‘Far from human level’: AI models score below 25% on job tasks, UC Berkeley study finds
加州大学伯克利分校的研究人员在 50 多个行业测试流行的人工智能语言模型的能力时，其得分低于 25%。研究表明，伯克利负责任、分散式智能中心进行了“特工最后考试”，这是该校真实世界的专业工作流程测试，旨在确定人工智能是否已“做好工作准备”。 “今天的 [...]
化学分泌物的使用因物种而异，但与新热带地区的其他防御缺乏直接关系摘要化学分泌物的部署是节肢动物中广泛的防御策略，通常旨在与捕食者相遇时生存。然而，影响其跨物种使用差异的生态力量仍不清楚。我们量化了尚未研究的蜘蛛目 Opiliones 内 11 种同域的 Prionostemma 物种的化学分泌行为。我们调查了哥斯达黎加两个不同森林中的物种，并测试了它们在受到刺激时的分泌倾向，以及这些差异是否与形态、腿损失水平或社会行为的种间变异相关。我们发现，物种释放化学分泌物的倾向各不相同，形成了从很少分泌的类群到几乎在所有遭遇中都分泌的类群的连续梯度。然而，这种差异并不能用身体尺寸或腿部损失来解释。具有相
Cancer Diagnosis in ER Can Dramatically Increase Death Risk
许多人认为癌症通常是在常规健康检查、乳房 X 光检查或结肠镜检查等筛查测试或与家庭医生讨论新症状后发现的。早期检测使医生有更多时间调查可疑变化、确认诊断并在疾病恶化之前开始治疗。然而，这个[…]急诊室癌症诊断后会大大增加死亡风险首先出现在 Knowridge Science Report 上。
Airborne 07.15.26: We Fly The Seminole DX, INTEGRAL R, Launchpad Scrapped
另外：CAF 支持 Stewart Film、Marine One Moves、50,000 架无人机飞往乌克兰、FAA 诉 7-11 好吧...Jim 有机会作为试飞员之一，与 DeltaHawk 资深人士 Victor Taylor 一起驾驶 DeltaHawk Seminole DX 进行飞行。所以...两个大家伙，船上 35 加仑，93 度+...和 1700fpm+ 从一开始，经过 800 英尺的地面滚滚，处理是纯粹甜蜜的塞米诺尔（吉姆曾经教过这些鸟...很多...并且对它们太了解了，包括一个大雾的早晨，一只狼龙在起飞后咬了灰尘）但真正令人印象深刻的是这个装置是多么平滑...而且它还
Largest Air Force in the World Operates First AI-Operated F-16 Flight
美国空军在佛罗里达州埃格林空军基地 (VPS) 的飞行测试中成功驾驶了由人工智能控制的改进型 F-16 战隼，在军事航空领域取得了一个重要里程碑。世界上最大的空军首次进行人工智能操作的 F-16 飞行首先出现在航空 A2Z 上。
Navy Ship Modernization: DOD Needs Comprehensive Strategy to Field Hypersonic Missile Capability
GAO 发现美国海军目前在对三艘 DDG 1000 Zumwalt 级驱逐舰进行现代化改造以搭载常规快速打击 (CPS) 高超音速导弹（作为其水面打击任务的一部分）方面落后了 24 个月。 DDG 1000 和 CPS 工作都面临挑战：尽管该级第一艘舰朱姆沃尔特号 (DDG 1000) 的现代化截至 2026 年 1 月已完成 94%，但由于计划外工作，进度落后于计划。 DDG 1000 级舰艇拥有独特的系统，例如雷达、战斗和网络系统，成本高昂且难以维持和维护。 CPS 工作原计划于 2025 年开始对 DDG 1000 级进行飞行测试，但由于资金和测试方面的挑战，现在计划于 2027 年进行
Trump's new tariffs on Brazil reflect the weakness of US trade strategy
最高法院裁决取消了唐纳德·特朗普总统今年根据紧急权力征收的美国关税，引发了政府以不同理由恢复对多个国家的关税的争先恐后。巴西是这一战略的第一个测试案例，它表明了美国影响力的弱点。撇开这些关税在巴西政治上产生适得其反的单独问题——可能会加强特朗普所鄙视的路易斯·伊纳西奥·卢拉·达席尔瓦总统的地位——美国对巴西的经济战略显示了其贸易影响力的弱点……
MCWL Charters New Stern Landing Vessel to Spearhead Marine Corps Littoral Modernization
