GPT-6 Astra 只改 0.016% 权重，Qwen 数学从 7.9% 升至 48.【AI 早报 2026-11-03】

AI日报
发布于 2026-11-03 10:09:56 10 次浏览

GPT-6 Astra 只改 0.016% 权重，Qwen 数学从 7.9% 升至 48.【AI 早报 2026-11-03】

今日头条是 MIT CSAIL 的“权重空间编程”：GPT-6 Astra 直接读取并修改 Qwen3.5-0.8B 的 131072 个参数，不跑梯度训练，就把 MATH-500 从 7.9% 拉到 48.1%。同日，美团 1.6 万亿参数 LongCat-2.5、Anthropic 8954 亿美元算力承诺、腾讯混元 Hyra 2.0 与港科大 HarnessSQL 等一并释出。

今日概览

要闻

  1. GPT-6 Astra 只改 0.016% 权重，Qwen 数学成绩从 7.9% 升至 48.1%
  2. 美团发布 LongCat-2.5：1.6 万亿参数，每 token 激活 480 亿
  3. Anthropic 算力承诺达 8954 亿美元，Q3 营收 169.6 亿美元
  4. 清华唐杰团队开源 HarnessPro：通过率 80.8%，单任务成本降 34%
  5. 模思智能发布 MOSS-Live：全双工实时交互多项指标领先
  6. 达瓦科技完成近 5 亿元融资，34B 控制模型实现实时世界生成

模型发布

  1. Wuli-Art 开源 MiniMax-H3-Turbo：4/6/8 步生成音视频

开发生态

  1. 腾讯混元发布 Hyra 2.0：让 Agent 从解题转向研发科学工具
  2. 港科大与微软开源 HarnessSQL：8B 模型 SQL 准确率 45.2%，超 32B 专用模型
  3. 浙大与字节提出 Cortex：把上下文经验沉淀为长期参数记忆
  4. Uber 构建 MCP Gateway：统一管理 800+ 服务器与 5000+ 工具
  5. 小红书自研 SparseGear：稀疏训练性能提升 20%～300%
  6. 开源 Best-Paper-Writing-Skill：一段摘要生成 6 页 CVPR 底稿

产品应用

  1. Karpathy 用 Claude 两小时做出 HackerTube：6454 个视频、150 个主题
  2. Otter.ai 获 3.2 亿美元融资，推出 3 项新 AI 功能
  3. OpenAI 推出 LifeVal 基准：衡量 AI 完成日常任务的能力

技术与洞察

  1. 浙大与 TeleAI 提出 GR-BC：用图搜索为机器人试错轨迹重新加权

行业动态

  1. Meta 联手傅利叶打造人形机器人 Max：重 48 公斤，已启动二代研发
  2. 沙特阿美 26 亿美元入股 Humain 49%
  3. WIRED：约 400 个日常 AI 应用暗藏暴力深度伪造功能

要闻

GPT-6 Astra 只改 0.016% 权重，Qwen 数学成绩从 7.9% 升至 48.1%

MIT CSAIL 研究团队提出“权重空间编程”，让 GPT-6 Astra 像读代码一样直接分析神经网络权重，在不使用梯度训练的情况下定位问题并修改参数。实验对象是 Qwen3.5-0.8B，Astra 最终只改动 131072 个参数，占模型总权重约 0.016%，就让 MATH-500 成绩从 7.9% 升至 48.1%，GSM8K 从 13.8% 升至 67.1%，IFEval 指令遵循从 21.0% 升至 62.3%。Astra 发现模型大量回答陷入重复推理：最初检查的 96 个练习答案中有 85 个一直生成到 32768 个 token 上限仍未给出答案；它把问题定位到部分 MLP 层写出的一个特定方向，并通过删除该方向抑制循环。在 PPO 小车控制实验中，Astra 只修改 3.5% 权重，为网络加入“先后退蓄力、再全速前进”的控制路径，成功率从 0 提升至 100%；从零生成的 MinAtar 游戏网络在三个游戏中都超过训练 1 亿步的 PPO 网络。研究团队也做了补充实验：对于很少出现推理循环的 Gemma 3 270M，Astra 的修改没有带来明确提升。 来源：https://www.ifanr.com/1687285?utm_source=rss&utm_medium=rss&utm_campaign=

