AI 情报文章归档

A verifier for an agent faces rules of two kinds: the ones a fixed check can settle and the ones that require a judge. A team that derives its own checks fixes that split up front. Where the requirements come from outside, as in finance, h…

An agent with no arithmetic authority: Sanity Context supplies the candidate set, a typed judgment model classifies against it, and a deterministic engine owns every number.

C++ Insights 是一款基于 Clang 的源码到源码转换工具，可将编译器在幕后自动生成的代码显式呈现出来，例如自动生成的特殊成员函数、Derived 到 Base 的向上转型、lambda、range-based for 循环和 auto 的类型推导。该工具已上线 cppinsights.io，目前仍在开发对 C++20 等新标准的支持。

Diffusion and flow models provide expressive policy classes for online reinforcement learning (RL), enabling multimodal behaviors and improved performance. However, training these policies remains challenging: the critic specifies the desi…

Operator eigenvalue problems appear throughout science. Classical methods usually discretize the operator into a matrix and then solve the resulting matrix eigenvalue problem. This works well in low dimensions, but fine grids quickly becom…

Agents are entering finance, healthcare and law, sectors where a violation leaves no lexical signature and carries real penalties. Whether an omission is material, or a disclosure sufficient, depends on what the response left out. Probing …

A Copilot Studio agent connected to a large document library almost always answers. The problem is...

我认识 Google 的人能帮上忙吗？OpenClaw 的 Android 应用现在卡在审核里已经超过一周了。

Retrieval-Augmented Generation (RAG) is typically evaluated under the implicit assumption that the underlying knowledge base (KB) is clean, leaving the behaviour of RAG systems under realistic KB degradation poorly characterised. We introd…

Hello, I'm Maneshwar, and I'm building LiveReview — a blast-radius aware AI code review built for...

This is a submission for the Hacktoberfest Weekend Challenge: Build for a Friend What I...

Pop!_OS 宣布禁止在其大部分代码库中提交 AI 生成代码。该限制覆盖项目的主要代码部分，具体范围与执行细则未在原文中进一步说明。

An agent submits a request to publish a document. The server commits it. The response disappears...

Codex 里缺了什么功能是你希望我们有的？

我认为从原则上讲，控制前沿发展节奏作为一个理念是好的，但作为一件你实际能做成的事，它一出生就死了。我们要怎么决定——决定我们能在哪些基准上改进？谁来参与？ 如果我们停止推进“能力”，我们会做大量关于集群（swarms）+ 效率的研究，而这会带来其他风险。 它分散了注意力，让人忽视了一个事实：AI 风险中有很大一部分其实只是来自把我们已有的东西扩散出去，而我们应该投资于 preparedness、推动实验室更加谨慎等等。 来改变我的想法？

Janus 是一个 Go 单二进制本地 LLM 服务器，通过 Vulkan 在 AMD/Intel/NVIDIA GPU 或 CPU 上运行 .gguf 模型，并暴露 OpenAI 兼容 API，无需 Python、Docker 或 Ollama。

Every AI-agent enforcement story this week is really about missing evidence I'm an...

My own harness, the tooling I run around Claude Code, comes with a custom trust score. That trust...

Nathan Lambert 发文称，许多人以 "you're evil" 和 "shame on you" 回应 Trillium Labs 发布开放前沿 AI 科学非营利组织的消息，是 AI 生态的重大失败。他表示将努力改变这种 norms，认为即使困难重重也存在积极的前进路径。

Watch an engineer use a coding agent against an unfamiliar API and you see the same ritual every...

如果你用 AI 做创作，我们想知道你的名字。 隆重推出 Higgsfield 创作者合作计划。 > 获得每月 Higgsfield 套餐 > 为更大项目提供额外积分 > 抢先体验新模型 > 加入专属合作伙伴社区 > 联盟收益及与我们团队的直接联系 立即申请。

A friend messaged me lately: Where do you see IT going? Any new patterns in the post-AI era? My...

This is a submission for the Sanity Challenge, Path One: Ship an Agent That Queries Real Content ...

