人工智能真是日新月异。早上看到网友的评论：我们已经 0 天没有吸引注意的 AI 领域新突破了。记得三个月前，OpenAI 官宣了他们的推理模型在国际数学奥林匹克（IMO）竞赛中获得了金牌。
在中国科学院计算技术研究所入选NeurIPS 2025的新论文中，提出了SpaceServe的突破性架构，首次将LLM推理中的P/D分离扩展至多模态场景，通过EPD三阶解耦与「空分复用」，系统性地解决了MLLM推理中的行头阻塞难题。
说出概念，SAM 3 就明白你在说什么，并在所有出现的位置精确描绘出边界。 Meta 的「分割一切」再上新？ 9 月 12 日，一篇匿名论文「SAM 3: SEGMENT ANYTHING WITH CONCEPTS」登陆 ICLR 2026，引发网友广泛关注。
2B模型在多个基准位列4B参数以下开源第一。 抖音SAIL团队与LV-NUS Lab联合推出的多模态大模型SAIL-VL2。
扩散模型本该只是复制机器，却一次次画出「六指人像」甚至是陌生场景。最新研究发现，AI的「创造力」其实是架构里的副作用。有学者大胆推测人类的灵感或许也是如此。当灵感成了固定公式，人类和AI的差别还有多少？
近年来，大型语言模型的参数规模屡创新高，随之而来的推理开销也呈指数级增长。如何降低超大模型的推理成本，成为业界关注的焦点之一。Mixture-of-Experts (MoE，混合专家) 架构通过引入大量 “专家” 子模型，让每个输入仅激活少数专家，从而在参数规模激增的同时避免推理计算量同比增长。
让智能体自己摸索新方法，还模仿自己的成功经验。腾讯优图实验室开源强化学习算法——SPEAR（Self-imitation with Progressive Exploration for Agentic Reinforcement Learning）。
近年来，NeRF、SDF 与 3D Gaussian Splatting 等方法大放异彩，让 AI 能从图像中恢复出三维世界。但随着相关技术路线的发展与完善，瓶颈问题也随之浮现：
曼巴回来了！Transformer框架最有力挑战者之一Mamba的最新进化版本Mamba-3来了，已进入ICLR 2026盲审环节，超长文本处理和低延时是其相对Transformer的显著优势。另一个挑战者是FBAM，从不同的角度探索Transformer的下一代框架。
2022年11月，OpenAI的ChatGPT问世，这一事件不仅是技术创新的里程碑，更被视为重塑全球AI战略版图的关键转折点，它标志着新一轮大国AI竞赛的序幕被正式拉开。在此背景下，其增长的规模与速度本身，就是一种颠覆性的战略壁垒。
AI自己讲明白论文，还能生成更美观的幻灯片。加州大学圣塔芭芭拉（UCSB）与圣克鲁兹（UCSC）的研究者提出EvoPresent，一个能够自我进化的学术演讲智能体框架，让AI不仅能“讲清楚论文”，还能“讲得好看”。
近期，我们独家观察到，国内两家科技巨头——阿里巴巴和字节跳动——旗下的AI助手通义千问（Qwen）和豆包（Doubao），同时开始内测“记忆功能”。此举被广泛视为对标行业领头羊OpenAI的ChatGPT，标志着国产AI助手正从“即时问答工具”向“长期私人助理”的角色加速演进。
他们决定，把liblib升级到2.0，有新的品牌，有新的logo，有新的界面，有新的功能。liblib，国内最著名的模型开源社区，也是国内之前最大SD生态开源社区没有之一。但是这些东西都不重要。
马斯克的xAI也入局世界模型了！据《金融时报》（FT）报道，为了增加这场“世界模型大混战”的赢面，今年夏天，xAI已经从英伟达挖来了多名资深研究员来助阵。另一边，在悄然下场世界模型后，马斯克几天前又在𝕏上再次重申了去年定下的那个“小目标”——
