机器之心 AI NEWS DIGEST
2026 06 24
STORY 01 / 13

一夜之间，Claude成我同事了

01-01
Claude 官方社交截图介绍 Claude Tag，可在 Slack 中 @Claude 并让它加入团队工作。
01-02
Slack 风格任务界面展示 Claude 被分派到代码、设计、管理员和集成任务。
视频中，用户在 Slack 里向 Claude 提出 triage 请求，Claude 以团队成员身份回复。
01-04
Karpathy 黑底长文截图评论 Claude 进入跨工具工作流的交互范式变化。
01-05
黑底用户反馈截图讨论 Claude Tag 可否减少额外计费。
01-06
Drake meme 图对比 Fable 5 回归和 Slack 中 @Claude 的优先级。
01-07
文章封面是模糊办公室背景上的 @Claude 标识。
01-08
社交平台截图展示用户转发 Claude Tag 视频并评论产品体验。
STORY 02 / 13

直接从像素到单词：这个原生大模型统一单图、多图、视频和空间智能

02-01
论文标题页显示 From Pixels to Words 和 NEO 项目信息。
02-02
模型结构图展示 Native Vision-Language Foundation Model，将图像和视频输入转成统一 token 流。
02-03
训练流程图展示 Native Refine、Native Resolve 和 Native Mosaic 等训练阶段。
02-04
基准结果表对比多款模型在 general VQA、OCR 和 multi-image 任务上的分数。
02-05
结果截图比较多图理解、视频理解与 native video-language 模型的结果概览。
02-06
空间理解基准表比较 VSR-Bench、MME、MineCube、ViewSpatial 等任务得分。
02-07
文章封面用发光计算立方体和多张图像墙表现视觉信息汇聚。
02-08
模型结构图展示 Native Vision-Language Foundation Model，将图像和视频输入转成统一 token 流。
STORY 03 / 13

端侧跑大模型，现在也太简单了

03-01
Hacker News 页面标题为 Running local models is good now。
03-02
浅色代码截图展示本地模型配置和训练相关 Python 片段。
03-03
文本截图描述双塔推荐模型、训练逻辑、推理逻辑和生产近似最近邻方案。
03-04
深色终端和本地文件界面展示 conversation 数据处理过程。
03-05
黑底文本截图列出 Vector Databases 与 Redis 集成的重点。
03-06
Mac mini 监控面板展示 CPU、GPU、内存和功耗等资源曲线。
03-07
浅色日志截图展示本地模型生成的 JSON packet。
03-08
文章封面为蓝色几何星形符号。
STORY 04 / 13

ICML 2026｜让AI自动发现前沿风险：创智×复旦×牛津发布AutoControl-Arena

04-01
彩色总览图展示 AutoControl Arena 前沿 AI 风险自动发现平台及多个测试环境。
04-02
论文首页显示 AutoControl Arena 标题、摘要和风险坐标图。
04-03
示例卡片展示 blackmail、gaming 和 self-exfiltration 三类风险代理任务。
04-04
中文卡片对比人工风险测试和自动风险发现的特点。
04-05
流程图展示从输入、场景生成、任务执行到结果输出的测试管线。
04-06
图表展示 70 个风险场景、激活配置和多类风险分布。
04-07
柱状图展示对抗条件揭示的最新风险压力差。
04-08
结果矩阵列出 Gemini 等模型在 CM、CW、EA、IC、OE、SG、SM 等风险类别上的得分。
视频中，AutoControl Arena 页面展示风险场景、代码和测试环境生成过程。
视频中，结果查看器展示运行元信息、任务轨迹、文本内容和代码片段。
04-11
网页测试环境截图展示邮件或简历任务界面与右侧红色风险指令。
04-12
散点图比较模拟风险与真实世界风险之间的相关关系。
04-13
文章封面展示 AutoControl Arena 平台总览。
STORY 05 / 13

ICML 2026 | 北大提出的APEIRIA，打破了3D MLLM黑盒推理困境

05-01
论文标题页显示 Distilling Neuro-Symbolic Programs in 3D Multi-modal LLMs。
05-02
彩色结构图比较普通 3D MLLM、神经符号蒸馏模型和双通道 3D 模型。
05-03
三阶段训练流程图展示生成程序、程序执行与开放集合泛化。
05-04
结果截图比较多种 3D 多模态模型在 ScanRefer 和 Multi3DRefer 等任务上的表现。
05-05
消融表展示训练课程、奖励组件和推理方式对 APEIRIA 结果的影响。
05-06
文章封面为黑金色 3D 迷宫和发光路径。
STORY 06 / 13

