> Fuente del artículo: Axis Axis Robotics está reestructurando la diversidad de datos y los métodos de producción a escala de la inteligencia encarnada mediante una estrategia de Simulation-First (Primero la Simulación). En 2025, múltiples rutas tecnológicas en la industria robótica están converging rápidamente: la actualización de la commoditización de la cadena de suministro de hardware encarnado ha hecho posible por primera vez que los prototipos costosos del pasado tengan una posibilidad realista de despliegue a escala; los modelos Vision-Language-Action (VLA) aportan un «cerebro» a los robots que les permite comprender semántica, razonar y planificar; y la pirámide de datos multicapa compuesta por priors de video hasta síntesis de simulación también está suministrando un flujo continuo de combustible para la evolución continua de la inteligencia encarnada. Sin embargo, la industria aún enfrenta un cuello de botella más crítico: datos. En comparación con los modelos de lenguaje grandes y la conducción autónoma, la inteligencia encarnada aún presenta una enorme brecha de datos en la fase de preentrenamiento.

Gate News - El 26 de marzo, el tipo de cambio intermedio del yuan chino frente al dólar estadounidense se redujo 145 puntos base hasta 6.9056 en comparación con el día de negociación anterior, marcando la mayor caída desde el 11 de noviembre de 2024.

BlockBeats noticia, 26 de marzo, Benji Taylor, ex jefe de diseño de Base, indicó que se ha unido a la plataforma X y liderará el equipo de diseño, esperando colaborar estrechamente con Elon Musk, Nikita Bier y otros miembros del equipo.

Noticia de Gate News: El 26 de marzo, Benji Taylor, exjefe de diseño de Base, anunció que se ha unido a la plataforma X en el puesto de jefe de diseño y liderará el equipo de diseño de la plataforma. Benji Taylor expresó que espera trabajar con Elon Musk, Nikita

Informe de investigación de K33 indica que Bitcoin ha estado oscilando recientemente en el rango de $60,000 a $75,000, con presión de venta del mercado debilitándose, mostrando características de formación de piso. Los tenedores a largo plazo tienden a mantener sus monedas, lo que ayuda a estabilizar los precios, pero el entorno macroeconómico aún presenta incertidumbre, que podría afectar la aversión al riesgo y los flujos de capital.

Kairos Labs completa una ronda de semilla de 2.4 millones de dólares y lanza un protocolo de swap de tasas sin permisos y no custodiado basado en EVM, con planes de lanzarse en la red principal de Ethereum y Base. El protocolo optimizará la gestión del riesgo de tasas de interés en el mercado DeFi e impulsará el desarrollo de productos de renta fija.

El protocolo de intercambio de tasas de interés del ecosistema de Ethereum, Kairos Labs, completó una ronda semilla de 2.4 millones de dólares el 25 de marzo, liderada por 6th Man Ventures, con participación de Lattice y otros. El proyecto se ha graduado de Alliance Accelerator y se espera que se lance pronto en la red principal de Ethereum y la red Base.

El desarrollador de código abierto Tommaso De Rossi lanzó usecomputer, una herramienta de automatización de escritorio escrita en lenguaje Zig, que admite macOS y Linux, permitiendo que los asistentes de programación con IA controlen el ratón, teclado y capturas de pantalla. La herramienta proporciona múltiples comandos CLI, puede convertir automáticamente coordenadas, adaptarse a la ventana de contexto del modelo y admite capturas de pantalla insertadas directamente. Este proyecto se expandió a partir de la base de Playwriter, una herramienta de automatización de navegadores de De Rossi.

Cursor publicó el informe técnico de Composer 2, que presenta el plan de entrenamiento completo de su arquitectura Kimi K2.5 MoE, incluido el entrenamiento en dos fases y el benchmark propio CursorBench. Tras el entrenamiento, el rendimiento de Composer 2 mejoró notablemente y superó a otros modelos de vanguardia en términos de coste de inferencia.

Cursor publicó el 25 de marzo un informe técnico sobre Composer 2, revelando el esquema de entrenamiento del modelo Kimi K2.5, que adopta una arquitectura MoE con parámetros que alcanzan 1.04 billones. El entrenamiento se divide en dos etapas, utilizando simulación de escenarios reales para aprendizaje por refuerzo, logrando finalmente una puntuación de 61.3 en el punto de referencia CursorBench, una mejora del 70%, con costos de inferencia inferiores a los de otras API de modelos grandes.