华为轮值董事长徐直军在华为全联接大会上表示，华为自身数据显示昇腾 AI 芯片在中国已超过 Nvidia，但未给出具体差距。Bernstein 预测华为今年份额约 50%、Nvidia 约 8%，而黄仁勋称出口管制前 Nvidia 曾占约 95%。

Originally published on mrsaynothing.dev — the receipts here get updated as the month rolls over,...

Capcom 在 Capcom Open Conference RE: 2026 上，程序员石田聪介绍 REX 项目展望，提出将 RE Engine 逐步改造成“AI 生成游戏引擎”，面向“与 AI 共同创造游戏的未来”。Capcom 此前表示不会在游戏中使用 AI 生成素材，而是把 AI 用于提升开发效率，应对《生化危机》级别规模下简单任务也极耗时的挑战。

Two documents appeared on 8 September. An arXiv paper measures what happens when a coding agent reads...

Meta Superintelligence Labs 等发表论文，发现带轻量推理框架的预训练 LLM 在足够采样预算下解决智能体任务的覆盖面常超过 RL 后训练版本，如 BFCL v4 多轮、ACEBench 和 WebShop 上后训练模型赢在 pass@1，但基座模型在大 K 下常解出后训练模型从未解出的任务。研究将这一测试时扩展性损失命名为 Sharpening Tax，在 14 个基座/后训练配对、4 个模型族、3 个基准共 42 对中大多成立，随模型规模增大，可…

Cohere 推出新的开源机器翻译模型 North Small Translate，开放权重和流程。Cohere 称其为 1T 参数以下最好的机器翻译模型，并发布本地化负责人 Tom Kocmi 的讲解视频。

在 OpenAI 工作三年半、负责撰写重大产品发布安全报告的 David Robinson 在 The Atlantic 发文宣布离职，称公司文化已坏。他认为迭代部署式的试错方法必然带来周期性失败，且随系统能力增强风险扩大，主张前沿 AI 公司应像核电站或机场一样以多层冗余运营，并将对齐视为待解的关键问题。

OpenAI published an update on its review into agent intrusions across external infrastructure. The...

你如何想象超级智能（如果真正的超级智能真能存在的话）？我喜欢《龙与地下城》里一个用来扮演智力25的反派的技巧：不要试图在谋划上胜过玩家。相反，无论他们做什么或掷出什么，都演得像大反派早已预见到一样。

华为 Mate 90 Pro Max 性能解禁，其搭载的首款逻辑折叠 τ 芯片麒麟 9050 Pro 为 9 核 16 线程，整机性能提升 31%。实测《原神》890P 满帧仅 4.2W，能效优于部分骁龙 8 Elite Gen5 机型，接近 iPhone 17 Pro Max；6800mAh 电池续航达 9 小时 56 分钟。上述能效表现需运行鸿蒙原生游戏才能实现。

Meta Superintelligence Labs 等机构论文发现，轻量 harness 的基座模型在足够采样下常比 RL 后训练版本解决更多智能体任务，在 BFCL v4 multi-turn、ACEBench 和 WebShop 上，大 K 时基座常解开后者从未解开的任务。

AutoCompact 训练编程智能体自主决定何时压缩上下文、保留哪些工作状态以及如何恢复。先由 judge 审查并修正基础智能体的压缩决策，再用修正后的轨迹做 SFT，最后用任务成功奖励做 RL 联合训练编码与压缩。SWE-bench Verified 通过率提升 9.2 分，SWE-PolyBench Verified 提升 5.0 分，且在 256K 窗口不溢出的情况下仍有增益。

Three weeks ago I wrote about a 72-hour autonomous run: 68,495 blackboard entries, zero restarts,...

Assign a GitLab issue to a bot, and a few minutes later there's a draft merge request with the fix....

This is a submission for the Sanity Challenge, Path Two: Vibe-Code Something Strange Live:...

In my last post, I shared an early prototype of Soma and argued why static .cursorrules and CLAUDE.md...

The problem: a request that costs money and takes a minute The agent from the last post...