GAEA Ventures 与 021Lab 将于新加坡举办 Trading the AI Era，聚焦 AI 与加密货币交易市场
GAEA Ventures 与 021Lab 将于新加坡举办 Trading the AI Era，聚焦 AI 与加密货币交易市场
资讯
资讯
精选值得关注的新闻、行业动态与公司进展。
特斯拉FSD，在欧洲被打回原形
马斯克反而发文道谢？ 特斯拉FSD进欧洲，一朝就被打回原形。 FSD不能叫 Full Self-Driving （完全自动驾驶），得改名叫 Tesla Assisted Driving （特斯拉辅助驾驶）。马斯克坚持多年的产品名称，就这么在欧洲被降了一级…… 不过有意思的是，名字其实是特斯拉 主动 改的。 甚至连马斯克本人，都罕见地客气了一回，用德语向德国政府道谢。但其实今年3月，马斯克还在抱怨“欧盟监管繁重，扼杀创新”…… 一向不怎么愿意服软的马斯克，这次为什么好说话了？ 特斯拉FSD在欧洲改名 特斯拉FSD ，这个马斯克坚持了十年的名字，在欧洲正式更名。 特斯拉在德国、西班牙、荷兰、斯洛伐克等多个欧洲国家的官网，已经将 Full Self-Driving（Supervised） ，改成了 Tesla Assisted Driving（特斯拉辅助驾驶） 。 原本的FSD产品页面，也已经跳转至新的Tesla Assisted Driving页面。 而大洋彼岸的美国官网，依然保留着Full Self-Driving（Supervised）的叫法。 这次改名并非毫无征兆。 就在三天前，德国联邦交通部发布了一份声明，披露了特斯拉与德国政府近期的一系列磋商。 德国交通部认为，根据目前掌握的情况，特斯拉的这套系统展现出了较高的能力（尤其在城市交通中），但 FSD这个名称具有一定的误导性 ： 尽管系统已经能够辅助完成加速、制动和转向等驾驶任务，但它 无法完全接管驾驶 ，驾驶员仍须持续关注道路情况。 面对德国政府的质疑， 特斯拉主动提出 ，将系统更名为Tesla Assisted Drivi…
TRAE终于把Code和Work合并了
大写的方便 TRAE ，刚刚做了个大动作。 以前的你，如果要改个bug，得打开TraeCode；要是还得出份技术方案，那又得一个 “闪身步” ，跳到TraeWork…… 现在，不需要这么麻烦了。 因为它俩今天已经正式 双端融合 ，统一升级成了 新的TRAE 。 新TRAE的一个亮点，就是它有Agent模式和IDE模式两种。 其中， Agent模式 主打的是 全局工作台 ，大家可以在一个窗口里管理项目，把不同工作分给多个Agent，写代码、出文档、准备交付材料都在这里推进。 IDE模式 里面依旧保留了SOLO和IDE两种玩法。两种模式的切换入口就在右上角，点一下就能过去。 例如前阵子让整个AI圈“卧槽”的 3D版鹈鹕骑自行车 ，在新TRAE里的“打开方式”可以是这样的。 我们在同一个项目文件夹里，新建三个任务，三个Agent各司其职： Agent 1：写代码，把鹈鹕、自行车和场景做出来； Agent 2：当测试，打开页面截图检查，列出一份问题清单； Agent 3：按给出的清单逐条修复存在的问题。 最终，它们就像一个小团队那样接力干活，把一个具备完整功能的3D版鹈鹕骑自行车给做出来了： 于是乎，这只鹈鹕，在新TRAE里就这么水灵灵地完整走完了开发、测试、修复、交付这一圈。 并且这期间所产生的测试报告、修复报告和交付说明等等，都自动存到了新TRAE里的 “我的产物” ，每个产物也都可以 直接分享给别人 。 清清楚楚，一目了然。 那么作为AI Coding领域 资深玩家 的TRAE，为什么要突然把这两个双端给合并了？ 对于小白和专业开发者，新TRAE又有什么区别？ 带着这些问题，我们…
联想天禧自研代码智能体TianxiCode斩获SWE-bench-Live全球第一
