Boston Dynamics 与 Robotics & AI Institute (RAI) 合作，旨在通过强化学习提升其电动 Atlas 人形机器人的能力。RAI 由 Boston Dynamics 前 CEO Marc Raibert 创立，专注于前沿技术研究。此次合作重点在于将模拟环境中的强化学习迁移到现实世界，优化 Atlas 的动态运动和全身操作能力。强化学习通过试错机制模拟人类和动物的学习过程，尽管传统上耗时较长，但高效模拟技术已显著加速这一进程。此次合作不仅扩展了 Atlas 的技能集，还推动了人形机器人技术的整体发展。此外，Figure AI 宣布放弃与 OpenAI 的合作，转而开发自有 AI 模型，凸显了机器人领域对垂直整合 AI 的需求。

斯坦福大学和华盛顿大学的研究团队以不到50美元的云算力成本，成功训练出推理模型s1，性能媲美OpenAI的o1和DeepSeek的R1。s1通过蒸馏技术从Google的Gemini 2.0 Flash Thinking Experimental中提取推理能力，采用监督微调（SFT）方法，显著降低了训练成本。研究表明，仅需1000个精选问题和答案即可实现高效推理优化，并通过“等待”策略提升模型准确性。这一突破引发了对AI模型商品化的讨论，尽管蒸馏技术能低成本复现现有模型，但大规模投资仍是推动AI创新的关键。

A clearer picture of Bench’s downfall is emerging thanks to newly released bankruptcy filings. The records show that the Canada-based startup, which ironically enough offered cloud accounting software for small businesses, consistently struggled to reach profitability. It burned through $135 million

新闻揭示了 Elon Musk 的 DOGE 团队对美国联邦政府敏感数据的广泛访问，引发了对数据安全和隐私保护的严重担忧。这一事件突显了 AI 技术在数据管理和访问控制中的潜在风险，尤其是在缺乏透明度和监管的情况下。AI 技术的快速发展与数据安全规范的滞后形成了鲜明对比，强调了在 AI 应用中加强数据安全、隐私保护和伦理规范的重要性。未来，AI 技术的应用需在技术创新与安全合规之间找到平衡，以确保敏感数据不被滥用或泄露。

亚马逊计划推出下一代AI驱动的Alexa，具备连续响应多指令的能力，显著提升智能助手交互效率。该升级版Alexa将率先面向部分用户免费开放，未来可能采用订阅模式。此次技术突破面临开发挑战，如计时功能优化等，体现了AI在语音识别与自然语言处理领域的持续进步。

OpenAI CEO Sam Altman 近期表示，AI 的“IQ”在过去几年快速提升，但专家指出 IQ 测试不适合衡量 AI 能力。IQ 测试主要评估逻辑和抽象推理，无法反映实际智能或复杂问题解决能力。AI 模型在 IQ 测试中表现优异，部分原因是其海量记忆和训练数据的优势，而非真正的智能。专家强调，AI 与人类智能的本质差异使得 IQ 测试无法准确评估 AI 的综合能力，未来需开发更适合 AI 的评估体系。

Workday宣布裁员1750人，占员工总数的8.5%，并计划招聘AI人才以应对市场变化。此举反映了企业级AI应用的加速布局，特别是在人力资源管理和自动化领域。同时，Robotaxi公司Cruise裁员50%，表明自动驾驶行业面临技术落地和成本控制的挑战。这些动态凸显了AI技术在商业应用中的重要性，以及企业在技术创新和成本效益之间的平衡需求。

美国民主党议员 Mark Pocan 提出《ELON MUSK 法案》，旨在禁止特殊政府雇员（如 Elon Musk）持有联邦合同，以防止利益冲突。Musk 的 SpaceX 与 NASA 和国防部有联邦合同，同时他领导的新 AI 公司 xAI 及其他企业可能涉及联邦机构的敏感数据访问。此举引发对 AI 技术应用中数据安全与伦理规范的关注，特别是在联邦学习、多模态模型等 AI 技术快速发展的背景下，如何平衡技术创新与公共利益成为关键议题。

TechCrunch Sessions: AI 将于6月5日在加州大学伯克利分校举办，汇聚1200名行业领袖，探讨AI领域的最新突破与未来趋势。活动涵盖专家演讲、圆桌讨论及创新展览，重点关注多模态模型、AI视频分析、企业级AI应用等前沿技术。投资专家如Shravan Narayan和Jill Chase将分享AI创业与投资经验，推动产业生态发展。活动为开发者、投资者和创新者提供交流平台，助力AI技术商业化与规模化落地。

Google 发布 Gemini 2.0 Pro Experimental 和 Gemini 2.0 Flash Thinking 模型，强化推理和编码能力。Gemini 2.0 Pro 具备 200 万 token 上下文窗口，支持复杂提示处理和代码执行，性能超越前代。同时，推出成本优化的 Gemini 2.0 Flash-Lite，以应对中国 AI 初创公司 DeepSeek 的竞争。DeepSeek 的模型在性能和成本上表现优异，引发行业关注。Google 通过 Gemini 应用和开发平台（Vertex AI、Google AI Studio）推动模型商业化落地，标志着大语言模型在推理优化和成本控制上的持续突破。