美团发布 LongCat-2.5：1.6 万亿参数，每 token 激活 480 亿

美团正式发布 LongCat-2.5，总参数量 1.6 万亿，每个 token 激活约 480 亿参数，在 LongCat-2.0 基础上强化原生视觉理解与智能体编程能力。模型在长序列训练中加入更多长程轨迹数据，并通过大规模长程强化学习提升复杂代码库开发、完整项目构建等任务的端到端工程能力；训练链路围绕数据合成、环境构建与跨 Harness 混合训练持续扩展，还把真实 Agent 的失败轨迹转化为可复现、可验证的训练任务。视觉侧将视觉信号表示为多层级离散 token，用残差向量量化处理原生分辨率特征，使主干模型以统一 token 形式处理视觉与文本输入，支持 Visual Coding、创意设计和 3D 任务。基础设施方面，团队优化了国产算力上的长上下文训练与 W4A4 推理，并通过训推数值一致性和长上下文 rollout 优化支撑大规模长程 RL。官方对比对象包括 GPT-5.5、GPT-5.6-Sol、Claude-Opus-4.8 和 Claude-Opus-5。 来源：https://tech.meituan.com/2026/11/02/Meituan-LongCat-2.5.html

Anthropic 算力承诺达 8954 亿美元，Q3 营收 169.6 亿美元

Anthropic 向美国证券交易委员会提交更新后的招股书，披露 2026 年第三季度营收 169.6 亿美元，高于第二季度的 115.6 亿美元，也远高于 2025 年同期的约 13.8 亿美元；前三季度累计营收 332.42 亿美元，同比增长约 12 倍。第三季度经营费用升至 175 亿美元，录得 5.67 亿美元经营亏损，而第二季度曾实现 9.74 亿美元经营利润；当季计算及基础设施费用约 99 亿美元，较第二季度的约 56 亿美元增加近一倍，短期算力采购金额约 50 亿美元。截至 9 月底，Anthropic 通过采购承诺和租赁协议形成的累计支出承诺达到 8954 亿美元，其中约 4475 亿美元预计在 2030 年 12 月 31 日前兑现，未来 12 个月内到期约 698 亿美元；公司持有现金、现金等价物和短期投资合计 1318.45 亿美元，计入信贷额度后总流动性约 1466 亿美元。为获取算力，Anthropic 已与亚马逊、谷歌、微软签订长期协议，并接触 Fluidstack、Lambda 等算力供应商以及 TeraWulf、Hut 8 等数据中心建设方，还研究将旧煤电厂和工业设施改造为数据中心。 来源：https://mp.weixin.qq.com/s?__biz=Mjc1NjM3MjY2MA==&mid=2691573898&idx=1&sn=4ecdf3fb9fb588d7be6265390d8e96dd

清华唐杰团队开源 HarnessPro：通过率 80.8%，单任务成本降 34%

清华大学、智谱等团队开源 HarnessPro，唐杰是论文共同通讯作者，目标是让 Agent 迭代自己的 harness，同时优化任务表现与执行成本。在论文的 Terminal-Bench 2 测试子集上，HarnessPro 的 Heavy 档搭配 GPT-5.5 和 Codex，相比 RHO 把通过率从 76.3% 提高到 80.8%，单任务平均调用成本从 1.09 美元降到 0.72 美元，省下约 34%。SWE-Bench Pro 测试中，RHO 通过率为 80%、单任务平均成本 2.68 美元；HarnessPro 的 Medium 档做到 79% 通过率、只花 1.26 美元，通过率少 1 个百分点、费用减少约 53%；Heavy 档以 1.97 美元做到 80.7%，表现和成本都优于 RHO。换成 GLM-5.2 搭配 Claude Code，Terminal-Bench 2 的 Heavy 档也从 RHO 的 78.0% 提高到 81.4%，单任务平均成本从 1 美元降至 0.62 美元。HarnessPro 不使用官方测试和标准答案，而是根据任务描述和初始轨迹生成固定测试，在 20 个初步检查案例中，12 个实际失败案例里模型直接评判只识别出 5 个，生成测试识别出 10 个，失败召回率从 41.7% 提高到 83.3%。代码仓库已开放三个基准、每个基准三档共 9 套选定 harness 及评估脚本。 来源：https://mp.weixin.qq.com/s?__biz=MjM5ODkzMzMwMQ==&mid=2650456250&idx=1&sn=a109a00cc7178c66e351d342ff2e865e