横扫八大数学竞赛：清华微软联合提出STAR-PólyaMath，Apex基准超GPT-5.5 13.5%

06-01
论文标题页显示 STAR-PólyaMath 和作者机构信息。
06-02
Apex 2025 题目示例图展示解题、反思、错误累积和最终答案。
06-03
跨代理元策略流程图展示 explorer、reasoner、planner、reviewer、verifier 等角色。
06-04
柱状图展示不同数学基准的验证标签分布。
06-05
基准结果表比较 GPT、Gemini、Claude、DeepSeek、Qwen、Kimi 等模型在多项数学竞赛上的成绩。
06-06
文章封面为复古显示器上的数学公式和几何图。
STORY 07 / 13

1小时真机RL微调成功率破95%！HIL-ResRL：即插即用的VLA「外挂」神器

07-01
机器人插拔任务示意图展示 base policy、residual policy、total action 和成功率曲线。
07-02
方法流程图展示 initialization、action composition、data collection 和 policy update。
07-03
柱状图比较多个机器人任务中不同方法的 success rate。
07-04
机器人插拔任务示意图展示 base policy、residual policy、total action 和成功率曲线。
07-05
柱状图比较多个机器人任务中不同方法的 success rate。
STORY 08 / 13

从预测到干预，Aether AI为什么押注因果世界模型？

08-01
标题图写有 Causal World Models For Real-World Intelligence。
08-02
路线图展示从生成视频模型到 LLM agent、世界模型和因果世界模型的演化。
08-03
交互加权采样图展示 replay buffer、resampling、update actor 和 contrastive learning。
08-04
潜变量识别图展示 sequential encoder/decoder 与因果扩散模型。
08-05
扩散世界模型结构图连接视觉编码器、inverse dynamics、forward dynamics 和解码器。
08-06
任务特定因果图规划图展示 world model、变量更新和 causal graph pruning。
08-07
标题图写有 Causal World Models For Real-World Intelligence。
08-08
扩散世界模型结构图连接视觉编码器、inverse dynamics、forward dynamics 和解码器。
STORY 09 / 13

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

09-01
Humanoid Scott 社交截图标题为 Why Humanoid Designs Are Becoming S.T.U.P.P.I.D.，配有机械马图。
09-02
Chris Paxton 转发截图讨论仿真器可能让设计过度适配模拟环境。
09-03
Matt Freed 长文截图讨论客户需求、Detroit 经验和真实机器人设计约束。
09-04
文章封面为机械马侧视图，突出非人形机械设计隐喻。
09-05
Chris Paxton 转发截图讨论仿真器可能让设计过度适配模拟环境。
09-06
Humanoid Scott 社交截图标题为 Why Humanoid Designs Are Becoming S.T.U.P.P.I.D.，配有机械马图。
STORY 10 / 13

Karpathy投了一家AI记忆公司，撞名DeepSeek Engram记忆架构

10-01
Engram 社交截图介绍 Scaling compute on your context，并展示团队合影。
10-02
Jack Morris 长文截图讨论共同创立 Engram 和 AI 长期理解用户的问题。
10-03
文章封面为 Engram 团队户外合影。
10-04
Jack Morris 长文截图讨论共同创立 Engram 和 AI 长期理解用户的问题。
10-05
Engram 社交截图介绍 Scaling compute on your context，并展示团队合影。
STORY 11 / 13

阿里QoderWork推“峰谷Token”，夜间使用Qwen3.7低至2折

11-01
黑绿海报写有 Qoder 全系产品首推“峰谷 Token”，夜间使用 Qwen3.7-Max 低至 2 折。
STORY 12 / 13

AI已成科研「标配」？搁置三年的免疫学谜题，GPT-5解开了

12-01
文章封面为免疫细胞在组织表面附近活动的概念图。
12-02
人物肖像照片展示与免疫学谜题报道相关的研究者。
12-03
文章封面为免疫细胞在组织表面附近活动的概念图。
12-04
人物肖像照片展示与免疫学谜题报道相关的研究者。
12-05
文章封面为免疫细胞在组织表面附近活动的概念图。
STORY 13 / 13

