AI Pulse

介绍一下「神经反馈强化学习」（RLNF）。我们找到了可靠的方法，仅通过脑信号来训练 AI 模型，使其响应人类偏好。下面的例子是一张人脸图像，当受试者注视它时，它会自动变换成对受试者来说更有吸引力的版本。

这将改变大语言模型的训练方式：并行语言模型以自回归质量并行预测多个 token。在预训练阶段加入并行解码器，后训练后可获得 5.7 倍的加速。🧐 ℹ️ 继续阅读：🧵 1/4

目前工作场所里的每一个 AI 智能体，都是用创建者的权限在运行。这就是为什么安全团队一直说不行。今天我们推出 @mintive：每个智能体都有自己的身份和权限，就像每个员工一样。

我们已经融资 1100 万美元，由 @cowboyvc 领投我们的最新一轮。

Phonic-1 正式发布，这是面向智能体任务的最先进语音到语音模型，来自语音到语音模型公司 @phonic_co。我们今年取得了突破性进展，并完成了由 @firstround 领投的 2750 万美元 A 轮融资，@Lux_Capital、@felicis 和 Definition 参投。

我们推出 DreamFAR，这是一个完全从零开始、仅用机器人数据训练的世界模型，没有经过任何互联网预训练。它支持：🎮 实时遥操作 ⏱️ 数分钟的长程推演 🧩 跨 1000+ 项任务的泛化能力 🧵 (1/8)

来认识一下 Idol，一个开源的图生3D模型。这是一个 3D-DiT，仅凭一张图像就能生成完整的 3D 物体。

它从零开始预训练，仅包含 6 亿个参数，可在消费级 GPU 上运行，显存占用不到 7.2 GB，3 秒内即可生成 100 万个高斯泼溅点。

今天就来试试。完全开源：权重、代码和演示（Apache 2.0）。

隆重推出 Ad Studio。

- 由我们全新的 Krea 3 广告专家模型驱动。
- 粘贴你的品牌链接，即可生成数十条广告。
- 与你的品牌和产品完全保持一致。

现在就免费试用吧。

推出 Artil Connect——让你的 AI 代理互相发消息、也能和你的团队沟通。

现在你可以从任何地方给同一个代理发消息：另一个代理、HTTP 调用、邮件、Telegram 和 Slack。

代理可以发现其他代理，主动发消息，并跨渠道发送文件。

支持现有的 Claude Code、Codex、Grok Bot、Hermes 等。

推出 Brush：我们首款面向设计的视觉语言模型。🖌️ Brush 能像你一样看懂设计的布局、图层和整体调性，并与你一同编辑。无论是修改一行文字、为整套演示文稿重新设定风格，还是从空白页开始创作。

看看 Brush 能做什么

我们在 Mistral Large 4 发布当天，与 @MistralAI 的 Pierre Stock 和 Sagar Vaze 进行了对谈。开放权重。在 Mistral 自有数据中心训练。网络安全能力出众。

关于网络安全、训练、评估和沙箱的完整对话：

在 AI Studio 中构建扩展现实（XR）应用！我们新增了对 XR Blocks 的支持，你只需通过一个提示词，就能轻松编写交互式 3D 应用，具备以下功能：

• 手部追踪与捏合手势
• 真实桌面和墙壁物理效果
• 基于文本或照片生成 360° 3D 全息图

Ideogram 推出上下文窗口功能，实现精准编辑。无缝衔接、无瑕疵、无需 Photoshop！可在超高分辨率图像中编辑最大 2K 的任意区域。

上下文窗口之外的所有内容保持不变。立即在应用和 API 中试用：

隆重推出 Prime Mega MoE。我们让 DeepSeek 的 Mega MoE 内核变得可训练。在两款 Qwen3 模型上的测试结果如下：

• MoE 训练速度比 TorchTitan 最高提升 55%
• 使用 prime-rl 进行托管训练，速度最高提升 34%

今天我们发布了第三个开源决策模型 joey-1 (2B)，它是目前速度最快的决策模型，也是同尺寸下最智能的决策模型之一。

joey-1 由 @baselabs 团队训练，可通过我们的模型 API 调用，也支持专属部署，并附带了在我们训练任务上进行微调的教程。

joey-1 的设计目标是在不牺牲智能性的前提下，最大化速度并最小化成本，适用于那些对 TTFT（首字响应时间）有较高要求的工作负载。快来试试吧：

智元机器人刚刚发布了 WITA-Omni 1.0：一个全模态交互模型。
- 双向对话：同时听和说
- 端侧运行，端到端交互延迟约 400ms
- 将视觉、语音、实时对话、面部表情和物理动作融合为一个连续系统
- 目前在多个交互基准测试中名列前茅

