2026年5月10日凌晨，《 Nature 》连续发布三篇 agent for science 的论文，同时这些论文都是未经过编辑的版本，通常是因为文章内容对于科学界有重大影响所以提前发布，之前由deepmind发布的alphfold也有同样的待遇。 1. A multi-agent system for automating scientific discovery AI agent设计完整的生物湿实验流程 2. An AI system to help scientists write expert-level empirical software AI 协助科研软件工程师/方法开发者开发分析软件 3.Accelerating scientific discovery with Co-Scientist AI 帮助科学家建立假设设计实验 4 个帖子 - 3 位参与者 阅读完整话题
IT之家 5 月 12 日消息，科技媒体 Appleinsider 昨日（5 月 11 日）发布博文，报道称基于最新公开的 3 项研究， 苹果仍在积极推进空间计算和 Vision Pro 头显。 IT之家 4 月援引 MacRumors 媒体报道， 苹果公司内部已搁置研发新款 Vision Pro，团队重心转向 Siri 和 AI 智能眼镜 。 但从最新公示的研究论文来看，苹果公司并未放弃 Vision Pro 头显项目，本轮公开了 3 项研究，分别涉及多模态大模型空间推理评测、美式手语视频标注，以及 3D 头部重建。 其中最直接的一项，是苹果在机器学习博客发布的《From Where Things Are to What They’re For：Benchmarking Spatial-Functional Intelligence for Multimodal LLMs》。 这篇论文提出 SFI-Bench，用来测试多模态大模型是否既看懂空间布局，也理解物体“能做什么”。原文提到，这套视频基准包含 134 段室内视频扫描，并整理出 1555 道专家标注问题。 SFI-Bench 不只问模型“这是什么、在哪里”，还会追问“它怎么用、出了故障怎么办”。例如，模型可能需要从柜子里找出同品牌数量最多的一组瓶子，理解洗衣机当前程序如何取消，或者判断电视遥控器的用途。相比只测空间识别的旧方法，这更接近日常家庭场景，也更像未来空间助手需要处理的真实任务。 苹果公司的人工智能研究人员测试了智能体（LLM）对周围世界的理解能力。图源：苹果公司 测试结果显示，Google Gemini 3.1 Pro 总分最高，OpenAI GPT-5.4-High 排名第二，Gemini-3.1-Flash-Lite 排名第三。 但论文也点出共同短板：几乎所有模型都不擅长“带条件的全局计数”，并且在空间记忆、功能知识整合，以及把眼前画面和外部知识连起来这几件事上仍有明显限制。 手语论文《Bootstrapping Sign Language Annotations with Sign Language Models》尝试用 AI 自动生成候选标注，减少数百小时手工标注成本。 苹果公司的研究人员探索了使用人工智能进行美国手语（ASL）标注的可能性。图源：苹果公司 原文称，团队建立了近 500 条人工英文字词到术语标注，并扩展到超过 300 小时 ASL STEM Wiki 和 7.5 小时 FLEURS-ASL 数据。其手指拼写模型在 FSBoard 上达到 6.7％ CER，在 ASL Citizen 数据集上达到 74％ top-1 准确率。 第三项研究《Large-Scale High-Quality 3D Gaussian Head Reconstruction from Multi-View Captures》则聚焦 3D 头像重建。 苹果公司的人工智能研究人员探索了如何利用 LLM（层级建模）技术，从多角度拍摄的图像中创建 3D 头部模型。图源：苹果公司。 苹果提出 HeadsUp 方法，可从大规模多摄像头采集中重建高质量 3D Gaussian 头部模型。测试使用了一个超过 10000 名受试者的内部数据集，规模比现有多视角人头数据集高一个数量级。这可能和 Vision Pro 的 Persona，或 visionOS 中更自然的人脸捕捉与表情渲染有关。 苹果公司全球营销高级副总裁格雷格 · 乔斯维亚克（Greg Joswiak）此前表示， Vision Pro 展示了数字世界与物理世界融合的未来形态 ，这种融合具有必然性。当被问及具体时间表时，他坦言无法预测“空间计算”何时能成为主流， 但坚信这一方向不可逆转。 参考 Large-Scale High-Quality 3D Gaussian Head Reconstruction from Multi-View Captures Bootstrapping Sign Language Annotations with Sign Language Models From Where Things Are to What They're For: Benchmarking Spatial-Functional Intelligence for Multimodal LLMs 相关阅读： 《 苹果高管力挺 Vision Pro 头显，空间计算是必然趋势 》
