00:53elvis@omarsar0精选GLM-5.2 在图形设计能力上据称达到 Opus 级别,同时在长期运行任务中表现良好。其训练引入了反奖励破解模块,用于解决强化学习中常见的奖励破解问题,例如模型走捷径、变懒、意图偏差等。该模块有助于提升编码代理在长周期任务中的可靠性与效果。GLM-5.2 是一个开源开放权重模型。AI模型GLM-5.2奖励破解开源模型设计长期任务推荐理由:GLM-5.2 据称设计和长任务都接近 Opus,关键是加了个反奖励破解机制,让模型更靠谱。原文
13:14Physical Intelligence@physical_int精选Physical Intelligence 为其机器人模型开发了一套记忆系统,结合了短期视觉记忆和长期语义记忆。该系统使机器人能够执行复杂的长任务,如清理厨房或从头制作烤奶酪三明治。这一突破解决了机器人长期任务执行中的记忆瓶颈,提升了自主性和实用性。AI模型机器人记忆系统Physical Intelligence长期任务视觉记忆推荐理由:机器人团队终于有了实用的记忆方案——短期视觉+长期语义让机器人能完成厨房清理、做三明治等长任务,做机器人开发的建议点开看看。原文
08:05IT之家(博客/媒体)OpenAI 更新桌面版 Codex,Mac 新增 Appshots 功能,用户按下左右 Command 键即可截取当前应用窗口并发送给 AI,Codex 不仅能识别截图,还能读取窗口内所有文字内容(包括未显示部分)。该功能简化了调试网页、实现设计稿、传输复杂界面等场景的操作流程。同时,/goal 命令从实验功能转正,支持用户设定长期目标(数小时至数天),Codex 会持续推进任务,用户可随时查看进度、调整方向或暂停。此外,内置浏览器速度提升,Business 和 Enterprise 用户新增共享插件和分析面板功能。AI产品CodexAI 编程助手Mac 更新截图交互长期任务10 个信源在谈推荐理由:Codex 的 Appshots 功能解决了手动截图粘贴的痛点,做前端开发、UI 设计或需要频繁与 AI 交互的 Mac 用户可以直接省下大量步骤,值得一试。原文