NUS、ZJU、UW、Stanford、CUHK 联合提出 「ThinkMorph」，主张让文字与图像在统一架构里「原生协作」、「共同演化」，而不是像当下大多数多模态模型那样，看完图像就闭上眼睛，后续完全靠文字链条推进。仅用 2.4 万条数据微调 7B 统一模型，视觉推理平均提升 34.74%，多项任务比肩甚至超越 GPT-4o 和 Gemini 2.5 Flash。
37位来自OpenAI、谷歌的AI科学家发文声援。
视频生成进入大规模时代，但计算成本也炸了。
OpenAI的最新研究揭示了一个反直觉的真相：越强大的推理模型，越管不住自己的「脑子」。在CoT-Control套件测试的13款前沿模型中，DeepSeek R1控制自身思维链的成功率仅为0.1%，Claude Sonnet 4.5也只有2.7%。
“Have fun”
港科大团队提出音频生成统一模型AudioX，只需一个模型，就能从文本、视频、图像等任意模态生成高质量音效和音乐，在多项基准上超越专家模型。团队同时开源了700万样本的细粒度标注数据集IF-caps与可控T2A评测基准T2A-bench，并在该基准上大幅领先现有方法。论文已被ICLR 2026接收。
OpenClaw推出v2026.3.7-beta.1，史上最密集一次更新：89项提交、200+Bug修复，核心亮点是全新ContextEngine插件接口——上下文管理终于可以「自由插拔」，不动核心代码就能换策略。这次更新值得每一个做AI Agent的人认真看。
十亿参数的三维重建模型，能塞进手机吗？
这个女孩后来创立了 BoldVoice，一个帮助全球 10 亿非英语母语者突破发音障碍的 AI 平台。就在最近，这家只有 7 名员工的公司宣布完成了 2100 万美元的 A 轮融资
从OpenAI出走的前首席研究官Bob McGrew，没有去卷更聪明的大模型，而是杀进制造业工厂，要用AI为流水线机器装上「眼睛+大脑」。
