● 短短 3 个月，高德已拿下具身智能领域 15 项世界第一

📌 一句话摘要 高德 Abot-world 系列世界模型在 Agibot World Challenge 与 World Arena 两大国际评测中登顶，并在三个月内累计获得 15 项权威评测第一，标志着其在具身智能核心的世界模型构建能力上取得突破。 📝 详细摘要 文章报道了高德在具身智能领域的

● Agent 记忆赛道大洗牌！LoCoMo-Refined 重磅发布，主流记忆框架迎来核心检验

📌 一句话摘要 本文介绍了由南京大学与上海人工智能实验室联合发布的 Agent 记忆评测新基准 LoCoMo-Refined，该基准通过修正数据集和引入更严格的评判标准，揭示了主流记忆框架在旧基准下得分虚高的问题，并展示了其在严苛标准下的真实性能。 📝 详细摘要 文章详细阐述了南京大学与上海人工

● ARC Prize 开源 ARC-AGI-3 人类基准数据集

📌 一句话摘要 ARC Prize 正式开源了迄今为止最全面的 ARC-AGI-3 人类基准数据集，引入了新的度量标准并改进了评分规则。 📝 详细摘要 这条推文转述了 ARC Prize 组织的一个重要动态：开源 ARC-AGI-3 人类基准数据集。该数据集是 ARC-AGI 系列中迄今为止最全

● GLM-5.1 第一印象视频回顾

📌 一句话摘要 LMSYS Arena 分享了一段 YouTube 视频，由 Peter 带来对新发布的 GLM-5.1 模型的初步体验和深度评测。 📝 详细摘要 这是该推文链的后续内容，提供了一个 YouTube 视频评测链接。视频中，来自 LMSYS 团队的 Peter 分享了他对 GLM-

● 如何定义“人味儿”？——HeartBench 评测体系建设实践

📌 一句话摘要 文章系统复盘 HeartBench 从 0 到 1 的构建过程，提出了一套可迁移的 AI 拟人化评测方法论与人机协作流程。 📝 详细摘要 本文围绕「如何科学定义并评测 AI 的人味儿」展开，给出了 HeartBench 的完整设计与落地路径。内容不仅介绍了数据规模、能力维度、Ru

● OpenAI 为龙虾紧急收购了一家 23 人公司

📌 一句话摘要 OpenAI 宣布收购开源 AI 评测工具 Promptfoo，旨在通过工程化手段解决智能体（Agent）时代日益严峻的安全与合规挑战。 📝 详细摘要 本文报道了 OpenAI 收购初创公司 Promptfoo 的深度背景。Promptfoo 是一家专注于 AI 安全与评测的 2