多模态大模型不会画辅助线？最新评估得分：o3仅25.8%，远低于人类82.3% | 清华腾讯斯坦福联合

清华、腾讯、斯坦福等团队发布RBench - V基准测试，评估大模型视觉推理能力。结果显示，主流大模型如o3、Gemini2.5等准确率远低于人类，开源模型表现更差，暴露出大模型在复杂多模态推理任务中能力不足。

建模世界偏好：偏好建模中的Scaling Laws

研究首次揭示人类偏好建模遵循Scaling Law，从论坛收集数据在Qwen 2.5模型训练，发现测试损失随训练规模指数增长线性下降。提出建模世界偏好，论文和模型已开源，还探讨了偏好建模可扩展性等问题。

图像分词器造反了！华为 Selftok：自回归内核完美统一扩散模型，触发像素自主推理

华为盘古多模态生成团队推出 Selftok 技术，通过反向扩散将自回归先验融入视觉 token。它突破传统，实现因果 token、强化学习友好型 token 及纯 AR 大一统架构，实验在多方面表现优异，论文还入选 CVPR 2025 最佳候选。

通用 Agent 向左，Agentic Browser 向右

作者五一深度体验了Fellou，认为它和Manus走不同路线，Manus专注做Agent，Fellou做基于浏览器的全新系统。还介绍了Fellou核心功能，也指出其上手门槛高、执行慢等不足，认为发展尚早，值得期待。

仅隔一天，OpenAI同步上线o3和o4 mini，它们能调用ChatGPT里的多种工具，可基于图像思考。o3是强大推理模型，o4-mini专为快速经济推理优化。即日起部分会员可体验，还开源了Codex CLI。

Office已然成了AI插件，传统软件即将被颠覆

开源项目 OfficeCLI 上线数月获 2.9 万星，可让 AI 读写 Office 文件并自查。它将操作封装成命令行，解决 AI 办公不能交付的问题，还能处理多种实际工作，兼容 Office 365 和 WPS。最后探讨了命令行接管软件的可能性。

本地Opus你要不要！Qwen3.8-27B开源

阿里Qwen团队开源Qwen3.8-27B，上线2天登顶Hugging Face全球大模型趋势榜，下载破百万。其性能超Opus4.6，与顶尖模型相当，量化后普通电脑就能跑，原生多模态，编程、Agent、多模态跑分表现出色。

AI4S智能体「井喷」，这个智能体登顶多项评测榜单，实现产业落地

2026年是AI4S「智能体元年」，科研智能体产品密集发布，行业关注转向产品落地。深度原理发布的AI科学家平台Mira在多项评测中领先，其全链路闭环系统补齐传统短板，已在多领域落地验证。

人形机器人设计正在向仿真器低头！40年机器人从业老兵发出警告

人形机器人行业现怪象，为让仿真系统和强化学习更顺，一些有机械优势的结构因‘仿真麻烦’被排除。40多年经验的Scott Walter质疑设计变得‘S.T.U.P.P.I.D.’，指出仿真应服务设计而非主宰。

2026年了，我们还在用爱迪生试灯丝的方式评估World Model

文章围绕World model展开深度讨论，界定其概念，分析生成派、JEPA派、空间智能派三条技术路线，指出评估比LLM难，提及游戏化benchmark可能是破局点，还强调具身进展由数据驱动，Ego - View或为泛化关键。