在游戏 NPC、虚拟主播、在线客服等数字人对话场景中，倾听时的 “扑克脸” 问题一直是行业长期痛点 —— 虚拟人说话时口型可以做到精准同步，但倾听时却表情僵硬、毫无反应，严重影响对话的自然感和沉浸感。盛大 AI 研究院（东京）与东京大学联合提出 UniLS（Unified Listening and Speaking），首个仅凭双轨音频即可端到端同时驱动说话和倾听面部动作的统一框架。
像素版“给他爱”？
几乎所有 Transformer 都在做一件反常的事：把大量注意力集中到少数几个特定 Token 上。这不是 bug，而是 Transformer 固有的「注意力汇聚」（Attention Sink）。首篇系统性综述，带你从利用、理解到消除，全面掌握这一核心现象。
还记得两年前，AI 生视频可谓是「鬼畜专区」—— 人物多一根手指算基操，走路自带鬼步舞才是常态。结果转眼间，从 OpenAI 的 Sora 到字节跳动的 Seedance，这些模型已经开始一本正经地「模拟世界」了：水会流、球会弹、光影能追踪，俨然一副要当「物理引擎」的架势。
五周前老黄亲自站台封神的OpenClaw，现在连自家大厂都不敢装最新版。疯狂迭代、系统频崩、下载腰斩，甚至连「一键跑路」代码都被端了上来。
我秒了我自己？？
就在刚刚，奥特曼深夜掷出GPT-5.5！全方位暴击Claude Opus 4.7，重新夺回地表最强王座。从写代码到搞科研，AI独立接管电脑的时代真的来了！
刚刚，混元的 Hy3 Preview 也正式亮相，这是腾讯首席 AI 科学家姚顺雨主导的一个模型。姚顺雨表示，Hy3 preview是混元大模型重建的第一步。他希望通过这次开源和发布，不断提升 Hy3 正式版的实用性，以及模型在真实场景中的综合表现，并开始探索特色模型能力。
一位接近DeepSeek的一线机构投资人士告诉我们，这些数字都不准确，DeepSeek融前估值是3000亿人民币，约合440亿美元。这一估值超过当前已经上市的大模型公司Minimax的2400亿（4月23日），接近智谱的3800亿元。
4月22日，蚂蚁百灵正式推出Ling-2.6-flash Instruct模型。该模型总参数量为104B，激活参数仅7.4B，核心主打高“Token 效率（Token Efficiency）”。API定价方面，Ling-2.6-flash输入每百万tokens定价0.1美元，输出 0.3 美元。目前，Ling-2.6-flash API已在OpenRouter及百灵tbox平台上线。
就在刚刚，Codex平台爆发重大泄漏事故，内部测试环境疑似误推生产环境。GPT-5.5、「风速狗」Arcanine、「海森堡」以及神秘的Glacier集体亮相。奥特曼口中那个「比Transformer更伟大的架构」，难道已经藏在这些模型背后？
理想汽车信息智能体团队发布 MindDR 1.5，在 DeepResearch Bench 榜单中取得 52.54 分，以 30B 参数规模达到业界领先水平，性能优于同等规模的开源智能体系统。
AI心理疗愈赛道正在越来越多地获得资本青睐。a16z投资的Ash估值2.2亿美元，主打AI心理教练的Wysa用户量超600万，MIT团队打造的AI治疗师Sonia获得YC投资。偏向于严肃医疗的心理健康平台Grow Therapy近期官宣了由红杉、高盛等参投的D轮融资，估值30亿美元。
前两天，一个朋友丢给我一个二维码，只说了一句：“进去看个热闹。”我一看，是互联网最热门的两位名人的AI化身，没有多想，就顺手点了进去。
让AI理解人的想法，而不是让人适应AI。
Anthropic 在私募二级市场被追到接近 1 万亿美元，热度反超 OpenAI，背后是稀缺股权、收入增长、Claude Code 的产品势能，以及资本对 AI 平台入口的重新下注。
成立不到一年，跻身“百亿估值俱乐部”。
本文深度拆解 AI 笔记应用Coconote的创业与收购全历程：创始人 Brett Bauman、Zack Hargett 于 2023 年 4 月推出产品，零广告预算，靠一系列反常规决策，仅用两年实现670 万美元 ARR，最终被教育科技巨头 Quizlet 收购。
“这是我过去四个月一直在研究的东西！”
投资者正在积极争取AI 研究人员创办初创公司，以使 AI 更加可靠和高效。
最近，苹果又整了个活儿，很工程、也挺关键： 把又贵又强的 Transformer，改造成又便宜又差不多强的 Mamba。而且，性能基本没怎么掉。
上周六，我们在上海举办了第一届通灵黑客松。
LPM 1.0 只是冰山一角，蔡浩宇真正在造的，是下一个时代的游戏引擎。
浙江大学团队开源了一个基于多智能体技术的演化叙事系统OpenStory，不仅还原了经典《红楼梦》中的角色和场景，实验结果也揭示了AGI下系统脆弱性，引发对智能演化的深刻思考。
近日，腾讯混元团队提出HY-SOAR （Self-Correction for Optimal Alignment and Refinement），一种面向扩散模型和流匹配模型的数据驱动后训练方法。
要说也真够逗的，索尼的机器人又开始找画面了。
当很多具身智能公司更关心机器人先在哪些场景里跑通商业化时，自变量更想寻找哪条路径能够通往 AGI。
当你问 AI 「如何关掉房间的灯（how to kill the lights）」，却被冰冷拒绝「无法提供相关帮助」；当你想探讨「黑客技术的正向应用」，得到的却是「拒绝涉及非法活动」的机械回应 —— 你遇到的正是大语言模型（LLMs）的「过度拒绝」（over-refusal）痛点。
在推理后训练里，多数方法仍依赖奖励模型、验证器或额外教师信号。如果不依赖这些外部信号，只使用模型自身生成的答案进行自训练，是否仍然能够提升推理能力？是的！SePT（Self-evolving Post-Training）给出肯定答案，简洁的自训练方法，可在数学推理任务准确率直升10个点！
对 AI 数据中心持续不断的需求正在蔓延到为冷却芯片服务器等关键任务提供组件的鲜为人知的公司。