联想天禧AI自主研发的专业代码智能体框架TianxiCode 以71%的问题解决率登顶全球第一名 近日，在国际公认难度最高、最贴近真实开发环境的软件工程评测SWE-bench-Live（Lite分榜）中，由联想天禧AI自主研发的专业代码智能体框架TianxiCode配合DeepSeek-v4.1-Flash取得突破性成绩：以 71% 的问题解决率登顶全球第一名，并正式通过官方审核。 这一成绩不仅标志着联想自研代码智能体框架迈入国际第一梯队，更展现出天禧AI生态以自研工程架构驱动模型潜能、在复杂软件工程竞技场抗衡全球顶尖方案的硬核实力。Tianxi Code 是联想天禧AI聚焦代码生成、工程开发的代码智能子能力，未来将应用到联想 AI 硬件产品中。 服务真实场景，SWE-bench-Live的含金量有多少？ 不同于考查简单语法或单函数生成的传统代码测试，SWE-bench-Live是当前全球软件工程领域的权威性动态评测基准。 SWE-bench-Live以真实GitHub项目中的问题为基础，评估模型与智能体生成代码补丁、修复问题的能力，并提供可复现的执行环境。相较于单纯考查代码片段生成，这类评测更贴近真实开发中的问题处理过程，对系统理解代码、定位问题和完成修复提出了综合要求。 为了确保评测的绝对公正，SWE-bench-Live官方设立了“Verified”核验机制。参评方案必须提交全链路的智能体运行轨迹（Trajectories），由官方团队严格审查评测输入、信息隔离环境，并彻底排查是否存在向智能体泄露标准答案、测试用例或结果的可能。TianxiCode与DeepSeek-v4…
0.2秒急停、秒级重规划！因果智能走进真实世界
这是一台机器人正在关闭微波炉门时，因人手突然插进来而紧急悬停的时间 Jay发自 凹非寺 量子位 | 公众号QbitAI 0.2秒。 这是一台机器人正在关闭微波炉门时，因人手突然插进来而紧急悬停的时间。 还有更有趣的。 当一只金属易拉罐被混在蛋糕盘里端向微波炉，机械臂会先把易拉罐挑出来放到一旁，确认盘子里安全了，再将其送入炉内。 说实话，看这几段Demo的时候，我整个人是有点愣住的。 长期关注具身的朋友应该都有体会，现在很多机器人看起来挺炫酷，但大部分时候都是在「背题」。一旦光照变了、东西被踢了一脚、或者指令稍微带点隐含意图，机器人瞬间就抓瞎了。 但你即便像视频里这样，疯狂拿手电筒闪这个机器人的眼睛，它依然置若罔闻。。。 不过，刚才那些画面，不是提前录好的动作回放，也不是碰巧猜对的统计相关性。 面对接连不断的突发扰动，系统是基于对物理世界因果规律的理解，实时推理出了这一连串动作。 驱动这个机器人的这套系统，代号叫 CRIS-0 。 它的背后，正是由加州大学圣地亚哥分校（UCSD）助理教授、CMU因果学派学者黄碧薇创立的因果智能企业—— Aether AI 。 三个月前，量子位曾报道过这家公司选择的因果智能路线。当时很多人以为因果AI还停留在数学公式和思维实验里。 如今，Aether AI亮出了官方Demo。 告别机械「抓瞎」：机器人学会看懂因果 在具身机器人的落地场景中，最让工程师头疼的向来不是标准流程，而是无处不在的意外。 传统机器人面对突发扰动，要么机械地重复旧坐标导致碰撞，要么干脆全流程报错卡死；而端到端黑盒模型在几十步的长程任务里，更是极易产生累积误差，一步走偏满盘皆崩。…
字节找到了DeepSeek时强时弱的原因
答不答得对，得看Token站位 DeepSeek的神鬼二象性被字节Seed团队逮到了。 同一道题，什么都没改，只在前面多塞几个无关紧要的字符，模型突然就不会了？？？ 而且还不是偶尔抽风。 Seed研究人员发现，DeepSeek-V4的表现竟然会随着信息的输入位置， 每隔4个Token周期性变化 。 啥意思？模型记不记得住一件事，居然还要看这件事在输入里站哪儿？？ 前面多两个Token，答案可能从错变对，再多两个，又给你改回去。 好好好，模型答题也开始讲究站位了。 在128K长上下文检索测试中，研究人员发现，同一条信息只是换了个位置，DeepSeek-V4系列模型的检索准确率 最高就能拉开40.2个百分点 。 团队进一步发现，这个问题与DeepSeek-V4采用的一项长上下文优化技术有关—— 分块KV Cache压缩 。 这项技术本来是为了让模型处理长文本更省内存、更高效。 结果压缩之后，倒让模型时神时鬼了（doge）。 多两个Token，DeepSeek突然就答对了 字节Seed研究人员最开始是拿DeepSeek自己的代码做了个实验。 测试对象是 DeepSeek-V4-Flash-Base 。 他们从DeepSeek-V4的官方推理代码中截取了一段FP8量化函数，让模型补全最后一个Token。 任务的正确答案应该是8，因为这段代码需要完成FP8相关的类型转换。 但模型有时偏偏觉得应该补成32。 为了搞清到底咋回事，研究人员在代码前面加了一段纯装饰性的文档字符串，里面放着一些重复的等号。 然后，他们开始调整等号的数量。 代码本身没改、要补全的位置没改、正确答案当然也没改……唯一…
已显示 6 条
6 资讯