以模型为基础的强化学习
本期，来听听上海交通大学张伟楠副教授讲授以模型为基础的强化学习，希望能帮助大家更全面地了解这一强化学习方向。
复杂系统自动建模综述：描述、预测与理论发现
Li， R.， Dong， L.， Zhang， J.， Wang， X.， Wang， W. X.， & Di， Z & Stanley， H. E. . Simple spatial scaling rules behind complex cities. Nature Communications， 8， 1841. 下载地址:见原文链接。
讲座预告｜人工智能治理与治理人工智能
中华根脉：文明溯源中的仰韶文化主讲人：魏兴涛（河南省文物考古研究院研究员）时间：2026年7月17日（周五）15:00主办：郑州中华之源与嵩山文明研究会参与方式：郑州市大河村考古遗址公园多功能厅可持续且韧性社区的智能微电网主讲人：Qianwen Xu[瑞典皇家理工（KTH）副教授
大模型开挂了！64量子比特，让11亿参数模型逆袭80亿
2026 年 9 月，OpenAI 展示了 GPT-5.6 Sol 通过 Codex，在 MIT 工程量子系统组的一块未校准 6 量子比特超导芯片上，自主执行测量、分析数据并优化实验参数，在信号清晰时完成一系列量子比特表征与校准任务。
清华新研究，Nature+Science双杀
就在刚刚，清华大学的一项AI for Science研究不仅登上Nature，而且还被Science深度报道了。这项来自清华大学李勇团队的研究通过分析全球2.
不只是预测：动力学学习中「记忆」的五重境界
近日，集智学园张江老师系统梳理了动力学学习的发展脉络，揭示了一个贯穿半个世纪的核心问题:机器究竟该如何表示过去，才能预测未来?
对比学习引领弱标签学习新SOTA，浙大新研究入选ICLR Oral
Tongzhou Wang and Phillip Isola. Understanding contrastive representation learning through alignment and uniformity on the hypersphere. In ICML， volume 119 of Proceedings of Machine Learning Research， pp. 9929–9939. PMLR， 2020.
《AI学习必备英文术语/黑话百科（200个）》
Part 1/200：基础概念 + 模型机制（1–50）001Token词元：模型处理世界的最小单位。在大模型中，文本不会按“词”或“字”处理，而是拆成 token（可能是字、词或子词）。所有计算（成本、上下文长度、推理）都基于 token 数量。
54%中国NeurIPS作者流入美国：剑桥AI全景报告出炉
在 GitHub 上，PyTorch 相比 TensorFlow 也有更多的新研究实现:据统计现在约有 47% 的实现是基于 PyTorch 的，而 TensorFlow 的大约为 18%。