AI 创业者 @tinyray1314 分享了一套让 AI 学习个人语言风格的实操方法论：把风格拆成可观察的语言规则沉淀进配置文件，再用“人机改写 diff 回路”
一份来自 AI 实践者的高回报行为清单在 X 平台被广泛传播，核心判断是：AI 领域当前最值钱的能力已不是简单调用模型，而是围绕真实任务建立评估、迭代、可观测性的系统工程能力。
马斯克在 SpaceX 全体会议上表示，公司 AI 收入预计下个月超过其他所有产品营收，并在第四季度显著拉开差距。这意味着 SpaceX 的业务重心正从发射和星链，加速转向 AI 基础设施与模型训练。
OpenAI全球政策副总裁Ann O'Leary表示，美国AI政策当前“锚定在各州”，并以加州去年通过的AI透明度法律为主要参考。这反映出联邦层面立法推进缓慢时，州级监管正在成为AI企业必须面对的实质规则。
一批健康与健身重度用户开始用 AI 构建高度个人化的训练体系，把睡眠、运动和饮食等数据整合进自建仪表盘与工具，让 AI 不仅给建议，还参与到日常训练节奏的持续优化中。
Anthropic让一个未发布的研究版Claude尝试攻克黎曼猜想，虽未完全解决，但在相关问题提升了黎曼zeta函数满足猜想零点比例的下界。这是大模型在纯数学推理上罕见的实质性进展，也为Anthropic的技术叙事增添了新筹码。
谷歌研究员用在线强化学习框架训练了一个名叫 ResidencyRL 的临床推理 AI，让它连续与数千个刁钻的“虚拟病人”进行最多 60 轮诊疗对话。双盲评估显示，专家在 87.6% 的场景中更认可这个模型，红旗症状漏诊率下降 31%。这是大语言模型第一次被拉进完整临床决策流程里接受检验。
字节跳动在 Seed、Flow 之外又设立了一个名为“AI数据与安全”的一级部门，把分散在多个团队的数据能力收拢统一。这件事值得关注，因为它说明大模型竞争的重点，正在从模型架构本身，转向数据工程和数据质量。
号称“100%人工撰写、绝不使用AI”的医学研究服务网站 Research Gold，被调查发现其网站上的审稿专家多为AI生成的虚构人物，真实存在的所谓专家则毫不知情、身份遭盗用；连客服电话接听者都是死不承认自己是AI的智能助手。这件事暴露出AI在学术服务领域的滥用，比“用AI写论文”更深一层：直接用AI虚构…
Meta于8月10日发布开源模型Muse Glimmer，扎克伯格同时发表长文力挺开放权重路线，Meta正式从保守姿态转向，重新押注开源AI战略。