他把Google Workspace接入OpenClaw，然后被谷歌开除了

13-01
黑底封面写有 Google Workspace CLI。
13-02
GitHub 仓库截图展示 googleworkspace 项目文件、提交记录和仓库说明。
13-03
当事人长文截图描述 Google Workspace CLI、OpenClaw 和被解雇事件。
13-04
GitHub contributors 页面截图展示贡献者统计图。
Skills Index 动图展示 Gmail、Drive、Sheets 和 Calendar 等 Workspace 服务能力。
13-06
社交平台转发截图讨论 Google 开除事件和工作空间 CLI。
13-07
GitHub 仓库截图展示 googleworkspace 项目文件、提交记录和仓库说明。
Skills Index 动图展示 Gmail、Drive、Sheets 和 Calendar 等 Workspace 服务能力。
Claude 今天最值得关注的变化，是它开始进入 Slack 这样的团队协作现场，而不是只停在聊天窗口里。
文章称，用户可以在频道里 @Claude，让它读取有权限的上下文，并调用团队选择的工具完成任务。
这意味着 Claude 更像一个可以被分配工作的同事，它能围绕代码、设计、日程和知识库持续协作。
Karpathy 的评论指出，这种跨工具、跨时间和跨上下文的交互，可能是大模型体验的下一阶段。
早期用户反馈同时提醒我们，成本、计费和额外权限会影响企业是否愿意把它接进日常流程。
文章里的 meme 也说明，开发者社区已经把 Claude Tag 看作一个比普通发布更能改变工作方式的入口。
这条新闻的核心风险，是智能体越像同事，越需要清晰的权限、审计和回滚机制。
如果这些治理问题能解决，Claude Tag 代表的不是新按钮，而是 AI 助手进入组织操作系统。
NEO 这篇研究的目标，是把单图、多图、视频和空间智能放进同一个原生视觉语言模型里。
它的核心思路不是给每种视觉任务再接一个专用模块，而是让图像和视频输入统一进入语言模型。
训练上，文章把 Native Refine、Native Resolve 和 Native Mosaic 作为关键阶段，用来对齐不同视觉输入。
在通用视觉问答和 OCR 任务上，论文表格把 NEO 放到 Qwen、InternVL、LLaVA 等模型旁边比较。
多图和视频理解表格说明，研究方希望证明同一个模型能跨输入形态保持稳定能力。
空间任务表格进一步把问题推向三维和视角理解，这正是多模态模型下一阶段的难点。
这条研究新闻的重要性在于，多模态模型竞争正在从看图说话，走向统一感知和推理接口。
但所有表格都还需要独立复测，特别是长视频、真实交互和跨领域空间推理场景。
这条文章的核心判断很直接：本地大模型已经好到可以被普通开发者认真使用。
从代码截图看，作者关心的是配置、训练、推荐逻辑和推理流程，而不是单纯跑一个 demo。
双塔推荐模型的说明展示了一个典型场景：把用户和内容分别编码，再用相似度做匹配。
终端截图说明，本地模型正在处理 conversation 数据，并把高层摘要和结构化输出结合起来。
当应用走向真实使用，向量数据库和 Redis 这样的基础设施仍然是工程重点。
硬件监控图提醒我们，端侧运行不是免费的，CPU、GPU、内存和功耗仍然决定体验边界。
JSON 输出说明，本地模型的价值最终体现在能否稳定接入程序，而不是只生成自然语言。
所以这条新闻的重点，是本地 AI 从玩具变成可组合的开发组件，正在接近实用门槛。
AutoControl-Arena 的目标，是让 AI 风险评估从静态问答，进入可以执行的测试环境。
论文题目明确写着，它要合成可执行测试环境，用来评估前沿 AI 风险。
文章给出的样例包括勒索、游戏操纵和自我外传等代理任务，重点是模型在工具环境里的行为。
研究方把人工测试和自动发现区分开来，强调自动化可以扩展风险场景的覆盖。
整个流程图显示，系统会生成环境、设置任务和轨迹，再把模型行为转成可分析的风险结果。
风险分布图显示，平台覆盖了 70 个风险场景，并按不同激活配置统计。
压力差图进一步说明，对抗条件可能暴露出普通设置下看不到的最新风险。
模型风险表把 Gemini 等模型放在多个风险类别下比较，说明评估对象已经细分到行为类型。
演示视频里，平台先展示风险场景和测试环境生成，这比单纯跑选择题更接近真实 agent 评测。
第二段视频展示 results viewer、元信息和轨迹细节，说明结果不是一个分数，而是可回放的行为记录。
网页测试截图也表明，风险可能藏在邮件、简历和网页交互这样很普通的工具场景中。
散点图尝试把模拟风险和真实风险对应起来，这是这类评测能否可信的关键。
这条故事的结论是，AI 安全评测正在从问模型知道什么，转向看模型在环境中会做什么。
APEIRIA 这篇 ICML 研究，关注的是 3D 多模态大模型为什么会黑盒推理。
结构图显示，作者想把普通 3D MLLM 的隐式推理，变成可解释的程序和执行过程。
三阶段课程训练把程序生成、执行和开放集合泛化串起来，让模型先学会可验证的中间步骤。
结果表中，APEIRIA 在 ScanRefer 和 Multi3DRefer 等任务上被单独高亮，作为性能证据。
