搜索
随着大模型能力的不断提升，人机交互的模式，是否也到了重新设计的时候？语音开始站到了这一轮人机交互的前沿。Wispr Flow估值已经冲到了20亿美元。硬件也开始以各种产品形态进行尝试。
一句话概括：多答案问答要求智能体找全整个答案集合，而不是只搜到一个就停止。现有 RL 方法在此场景下存在两处错位：优势计算停留在轨迹级，信用分配粗糙；F1 奖励对头部与长尾实体一视同仁，智能体缺乏探索长尾的动力。
近期Product Hunt热门AI产品Acti、Wispr Flow、Hey Noah、Pazi、Glaze、AnySearch、Context.dev和OpenSEO不再执着于打造更聪明的ChatGPT，而是分别争夺意图入口、任务执行权、软件生产成本降低以及面向Agent的基础设施，将AI嵌入键盘、语音、邮件等日常工作流程。
近期，SemiAnalysis 创始人 Dylan Patel 先后做客红杉资本的《Training Data[1]》和 WisdomTree 的《The Next Big Thing[2]》。两期访谈从模型和芯片，一路延伸至内存、能源、数据中心与 AI 商业模式，并指向同一个变化：AI 竞赛的焦点，正从单纯比较模型能力，扩展到谁能以更低成本、更大规模，把模型能力稳定地交付出来。
过去十年，医疗AI经历了两次范式跃迁。
就在前几天，一家名为 Oasis Devices 的迈阿密初创公司，发布了一款专门适用于不方便打字也不方便大声说话的新 AI 录音听写硬件，OASIS 1 智能戒指。这枚售价 289 美元的钛合金戒指，最大的卖点，就是把 Wispr Flow 的 AI 听写技术，从一个放在手机上的 App 里，转到了一个离我们嘴巴更近的载体里。
银河通用团队用史上最大、整整 20 亿帧的动捕数据，训练出了全球首个人形机器人全身实时运控基座大模型，该模型零样本泛化全新动作，成功率从 MLP 架构的 76.89% 跃至 92.58%，推理延迟仅 0.39ms，效果超越英伟达 SONIC，甚至比目前业内主流 TWIST 系统速度提升至五倍。
火爆全网的Harness架构，终于在最难的医疗圈落地了！从单次问诊到全天候赛博名医盯盘，大健康赛道彻底变天。
在一座山村学校里，老师想给孩子演示光的折射原理。
最近几个月，Vibe Coding（氛围编程）是一大刷屏热词。以 Cursor 和 Claude Code 为代表的一批工具，正在将软件开发效率推向新的高度。