GigaBrain-0.7 是具身基础模型，采用三系统架构：系统1基于 VLM 主干与动作专家生成连续动作；系统2负责理解与长程任务规划；系统3用世界模型预测未来视觉状态并评估进展。模型在超 3.7 万小时、16 种机器人形态的轨迹及约 2.7 亿视觉语言样本上单阶段联合预训练，并通过软知识隔离保持视觉语言能力，实现理解、预测、行动与经验改进的统一。

文章以小螃蟹与机器人的故事说明：AI的“理解”是指弄清意思、意图和约束，不能只看回答是否流畅。NLU专指理解自然语言，涵盖意图识别、实体抽取、指代消解等，只是“理解”的一部分，视觉与多模态理解不宜全归为NLU。NLP范围更广，NLU侧重分析，NLG侧重生成。上下文有助理解也可能带偏，判断理解是否正确须核对关键条件与任务结果。

中国电信星辰实验室发布并开源意图理解专用模型Xing4.0-29B-Intent，同步开放275万条训练语料、模型权重与推理镜像。该模型结合意图识别与参数抽取，将用户语句转为结构化JSON信息，支持多意图、多参数场景，响应时延百毫秒级，成本低且稳定。评测中综合表现优于多款通用模型，已应用于电信客服、智能家居等场景。

文章介绍用 Java 17 的 HttpClient 调用 Gemini 图像理解接口，从发票图片中提取发票号和金额。做法是让模型只返回单行 JSON 候选字段，再由 Java 校验格式、金额上限和必填项，避免把模型输出直接当财务事实。文中给出完整示例代码，并提醒密钥用环境变量、金额用 BigDecimal、HTTP 200 不等于识别成功，仅适合低风险预填和人工审核场景。

GitHub 动态工作流采用“确定性骨架+概率性节点”模式：用代码固定步骤、依赖、数据格式与审批点，仅将需判断的局部交给 Agent。该模式可重复执行、可观测、可控成本，并支持版本对比与测试。设计时需区分确定性工具、概率性判断和副作用节点，分别处理重试、超时与审批，适用于发布检查、事故研判等重复且失败代价高的任务。

NVIDIA发布NeMo Relay教程，介绍Agent轨迹可观测格式ATOF等三类轨迹，主张将结果验证与过程证据分开。轨迹是按时间排序、带关联标识的执行事件，通过开始/结束事件配对还原工具调用，可定位错误、重试与成本问题。文章给出解析JSONL的最小实践，并提醒避免混淆请求与执行成功、忽视脱敏等误区。

ProvenanceGuard面向多工具Agent，在生成答案后读取工具轨迹，将回答拆分为声明并逐条验证来源，可允许、阻断或修复。医学测试中，系统拦截了139条应拦声明中的138条，但相似来源精确匹配率仅50.3%。文章强调多源RAG应保留来源ID，区分事实正确与出处正确，并提供Python示例检查声明是否由声称来源支持。

VLX-Seek是OmAI Lab推出的细粒度视觉语言模型，面向机器人、无人机等边缘具身视觉场景，结合语言理解与区域级视觉感知，支持目标定位、指代理解、区域OCR、描述与计数，并引入目标缺失拒识机制，为具身智能连接环境感知与行动决策提供基础能力。

OpenAI宣称证明纳维-斯托克斯方程有限时间爆破，引发AI在数学中作用的讨论。作者认为，证明不仅需正确，更需增进理解。在气候预测、飞机设计等领域，预测须先于验证被信任，因此需可审计的因果链。应将AI嵌入物理守恒律等可审计框架，用于学习可单独检验的闭合模型，而非端到端黑箱，从而让理解与预测相互促进。

上海交大团队提出EgoInteract系统，用于EgoLink挑战赛Track 2的第一人称社会场景交互任务。该系统包含场景感知服务Agent与范围受限自纠正Agent，通过证据账本统一视觉假设、工具观测与对话状态，防止无依据的状态变更。官方评测中排名第一，联合成功率0.844，微平均准确率0.916。消融实验显示场景规则贡献最大，纠正机制提供针对性防护。

数学家陶哲轩博客的客座文章（Henry Cohn 撰）讨论 AI 生成数学解答的问题。文章指出，数学的核心在于理解而非答案，理解需要主动钻研，且解答必须能被学界消化。AI 常产出晦涩杂乱的“数学垃圾”，虽可能正确却制造技术债，增加他人负担。作者呼吁使用 AI 者应负责任地帮助社区理解成果，而非丢下解答便宣称胜利。

AI生成代码速度远超人的理解速度，导致代码库难以维护。作者认为理解无法外包或压缩，只能降低理解成本，于是开发了/understand技能：扫描变更，让AI逐段写注释，标注需求出处与推测意图，并渲染成可点击跳转的审阅网页，帮助开发者吃透AI生成的代码。

商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程及百科词条，涵盖语音、地震数据及多模态模型部署，并预告9月截稿顶会。

Agent Seer利用工具规范（如MCP）自动合成AI代理评估场景，无需人工或实时执行。它从单一规范生成多轮对话和模拟输出，在七个领域测试中表现良好，覆盖小中型工具集。研究发现参数复杂度影响质量，参数值准确性是主要失败点。