消融表说明，课程阶段和奖励设计都会影响最终结果，方法并不是一个单独模块能解释。
这条研究的意义在于，3D 推理如果能被程序化，就更容易调试、复现并接入机器人任务。
STAR-PólyaMath 这篇研究，把数学推理组织成一个多智能体协作流程。
Apex 题目示例显示，系统会经历解题、反思、错误积累和策略调整，而不是一次性给答案。
流程图里，explorer、reasoner、planner、reviewer 和 verifier 分别承担探索、规划和校验职责。
验证标签分布图说明，不同竞赛题需要的证明、检查和搜索强度并不一样。
基准表把 STAR-PólyaMath 与 GPT、Gemini、Claude、DeepSeek、Qwen 等模型进行比较。
这条研究的关键，不只是分数更高，而是数学推理正在变成可调度、可检查的系统工程。
HIL-ResRL 的核心卖点，是给已有 VLA 策略加一个可以快速微调的残差外挂。
流程图显示，它把初始化、动作组合、数据采集和策略更新拆成一个真机学习闭环。
柱状图给出多个任务的成功率对比，文章用它支撑一小时真机微调成功率破 95% 的说法。
这类方法的重要性在于，机器人不能只在仿真里学，还要能用少量真实数据安全适配现场。
但成功率仍要结合任务难度、硬件条件和数据规模来看，不能直接泛化到所有机器人动作。
Aether AI 这篇文章的关键词，是因果世界模型，而不只是生成式预测。
路线图把视频生成、LLM agent、world model 和 causal world model 放在一条演化链上。
交互加权采样图说明，系统想从交互反馈中重新采样和更新动作策略。
潜变量识别图把问题拆成顺序编码、解码和因果扩散建模，试图找到可干预的状态变量。
扩散世界模型图进一步连接视觉输入、系统动力学和预测输出，把感知和规划接在一起。
任务因果图规划图说明，文章真正关心的是让模型知道改变哪些变量会影响结果。
这条新闻的价值在于，它代表一批创业公司正在把世界模型从看懂世界，推向干预世界。
但因果世界模型能否落地，还要看真实机器人、自动驾驶或科学任务中的闭环验证。
这条机器人新闻不是发布会，而是一位老从业者对人形机器人设计路线的警告。
文章担心的是，团队为了让机器人在仿真器里表现好，反而把真实客户需求放到后面。
Matt Freed 的长文强调，设计首先要从客户任务和现场约束出发，而不是从漂亮的模拟轨迹出发。
机械马封面很直观：如果形态不服务任务，再复杂的仿真优化也可能走偏。
不过这只是行业评论，真正的问题不是要不要仿真，而是仿真目标是否绑定真实使用场景。
对人形机器人来说，这种提醒很重要，因为硬件、控制和数据路线正在同时被资本催熟。
Karpathy 投资 Engram 这条新闻，真正指向的是 AI 记忆正在成为新基础设施。
公司介绍里写着 scaling compute on your context，说明它想把计算资源绑定到长期上下文。
Jack Morris 的长文强调，今天的 AI 还不真正理解用户，长期记忆正是要补这个缺口。
文章还提到 DeepSeek Engram 记忆架构的撞名，这说明 memory 叙事已经进入模型和产品两条线。
但记忆能力越强，隐私、可删除性和错误记忆治理也越重要。
所以这条新闻不只是投融资，而是智能体从短会话走向长期关系的一次信号。
阿里 QoderWork 这条新闻，关注点不是新模型，而是 token 成本被做成峰谷定价。
海报显示，夜间 22 点到次日 8 点使用 Qwen3.7-Max 可以低至两折。
这种设计把大模型调用更接近云资源调度，鼓励低峰时段处理代码生成和批量任务。
对开发者来说，这可能比单纯降价更有意义，因为它让任务排期和 token 成本产生直接关系。
但文章公开信息有限，真实体验还要看服务容量、模型质量和折扣适用条件。
这条轻量新闻说明，AI 开发工具竞争已经从模型能力延伸到成本运营。
这条 AI for Science 新闻的主线，是 GPT-5 被用于推进一个搁置三年的免疫学问题。
文章把重点放在科研流程：模型不是替代实验，而是帮助研究者重新组织假设和线索。
如果这种模式成立，AI 在科研里的角色会从文献助手，升级为能提出解释路径的协作者。
但标题里的“解开”仍要谨慎理解，最终判断必须来自实验复现和同行评议。
这条故事的价值，在于显示大模型已经开始进入具体科学难题的工作台。
OpenClaw 这条新闻的核心，是有人把 Google Workspace 接入 agent 工具后触碰了企业边界。
GitHub 仓库截图说明，这不是一个概念讨论，而是实际存在的 Workspace 工具项目。
当事人长文把事件描述为开发 CLI、连接 OpenClaw，并因此引发谷歌内部处理。
贡献者统计图提醒我们，开源 agent 工具往往不是单人玩具，而会迅速形成协作生态。
Skills Index 动图显示，Gmail、Drive、Sheets 和 Calendar 一旦接入 agent，就会覆盖大量敏感办公数据。
社交转发截图说明，外界关注的不只是解雇事件，还有 AI 工具进入办公系统后的治理问题。
这条故事的启示是，agent 工具越接近真实工作，安全、权限和公司政策就越不能事后补。
对开发者来说，连接办公系统前先定义数据范围和责任边界，已经变成产品能力的一部分。
机器之心 AI News Digest