模思智能发布 MOSS-Live：全双工实时交互多项指标领先

模思智能发布全双工实时交互系统 MOSS-Live，能够在说话的同时持续倾听，根据语义理解判断什么时候该回应、什么时候该等待，即使中途多次打断、切换话题也能记住之前聊到哪里。系统采用前后台协同架构：前台交互模型负责实时感知与对话，持续接收语音、画面和环境声音，跟踪对话状态；后台模型负责复杂推理与长程任务执行，前台可以把任务连同上下文交给后台异步处理，而不必暂停当前对话等待结果，前后台通过记忆、上下文和任务状态管理协同。MOSS-Live 还支持实时视频与屏幕共享、工具调用、后台异步执行、流式同声传译，并可按用户设定规则实现主动交互。官方 Benchmark 显示，MOSS-Live 在多项实时语音交互指标上领先 GPT Realtime 2.1、GPT-Live-1、Doubao SeedDuplex 等实时语音系统。目前 MOSS-Live 已开放在线体验与 API 接入，并提供限时免费 API 使用机会。 来源：https://mp.weixin.qq.com/s/C_TiIuY7ufTQMA43iZZpTg

达瓦科技完成近 5 亿元融资，34B 控制模型实现实时世界生成

达瓦科技披露年内连续完成 Pre-A 轮、A 轮融资，累计融资金额近 5 亿元，投资机构包括启赋资本、投控东海、一村资本、宝捷会、鞍羽资本及多家产业投资机构，老股东持续加注。公司自研控制层模型 Latent Stage 仅用 34B 参数，将人物、动作、镜头、光照、服装、道具与物理交互全部纳入分层建模与联合约束；连续编辑测试中目标编辑成功率达 98.2%，人物身份保持率达 93.3%。其局部稀疏微扩散技术只对画面里 10%–20% 真正在动的区域做计算，GPU 功耗降低 40%–60%，推理速度提升 3 到 5 倍。实时侧 LiveStage 每步只激活约 4B 参数，在单张消费级 RTX 5090 上跑出 720P、25 帧/秒，连续 120 分钟不漂移。公司年内确认收入近 5 亿元，客户单镜头“抽卡”次数从五六十次下降至 5 次以内，单位制作成本较使用主流模型下降一个数量级。 来源：https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247519149&idx=1&sn=3a3877219ed47477a241e5139b580561

模型发布

Wuli-Art 开源 MiniMax-H3-Turbo：4/6/8 步生成音视频

Wuli-Art 发布基于 MiniMax-H3 的少步音视频生成模型 MiniMax-H3-Turbo，提供 4、6、8 步三个固定步数版本，支持文生音视频与首帧条件生成，配套工作流支持可选尾帧。模型针对联合音视频去噪过程做少步化，采用轨迹蒸馏、DMD 和 GAN 相结合的技术方案：轨迹蒸馏让学生模型学习教师采样轨迹中的演化关系，使一次更新近似教师多次更新的作用；DMD 利用目标分布与学生生成分布的 score 估计差异，从分布层面对齐；GAN 判别器直接作用于学生生成结果，改善视频纹理细节并缓解少步蒸馏中的过度平滑。项目展示页收录 9 组提示词、11 种配置、99 段视频，包含 4/6/8 步版本与原版 MiniMax-H3 的 50 步配置对比。模型支持通过 Diffusers 脚本或 ComfyUI 本地部署，需使用支持 CUDA 的 NVIDIA GPU。 来源：https://mp.weixin.qq.com/s?__biz=Mzk3NTc1NTU0Mw==&mid=2247515206&idx=1&sn=041e351380ff0692e1ee445e988db758

