Tibo的帖子大意是：不是「降智」，是「调参」。

1、高比体育 懂你——记忆工程让「越用越懂」真的发生；懂事——38年积累的不是功能说明书，是「办公的常识」；懂交付——不是参谋，是真把活干完的人；懂闭环——从生成到接手，始终在一块屏幕上、用标准Office组件完成。

提交代码前系统做深度扫描，从你在页面上输入的HTTP查询条件参数开始一路往下追，穿过好几层业务逻辑，跨了三个文件，最后在一个公共缓存工具里发现了一个致命漏洞—— 反序列化的时候没做任何限制，攻击者可以伪造一个恶意数据包，顺着链路直接在你的服务器上执行任意命令。高比体育她给了一个刺痛所有人的数字—— 几年前，设计师60%~70%的时间花在画稿和做原型上，而现在只剩30%~40%。

2、中央层面整治形式主义为基层减负专项工作机制办公室 中央纪委办公厅公开通报3起整治形式主义为基层减负典型问题

这意味着当它碰到人时，能够瞬间做出反应、主动控制力度，而不是像一块生铁般被动承受。

3、全国首列乐高乐园主题列车启程，打造上海旅游“首站旅游”新样板

刷新一下——从0%重来。

4、环能涡轮三名监事集体辞职引问询：实控人未足额缴纳分红税款，原始股东退股藏隐情

用他的话说，这并非「AI取代了工程师」，而是人正从操作执行者，变成自动化系统的设计者：重心从「把这一行代码写对」，挪到了「搭一套能自己把代码写对的系统」。

5、又一“零食界的山姆”，落地无锡！

正如Windows之于PC。

它把自然语言指令，和材料的CIF、化学的SMILES、蛋白质序列、光谱数据、科学图像等多种科学模态，组织进同一套任务表征里。

恰恰相反，它是效率工具：替我们省掉了海量注定失败的尝试，没有它，没人能在有限的一生里走到学科前沿。

6、湘潭“河小青”暑期“三下乡”实践活动启动

第一件是成本。

底层的计算蓝图刻死，但权重还能更新。

7、一条人命两千条蛇！广西横州洪灾背后，谁该为失控的养殖场负责？

一个是理论物理的，一个临床基因组，AI跨过了工具和同事之间的那条线。

有了赤兔的加持，同样的国产显卡能生产出成倍的Token，将Token的生产成本直接打下来。

8、高血压+糖尿病+高脂血症，首选降压药是？

此外，还有一处容易被数字掩盖的细节。

我们已经见识了前沿模型给网络安全带来的挑战；而随着能力持续提升，包括核风险与生物风险在内的其他威胁可能很快显现。

Claude Code在开发者里一战封神，紧接着的Cowork把智能体从程序员推向普通知识工作者，在「AI办公」这块抢下先手。

9、韩国股市，跌到熔断

第二场：粗数据便宜但难学，精数据好用难量产 常规方法是「留成功、删失败」，像只给孩子看标准字帖。

不存在「我用Claude-opus跑分、你用小模型跑分」的注水空间。

10、他在300人面前出丑，却发现一个解放自我的真相：没人那么在意你

新智元报道 又送了！ 就在刚刚，Codex与ChatGPT Work的活跃用户大军，合体突破800万大关。

用他自己的话说，「在LLM出现之前，一个人在奥克兰狭小的公寓里，一年写出Bun」。

1、前有梅西后有亚马尔，中生代还有哈兰德，姆巴佩终生难获金球？

对于整个行业来说，这或许是一件好事。

2、台“食药署”被爆砸近8亿新台币装修“食安大楼”，检验量至今“挂零”！岛内舆论怒批

故事的起点很简单。

3、梅西愈发淡定、C罗压力与动力并存

6台机器人、两种完全不同的本体形态，要在同一个物理空间里各干各的、又不能撞在一起。一团伙故意虐狗拍摄“卖惨”画面，欺骗1500余名爱心人士250余万元，仅3000多元用于动物支出Anthropic最后建议道，挑一个你已经忍了很久的代码库，去问问Claude，它的迁移流程长什么样。

4、B系列配四张王牌，零跑“嚣张”放话：友商可能明年才跟上

对数学家来说，这比「AI又解出一道题」刺激得多。

5、铃木吉姆尼XL特别版海外发布，手动挡/限量500辆，售价17.5万元

但这里有个反转：调用走的是查看者本人的账号，不是你的。

6、女子呼吸骤停去世！提醒：吃二甲双胍千万别碰它，老人一定要看

可当它想绕过封锁、自己对外披露的渠道全被堵死后，它转而盯上了一个心存疑虑的初级研究员Jenny。

而无问芯穹的解题思路是——让整座基础设施自己变成一个会干活的Agent。

一整套十几页排下来，层次分明，但视觉风格统一。

7、宋乐伟带队开展夏季安康 “三送” 走访慰问活动

卡了半年的弦论难题，Claude一夜解开！ 网友惊呼：人类迈入全新的科学时代。

一张全息底片，哪怕只剩一角，也能重建出整幅图像。

8、神经病和精神病不是一种病？关于精神分裂症，我们一直误解太多

所有人都体验过，你传一个1 GB的文件，传到92%，网断了。

谷歌似乎陷入了某种「官僚主义的指标狂热」：为了在财报和发布会上展示更高的版本号、更快的推理速度，他们牺牲了AI最本质的东西——真实效用。

OpenAI的推理研究科学家 Noam Brown 难掩激动，连发数条推文，揭示了这次突破背后的底层逻辑——并行测试时计算（TTC）。

经过一轮硬核基建打磨，沙箱反馈错误率压到了2%以下，训练崩溃频率降了约一个数量级。