Hacker News 上一条帖子标题为“我们最糟糕的三则风投故事”，获得 106 个 HN Points。正文未提供具体故事内容。

Hacker News 上一个讨论帖询问开发者们使用的AI开发技术栈与工作流程，目前获得101个点赞。

据Bloomberg报道，AI行业高管与学者正热议人工智能领域新出现的未知因素，同时顶级AI实验室正计划首次公开募股。

研究在重复博弈中提出重复策略遗憾（RP-Regret），度量所有玩家基于历史响应时实际效用与事后最佳效用之差。该度量允许更强的比较器和更少约束的对手，且所有玩家最小化时能发现更优均衡。确定了时间亚线性RP-Regret的必要条件。提出三种算法：基于优化先导、最小化凸线性化替代、以及直接最小化（对手缓慢变化时）。所有玩家最小化RP-Regret可学习子博弈完美均衡。实验表明能在鹿猎博弈中带来更高效用的合作解。

Rubrik CEO Bipul Sinha 指出，AI 正彻底改变网络安全格局，并警告 AI 智能体带来“100倍风险”。他呼吁企业将安全策略从预防攻击转向快速恢复，以应对新型威胁。

Google DeepMind 推出 Gemma 4 量化感知训练（QAT）检查点，包含 Q4_0 格式和一种新的移动端格式，旨在降低设备端内存占用。对比 BF16、Q4_0 QAT 和移动版 QAT 三种边缘端格式，官方公布了各格式的内存数据与设计权衡。

Google 发布 Gemma 4 QAT 模型，该模型通过量化感知训练（QAT）技术优化压缩，旨在提升移动设备和笔记本电脑上的运行效率与能效。文章来源于 Google 官方博客，介绍了这一面向移动端和笔记本端的模型优化方案。

S&P 500 指数拒绝将 SpaceX 纳入成分股，也阻止了 OpenAI 和 Anthropic 的加入。这意味着这些公司无法轻易从被动投资者那里获得数十亿美元的资金。

埃隆·马斯克在投资者活动中描绘未来愿景，虽对SpaceX IPO问题避而不答，仍令投资者着迷。5月就业报告超预期，科技股承压，投资者重新评估利率路径。此外，Bloomberg Tech活动在旧金山举行，与三位AI领域顶级人物进行了对话。

加入Anthropic前从未写过代码的销售成员Jared Sires，利用Claude Code为销售团队开发自动化工具。他创建了内嵌于Gmail的CLAFTS（Claude Drafts），通过Claude API根据客户邮件草拟回复，每天节省2-3小时。该系统基于约4,300行代码（几乎全由Claude Code编写），从Google Drive和Anthropic公开文档提取上下文，并通过网络搜索获取最新产品信息。他还开发了CLAFTS Tones功能，通过模式匹配模仿不同人际关系下写作风格。这些工具已打包为Claude Cowork插件供整个销售团队使用。

Starcloud CEO Philip Johnston 讨论在太空建造与维护轨道数据中心的挑战。SpaceX 表示最终希望在轨道部署 100 GW 的 AI 计算算力。

软件多年来主导风投，但随着人工智能从数字世界进入制造、机器人和工业系统，投资者正押注下一个万亿美元机会将软件与物理世界融合。Index Ventures 合伙人 Nina Achadjian 表示，其基金是 Anthropic、Physical Intelligence 和 ServiceTitan 的早期投资者，她讨论了 AI 的下一个前沿以及 SpaceX IPO 对风投领域的重要性。

佛罗里达州成为美国首个起诉OpenAI及其CEO Sam Altman的州，指控ChatGPT对未成年人构成风险、缺乏年龄验证机制且安全投入不足。这份83页的诉状将ChatGPT视为应承担产品责任的有缺陷产品与公害，可能面临数十亿美元罚款。该诉讼的司法思路可能为整个聊天机器人行业树立先例。

本期 The Vergecast 节目讨论了英伟达（Nvidia）利用 AI 重新定义个人电脑的计划、苹果智能眼镜的相关进展，以及该节目新每日格式上线第一周的运行情况。

越来越多的人信任AI提供理财建议，许多人已用AI做投资决策，这可能颠覆财富管理行业。彭博社Money节目首期报道。

在开发者大会季中，Nvidia 黄仁勋描述了完全不同的笔记本电脑使用方式以及支持这一方式的新型笔记本。微软 Build 和 Google I/O 上也展示了大量 AI 产品，包括 Gemini S 等。但核心疑问依然存在：用户是否真的需要这些 AI 功能？