开发生态

腾讯混元发布 Hyra 2.0：让 Agent 从解题转向研发科学工具

腾讯混元发布 Hyra 2.0，定位从“抽卡刷题”转向“工具升级”，让通用 Agent 参与科学模型、研究工作流与软件工具的研发和升级。系统接入团队实际研发环境：在企业微信里和研究者对齐需求，在计算平台提交和管理实验，在代码仓库实现和验证改动，并保存实验过程与产物；涉及较大算力开销和共享知识同步的操作需经过人工审批。研究工作由 Overall、Mission 和 Worker 三层分工：Overall 与人类研究者沟通、管理项目优先级、协调资源；每个 Mission 长期负责一个研究问题，决定研究路线、设计实验、组织 Worker 并对结论负责；Worker 可独立读代码、做实验、分析失败原因、提出新想法，也可质疑 Mission，不同 Worker 可以使用不同模型。Hyra 1.0 曾用开源模型 Hy3 解决加法组合学中悬置五十多年的和集与差集最优指数问题。Hyra 2.0 的目标是参与升级训练基础设施、数据合成管线和推理系统，让下一代 Hy 模型反哺 Hyra，形成递归自我改进循环。 来源：https://mp.weixin.qq.com/s?__biz=MzkwODU2OTQyNQ==&mid=2247498763&idx=1&sn=279f8fb4e43a987fdc0aa2af0b0f7958

港科大与微软开源 HarnessSQL：8B 模型 SQL 准确率 45.2%，超 32B 专用模型

港科大与微软等团队推出首个原生长程环境交互训练框架 HarnessSQL，在密闭沙盒与专用 SQL Harness 中进行长程轨迹监督微调与执行奖励强化学习。在 Spider 2.0-SQLite 上，HarnessSQL 仅凭 8B 参数就取得 45.2% 执行准确率，接近基线的 3 倍，大幅超过 32B 专用模型 OmniSQL 的 14.8%、Arctic-Text2SQL 的 16.3%，也超过多智能体系统 MARS-SQL 的 12.6%；14B 模型更达到 54.8%。团队基于 Spider 2.0-Lite 的 30 个 SQLite 与 Spider 2.0-DBT 的 49 个 DuckDB 构建了 79 个复杂数据库沙盒，并设计四元极简动作契约：sql_list_tables 枚举数据表及行数、sql_schema 探查 DDL 与采样数据、sql_exec 执行只读试探查询、sql_submit 提交最终 SQL。沙盒具备只读绑定、单语句约束与 60 秒超时保护。训练分两阶段：先用教师模型在沙盒中探索，筛选通过 Oracle 验证的多轮轨迹做全序列监督，平均轨迹 11.8K tokens、16 轮交互、14 次真实执行；再用 DAPO 做执行奖励强化学习，只以隐藏 Oracle 的执行结果给 0/1 奖励。代码已开源。 来源：https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652739675&idx=3&sn=90e941c875c03dc0dfc87141362d0db5

浙大与字节提出 Cortex：把上下文经验沉淀为长期参数记忆

浙江大学、ByteDance Seed 和清华大学研究者提出 Cortex，一种通用的经验沉淀方法，目标是把从上下文经验中获得的帮助沉淀为后续仍可用的长期参数记忆，同时尽量保留已有能力。研究用 context gap 衡量同一模型在有、无一段上下文时的表现差距，并定义巩固率 CR 与保留率 RR：CR 是更新后不带上下文时获得的目标增益除以原模型带上下文时获得的目标增益，RR 是更新后在 Q⁻ 查询上的表现除以原模型在 Q⁻ 上的表现。工程实现上，Cortex-Structural 已合入 Hugging Face 的参数高效微调库 PEFT，支持兼容的稠密模型与混合专家模型，并提供常规微调和文档经验巩固示例。团队补充实测显示，120B 模型在 ALFWorld 上沉淀 Agent 经验，使用 8 张 A100，参数训练约需 30 分钟。随着经验积累，Cortex 还可以逐步扩展模型参数容量，新增部分能够合入模型原有网络层。 来源：https://mp.weixin.qq.com/s/06grL7treFuAE-H7cbpZ6Q

Uber 构建 MCP Gateway：统一管理 800+ 服务器与 5000+ 工具

Uber 构建 MCP Gateway，用于标准化 AI Agent 发现和调用内部服务的方式，覆盖 800 多个 MCP 服务器和 5000 多个工具。网关将工具注册与运行时执行分离，包含自动 API 发现、访问控制、敏感数据脱敏、通过 Omni MCP 进行增量工具发现以及响应过滤。该架构的目标是让 Agent 在跨内部服务调用时获得统一的注册、权限与数据保护入口，而不是直接对接每个 MCP 服务器。 来源：https://www.infoq.com/news/2026/11/uber-mcp-gateway-ai-agents/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global

