报道指出，部分谈判仍处于初步阶段，最终未必能达成新协议。值得注意的是，福克斯公司与《华尔街 日报》母公司新闻集团为"同源企业"，拥有共同的控股股东。 Meta与媒体出版商的合作关系向来"喜忧参半"。报道提及，这家美国科技巨头多年前曾斥资数千万美元 达成多项合作，将《华尔街日报》《纽约时报》《华盛顿邮报》等媒体的内容纳入其"新闻"板块;但到 2022年，Meta宣布将停止向出版商支付内容费用。 由于Meta降低了新闻内容在平台的优先级，许多出版商从其社交平台Facebook获得的流量大幅下滑。不 过报道也提到，近几个月已有部分出版商表示，来自Facebook的流量出现回升。 据《华尔街日报》报道，近几个月来，Meta(META.US)已与多家媒体企业展开磋商，计划获得这些机 构的文章授权，用于其人工智能(AI)产品开发。涉及的媒体包括Axel Springer、福克斯公司(FOX.US)以 及新闻集团(NWS.US)。 报道援引知情人士消息称，作为Instagram与WhatsApp的母公司，Meta旗下拥有聊天机器人等多款AI驱 动产品，此次与媒体企业的谈判核心，是为这些AI产品获取新闻及其他内容的使用授权。 ...

❝ BEV作为智能驾驶的量产基石，它的发展过程是怎样的？盘点BEV的三代演进之路。 BEV感知已成为自动驾驶领域的基础范式，能够提供统一的空间表征，为鲁棒的多传感器融合和多智能体协作提供支持。随着自动驾驶车辆从受控环境向现实世界部署 过渡，如何在复杂场景（如遮挡、恶劣天气和动态交通）中确保BEV感知的安全性和可靠性，仍是一项关键挑战。本文首次从安全关键视角对BEV感知进行全面综述， 系统分析了当前主流框架及实现策略，并将其划分为三个渐进阶段：单模态车载感知、多模态车载感知和多智能体协作感知。此外，本文还研究了涵盖车载、路侧及协 作场景的公开数据集，评估了这些数据集在安全性和鲁棒性方面的适用性。本文进一步指出了开放世界场景下的关键挑战（包括开放集识别、大规模未标注数据、传感 器性能退化及智能体间通信延迟），并概述了未来研究方向，如与端到端自动驾驶系统的融合、具身智能及大型语言模型的应用。 论文链接：https://arxiv.org/abs/2508.07560v1 论文标题：Progressive Bird's Eye View Perception for Safety-Critical Autonomou ...

公司战略转向 - OpenAI正加速机器人技术领域投入 通过组建专注于人形机器人的新团队 押注物理世界交互是实现通用人工智能的关键一步 [1] - 公司近期已聘请多位人形机器人控制算法专家 招聘目标明确指向人形机器人项目 [1] - 所有机器人相关职位均强调"专注于解锁通用机器人技术并在真实世界环境中推动AGI级别智能" 表明公司将机器人技术与AGI终极目标直接挂钩 [2] 人才招聘进展 - 斯坦福大学研究人员Chengshu Li已于2025年6月加入 其研究涉及为处理家务的人形机器人设计能力基准 [2] - 另有两名来自其他机器人实验室的研究人员也已入职 招聘行动正在提速 [2] - 公司寻找具备遥操作和模拟（如Nvidia Isaac平台）经验的专家 这些是训练人形机器人的关键技术 [1] 硬件发展路径 - 机械工程师职位要求具备原型设计和制造带触觉及运动传感器的机器人系统专业知识 [3] - 职位要求拥有"为大批量（100万台以上）生产设计的机械系统经验" 暗示未来可能进行大规模生产甚至制造业部署 [3] - 公司可能自研机器人硬件 或为机器人训练开发遥操作系统 具体路径尚未明确 [3] 行业竞争格局 - 人形机器人赛道竞争激烈 包括特斯拉、谷歌以及Figure、Agility、Apptronik等明星初创公司 [4] - 自2024年初以来 风险投资已向人形机器人初创公司投入超过50亿美元 [4] - 摩根士丹利预测到2050年该产业市场价值可能达到5万亿美元 [4] 技术发展背景 - 公司战略转向正值业界反思大型语言模型发展路径之际 在GPT-5研发达到平台期后 AI需要"走向物理世界"寻求突破 [1][4] - 虽然目前人形机器人仍难以应对复杂不可预测的环境 但资本和顶尖人才涌入有望加快技术突破步伐 [4]