2 个帖子 - 2 位参与者 阅读完整话题
4月29日，追觅科技创始人兼CEO俞浩连发三条微博喊话小红书CEO。针对小红书上很多“momo”这一现象，俞浩提出疑问称，“momo是谁？为什么那么多momo？momo发表了不实的虚假信息，对我们造成了负面影响，我该找谁？找你还是找momo？” 他指出，“小红书上的momo们，都做过实名认证吗？如果仅浏览就算了，如果可以发帖、发留言、可以评论，为什么不实名认证。谁来承担这个虚假信息的责任！” 他进一步质疑，只有小红书不需要实名验证，小红书有大量带着面具的以“momo”为名的匿名账号，这一机制“不是鼓励作恶是什么？你的社会责任呢？” 值得注意的是，俞浩在这几条喊话微博末尾署名“俞浩”，与此前炮轰形成了鲜明对比。 鞭牛士分析认为，俞浩具名是希望明确获得小红书CEO的回应，和“匿名”形成强烈对比。 俞浩喊话的核心逻辑，是质疑小红书上以“momo”为代表的匿名/低实名账号，在发布不实信息时，责任主体模糊、追责困难。 俞浩使用公开身份，表态实名，可被追溯，可被追责，强化了“实名才是可被约束、可承担责任”的观点。 三连击均署名“俞浩”，也是以企业负责人的正式表态，让诉求更有分量，也让平台和公众能明确是谁在提出问题，而非模糊的“某网友”。 俞浩一直以高调、敢言的风格著称，署名本身就是一种态度：不怕被追责、不怕平台回应，也不怕公开表达观点带来的争议，直接把自己的名字放在这里，就是传递“我说的每一句话，都由我本人负责”的信号，和他批评的匿名账号“不用承担责任”形成强烈的价值观对立。 当然，从传播层面讲，这也是俞浩强化个人IP与诉求的绑定。 署名也让这条喊话的内容，和他本人的IP深度绑定，让公众清晰知道是“追觅CEO俞浩”在质疑小红书的实名制问题，避免信息传播中主体模糊，也进一步放大了他个人的影响力和话题度。 查看评论
追觅科技创始人俞浩今日再发4条微博炮轰小红书，其转发自己此前批评小红书“有毒”内容引发广泛点赞的内容道：“小红书，你起来看看！这不是我说的，这是群众的声音！” 随后又补充道：“我也不敢说太多，毕竟我也怕啊，怕被小红书搞我，毕竟平台能动用的资源比我多多了，所以我也不敢多说，就随手截评论区给小红书看看吧。” “小红书应该正视！”俞浩直言，“小红书应该为上面的信息承担法律主体责任！”在他看来，就跟品牌方在面对消费者的时候应该为她的零部件供应商承担质量责任一样，否则任何一个品牌方也可以说，我是平台，产品有问题，你不要找我，找我的零部件供应商，这不是耍流氓嘛。 “小红书好比那个品牌方，上面的博主好比供应商，那为啥小红书可以不对上面的虚假信息承担责任，却说自己是平台，她不应该保证所有在小红书上看到的信息是真实的吗？如果这样，谁都可以说自己是平台，就可以逃避主体责任了。”俞浩直言，如果小红书不对上面的所有虚假信息承担法律主体责任，“将虚假信息不止”！ 查看评论
4月26日，智能清洁企业追觅科技创始人兼CEO俞浩在微博连续发文，激烈抨击小红书平台。俞浩直言，“任何在小红书上评论我们产品的，基本都不要信！反正我也不会把那上面的任何反馈信息当参考。就是一个价值观和盈利模式都非常有毒的平台！” 俞浩还提到，“总有人爱看一些平台，就跟八卦谣言也总有人爱看一样。小红书就是一个调动人性中的阴暗面的平台。靠攀比，靠晒，靠夸大其词。” 目前，小红书暂未作出回应。 查看评论
https://api-docs.deepseek.com/zh-cn/quick_start/pricing 参见文档， 有没有老哥试试水
https://api-docs.deepseek.com/zh-cn/quick_start/pricing 参见文档， 有没有老哥试试水
前日win11自动更新（可恶），导致DNF连发失效，PK被狠狠地锤了。 重装了系统，麻烦。还是抓紧备份才是王道。 C盘系统备份都用啥现在？ 记忆留在了PE、ghost。 附王小波《黄金时代》摘选： “那一天我二十一岁，在我一生的黄金时代。 我有好多奢望。我想爱，想吃，还想在一瞬间变成天上半明半暗的云。 后来我才知道，生活就是个缓慢受锤的过程，人一天天老下去，奢望也一天天消失，最后变得像挨了锤的牛一样。 可是我过二十一岁生日时没有预见到这一点。 我觉得自己会永远生猛下去，什么也锤不了我。” 16 个帖子 - 12 位参与者 阅读完整话题