小红书自研 SparseGear：稀疏训练性能提升 20%～300%

小红书自研稀疏训练引擎 SparseGear，为搜广推模型持续 Scaling Up 重新设计稀疏参数的计算、存储与通信方式，构建 HBM-Friendly 高性能多级稀疏参数存储架构。原有 TorchLarC 系统采用 CPU Worker、GPU Worker 与远端 Parameter Server 协同架构，随着序列长度向万级增长、Dense 参数规模向百亿级扩展，出现参数供给带宽受限、GPU Worker 所在节点 CPU 和内存利用率长期低于 35%、稀疏缓存与 Dense 计算争抢 HBM 等瓶颈。SparseGear 利用主机资源与通信链路余量改善参数供给，通过多级存储降低稀疏侧显存占用；同时建设统一特征抽取平台，用计算图复用公共特征，某业务场景下特征生产的 CPU 总消耗降低 40%，实验增量计算任务 CPU 消耗降低 50% 以上。团队还引入 Agent 自动调优降低优化成本，最终在多个业务场景取得 20%～300% 的训练性能收益。 来源：https://mp.weixin.qq.com/s?__biz=Mzg4OTc2MzczNg==&mid=2247496939&idx=1&sn=de12e5f3e5f301170425ad24eef08cce

开源 Best-Paper-Writing-Skill：一段摘要生成 6 页 CVPR 底稿

开源项目 Best-Paper-Writing-Skill 分析了 60 篇 CVPR、ICCV 和 NeurIPS 获奖论文，把写作规律封装成可执行 Skill，供 Claude Code 和 Codex 调用。作者以 CVPR 2026 最佳论文 D4RT 为例，只给 Agent 原始摘要，不提供论文全文，也禁止联网和检索，最终生成约 6 页 CVPR 格式初稿，包含标题、摘要、引言、方法和实验部分，可直接排入 CVPR 模板编译。对于研究者没有提供的实验数字、基线和引用，Skill 会统一标记为 [TODO]，避免凭空补造；它还参考 44 篇获奖论文的配图规律，规划 Figure 1 和方法总览图，并直接绘制示意图。作者同时用最佳学生论文 O-Voxel 和最佳论文荣誉提名 SAM 3D 做了演示。 来源：https://mp.weixin.qq.com/s/ZajIejMFQaFB1W7rXPJCpw

产品应用

Karpathy 用 Claude 两小时做出 HackerTube：6454 个视频、150 个主题

Karpathy 周五晚因不满 YouTube 推荐内容，周六上午让 Claude 做了一个只放“好视频”的网站 HackerTube，当天上线，整个项目约 2 小时。Claude 先下载 Hacker News 近 20 年的 4300 万条评论，筛掉垃圾内容，只保留推荐 YouTube 视频的评论，约 4 万条，最终整理出 6454 个视频并分进 150 个主题，再从 YouTube 调取标题和时长，套上仿 YouTube 界面并部署。Karpathy 说从筛数据到上线自己没读也没写代码，只负责开服务器、买域名等跑腿工作；Opus 5.5 负责统筹，Sonnet 批量筛评论。HackerTube 不需要登录，观看记录只存在浏览器；没有反复测试过的点击诱饵封面，每个视频封面换成视频中段的一帧；侧边栏还有“Longs”入口专放长视频。相关数据已打包公开，其他人可以交给自己的 AI 改出定制版本。 来源：https://mp.weixin.qq.com/s/JNsdGgIRbv0qbFtX47sOSg

Otter.ai 获 3.2 亿美元融资，推出 3 项新 AI 功能

据 Fast Company 11 月 2 日报道，Otter.ai 获得 3.2 亿美元新融资，并推出 3 项新 AI 功能，产品定位从会议转录延伸至日常工作流程，目标是提升职场会议生产力。报道称该公司正把 AI 能力嵌入更多工作场景，但未披露新一轮融资的具体轮次、投资方，以及三项功能的名称与上线时间。其扩张也再次引发关于隐私的讨论。 来源：https://www.fastcompany.com/91633159/otter-ai-is-moving-beyond-transcription-and-deeper-into-your-workday?utm_source=postup&utm_medium=email&utm_campaign=artificial-intelligence&position=7&partner=newsletter&campaign_date=11022026

