用 LoRA/DoRA 微调 NVIDIA Cosmos Predict 2.5 生成机器人视频
NVIDIA 在 Hugging Face 博客发布指南,介绍用 LoRA 和 DoRA 对 2B 的 Cosmos Predict 2.5 做参数高效微调,用于生成机器人操作视频。
媒体报道、公司博客与研究文章
NVIDIA 在 Hugging Face 博客发布指南,介绍用 LoRA 和 DoRA 对 2B 的 Cosmos Predict 2.5 做参数高效微调,用于生成机器人操作视频。
Anthropic 在 Claude Managed Agents 中推出 dreaming 研究预览,并开放 outcomes、多智能体编排和 webhooks。
推荐理由:官方公布了 dreaming、outcomes 与多智能体编排的具体机制和内部基准数据,可了解 Managed Agents 的能力边界与实际收益。
Claude 平台发布更新:MCP tunnels 以研究预览形式上线,可连接私有网络中的 MCP 服务器。
Sierra 构建了一套语音转录平台,通过并行调用多个转录提供商进行集成、注入对话上下文,并支持 70+ 种语言,以解决姓名拼写歧义、行业术语识别等难题。其内部基准显示,集成方案平均将话语错误率降低约 25%,在部分语言中最高降低 37%;上下文感知转录使金融服务智能体的输入验证率提升超 25%,整体问题解决率最高提升 1%,重大转录错误减少最多 15%。
Anthropic 宣布 Claude Managed Agents 支持自托管沙箱和 MCP 隧道,让智能体在企业自身边界内执行工具并访问私有网络中的 MCP 服务器。
推荐理由:原文给出自托管沙箱与 MCP 隧道的边界划分和支持的沙箱提供商,读者可据此评估企业内智能体部署路径。
Manus 上线 Higgsfield MCP 连接器,让创作者在保留 Higgsfield 专业视觉生成控制的同时,把生成结果接入 Manus 的创作与交付流程。用户可选择图片或视频模型、加入参考素材、设定输出数量、画幅或视频时长,并支持从产品页面、品牌上下文或特定广告形式开始生成。该连接器现已在 Manus 中开放,适用于拥有 MCP 连接器访问权限的用户。
Google 发布 gemini-3.5-flash,即 Gemini 3.5 Flash 的正式可用版本,面向智能体和编码任务,现作为 gemini-flash-latest 背后的模型。
推荐理由:更新日志列出了 GA 模型和托管 Agent 预览的具体变化,开发者可据此判断是否切换入口或试用新智能体。
小鹏首台量产 Robotaxi 在广州工厂下线,小鹏集团董事长、CEO 何小鹏宣布未来几个月该车会在广州开启示范运营。官方介绍称这是中国首款全栈自研、前装量产的 Robotaxi,基于旗舰车型 GX 打造,车内搭载 4 颗自研图灵 AI 芯片、有效算力达 3000TOPS,并搭载第二代 VLA 大模型实现 L4 级自动驾驶能力。
PaddleOCR 3.5 发布,支持通过 engine="transformers" 将 Hugging Face Transformers 作为受支持模型的推理后端,OCR 与文档解析流程仍由 PaddleOCR 管理。
IBM Research 发布 Open Agent Leaderboard,把完整智能体系统而非单个模型作为评测单位,同时报告成功率和每任务成本,并开源配套的 Exgentic 评测框架与论文。
推荐理由:榜单把完整智能体系统而非单个模型作为评测单位,同时给出质量与成本,便于判断不同实现的部署取舍。
Import AI 457 聚焦三项研究:SentinelOne 拆解出约 20 年前的病毒 fast16.sys,它通过篡改 LS-DYNA 970、PKPM、MOHID 等高精度计算软件的内存结果来破坏科研与工程计算。
比亚迪腾势 N9 闪充版 SUV 上市,推出三款车型,售价 40.98 万元起,搭载第二代刀片电池,CLTC 纯电续航 420km、综合续航 1520km,10%-70% 充电仅需 5 分钟。新车搭载天神之眼 5.0 全闭环端到端大模型与易三方三电机独立驱动技术,零百加速 3.7s,并配备新一代 AI 智能座舱。
理想 AI 眼镜 Livis 开启 OTA 升级,眼镜固件升至 1.8.50、理想同学 App 升至 2.5.0,新增 5 项功能并优化 11 项。全新理想 L9 首发 AI 眼镜指挥泊车,泊车时说出“暂停泊车”或“停止泊车”即可让车辆响应,后续将开放更多车型。本次还新增哨兵模式高风险提醒、英文唤醒词“Hi Livis”及语音唤醒开关等。
