk 认为 Fable class 可能要到明年一季度,中国账号则回应不会太久。
Hugging Face 模型列表说明相关模型和开源生态已经在快速堆叠。
YouTube benchmark 和雷达图被原文用来支撑 GLM 能力讨论。
GitHub 仓库截图则把故事落到可查看的模型工程文件上。
Manus 这条新闻关注资本结构大逆转,而不是产品功能更新。
标题称投资者从 Meta 原价赎回 Manus,金额达到 135 亿元。
如果报道属实,这意味着 Manus 的控制权和融资叙事会重新调整。
但这类交易必须等官方文件验证,不能只按传闻做结论。
这篇 ICML Spotlight 论文关注隐私训练里最难调的裁剪阀门。
DP-SGD 的流程包括梯度裁剪、聚合、加噪和训练。
SlaClip 的想法,是用梯度范数 slack 作为自适应裁剪信号。
结果表把 SlaClip 和多种固定或自适应方法放在多个数据集上比较。
热力图说明裁剪值和学习率组合会显著影响隐私训练表现。
FunctionEvolve 这篇论文关注 LLM 能不能更系统地推公式。
方法图显示它不是直接让模型猜答案,而是把生成、选择、变异和局部优化拆开。
公式空间挑战图解释了为什么简单暴力搜索很快会失效。
结果表里,FunctionEvolve 在多个模型后端上超过 LLM-SR 和 OpenEvolve。
消融表说明生成器、选择器和结构优化器都对最终表现有贡献。
ProtocolBench 这篇论文问的是,多 Agent 通信协议到底该选哪一种。
协议示意图把 A2A、ANP、MCP、ACP 和 Agora 放在同一张图里。
评估表说明它不只看成功率,还看延迟、消息成本、资源和鲁棒性。
四个任务场景覆盖文档问答、安全技术、流式队列和故障恢复。
ProtocolRouter 架构图展示系统如何根据场景描述和协议特征做选择。