多模态大语言模型（MLLM）擅长2D语义理解，但缺乏3D空间一致性。GeoVR框架利用纯2D视频序列，通过从预训练3D基础模型蒸馏几何知识，重构MLLM的语义隐空间。其多目标学习策略包含四个互补几何约束：帧间相机位姿估计、密集深度图回归、度量尺度因子预测以及多尺度3D特征对齐。在空间推理基准上，GeoVR达到当前最佳性能（SOTA），为赋予基础模型空间智能提供了新范式。

Skill-3D框架通过场景记忆与技能库协同演化，解决MLLM智能体在3D空间推理中工具使用偏好固化的问题。框架记录智能体的工具使用轨迹，将同类场景的成功轨迹聚合蒸馏成可复用技能，失败轨迹作为教训附于技能。当类似场景再现时，注入对应技能指导智能体，新轨迹反向优化技能，形成记忆与技能库自演进循环。实验表明，该方法在VSI-Bench上将工具利用率从39%提升至78%；在MMSI-Bench上使Gemini-3-Flash提升67%；对Qwen3-VL-8B进行技能轨迹后训练后，在VSI-Bench上提升43%。

Hacker News 上的一篇博文指出，程序员愿意为Claude编写文档，却不愿意为其他程序员编写文档。

Fitbit Air 作为一款极简、可靠的健身追踪器表现出色，但 Google 的 AI Health Coach 功能反而成为负担。

微软CEO萨提亚·纳德拉严厉批评一份内部备忘录，该备忘录提议让用户对该公司新AI智能体Scout“上瘾”。纳德拉在发给约50名顶级工程师的邮件中写道：“不知道是谁写了并泄露了这些废话”。他表示AI应赋能用户，Scout的实际目标应是减少屏幕使用时间。

Benchmark Agent 是一个全自主智能体系统，可端到端完成评测基准构建，涵盖用户查询分析、子任务设计、数据标注与质量控制。系统一次性生成 15 个代表性基准，覆盖文本理解、多模态理解和领域特定推理等评估场景。人工评估、LLM-as-a-judge 和一致性检验表明，Benchmark Agent 能以极少量人工参与产出高质量评测样本。持续评估还发现当前模型在某些领域推理任务上仍有明显短板。预览页面与代码即将公开。

AURA 在场景感知与工具使用之间插入推理步骤，生成包含隐式需求估计和标量差距分数（gap score）的 IntentFrame，用于控制每查询的探测预算和工具选择。在 100 查询四场景隐式意图基准上，AURA 相比 ReAct 风格探测将隐式需求覆盖率提升 0.07（p < 10⁻⁶），其中三个场景统计显著，且在第二个骨干模型上复现；消融实验将提升归因于差距校准而非答案记忆。在事实查找任务中，控制器以 82% 更少的探测次数和隐私敏感片段零违规换取原始准确率。代码、模拟器和基准已开源。

Code2LoRA 是一种超网络框架，可生成仓库专属的 LoRA 适配器，在推理时零 token 开销注入仓库知识。它支持两种模式：Code2LoRA-Static 将单一仓库快照转为适配器，适合稳定代码库；Code2LoRA-Evo 通过 GRU 隐藏状态随代码 diff 更新适配器，适合演化中的活跃开发。团队构建了含 604 个 Python 仓库的 RepoPeftBench 基准。静态任务中，Code2LoRA-Static 跨仓库 exact match 达 63.8%，仓库内达 66.2%，持平逐仓库 LoRA 上界；演化任务中，Code2LoRA-Evo 跨仓库 exact match 达 60.3%，比单一共享 LoRA 高 5.2 个百分点。代码和数据集已开源。

AffordanceVLA 是一种视觉-语言-动作模型，通过引入结构化具身感知预测作为任务导向中间表示，建立更精准的感知-动作映射。模型包含三个互补组件：Which2Act（通过视觉潜变量预测实现目标中心定位以抑制干扰）、Where2Act（通过具身感知图估计定位二维交互区域）、How2Act（进行三维几何推理以引导操控策略）。采用混合 Transformer 架构，结合三阶段训练策略和渐进式数据课程，并配有自动数据增强管道。在仿真和真实世界实验中，模型在多种操控场景中取得强性能。

DA Davidson 技术研究主管 Gil Luria 表示，由于超大规模云服务商在数据中心芯片上缺乏替代方案，Nvidia 的利润率到 2030 年将保持相对安全。

LinkedIn 联合创始人、风险投资家 Reid Hoffman 将于今年晚些时候离开微软董事会，他表示希望专注于自己新创立的人工智能公司。

Bloomberg Tech 旧金山大会的核心议题围绕一场大规模资本竞赛和 AI 的未来展开。Ed Ludlow 解读了包含多位新闻人物的重磅阵容。

高盛全球另类发起部门主管Christina Minnis在6月3日纽约彭博全球信用论坛上表示，AI投资热潮是“基础性、代际性”现象，正驱动市场并渗透至整体经济。