机器之心 · 2026.06.24 · 13 stories · 12:36

机器之心 AI News Digest

机器之心 2026.06.24 digest with 13 source-grounded stories, Chinese captions, synchronized narration, and source media panels.

Stories

  1. 0:00 - 1:08
    01. 一夜之间，Claude成我同事了 Source
    文章报道 Claude Tag 让 Claude 进入 Slack 团队协作场景，用户可以在频道和工具中 @Claude，让它接收上下文并执行任务。
  2. 1:09 - 2:18
    02. 直接从像素到单词：这个原生大模型统一单图、多图、视频和空间智能 Source
    文章介绍 NEO，一种从像素直接到单词的原生视觉语言基础模型，目标是统一单图、多图、视频和空间智能任务。
  3. 2:19 - 3:23
    03. 端侧跑大模型，现在也太简单了 Source
    文章围绕“本地模型现在好到可以使用”展开，展示端侧运行大模型、搭建推荐/问答/工具链和监控资源占用的实践素材。
  4. 3:24 - 5:09
    04. ICML 2026｜让AI自动发现前沿风险：创智×复旦×牛津发布AutoControl-Arena Source
    文章介绍 AutoControl-Arena，一个用于自动合成可执行测试环境、评估前沿 AI 风险的平台。
  5. 5:10 - 6:01
    05. ICML 2026 | 北大提出的APEIRIA，打破了3D MLLM黑盒推理困境 Source
    文章介绍北大提出的 APEIRIA，用神经符号程序蒸馏来提升 3D 多模态大模型的可解释推理。
  6. 6:01 - 6:48
    06. 横扫八大数学竞赛：清华微软联合提出STAR-PólyaMath，Apex基准超GPT-5.5 13.5% Source
    文章介绍 STAR-PólyaMath，一个在持久元策略监督下进行多智能体数学推理的研究系统。
  7. 6:48 - 7:30
    07. 1小时真机RL微调成功率破95%！HIL-ResRL：即插即用的VLA「外挂」神器 Source
    文章介绍 HIL-ResRL，一种面向真实机器人强化学习微调的 VLA 外挂方法，标题强调一小时真机 RL 微调成功率超过 95%。
  8. 7:30 - 8:35
    08. 从预测到干预，Aether AI为什么押注因果世界模型？ Source
    文章报道 Aether AI 押注因果世界模型，试图从预测式生成走向可干预、可规划的世界模型。
  9. 8:35 - 9:21
    09. 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 Source
    文章报道机器人从业者对人形机器人设计过度依赖仿真器的批评，核心观点是仿真优化可能让硬件形态变得不适合真实客户。
  10. 9:22 - 10:07
    10. Karpathy投了一家AI记忆公司，撞名DeepSeek Engram记忆架构 Source
    文章报道 Karpathy 投资一家名为 Engram 的 AI 记忆公司，并提到它与 DeepSeek Engram 记忆架构撞名。
  11. 10:07 - 10:52
    11. 阿里QoderWork推“峰谷Token”，夜间使用Qwen3.7低至2折 Source
    文章报道阿里 QoderWork 推出“峰谷 Token”定价，夜间使用 Qwen3.
  12. 10:52 - 11:31
    12. AI已成科研「标配」？搁置三年的免疫学谜题，GPT-5解开了 Source
    文章报道 AI 已成为科研工具，并用 GPT-5 解开搁置三年的免疫学谜题作为例子。
  13. 11:31 - 12:36
    13. 他把Google Workspace接入OpenClaw，然后被谷歌开除了 Source
    文章报道有人把 Google Workspace 接入 OpenClaw 后被谷歌开除，核心线索是工作空间代理、开源仓库和企业安全边界。