“人工智能要发展到下一个台阶，一定要突破两座大山。第一座大山是Transformer，第二座大山是反向传播算法。”在大模型规模不断拔高、算力与数据卷到极致的当下，RockAI创始人刘凡平提出了一个与主流共识截然不同的判断。
在深入技术细节之前，我们先用一张漫画来直观理解 COIDO (Coupled Importance-Diversity Optimization) 解决的核心问题与方案：正如钟离在漫画中所言，面对海量视觉指令数据的选择任务，传统方法需要遍历全部数据才能进行筛选造成大量「磨损」（高昂计算成本）。同时在面对数据重要性和多样性问题时，传统方法往往顾此失彼。
GPT-5.2打赢Gemini 3.0 Pro，竟是靠高推理与海量Token「作弊」？网友的这个发现，在AI社区一石激起千层浪。更多网友七嘴八舌表示：GPT-5.2，并没有那么好用！
网友吐槽GPT-5.2「不通人性」。 X 上充斥着对 GPT-5.2 的恶评。昨天，OpenAI 十周年之际，拿出了最新的顶级模型 GPT-5.2 系列，官方号称是「迄今为止在专业知识工作上最强大的模型系列」，在众多基准测试中，GPT-5.2 也都刷新了最新的 SOTA 水平。
北航刘偲教授团队提出首个大规模真实星座调度基准AEOS-Bench，更创新性地将Transformer模型的泛化能力与航天工程的专业需求深度融合，训练内嵌时间约束的调度模型AEOS-Former。这一组合为未来的“AI星座规划”奠定了新的技术基准。
a16z 把旗下的一线投资人聚在了一起，来预测 2026 年的 AI 行业要解决的核心问题和新机会。整体看下来，一个核心趋势：2026 年，AI 已经不仅仅是一个提升效率的工具了，将彻底重塑从工业制造、企业软件到个人体验的方方面面。我们将从单纯「使用 AI」迈入到一个在「AI Native」环境中思考、创造和运营的全新时代。
昨天，苹果一篇新论文在 arXiv 上公开然后又匆匆撤稿。原因不明。论文中，苹果揭示了他们开发的一个基于 TPU 的可扩展 RL 框架 RLAX。是的，你没有看错，不是 GPU，也不是苹果自家的 M 系列芯片，而是谷歌的 TPU！还不止如此，这篇论文的研究中还用到了亚马逊的云和中国的 Qwen 模型。
想象一下，只需要一句话描述，AI 就能为你拍出一部完整的短剧？为了让这个想法变成现实，香港大学黄超教授团队开源了 ViMax 框架，并在 GitHub 获得 1.4k + 星标，专注于 Agentic Video Generation 的前沿探索。通过多智能体协作，ViMax 实现了真正的 "自编自导自演"—— 从创意构思到成片输出的完整自动化，把传统影视制作的每个环节都搬进了 AI 世界。
就在刚刚，DeepMind首席科学家给出惊人预测：2028年最小AGI或将降临，大规模失业就在眼前，如今，人类正站在风暴的十字路口。没有准备的人，将被迎头痛击！
问题虽然留给大家思考了，但身为一名经济学家，他还是从专业角度为我们勾勒了一幅清晰而令人警醒的图景：当算力、创意、时间这些曾被视为“稀缺”的人类核心优势逐渐被AI吞没，那么以这些稀缺性为基础构建起来的整套经济学逻辑——从资源配置、生产结构到收入分配，无疑也将随之被撼动。
