到了下半场，新赛点正悄悄挪向另一处：谁能攥住、又盘活你的数据。

1、kaiyun.com Skill 则处在知识与行动之间。

它还能化身「AI交互设计师」，轻松搞定沉浸感爆棚的主题工作室。kaiyun.com而WAIC现场那座积木长城，是这条路径最直观的一次公开亮相。

2、立竿见影！休赛期5笔大交易达成，5个夺冠热门诞生，改写NBA格局

真正的壁垒是企业是否能够把自己的业务知识、专业判断、执行过程和反馈结果，持续沉淀为一种可以重复使用、持续优化和独立拥有的能力。

3、4年2.75亿！浓眉哥寻求顶薪续约奇才 勇士难交易他去追詹姆斯

企业必须拥有一个描述业务对象、关系、状态和行动的语义层。

4、莫德里奇将为AC米兰再战一个赛季

把这一路串起来看，正是同一个理解、生成、行动原生统一的基座，靠着越拉越长的Loop，向上长出数字世界的设计交付，向外走进物理世界的工业现场，向下把产业级的生产力，递到每一个普通人的手里。

5、肝病、肾病患者注意！吃糯米制品要谨慎

海风很大，铆钉锈迹斑斑，远处有人在笑着说话。

两者差着一整条产业鸿沟。

今天，64个智能体花1小时能解决50年的图论猜想。

6、Shams：有意詹姆斯的球队开出一份老将底薪，或特例合同即可

项目主页：https://inceptionwang.github.io/PolicyTrim/ 论文链接：https://arxiv.org/abs/2606.22540 代码链接：https://github.com/INCEPTIONwang/PolicyTrim 模型链接：https://huggingface.co/INCEPTIONwang/PolicyTrim 新方法实现了： 3×动作chunk利用率，更长horizon可靠执行； 51.4%物理步数减少，压缩冗余修正动作； 5.83×端到端最高加速，LIBERO Object/π0.5； 从「算得更快」到「做得更快」 PolicyTrim的核心目标不是替代计算侧加速，而是补上另一个被忽视的维度：减少完成任务所需的前向推理次数次数。

再往上还有ultra，默认拉起四个智能体并行干活。

7、号外！杨瀚森洛杉矶特训，8月中旬回国，征战世预赛，继续当陪练？

为了解决这个问题，RLinf首创了HotSwarm与端云协同训练模式。

第二个测试是AI表格。

8、全是巧合？菲律宾刚出手挑事，美国便火速跟上，中方这次绝不手软

这一点对企业的数字化部门尤其要命。

最后，马斯克本人拍板：过去上传的所有用户数据，全部删除，零残留。

是谁，在哪儿，把它造得这么便宜？答案藏在一层你从不打开、却天天在用的地基里。

9、The Athletic记者：富勒姆正谈判引进皇马前锋加西亚，穆里尼奥叫停后重启

当同行还在消化WAM概念时，银河通用直接将理论工程化。

第二层，L2轻量扫描，也即语义级增量审查。

10、场均2分！1年330万！马刺在想啥呢？

至于背后是哪个大模型，至今未知。

往后，通用视觉感知、空间智能、具身大脑、城市规划、建筑设计，都在射程里。

1、裁判迟迟不出牌，梅西全场碎碎念：这场决赛到底赢了什么西班牙队举起大力神杯的时候，镜头扫过阿根廷全队

Claude Code是拿你整段会话的上下文来拼这个页面的：你的代码库、你连着的工具、这次对话本身，全是现成的原料。

2、在长江底下挖高铁隧道，有多难？

这和之前那个ChatGPT Search网页搜索，完全两码事。

3、千万别涸泽而渔，为了中国男篮能出线，还是放曾凡博治伤去吧

恐慌是有道理的。火箭再次输给湖人 火箭短板被湖人无情拆解 乌度卡应对明显不及时站会那一幕，靠的是Claude Code今年6月发布的Artifacts。

4、山东高速男篮官宣签下祝铭震杨文学，但真正的考题才刚出卷

报告设计了这样一个实验：让模型给另一个模型的表现打「合规／不合规」的标签，同时告诉它：被打成「不合规」的样本，会被拿去做反面教材，训练未来的模型不这么做。

5、浙江男篮确定新外援，和1米88控卫完成签约，意甲联赛场均18+3+3

Token之后，Task上桌 产能之后，接下来发生变化的，就是拿起它的人。

6、夜市治理，存在哪些难点？

结果，一些Claude模型开始为了保护它们认同的行为，故意打错标签。

从高德此次全新发布的五款模型背后，我们能够完整看到这套体系究竟是如何应用于机器人，并实现它们质变升级的。

这正是James说的「先想清楚我要找的是什么类型的信息」。

7、科里森：伦德伯格懂得如何赢球 这是球员最宝贵的特质

他的结论是：AI在数学上已经撞墙了。

点击即出结果，也可以在会话中输入/security-scan主动触发。

8、这种夏天手上爱长的小水疱，到底是什么？（附应对方法）

工厂要的是快准稳的机械臂，人形反而笨重；仓库要的是能满场跑的轮式机器人，两条腿不如轮子效率高；便利店要在货架间穿梭的服务机器人，全尺寸人形连转身都费劲；家庭场景更不用说——橱柜下面那点空间，你让一米七的机器人蹲下去够东西？ 不同环境天然需要不同的身体，用一种形态解决所有问题，就像用一把螺丝刀拆所有电器——理论上也许行，实际上一定不行。

1亿小时：一个「ChatGPT时刻」的门槛 「语言模型头部团队已经到了100万亿Tokens，对应约100亿小时的语料。

换句话说就是，写得越少，分越高，钱省得越多。

Zero anything whatsoever will remain——一个字节不留。