长城汽车魏牌 V9X 上市,共 3 款车型,34.98 万元起,均为超级 Hi4 插电混动版本,年内还将推出 HEV 和 EV 版本。作为归元 S 平台首款量产车型,其搭载 2.0T 发动机、4 挡混动变速箱、800V 架构与 6C 超快充,满电 0-100km/h 加速达 4 秒级。智能辅助驾驶引入 AI 智能体与 CoT 思维链卡片,可可视化呈现风险识别推理过程。
腾讯推出一款名为“吐司”的 AI 应用生成平台,定位为探索型氛围编程产品,安卓版已上线,iOS 版本稍后推出,公测期间限时免费。用户用自然语言描述想法后,AI 会自动拆解功能点、生成原型并通过多轮对话调整,最终一键打包成 APK 安装到安卓手机。平台还提供链接、二维码、安装包的社交分享,以及灵感广场和应用搜索功能,支持他人基于已有模板二次创作。
美国得州车主本·高伊瑟起诉特斯拉未能兑现无监督FSD承诺,法院4月1日作出缺席判决,裁定特斯拉赔付10600美元赔偿金及72.88美元诉讼费,特斯拉请求延长上诉期限的申请被法官驳回。
Meta 为雷朋 Display 智能眼镜推送 Update 125,正式向全球用户开放肌电手环手写输入(Neural Handwriting)功能。该功能依赖内置 sEMG 传感器的 Meta Neural Band 腕带,用户通过"空气书写"即可实时转文字,已支持 WhatsApp、Messenger、Instagram 私信及系统短信。
华为小艺简报功能已在老机型回归,Mate 70 系列、Mate 60 系列等正陆续放开可用,此前该功能曾在一段时间内下线。小艺简报基于情景感知和个人 AI 知识图谱,在早上 6:00 至当天 24:00 于桌面自动生成并推送个人专属简报,支持一键语音播报,涵盖全局待办、通知摘要、日程简报、天气简报、睡眠简报等内容。
群核科技与影石创新达成战略合作,融合影石高性能影像硬件与群核科技 3DGS 空间重建能力,共同发布新一代空间重建解决方案。用户用影石全景相机或无人机拍摄视频后,上传至群核科技 Aholo 空间智能平台,几分钟即可生成可交互 3D 空间。该方案可应用于文旅文保、影视虚拟片场、游戏场景及空间设计等领域。
摩尔线程发布 MTT AICUBE 智能硬件,将于 6 月 18 日开启预售。该设备内置小麦智能体,支持客厅语音点播影片、一键生成旅行攻略,并可连接手柄畅玩《王者荣耀》《原神》等手游。其支持安卓容器环境高效运行,依托全功能 GPU 实现低延迟操控,定位家庭娱乐与办公交互的智能中枢。
由首都医科大学附属北京天坛医院担任组长单位的 128 通道全植入式脑机接口系统多中心临床试验正式启动。该系统由皮层内植入式柔性电极和全植入式信号采集器两部分组成,柔性电极采用超薄生物相容性材料,可降低植入后免疫反应并高精度采集单神经元动作电位;采集器采用无线全埋置方案,内置医疗级可充电电池并支持无线充电。
马斯克在特拉维夫智能出行峰会上表示,SpaceX 今年有望攻克可复用火箭发射系统,该技术将大幅降低太空航行成本。他同时透露,Neuralink 今年晚些时候将首次使用“盲视(Blindsight)”植入设备进行手术,帮助先天失明或视力受损者重见光明,初期仅能获得有限视力,长期有望实现高清精准视觉。
豆包 App 上线“博物馆讲解”功能,观众点击对话框内按钮即可开启视频通话讲解,对准展品后自动识别并提供个性化介绍与导览,说一句“每看到一个展品就主动介绍”即可边走边听。该功能合作覆盖中国国家博物馆、浦东美术馆、甘肃省博物馆等 20 余家博物馆、美术馆,豆包还成为其中 5 家相关重磅展览的官方 AI 讲解员。
微软确认今年晚些时候推送 Windows 11 更新,允许用户把 Copilot 键自定义为右侧 Ctrl 键或上下文菜单键。用户可在 Windows 设置 > 蓝牙和设备 > 键盘页面修改该按键功能,系统级设置将适配所有搭载 Copilot 键的 Windows 11 电脑。此前该按键仅支持唤起系统搜索或启动其他应用,且几乎没有第三方应用原生支持。
阿里云 5 月 18 日宣布 QoderWork 正式上线设计工作台(Design Desk),支持语音输入,可在无限画布上获得可运行、可编辑、可交付的设计产物。
OpenAI 与 Dell 达成合作,将 Codex 引入混合云和本地部署环境,帮助企业在数据与工作流中安全部署 AI 编程智能体。