OpenAI 推出 LifeVal 基准：衡量 AI 完成日常任务的能力

OpenAI 推出名为 LifeVal 的基准，用于衡量 AI 帮助人们完成日常任务的能力，覆盖寻找托儿服务、管理财务和处理政府文书等场景。该基准关注的是 AI 在真实生活事务中的实际帮助效果，而不是单一学科题目上的表现。 来源：https://openai.com/index/lifeval

技术与洞察

浙大与 TeleAI 提出 GR-BC：用图搜索为机器人试错轨迹重新加权

浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）与伽马智能白辰甲团队提出 Graph-Reweighted Behavior Cloning（GR-BC），该工作已被 CoRL 2026 接收，论文与代码已公开。方法把同一任务的多次尝试构建成一张图：节点用冻结的 MCR 视觉编码器提取三个相机视角表征，并结合夹爪状态编码；时间边连接同一轨迹上按固定间隔抽样的相邻节点，代价等于跨越帧数；相似边在满足多视角互为 K 近邻、夹爪状态一致、局部尺度归一化距离小于阈值三个条件时桥接不同轨迹。构图后从成功终点出发做反向 Dijkstra 搜索，计算各状态到成功的最小图路径代价，再线性插值到每一帧，映射为 0—1 的图检索进度。每个动作块需同时通过净进展阈值和相对起点的最大回退限制，通过者获得有上下界的正权重，其余权重为零。这样机器人可以同时利用成功轨迹中的有效片段和失败轨迹中的局部正确动作。 来源：https://mp.weixin.qq.com/s/P94V9SbLXk4G7QhWGowP1A

行业动态

Meta 联手傅利叶打造人形机器人 Max：重 48 公斤，已启动二代研发

据知情人士透露，Meta 已与中国机器人公司傅利叶合作开发出一款人形机器人原型机，内部代号 Max，重量约 106 磅（约 48 公斤），身高约 1.5 米，双方仅用三个月完成原型。Max 搭载英伟达 Jetson Thor 芯片，运行一套独立软件平台控制运动；胸部内置两个扬声器，脸部的眼睛和嘴巴可以模拟人类表情，五指灵巧手能够抓取小瓶子和玩具等小型物品。双方已开始研发第二代产品 Max 2：重新设计躯干结构、改进手部以获得更强物体操作能力，增加用于展示视觉内容的投影仪，并搭载更多传感器以支持上下楼梯等复杂运动。Meta 机器人业务产品副总裁 Li-Chen Miller 曾在傅利叶上海工厂驻扎近两个月，直接参与原型机联合开发；Meta 还在上海招聘供应商开发工程师，在深圳招聘产品设计工程师和技术项目经理，推进从原型机走向大规模量产。Meta 内部将人形机器人描述为 AI Agent Muse 的“物理化身”。 来源：https://mp.weixin.qq.com/s?__biz=MzI4NTgxMDk1NA==&mid=2247519149&idx=2&sn=1d7aa8b79c9664ef506719989796c66f

沙特阿美 26 亿美元入股 Humain 49%

沙特阿美以 26 亿美元交易获得 AI 公司 Humain 49% 股份。Humain 的目标是推动沙特成为全球 AI 枢纽。交易的具体条款、后续资金用途和业务计划未在摘要中披露。 来源：https://the-decoder.com/saudi-aramco-takes-49-percent-stake-in-ai-firm-humain-with-2-6-billion-deal/

WIRED：约 400 个日常 AI 应用暗藏暴力深度伪造功能

WIRED 调查发现约 400 个应用和网站与中文开发者有关，外观是常规 AI 工具，但暗藏秘密功能，允许用户生成暴力的 AI 图像和视频。报道称这些功能被隐藏在普通应用背后，用户需要特定方式才能触发。具体开发者身份、平台名单和功能规模未在摘要中展开。 来源：https://www.wired.com/story/hundreds-of-mundane-ai-apps-are-hiding-abusive-deepfake-features/

评论

暂无评论。

登录后可发表评论。

专题：AI日报
目录