前段时间轰轰烈烈的Meta抢人行动，容易让我们忘掉一点：AI人才的流动一直都很大，而"被高薪挖走"从来就不是唯 一的原因。 彭博社名记马克·古尔曼（Mark Gurman）爆料称，苹果又损失了四位AI大将，分别是： 苹果的机器人首席AI研究员Jian Zhang，以及苹果基础模型团队三名研员Nan Du、Zhao Meng和John Peebles。 从这里面我们至少能得到两个信息。 第一，离开的研究员很集中，有三个都是基础模型团队的。 第二，华人占比依然很高，四个当中除了John Peebles都是华人。 这很像是Meta抢人的习惯，但这次真的它关系不大——四个人中，只有Jian Zhang去了Meta。Nan Du和John Peelbles去 了OpenAI，而Zhao Meng则加入了Anthropic。 Meta挖走了苹果的机器人AI大将 从2005年加入，到如今离开，Jian Zhang在苹果整整效力十年。领英资料显示，他离开时已经是苹果人工智能与机器学 习（AIML）部门的机器人研究负责人。 不同于特斯拉的人形机器人项目，机器人技术是苹果未来产品线的关键组成部分。据彭博社报道，苹果有一系列设备 ...

产品发布 - 公司推出多模型大型语言模型平台Geene M2 整合Geene R1 Geene TurboGPT OpenAI ChatGPT 阿里巴巴Qwen 字节跳动SkyLark等领先模型[1] - 平台采用专有神经智能路由引擎 根据对话类型 复杂程度和用户意图动态选择最佳模型[1] - 引入多响应比较功能和智能应答融合技术 可并列检视不同模型输出并整合为更丰富答案[1] 技术功能 - AI编程模组可将自然语言提示转换为功能性代码 实现自动修复错误 优化系统效能和现代化旧有系统[2] - 通过降低技术开发依赖和整合维护成本 有效缩短开发周期并加快产品推出速度[2] - 具备生成响应式前端应用程式 创建可重用元件及桥接不同系统的能力[2] 数据管理 - AI Vault云端储存平台结合检索增强生成技术 将档案储存转化为智能资源中心[3] - 平台能自动整理分类并关联内容 用户可通过自然语言提问获取即时答案和深度洞察[3] - 资料可实时导入模型成为"AI-ready"内容 提供具脉络且准确度更高的回应[3] 商业模式 - 平台设免费方案提供10GB智能云端储存空间与标准使用限制[4] - 专业方案每月18美元提供20GB储存空间及进阶使用权限[4] - 企业方案每月36美元提供60GB储存空间及完整高阶功能与最高使用权限[4] 市场前景 - 全球AI解决方案市场规模预计从2024年1500亿美元增长至2029年超5000亿美元[4] - 平台将聚焦金融 商业与数字资产等领域的关键应用场景[4] - 分层定价模式使不同规模企业能以远低于传统企业软体的成本应用先进AI技术[4]

研究背景 - 苹果与牛津大学和香港城市大学合作提出BED-LLM新方法 使AI解决问题能力提升6.5倍 成功率从14%暴增至91% 无需微调或重新训练[1] - 大型语言模型存在多轮遗忘症 难以智能自适应地从用户或外部环境获取信息 在多步猜谜游戏和任务澄清等交互式任务中表现不佳[3] 技术方法 - BED-LLM采用序贯贝叶斯实验设计框架 通过迭代过程选择能最大化预期信息增益的问题 根据用户回答更新信念再选择下一问题[5][7][8] - 方法包含三重智慧设计：追求真正信息增益而非表面不确定性 强制逻辑自洽纠正遗忘症 生成问题有的放矢而非天马行空[12][16][17] - 通过先采样后过滤策略确保逻辑自洽 用逻辑过滤器剔除与历史回答矛盾的选项 保持推理基于已知事实[16] - 采用针对性条件生成策略 参考逻辑自洽假设池生成能高效切分假设的问题[17] 性能表现 - 在20个问题猜谜游戏中 BED-LLM使用Mistral-Large预测名人时成功率从14%提升至91%[18] - 在电影推荐任务中取得显著改进 即使LLM预测模型与回答者模型不同优势依然有效[19] - 在模型跨服聊天测试中 提问方使用Qwen回答方使用GPT-4o-mini的情况下 BED-LLM性能优势保持稳健[20][22] 行业意义 - 研究展示通过数学框架将LLM从被动知识库转变为主动高效的信息收集者 预示未来AI交互将进入智慧对话阶段[24] - 该方法使AI能根据用户实时反馈动态调整策略 精准提出最有价值问题 提升自适应信息收集能力[4]