澳大利亚达尔文 — 美国海军陆战队租用了“玛蒂尔达 1”号，这是一艘专门的船尾登陆舰 (SLV)，用于测试和开发沿海战的新战术。这项为期三年的计划与澳大利亚陆军密切合作，将增强在印度洋-太平洋沿岸浅水水域作战的部队的机动性和保障能力。
Cyber Shield Strengthens Defensive Capabilities
1000 多名军事和民间网络专家聚集在阿肯色州罗宾逊营，测试针对水和电网等关键基础设施的模拟攻击的防御能力。
Context Engineering Isn’t Enough — A Loop Engineering Experiment With No LLM Inside the Loop
每个人都在谈论循环工程，但大多数讨论都假设法学硕士位于循环的中心。我想隔离架构本身。因此，我构建了一个确定性的、零依赖的 Python 基准测试，用简单的规则替换模型，使我能够直接衡量一个问题：目标导向控制器能否比传统线性管道更好地隔离故障？在验证了 300 个随机种子的基准测试并修复了一个最初使我自己的结果无效的微妙错误之后，我发现控制器始终完成了线性执行器从未达到的独立分支。本文介绍了架构、基准测试设计、调试过程以及一个狭隘但实用的主张背后的证据：故障隔离是控制流的一个可测量属性，与 LLM 推理无关。后语境工程还不够——循环内没有 LLM 的循环工程实验首先出现在《走向数据科学》上。
DataRobot OpenCode: your coding agent, your model choice
DataRobot OpenCode：您的编码代理，您的模型选择 市场上有 70 多种编码代理：Claude Code、Codex、Cursor、Copilot、Devin，以及每周都会出现在工程师新闻源中的一长串较小的参与者。有人运行了基准测试，发布了排行榜，到了本周末，一半的组织想要......帖子 DataRobot OpenCode：您的编码代理，您的模型选择首先出现在 DataRobot 上。
顺序推荐是推荐系统的核心任务，最近的研究越来越多地转向利用顺序模式和语义项目信息的生成推荐器。然而，这些方法通常是在一小组广泛使用的基准上进行评估的。这就提出了一个自然的问题：这些基准测试实际上需要现代生成推荐器的高级建模功能吗？我们使用有意简单的图启发式进行基准审核：仅从最后一个或两个交互的项目开始，它从几跳项目转换图中检索候选者，并根据项目特征相似性对它们进行排名。令人惊讶的是，尽管它很简单，但这种启发式方法在各种流行的顺序推荐基准上匹配或优于一组广泛的现代基线。例如，与广泛使用的 Amazon Review Sports 和 CD 数据集上的最佳竞争基线相比，它的 NDCG@10 相对改
I wore 3 blood pressure watches for a month to find the most accurate - and this one wins
我测试了三星、Amazfit 和 Doctor Fit 血压手表 - 只有一款可以与我的 Garmin Index 血压监测仪相媲美。
SpaceX targets July 23 for next Starship launch after last-minute abort
埃隆·马斯克 (Elon Musk) 的 SpaceX 计划于 7 月 23 日进行第 13 次星舰试飞，此前该公司上周在最后一刻发射失败。该任务将携带 20 颗星链卫星进行亚轨道测试，该公司将在年底前推动常规轨道部署。
Another reusable rocket? Japan launches, lands RV-X prototype (video)
日本成功完成了 RV-X 实验性可重复使用火箭原型的首次飞行测试。
Using AI for creative pursuits? Moderation is key
一项实验表明，人工智能用户在适度使用时会产生最具创意的想法——不要太多也不要太少。专栏作家 David Robson 对这一发现进行了测试，并探讨了当我们过度依赖人工智能时我们会失去什么
韩国Eresus kollari（蜘蛛亚科：Eresidae）墓地栖息地的小气候和巢址选择摘要巢址的选择和建造对于许多动物来说是重要的生活史事件。这些决定很大程度上取决于温度、湿度和太阳辐射等非生物因素。 Eresus kollari（一种挖洞蜘蛛，会挖掘自己的巢穴并在其中养育后代）在选择筑巢地点时也面临着重要的决定。在韩国，该物种经常占据暴露在阳光下的圆顶形坟墓。为了了解导致物种占据土丘栖息地的行为决策，我们进行了实地调查和实验室实验。现场调查显示，75.6%的E.kollari巢位于土丘表面，其中土丘中心附近密度最高（3.98巢/平方米）。整个半球形土丘上，巢穴集中在东、中、西三个区域，整