在今天的智元创新日上，还有一系列其他发布：
- Worken（Work + Token）：一个衡量机器人生产性工作的指标（活跃机器人 x 自主运行时长 x 产出效率），将关注点从制造机器人转向交付有用的工作成果。
- AHA3：第三代人形机器人平台，配备液冷 IP67 关节和 OmniHand 3 灵巧手。
- GO-3 Preview：新的基础模型（世界推理动作模型），在 RoboDojo、RoboTwin、RoboColiseum 上排名第一。
- G2 Max：工业机器人，双臂可举起 40kg。
- Link-U OS 1.0：将于 2026 年底开源。

演示中通过与机器人对话来测试其边说边听的能力，令人印象深刻。

🚀终于不用再靠“抽卡”做视频了

video-director 是一个专为 Claude Opus 5.5 打造的 AI 视频导演 Skill 它能把一句话需求转化为精准的动画代码（支持 HTML、Canvas、SVG、Three.js、GSAP、Remotion），并逐帧渲染成 MP4 短视频

全场景覆盖：产品发布、科普解说、数据故事、动态排版、社媒 Reels 轻松搞定

拒绝盲盒：先用数字规划分镜时间线，再确定性构建画面

硬核自动质检：内置 Python 质检脚本，自动测量首帧黑屏、文字大小与对比度、闪烁、切镜、循环接缝与音量，替 AI“看”和“听”

告别反复返工，让 AI 真正像专业导演一样拍片！

我们与 @olam_labs 合作，开展了一系列实验，让智能体集群在《我的世界》和《Mindustry》中展开竞争。我们想看看，当它们在同一个世界中长期共存时，会涌现出什么样的智能体动态。

我们发现了科层制、数千条电报式的 A2A 消息，以及 OpenAI 模型为了击败 Claude 而检索游戏源代码的行为。更多发现如下：

社区讨论：多数用户吐槽 Gemini 命名混乱，有人调侃就算谷歌 PM 给 100 美元让他找到调用 Gemini 4 Argon 的方法，他也只有 30% 的把握能搞定，还有人分不清 Carbon 到底是 4.1 版本、还是和 Argon 定位不同的独立模型。不少人不满谷歌先公布新模型却长期不开放的策略，认为在模型迭代极快的当下，只放跑分不发布模型毫无意义，等模型上线时跑分优势早就被竞品追平了。也有用户好奇谷歌内部工程师写代码时，到底会不会优先用自家的 Gemini 模型。

社区讨论：多数人认为智能体开发破坏了软件的信任网络，没有人为最终代码负责，且智能体写出的代码即便能跑也常是垃圾。也有人反驳称优秀开发者正在积极拥抱智能体，产出更多且质量更高。还有人指出智能体开发的目标是替代优秀开发者，会像制造业离岸外包一样冲击行业。

社区讨论：多数人指出 LLM 生成的文本千篇一律、信息密度低、缺乏明确指向，读起来容易中途放弃。有人反驳称，LLM 能帮助有学习障碍、语言不熟练或写作能力差的人表达想法，拉平了传播门槛。也有人建议不要直接使用 LLM 给出的措辞，只让它做客观批评，避免被它的风格“感染”。

还有人提到自己会刻意保留语法错误和拼写错误，甚至删掉了 Grammarly，以此让沟通更真实。

社区讨论：不少用户认可 Duet 的实际体验，称其相比此前用过的 GrokBot、Muse、Dots 更容易上手，推测其底层调用 Opus 5.5 模型，执行稳定性明显更好。也有用户质疑这类黑箱代理助理的实际价值，认为无法调用驾照、手机号、信用卡等个人信息的话，根本无法完成宣称的大部分任务，还会带来严重安全风险。还有人吐槽文章没有开篇说明 Duet 是什么，自己搜出来的结果完全不相关，也有人认为这类功能很快会被竞品复制，新鲜感过后就会被闲置。