InfLLM-V2是一种可高效处理长文本的稀疏注意力模型，仅需少量长文本数据即可训练，且性能接近传统稠密模型。通过动态切换短长文本处理模式，显著提升长上下文任务的效率与质量。从短到长低成本「无缝切换」，预填充与解码双阶段加速，释放长上下文的真正生产力。
吴恩达又出新课了，这次的主题是—Agentic AI。 在新课中，吴恩达将Agentic工作流的开发沉淀为四大核心设计模式：反思、工具、规划与协作，并首次强调评估与误差分析才是智能体开发的决定性能力：
David Fajgenbaum，这位多次被命运击倒却又以勇气与智慧改写人生的医生，用科学、信念与不屈，将自己的奇迹求生化为拯救他人的毕生使命。他创立的Every Cure，借助AI在7500万种药物与疾病的可能组合中挖掘生命曙光，让无数罕见病与绝症患者重燃希望。
这是《窄播Weekly》的第68期，本期我们关注的商业动态是：OpenAI在今年的DevDay上更清晰地向我们展示了如何构建一个AI时代的超级系统。就像OpenAI的CEO山姆·奥特曼在一档播客节目中所说，ChatGPT上线之后经历了两个关键的「惊喜」时刻，
工业AI生成式设计软件与方案供应商「设序科技」近日完成数千万元Pre B轮融资，投资方为涌铧投资和广发信德，星涵资本担任长期财务顾问。过去一年，公司已连续完成三轮融资，累计金额超亿元。融资资金将用于研发投入和市场推广，包括海外市场推广。
硅谷顶尖风投a16z近日发布AI应用支出报告，揭开了初创公司资金的真正去向。
3D 生成正从纯虚拟走向物理真实，现有的 3D 生成方法主要侧重于几何结构与纹理信息，而忽略了基于物理属性的建模。
国庆假期Sora 2的横空出世那叫一个吸睛，尤其是客串（Cameo）功能，直接把Sora拉到了“AI版抖音”的高度。
最近看到一个有趣的现象：很多人对AI生成的内容有一种本能的抗拒，觉得AI正在"污染"互联网，到处都是没有灵魂的机器文字。
构建能够在新环境中、无需任何针对性训练就能执行多样化任务的通用机器人，是机器人学领域一个长期追逐的圣杯。近年来，随着大型语言模型（LLMs）和视觉语言模型（VLMs）的飞速发展，许多研究者将希望寄托于视觉 - 语言 - 动作（VLA）模型，期望它们能复刻 LLM 和 VLM 在泛化性上取得的辉煌。
在这一背景下，清华大学与生数科技（Shengshu AI）团队围绕桥类生成模型与音频超分任务展开系统研究，先后在语音领域顶级会议ICASSP 2025和机器学习顶级会议NeurIPS 2025发表了两项连续成果：
在具身智能领域，视觉 - 语言 - 动作（VLA）大模型正展现出巨大潜力，但仍面临一个关键挑战：当前主流的有监督微调（SFT）训练方式，往往让模型在遇到新环境或任务时容易出错，难以真正做到类人般的泛化
大模型参数量飙升至千亿、万亿级，却陷入“规模越大，效率越低” 困境？中科院自动化所新研究给出破局方案——首次让MoE专家告别“静态孤立”，开启动态“组队学习”。
Gemini 3.0更近了！网友爆料称，谷歌下一代旗舰模型将在10月22日发布。一些拿到内测资格的开发者，放出了最全面的demo，Gemini 3.0能做到一次性直出网页、游戏、原创音乐等。前端开发，再也不需要人类。
在量子位智库的观察中，AI知识助手remio正在尝试这一方向。remio主打无感和自动化，致力于变成记忆和用户同频的第二大脑。主打能够在用户无感知的情况下，实时、自动化地采集用户所需管理的信息，为用户创造更加轻松顺畅的使用体验。
国际奥赛又一块金牌，被AI夺下了！在国际天文与天体物理奥赛（IOAA）中，GPT-5和Gemini 2.5 Pro完胜人类选手，在理论和数据分析测试中，拿下了最高分。在理论考试上，Gemini 2.5 Pro总体得分85.6%，GPT-5总体得分84.2%；
