Benchmark Almanac 上线，收录 3,322 个评测基准

世界上很多软件的安全性，实际上是靠攻击它的机会成本来隐性保障的。AI 改变了这笔账。你的遗留代码没变，但当别人只需花 100 美元的推理费用时，你突然就值得被盯上了。

构建优秀的评估是系统工程、创意方向和对抗性直觉的结合

经历一次起飞，奇怪之处在于你可能直到身处其中才意识到它正在发生。AI 已经在发现零日漏洞、设计蛋白质、证明定理、构建完整游戏。这些都是智能正在成为通用发现引擎的迹象，而我们才刚刚开始部署这些能力，更不用说在全球经济中扩散它们了。这就是智能爆炸开始时看起来的样子。

迫不及待想让 AI 自动化所有数据/RL 环境公司

介绍 ACTx486，一种全新交互式媒介的研究演示。 如果你能和任何视频对话，问任何问题，会怎样？ 我们的系统将一档已有播客变成了能倾听、回应并适应的东西。 研究由 @jakubzegzulka 完成：

Lydia Hallie 分享一个 Claude Code 使用技巧：用 Stop hook 让 Claude 在检查失败后自动重试，关键是让 hook 以 exit code 2 退出。exit 2 会把 hook 的 stderr 返回给 Claude 触发重试，exit 1 则是非阻塞的，即使检查失败 Claude 也会直接结束。

当前 AI 热点，聚合 2 个独立信源、7 条信号。

Anthropic 发布博客，拆解常驻智能体（always-on agents）背后的架构。这类智能体有状态且可主动行动，其兴起得益于模型判断力提升和智能成本下降，例如长程编码任务上 Opus 5.5 每解决一个任务的成本比 Opus 5 低 78%。

当前 AI 热点，聚合 2 个独立信源、15 条信号。

当前 AI 热点，聚合 1 个独立信源、16 条信号。