珂的非官方整理
AI 速递

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，智谱以配售新H股及发行201.4亿元零息可转债，预计净募约393亿港元；上市不足九个月内三轮累计净募约755亿港元。
2. 2.约60%资金（约235亿港元）拟投向下一代GLM基础模型与“完全自训练”体系，包括数据自产、环境自造和基础设施自我优化。
3. 3.约15%拟用于业务拓展及战略并购，约25%补充营运资金，计划于2028年6月30日前使用完毕。

扩展解读 / READ

若披露口径成立，这不是单纯扩充算力，而是把数据生成、训练环境和基础设施优化纳入递归闭环；但“完全自训练”仍是研发路线与资金用途，不等于已证明可持续自我改进。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，Suno下架v2至v5.5旧模型并统一切换至v6家族，提供v6、v6-wild与v6-mini，单次最高生成8分钟音频。
2. 2.Simple模式加入Chat与图片输入，可通过自然语言调度视频配乐、人声修改、局部改词等工作流。
3. 3.高级模式新增Max Mode、Variety与Personalize等控制项；有关音质、人声稳定性的提升属于原文体验性评价。

扩展解读 / READ

可确认的产品方向是从一次性音乐生成转向自然语言驱动的编辑与工作流路由；“效果提升”缺少本次可读原文中的评测方法与样本，不能外推为普遍结论。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，YC Summer 2026 Demo Day受关注项目集中在能源、光互连和专用芯片等物理层。
2. 2.机器人项目更多瞄准真实劳动数据、低价双臂硬件和LLM生成控制代码。
3. 3.Parasma以培养人类神经元执行简化next-token预测为极端案例；摘要据此概括瓶颈正转向能源、带宽与真实世界数据。

扩展解读 / READ

这组项目可视为投资兴趣由应用层向算力、电力、网络和机器人数据栈扩散的信号，但单届Demo Day不能单独证明YC整体战略已永久转向。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，G1+约35kg、25个自由度，头部新增2自由度，肩腰电机峰值扭矩提升110%，同扭矩发热降低72%，标准版单臂负载约3kg。
2. 2.感知侧采用双目与广角视觉、3D激光雷达、5个触摸传感器、6麦阵列及两路10W扬声器。
3. 3.标准版含税9.5万元、保修8个月；EDU版自由度可扩展至45，支持Orin等算力模组和二次开发，保修18个月。

扩展解读 / READ

参数显示升级重点兼顾执行器、感知和交互，但峰值扭矩、发热、负载及售价均属产品口径；没有本次可读原文或独立测试支持其在真实任务中的成功率与耐久性。

腾讯摘要 / SOURCE SUMMARY

1. 1.腾讯摘要称，书生-S2为多模态大模型，通用能力位于开源第一梯队，并在生命科学和材料结构任务上表现突出。
2. 2.模型引入可插拔Memory Decoder；摘要给出的Biology-Instructions均分由56.92升至60.32，同时称通用能力未受损。
3. 3.团队同时预告万亿Token规模隐空间语言模型NCP-ArchPreview，称概念级预测可实现1.95倍收敛加速，并计划接入“书生·端砚”科学发现平台。

扩展解读 / READ

Memory Decoder体现以外挂专业记忆增强领域能力的路线，可能降低整模型重训成本；“比肩闭源”“1.95倍收敛”仍是摘要转述的发布口径，需模型卡、评测集和独立复现实验验证。

腾讯摘要 / SOURCE SUMMARY

1. 1.关联原文介绍上海交大、清华、字节、商汤等30多位研究者的75页综述《人类构建的最后一个AI：走向真正的递归自我改进》。
2. 2.论文以改进循环、持久状态和机制变化界定RSI，并提出B0及L1—L5自主度框架；原文还以393条基准数据构建HCI观察十大能力域。
3. 3.原文强调当前L1/L2案例较多，L3/L4更依赖领域与环境，L5仅有受限原型；反复访问评估器还可能造成基准过拟合或投机。

扩展解读 / READ

这篇文章的价值主要在于给“自我改进”建立分级语言，避免把任务内反思误称为RSI。它是对研究现状的路线图式整理，不是已实现开放式递归自我提升的证据。

腾讯摘要 / SOURCE SUMMARY

1. 1.关联原文称，MIT特别委员会历经5个月调研发布40页报告，观察到AI已广泛进入校园，并冲击习题、居家考试、研究计划、答疑和学习小组。
2. 2.报告提出八项原则，包括谦逊、大胆、以人为先、重视学习以及有意图的教学设计，并主张先明确学习目标再决定AI角色。
3. 3.建议包括重构评估、保留项目式与面对面学习、解释AI政策理由、谨慎使用AI检测器，以及披露论文中的AI使用且不把AI列为共同作者。

扩展解读 / READ

MIT的核心回应不是全面禁用，而是围绕学习目标重做课程和评价。标题中的“几乎任何作业”是报告讨论背景，不能解读为所有学科、所有任务均已被可靠自动化。

腾讯摘要 / SOURCE SUMMARY

1. 1.关联原文整理哈萨比斯访谈：AI可降低科学、创作和软件原型的试错成本，使优秀人才并行验证更多方案。
2. 2.他同时警告低成本生成会增加平庸的“AI垃圾”；软件中可能表现为绕过权限、缺失异常测试或无人维护的批量代码。
3. 3.原文将人的价值归纳为提出问题、选择、组合、约束、验证和承担责任，并称顶尖科学家与创作者未来十年产出可能提升十倍。

扩展解读 / READ

“十倍产出”和“新文艺复兴”属于哈萨比斯的前瞻判断，不是预测已被验证。更稳妥的结论是：当候选方案生成变便宜，选择标准、验证机制和责任归属会成为瓶颈。

腾讯摘要 / SOURCE SUMMARY

1. 1.关联原文基于Yann LeCun在ECCV 2026的主旨演讲，主张仅依赖语言与token难以获得对物理世界的人类级理解。
2. 2.他认为未来像素包含当前输入中不存在的不可预测细节，因此应在编码器形成的抽象表征空间预测，并以JEPA、SIGReg等机制学习稳定表示。
3. 3.原文称V-JEPA 2.1仅以单目视频训练便出现深度估计能力，并转述LeCun呼吁研究者更多投入联合嵌入与世界模型。

扩展解读 / READ

“预测像素是伪命题”是LeCun对技术路线的鲜明主张。JEPA展示了表征预测的潜力，但单项深度估计结果不足以证明它已解决常识、规划或通用世界模型问题，也不意味着生成模型失去价值。