OpenAI 发布"社区事务负责人"招聘,负责与"星际之门"数据中心选址地社区沟通,核心考核指标之一是"减少社区阻力"。该岗位年薪 12.96 万至 23.6 万美元并含股权激励,要求常驻或搬迁至拟建社区。星际之门由 OpenAI、甲骨文、软银及 MGX 联合发起,计划投入 5000 亿美元,选址已覆盖得克萨斯、密歇根、新墨西哥、威斯康星及俄亥俄州。
小鹏汽车官微宣布 GX 首台 Robotaxi 量产车下线,车内搭载 4 颗自研图灵 AI 芯片,有效算力达 3000TOPS,并搭载第二代 VLA 大模型实现 L4 级自动驾驶。小鹏称其为中国首款全栈自研、前装量产的 Robotaxi,也是中国第一个用纯视觉方案实现 L4 的 Robotaxi。按计划,今年下半年开始自动驾驶出租车试点运营,2027 年初实现无需现场安全员的完全自主运营。
大疆发布第二代扫地机器人 ROMO 2 系列,含 P2、A2、S V2 三款,售价 4299 元至 6499 元,实测的 ROMO P2 水箱版为 5999 元。吸力从前代 25000Pa 提升至 36000Pa,越障高度升至 8.5cm,并搭载 123° 外摆机械臂与 2.0 版避障系统。首发期间提供 1000 元限时优惠,ROMO P2 水箱版到手价 4999 元。
百度发布 2026 财年第一财季财报,营业总收入 320.75 亿元,同比下降 1.16%;归母净利润 34.45 亿元,同比下降 55.36%。核心 AI 新业务收入 136 亿元、同比增长 49%,首次占一般性业务收入比重超过一半,达 52%,其中智能云基础设施收入 88 亿元、同比增长 79%,GPU 云收入同比增长 184%。
滑铁卢大学与伦敦大学学院研究发现,即便 AI 与人类给出完全一致的答案,人们仍普遍认为 AI 作答时更自信,成果发表于《通讯 · 心理学》。实验显示,作答速度越快、决策越轻松,受试者判断其自信程度越高,并会因认定 AI 能力更强而默认其更笃定,形成"自信错觉"。研究团队正筹备新一轮研究,探索让 AI 清晰传递自身把握程度的方式。
马斯克预计今年下半年无人自动驾驶汽车将在美国进一步普及,得克萨斯州已有三座城市投入运营无安全员值守的自动驾驶车辆,该模式今年将推广至全美。他表示十年后人们出行总里程中约九成将由自动驾驶汽车的人工智能系统完成,人类亲自驾驶将变得十分少见。
京东在 2026 年京东 618 启动发布会上宣布,将于 5 月 22 日举行全球首场仿真机器人拍卖。京东零售今年助推机器人品牌累计销售破 100 亿、产品上市周期缩短 30%,京东物流五年投入 300 万台机器人、100 万台无人车和 10 万架无人机。
必胜客加盟商查克东北披萨公司于5月6日向得克萨斯州商事法院起诉,指控必胜客强制门店上线AI配送管理平台龙尾(Dragontail),索赔超1亿美元。诉状称该系统让骑手可实时查看后厨出餐进度并最长等候15分钟凑单配送,纽约门店销售额同比增速由上涨10.19%转为下滑9.78%。必胜客发言人称正在梳理诉讼诉求,将通过法律途径回应。
红魔在发布会上推出氘锋能量卡 Pro 磁吸充电宝,支持 25W 低温无线充与 45W 有线快充,并配备一键飞行模式。新品采用航空合金机身,支持 AI 智能监控,具体价格暂未公布。
红魔 11S Pro 系列手机发布,搭载第五代骁龙 8 至尊领先版(CPU 主频 4.74GHz)与自研红芯 R4 电竞芯片,售价 5499 元起,Pro+ 版最高 7999 元。
中兴携手中国移动联合发布的“二合一 5G 云电脑”逍遥 W200DS Pro 已上架天猫正式发售,定价 2349 元起,附 1 年中兴云电脑服务公众版。
澳门教业中学五名高中生制作的微信小程序「今厕一定得」获第四届小程序全球创新挑战赛飞龙组一等奖及最具社会价值作品。用户点击“查找洗手间”或“我很急”按钮,3 秒内即可找到最近洗手间并一键导航,还能查看是否免费、干净、可公用,并支持手动添加坑位、内置小游戏与 AI 语音助手。该小程序将在明湾基金会支持下正式上线。
日本熊袭事件激增带动驱熊机器狼需求,太田精机(Ohta Seiki)今年“怪兽狼”订单已达 50 台,超过往年全年产量,客户下单后需等待两至三个月。该机器狼售价 4000 美元以上,配备红外感应、50 种警示声响与 LED 灯光,靠 12 伏车载电池供电。太田精机还计划推出手持版产品,并考虑用 AI 摄像头改进防熊技术。
启境汽车 CEO 刘嘉铭透露,华为乾崑 | 启境 GT7 智能猎装车将于本月底公布预售价并同步开启预订,计划 6 月上市发布,届时公布正式售价、配置及交付细则。该车为广汽与华为乾崑合作首款车型,搭载 896 线激光雷达、预埋华为乾崑智驾 L3 级架构及新一代小艺智能体等十大智能技术,全国 300 家用户中心与体验店正陆续建设中。