对自回归视频生成来说，稀疏策略本身不足以保证速度提升，KV布局、算子融合、访存路径和数据搬运都会直接影响实际延迟。

1、kaiyun.com One More Thing 对了，文章写到这里，还有一个反转没讲。

「越用越懂你」必须建立在数据可控的基础上。kaiyun.com围绕一个目标，持续地理解、规划、执行、检查、修正，一跑就是数十轮——这就是智能体生成循环（Agentic Generation Loop）。

2、曼联激活解约金，比利时队长蒂勒曼斯4100万欧元登陆老特拉福德

拍我AI创作者@八目爱吃饼制作的「恋与深空」的同人作品，在小红书上爆火。

3、数学家当上县委书记，结局实在不妙！

这次人才流动分析的交付，WPS调用自己的文档内核，生成的PPTX、DOCX、XLSX，打开就能编辑。

4、苹果被指缺席AI竞赛，为什么华尔街反而给出380美元目标价？

在三大典型真实场景维度测试中：它达到以下结果。

5、拳王支持妻子去邹市明化，直言是自己耽误了她

有趣的是，乙游的用户，是出了名不好糊弄的一群人——她们对角色颜值、情绪张力、叙事节奏近乎苛刻。

机器能写 人为什么还得学 那到底还该教什么？ 奥特曼的回答有点反直觉：有些事，机器明明可以做得更好，人还是要亲手做一遍。

回到奥特曼那句预告。

6、伊拉克北部库区首府遭无人机袭击

这是对AI办公的整体考验。

AI的下半场，拼的是运营力 除了作为调度中枢的「星火Token Factory」，科大讯飞星火企业军团这次还发布了三款企业级新品。

7、贝林厄姆赛后掌掴对手，半决赛失利后情绪失控

她或许不叫这个名字，不裹头巾，不谈信仰。

大晓机器人首席科学家陶大程担纲主持，五位嘉宾则分别来自蚂蚁灵波、极佳视界、无界动力、智元机器人和自变量机器人。

8、美媒说内贾德已投案自首，这位伊朗前总统，让所有人都看走了眼？

磐石2.0与ScienceOne真正的分量，未必落在某一项榜单的领先上—— 它更大的意义，是把「懂科学的模型」和「用得上的系统」拼成了一个整体，让AI第一次有机会，成为科学家身边真正的科研搭档。

「我上船的时候就知道，今晚这艘船会沉。

但U1 Pro的成图，直接把这两座大山给推平了。

9、正式官宣！国安边路飞翼离队，免费加盟大连队，半年顶薪换自由身

AtomWorld生成器流程：1. 随机采样器调取预设原子结构；2. 随机初始化器配置原子编号、位置参数；3. 结构算子运算得到目标结构；4. 提示词模块生成对应自然语言描述。

而设计师和抽卡机，差的就是能不能交付。

10、大冷！哈弗茨破门+失点 德国点球大战败北无缘16强 诺伊尔：极其痛苦

如果AI真要成为企业的基础设施，厂商就得给出比模型名称更具体的边界，让用户明白自己花钱买的那个Max，到底保证了什么。

但2026年风向变了。

1、第一接班人！德约生涯交手10次以上的对手，只有对辛纳是劣势

随着投稿量激增，审稿人的主观打分标准越来越不统一，评审随机性、不公平性逐年加剧。

2、都和肝有关，这 4 种疾病最容易在春天“苏醒”

白天干活、晚上复盘，第二天更懂你了。

3、代餐告别粗放发展，两千亿市场等待一把“尺”

现在，开始能区分了。《争洛阳》主创：被忽略的三国开局，想让年轻人和古人同频共振读题拼的是计算吞吐量——你得一口气吞下海量信息，越快越好。

4、5.17英超推荐：纽卡vs西汉姆联

所有人都记得，这个在赛百味打工的数学天才的故事。

5、如果再给萨拉赫一次机会，他将如何选择？梅西球迷也有困惑

这在设计圈是一件近乎「叛逆」的事。

6、巴萨突然发力抢人！戈登、B席、小蜘蛛，只要有传闻一切皆有可能

所以真正被改写的，从来不只是一本统计学教科书。

而具身数据还差1万倍以上。

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。

7、《乡约食光》第二季开拍，山水延庆火热“出圈儿”~

我把一个相对复杂的任务抛给灵犀专业版： 做一个国内顶尖AI人才流动的可视化HTML页面，分析大厂之间的人才流动，用我喜欢的PPT风格呈现。

谁的额度更松，谁的用户和使用量就更多，谁收到的数据也就更多。

8、笑做“不倒翁”，晚年更从容！老年人防摔指南快收好

而把马斯克逼到这一步的，是一个较真的安全研究员，以及一场差点毁掉整个agentic coding赛道的信任危机。

商汤已经签约国星宇航，计划今年四季度发射4颗「商汤号」系列算力卫星，完成首发并组网；2028年目标建成星地混合云商用骨干网；到2030年建成千颗级天地一体化AI算力星座。

参考资料： https://openreview.net/forum?id=PEyouQzOLD 编辑：LRST新智元报道 今年WAIC开幕当天，上海世博展区挤满了各种机器人、大模型和智能体。

动作chunk尾部不可靠：模型一次预测多个动作，但越靠后的动作越容易累积误差，系统不得不频繁重新规划，强行拉长执行长度会降低成功率并增加物理步数。