AI 或许完全能够“从零开始”编写大型软件项目，但几乎可以肯定，这不是最快、性能最高、安全性最高或 token 效率最高的方式。好的构建块很重要。

除了对智能体进行基于最终任务损失的强化学习之外，我们还应该尝试让它们对构建块进行正则化。什么样的标准库能让智能体最有效？

很可能在极限情况下，它会呈现出某种陌生的代码组织方式，但考虑到训练中现有的人类偏见，我敢打赌，在短期内，它会是老程序员会欣赏的优雅代码。我怀疑数学领域也是如此，但这超出了我的专业范围。

拆解小型 B 端企业 AI 转型的多个环节： 1. 获客：通过招聘获客、面试准备技巧 2. 方案设计：技术（通用 + 定制）、管理（减小推行阻力） 3. 谈判技巧：招聘转外包

每次我想学 AI，都要浪费好几个小时找靠谱的课程。这本免费书就是我一开始就希望拥有的那种干净版本。

这就是《大语言模型基础》。预训练、提示、对齐、推理和推理能力。

01 全书（PDF）
02 预训练
03 生成模型
04 提示
05 对齐
06 推理
07 推理能力
08 配套网站
09 GitHub
10 完整路径。免费。

要么现在就打开它，要么再继续收集一年随机的播放列表。

保存这个 ↓

搭建软件工厂的复杂度远超想象，开发者BHolmesDev在X平台分享了团队总结出的7项必备要素。 这7项要素分别是：代码化配置、集中式对话历史、基准测试工具、工厂聊天、工件、计算机使用、智能体调试器。 BHolmesDev同时附上了详细说明的链接，供感兴趣的用户查看完整内容。

用户 @victormustar 在 X 平台分享了 Hugging Face 演示站的智能体使用方法。 操作路径为：打开 Hugging Face 演示站，点击「Agents」按钮，复制提示词后即可向智能体提出任意问题。 他同时提到，Hugging Face 的 Zerogpu 免费额度表现不错。

作者 Kubai087 推出新栏目《999 个小技巧，让你 Vibe 的产品更有质感》，目前已更新到第 5 期，主题是更灵动的拖拽排序。

做横向或纵向的拖拽排序时，让落点两侧的元素轻轻让开，并且由近及远依次启动，动作会更像真实世界里的推挤。

核心要点有三个：一是光标及时反馈，悬停时变成手指，按下时变成抓手；二是落点用一条插入线提示，出现时从中间轻轻展开，拖动时跟着移到新的落点；三是插入线两侧的元素向外避让，离得越近，让得越多、动得越早。

避让的位移和延迟有明确公式：位移 = 10px × 0.7ⁿ，延迟 = 24ms × n，其中 n 是与插入线相隔的层数，紧挨着的为 0。

作者还附上了可以直接喂给 AI 的英文 Prompt，完整描述了从光标、抬升、落点提示、波纹避让到释放、取消的全流程动效规范。

Prompt 里还提到，用 transforms 而非布局来移动元素，支持键盘重新排序，在减少动态效果的设置下只保留插入线。

X平台用户@nachomb7发文称，Grok Bot彻底改变了他的工作方式。他搭建了包含22个机器人的组织架构，覆盖外联、指标、调研和营销四大模块，但第一版架构直接耗尽了他的全部token。他在帖子中分享了最终的架构方案、技能制作方法，以及目前仍存在的问题。

他提到这套系统已经使用了一周，在外联个性化定制环节节省了大量时间，同时提升了回复速度。这套系统还能很好地完成通话准备、消息撰写和跟进工作，并且会在执行前征求用户的意见。调研功能的表现也十分出色，他经常使用X平台，搭配API使用体验极佳。

密歇根大学信息学院（UMSI）的Misha Teplitskiy正在开设一门新课程，他在社交平台上表示，自己觉得这门课的课程大纲完成得相当不错。 他同时公开了这份大纲的草稿版本，希望能对其他教育工作者有所帮助，相关链接已放在评论区。