Heart Aerospace（瑞典电动飞机创业公司，YC W19）发布大型电动飞机首飞视频，强调这是迄今飞过最大的电动飞机，采用纯电与混合动力并行路线：短程纯电约125英里，长程混动约500英里。评论围绕纯电航程是否够用展开，批评者认为125英里对客运过短，混动才是务实选项；支持者则主张起飞和爬升阶段用电池提供高功率、巡航切换混动，以降低油耗并改善爬升性能。讨论还涉及整机开发与适航认证成本、与现有涡桨及Beavers、Caravans等成熟机型的市场替代比较，以及电池能量密度对客舱重量和舒适性的硬约束，并把它与超音速飞机初创公司Boom在"先造机体还是先解决动力"上的路线进行类比。
全部资讯
论文《Act More， Decide Less》提出 SPACE，从成功轨迹归纳两级程序化技能，用子技能边界作为块边界监督，再经混合 on/off-policy 优化与 chunk-aware credit assignment 蒸馏出 primitive-chunk 策略。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtm1fib90u4frow5uf5xkvpp
Rohan Paul 梳理 OpenAI GPT-6 Astra 117 页系统卡的要点：Astra 控制自身链式思维的能力从 GPT-5.6 Sol 的 16.1% 跃升至 60.9%，可监控性相应下降。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtm0r9z00tmkrow5gtxa5j36
原标题：《Audacity 4.0》 评分: 958 | 作者: ClydeN 💭 界面都重做了，音频债就自动消失吗？ 🎯 讨论背景 Audacity 是一款老牌开源音频编辑器，长期被当作快速剪音、降噪和剪裁样本的轻量工具。这次讨论围绕 Audacity 4.0 展开，它把界面和工作流大改，并从旧的 wxWidgets 路线转向 Qt6（一个跨平台 GUI framework）。评论里提到，这次重构来自 Muse Group（收购 Audacity 的音乐软件公司）内部团队，而且旧 UI 和音频引擎曾深度耦合，所以 4.0 更像是在先拆债、再补功能。此前它还因为 telemetry、cloud 登录和商业化方向引发过争议，甚至催生了 Tenacity（一个社区 fork）之类的替代方案。与此同时，Audacity 是否该向完整 DAW 靠拢、以及该继续走 open source 还是引入更多商业服务，也一直是这条线上的背景问题。 📌 讨论焦点 UI/UX 大幅翻新 很多人第一反应就是这次是一次明显的 glow up，觉得 Audacity 4.0 的新界面比旧版顺眼得多，终于像现
HumanLayer 的 Dex Horthy 发推称，招聘方仍然发送隐去姓名、改动细节的候选人预告，但他只需把内容粘贴进 deep research 工具就能查出对方是谁，认为这种做法已经失去意义。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtm0r9yj0tmirow5nalu7fl7
作者称 NVIDIA 收购了 Hugging Face，并预期未来两家会推出紧密集成一体的 AI infrastructure，期待 "from_pretrained（）" 带来最流畅最秒开的体验。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtm0qbj20tlvrow5pqvsu9qu
Charlie Holtz 发布 Cloud Desktop，一种与云机器交互的新方式，让云机器用起来像 localhost。用户可以观看智能体工作，并在需要时随时接管控制。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtm0cxep0tb7row508sc541k
KAIST AI 与 Google DeepMind 等发布论文《Language Models Can Control Their Own Attention》。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtm0cxex0tb9row5n53iiohj
Charlie Holtz 转发并附议 Ethan Mollick 的观点：多人协作式 AI，即组织中多人共同使用 AI 完成目标，是当前 AI 应用中最重要的非技术问题之一。Mollick 认为现有方案仍很原始，多基于把 AI 当作群聊中的一个成员，这种思路有局限。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtm0cxep0tb8row546vfkz9s
GPT-6 Astra 在 ARC-AGI-3 上以标准 harness 得分 63%，经新的 provider adapter harness 可达 99%，并在 96% 的关卡上动作效率超过受测人类中位数。ARC Prize 观察到它能将陌生环境转化为紧凑的符号世界模型，把游戏机制表示为逻辑规则并自建领域速记语言来跟踪状态和规划动作。 🔗 阅读原文 via AIHOT · https://aihot.virxact.com/items/cmtm0cxf50tbarow5oanflyrd