HaluMem：让AI记忆系统的“幻觉”现形——首个面向记忆系统的操作级幻觉评测基准

过去一年，AI Agent的‘记忆能力’成热门话题，但AI记忆存在幻觉问题。为此发布操作级幻觉评估基准HaluMem，它能精准定位幻觉来源，评估主流记忆系统，为构建可靠记忆系统提供方向。

字节Seedream 4.0将全量开放！抢先评测来了，我们摸索出AI生图20种「邪修」玩法

近日，字节跳动内测豆包・图像创作模型 Seedream 4.0，支持多模态生图，核心能力显著提升。它将全量上线并开放给企业客户。实测显示其多模态融合出色，还与谷歌 Nano Banana 对比，各有优势。

5700问答对全面评估拷问AI空间感！最新空间智能评测基准来了丨浙大&成电&港中文

当前视觉语言大模型空间信息学习片段化，缺乏多维度空间推理能力。浙大、成电和港中文团队提出ViewSpatial - Bench基准体系，评估主流模型，揭示其缺陷，并开发MVSM优化跨视角空间理解。

混元开源PhoneBuddy-4B与5篇系列论文：多项手机Agent真机评测超过GPT-5.4

腾讯混元Phone - use Agent团队发布PhoneBuddy - 4B及5篇系列论文。研究探讨如何训练真实可用的Phone - use Agent，采用Real + Mock方式，实验显示该方法提升效果显著，4B模型多项任务超GPT - 5.4。

智源RoboBrain 2.0+RoboOS 2.0双发：问鼎评测基准最强具身大脑，刷新跨本体多机协作技术范式

近日，智源研究院发布具身大脑 RoboBrain 2.0 32B 版与跨本体大小脑协同框架 RoboOS 2.0 单机版。前者突破能力瓶颈，在多项基准测试表现优异；后者性能提升，实现轻量化部署。二者双擎联动推动机器人迈向群体智能，且已全面开源。

7B参数比 Kimina 72B 版更强！DeepSeek 新模型将“自动化所有运算”？奥赛生实测能力“太棒”

估值7.5亿美元初创意欲「撬动」8000亿半导体市场？前谷歌AlphaChip主导者创业研发「AI芯片设计自动化」

由前谷歌研究员创办的 Ricursive Intelligence 公司，尝试开发自动设计芯片的软件。其核心技术将递归智能用于芯片设计，分三阶段改进，已获 3500 万美元融资，估值 7.5 亿美元，有望变革半导体行业。

大模型结构化推理优势难复制到垂直领域！最新法律AI评估标准来了，抱抱脸评测集趋势第一

多个机构研究人员联合发布全新多语言法律推理基准数据集LEXam，它含4886道题，每道长篇题有答案和推理路径。研究显示现有大模型应对法律推理难，LEXam引入评估新模式，还对不同模型做了测试。

突发！谷歌 AI 大换血：Hassabis 卸任 CEO、Jeff Dean 离职创业

谷歌 AI 高层大换血，Demis Hassabis 卸任 Google DeepMind 的 CEO 转任主席兼 Alphabet 首席科学家，传奇工程师 Jeff Dean 离职创业，创办 Discovery Loop 做「自动化科学发现」。

19.8K star！一款开源可视化工作流调度项目，轻松搞定大数据任务！

Kestra 是开源工作流编排平台，用于处理复杂任务自动化问题。它跑在 JVM 上，用 YAML 配置，支持插件扩展。适用于多种任务调度场景，有配置简单、稳定、容错等特点，安装也容易。