要点：作者：梅菜 编辑：李宝珠 转载请联系本公众号获得授权，并标明来源 来自英伟达、哈佛大学等的联合研究团队提出了 Hydra-0，一种以动作流（Action Flow）为条件的通用世界模型。在最佳配置下，与以动作作为条件的基线模型相比，Hydra-0 将机器人运动误差降低了 90.4%，将物体运动误差降低了 60.2%，同时支持零样本组合以及数据高效的适应。 如果说大模型正在让机器「理解语言」，那么世界模型（World Model）试图解决的，则是让机器真正理解一个更复杂的问题：做出一个动作之后，现实世界会发生什么？ 这个问题远比「看懂一张图片」复杂——机器人不仅需要识别桌面上的杯子、衣服、箱子等物体，还需要理解自身运动与环境变化之间的
要点：SenseNova-U1.5-8B-MoT 是商汤科技 SenseNova 团队于 2026 年发布的原生统一多模态生成模型，采用 NEO-unify 架构设计，可在单一模型内完成图像生成、图像编辑与多模态理解等任务。模型公开约 18B 参数的 BF16 精度版本，在图像质量、文字渲染、4K 图像生成和复杂指令遵循等方面全面升级，能够实现更精准的画面控制、更稳定的主体保持以及更丰富的视觉创作能力，为海报设计、图像编辑和多模态内容生产提供更加高效的 AI 解决方案。 目前，HyperAI超神经官网已上线了「SenseNova-U1.5-8B-MoT：图像生成与编辑」，快来试试吧~ 在线使用：https://go.hyper.ai/gR
要点：从找到合适的数据集和教程，到创建开发环境、调用 GPU、运行项目，再到管理自己的算力资源，一个完整的 AI 工作流往往需要在多个页面和工具之间不断切换。 一直以来，HyperAI 希望能够帮助全球开发者进一步缩短「找到资源」到「真正把它跑起来」之间的距离。所以，除算力资源外，我们还构建了包含优质数据集、热门模型 Notebooks、海量前沿论文、多维度基准测试在内的高质量资源站。同时，随着 AI Agent、MCP 等技术的发展，HyperAI 也在持续优化、升级，以期为广大开发者提供更加便捷的服务。 基于此，HyperAI 将定期分享上线的新功能、新资源和产品体验优化，帮助用户更好地在 HyperAI 平台落地创意！ 本期 Hyp
要点：作者：田小幺 编辑：李宝珠 转载请联系本公众号获得授权，并标明来源 上海交通大学、新加坡国立大学、美团、香港中文大学、上海大学、牛津大学的联合研究团队构建了 URBANGROUND，一个以香港真实地理数据为基础的城市级交互环境，并从局部空间理解、目标导向导航和动态环境适应三个层面，对当前 MLLM 智能体进行了系统评测。结果显示，当前模型已经具备较好的局部空间理解能力，也能够完成部分近距离导航，但这种能力并不会随着行动距离自然延伸。 城市空间的理解从来不是一次性的视觉识别。正如城市规划学者凯文·林奇在《城市意象》中所指出的，人对事物的经验总是与周围环境、此前发生的事件以及过往记忆相联系。对于试图在真实城市中行动的人工智能而言，同样如
要点：TVM 现已更新到 0.21.0 版本，TVM 中文文档已经和新版本对齐。 Apache TVM 是一个深度的深度学习编译框架，适用于 CPU、GPU 和各种机器学习加速芯片。 在线运行 TVM 学习教程→go.hyper.ai/PEh1Q Relax 是 Apache TVM Unity 策略中使用的一种图抽象方式，用于对机器学习模型进行端到端的优化。Relax 的主要目标是描述机器学习模型的结构与数据流，包括模型不同部分之间的依赖关系与连接方式，以及如何在硬件上执行该模型。 端到端模型执行 在本章节中，我们将以一个两层神经网络模型为例进行说明。该模型由两个线性操作和 ReLU 激活函数组成。 高层操作表示 我们先来看一个使用 N