机器之心报道 编辑：Panda 在这场以大型语言模型（LLM）为核心的 AI 浪潮中，苹果似乎一直保持着低调，很少出现在技术报道的前沿。尽管如此，时不时地，该公司也能拿出一些非常亮 眼的研究成果，比如能在 iPhone 上直接运行的高效视觉语言模型 FastVLM 。 近日，苹果与牛津大学和香港城市大学合作的一项新研究吸引了不少关注。其中提出了一种名为 BED-LLM 的新方法，能让 AI 解决问题的能力直接提升 6.5 倍 （成功率从 14% 暴增至 91%），而整个过程无需微调或重新训练，直接在当前模型上运行即可。 而实现这一突破的关键，便是 让 AI 学会问出完美的问题 。 那么，究竟该如何做到这一点呢？ 论文标题：BED-LLM: Intelligent Information Gathering with LLMs and Bayesian Experimental Design 论文地址：https://arxiv.org/abs/2508.21184 这要从 LLM 的一个不足之处说起，即难以智能且自适应的方式主动从用户或外部环境中获取信息。这就像是 LLM 的「多轮遗忘症」。 具体而言，虽然现 ...

合作与产品整合 - GitHub将xAI的Grok Code Fast 1大型语言模型整合到Copilot平台中 作为可选的公开预览版面向Visual Studio Code用户开放 覆盖Pro、Pro+、商业版和企业版套餐 [1][2] - 该模型专为代理编码任务设计 提供可见的推理轨迹功能 帮助程序员在复杂项目中实现更快迭代 免费访问权限有效期至2025年9月2日太平洋夏令时间下午2点 [2] - 个人付费用户可通过模型选择器直接启用 商业版和企业版需由管理员在Copilot设置中启用策略 个人版用户还支持通过自带密钥方式使用xAI API密钥访问模型 [2][3] 安全与合规争议 - GitHub内部工程师Eric Bailey举报称该模型推出时安全审查仓促 工程团队在胁迫环境下推进工作 完全违背公司价值观 [4] - GitHub官方回应否认审查流程存在捷径 强调所有合作模型均通过基于微软负责任AI标准的内部审查 包括自动化评估和由GitHub与微软专家组成红队的人工测试 [4] - 该模型目前仍处于可选参与的预览阶段 团队持续进行研究和优化 [4] 开发者社区反应 - 大量开发者在GitHub平台发起讨论 要求撤销与xAI的合作 认为此举违背GitHub及微软重视多元化的价值观 [5] - 部分开发者表示考虑迁移至Codeberg或sourcehut等替代平台 前员工David Celis公开批评支持Grok的行为无礼且不必要 [6] - 少数开发者认为合作能带来独特价值 xAI专注于可解释和透明的人工智能技术 与GitHub赋能开发者的使命高度契合 期待整合可视化模型决策过程等功能 [6]

机器人概念股表现 - Serve Robotics股价大涨超15% [1] - Richtech Robotics股价涨近14% [1] - iRobot股价涨超3% [1] 英伟达技术突破 - Jetson Thor采用Blackwell GPU和128GB内存 提供2070 FP4 TFLOPS AI算力 [1] - 算力性能达到前代Jetson Orin的7.5倍 [1] - 新技术使机器人能即时处理庞大感测数据与大型语言模型 [1] - 实现高阶人形机器人真正的视觉认知 思考与行动能力 [1]

英伟达Jetson Thor芯片性能提升 - 英伟达新推出的Jetson Thor芯片提供2070 FP4 TFLOPS AI算力 是前代Jetson Orin的7.5倍 [1] - 该芯片配备Blackwell GPU和128 GB记忆体 能够即时处理庞大感测数据与大型语言模型 [1] - 芯片性能提升使高阶人形机器人具备真正的视觉识别 思考与行动能力 [1] 人形机器人芯片市场规模预测 - 人形机器人芯片市场规模有望于2028年突破4800万美元 [1] - 全球人形机器人需待2032年前后稳定走入家庭 才能真正放量突破10万台 [4] - Agility Robotics Boston Dynamics Amazon等厂商陆续采用与建置生态圈推动市场发展 [1] 芯片价格与成本考量 - Jetson Thor开发套件价格达3499美元 较前代Jetson Orin的1499美元大幅提高 [4] - 短中期执行单纯作业的厂商较倾向采用平价芯片 [4] - 英伟达可能通过软硬件绑定优势推出配套软件平台 以提升高算力成本的价值 [4] 人形机器人发展阶段 - 短期发展以试点补位为主 中期进入制造与服务规模化 长期普及至家庭日常场景 [4] - 各国人形机器人发展依技术与目的有所不同 [4] - 高阶SoC在长期普及阶段的效用更加关键 [4]