要点：论文的可复现性是科学知识体系的基石，它既能确保已有研究结果的可靠性，也能为进一步的实验提供基础。 然而，当前各个科学领域都面临着「可复现性危机」，机器学习领域尤其如此。从理论上讲，基于大语言模型（LLM）的 AI 智能体可以为解决这一危机提供一种可规模化的方案，然而在实践中，论文复现对现有 AI 智能体提出了三个方面的挑战——首先，复现一篇论文的问题从定义上来说就是信息不完备的，即论文只是对促成某项发现的完整研究过程进行了有损压缩，因此必然遗漏部分细节；其次，现有 AI 智能体主要针对定义明确、封闭式的问题进行了大量训练，而论文复现则要求智能体进行开放式探索；最后，对于一般性的复现任务而言，并不存在一个明确的奖励函数，可以据此持续进
要点：当具身智能的浪潮遇见北京的创新土壤，当前沿技术进展碰撞真实落地场景，一场专属于具身智能业内人士的线下技术盛宴即将开启。 智元 AIMA 城市行・北京站线下活动，集结行业重磅嘉宾、覆盖具身智能多元视角的技术解读，搭配三大实战 Workshop 与真机 Demo Show，让你一天完成技术知识输入到实战 Demo 输出的完整链路。 HyperAI 作为官方社区合作伙伴，诚邀各位读者亲临现场，共同探索具身智能的创新技术。 上午场・技术主题分享 从产业生态到 infra 基建，从硬件底座到创意内容，获取以具身智能为核心的多元知识输入。 分享主题：具身智能 -- 构建物理世界的智能基础设施 内容简介：介绍具身智能的技术演进、产业范式、生态布局
要点：转载请联系本公众号获得授权，并标明来源 腾讯高性能计算工程师朱泓霖以「FalconGEMM: Surpassing Hardware Peaks with Lower-Complexity Matrix Multiplication」为题，分享了团队围绕低复杂度矩阵乘法开展的算法与算子优化实践。 8 月 1 日，HyperAI 主办的 Meet AI Compiler 技术沙龙第 9 期在北京举办。本期活动聚焦 AI 编译技术的最新进展，多位来自产业界和科研机构的专家围绕编程语言、算子开发、编译优化与推理执行展开分享，呈现 AI 编译器从上层语言表达到硬件执行的协同演进。 其中，腾讯高性能计算工程师朱泓霖以「FalconGEMM:
要点：在通用智能体领域，平衡推理效率与模型性能，是推动大规模落地部署的核心挑战。DeepSeek 于 2026 年 7 月正式发布 DeepSeek-V4-Flash-0731，作为 V4-Flash 的正式版本，其智能体能力实现跨越式提升。模型内置 DSpark 推测解码模块，支持 low/high/max 三档可调推理力度与原生 100 万 tokens 超长上下文，并创新采用 FP4 专家混合精度与 FP8 注意力机制，有效降低显存占用，为资源受限环境提供高效推理方案。尽管激活参数远少于 DeepSeek-V4-Pro，该模型已在多项基准评测中超越预览版，展现出与头部闭源模型比肩的竞争力，诠释了轻量化架构与顶尖性能的统一。 目前，H
要点：一 大赛背景与目的 随着人工智能、大语言模型与智能体技术的快速发展，计算社会科学正在迎来新的研究范式。传统社会科学研究主要依赖调查、实验和观察等方法，在面对复杂社会系统中的多主体互动、动态演化和长期影响时，往往受到成本、规模和可重复性等限制。 大模型驱动的智能体为社会科学研究提供了新的可能。一方面，智能体可以作为具有不同特征的虚拟社会参与者，在模拟环境中参与互动与决策，支持大规模、动态化的社会实验；另一方面，智能体也可以作为研究者的智能科研伙伴，协助完成问题探索、假设生成、实验设计、结果分析等研究环节。 基于这一理念，本次大赛依托 AgentSociety² 平台，探索人工智能驱动的社会科学研究新方法。平台连接研究问题提出、假设生成
