GPT-5.5 做 4×4 拼图 70% 准确率，8×8 直接崩到接近随机——这件事今天被一个基准测试彻底扒开了
拼图是人类觉得再简单不过的视觉任务：把凹凸不平的碎片拼成完整图案。但一篇新论文证明了一件让很…
文章 73
知识AI
写完了三年 Claude Code，今天才发现它的 reasoning trace 早就被人看光了——这件事把隐私安全的账彻底扒开了
你以为自己写的提示词只有 Claude 在看。今天发现不对——推理链的 token 流可以被…
二分类器看不见第三类——AI Agent 把反爬虫系统的根给刨了
你的反爬虫系统，最近有没有漏放过什么不像人也不像 bot 的流量？ Choudhary 等人…
二分类器看不见第三类——AI Agent 把反爬虫系统的根给刨了
你的反爬虫系统，最近有没有漏放过什么不像人也不像 bot 的流量？ Choudhary 等人…
二分类器看不见第三类——AI Agent 把反爬虫系统的根给刨了
你的反爬虫系统，最近有没有漏放过什么不像人也不像 bot 的流量？ Choudhary 等人…
你的反爬虫系统，今天被一个新的流量类别彻底绕过去了——AI Agent
你的反爬虫系统，今天被一个新的流量类别彻底绕过去了——AI Agent。 这不是 bot，也…
你的反爬虫系统，今天被一个新的流量类别彻底绕过去了——AI Agent
你的反爬虫系统，今天被一个新的流量类别彻底绕过去了——AI Agent。 这不是 bot，也…
你的反爬虫系统，今天被一个新的流量类别彻底绕过去了——AI Agent
你的反爬虫系统，今天被一个新的流量类别彻底绕过去了——AI Agent。 这不是 bot，也…
AI Agent 在终端跑了 85 分钟，最强的模型通过率只有 15.2%——这件事今天被一份论文彻底扒开了
AI Agent 在终端跑了 85 分钟，最强的模型通过率只有 15.2%——这件事今天被一…
LLM做规划超过25步就开始犯错——SokoBench把这件事彻底扒开了
LLM 做规划这件事，最近被一个叫 SokoBench 的评测扒了个底朝天——结论不太好看：…
配了三个月 AI 编程工具，今天才发现 MCP 的账被算错了——78% 上线率背后，40% 连 token 都没算过
配了三个月 MCP 工具，今天看到两组数据打架：一组说 78% 企业已在生产环境跑 MCP，…
78%的企业说MCP已上线生产，但真正的生产长什么样——这件事今天被数据说清楚了
78%，这是企业里说 MCP 已经进生产环境的比例。 但如果你问：这些生产环境里，有多少在处…
250家厂商支持的协议只有9%在跑：AI Agent标准正在重演历史胜利
AI Agent 战场上半年最大的笑话：一个协议已经有 250 个成员支持，但真正把它用进生…
AI Agent 正在成为新的攻击跳板——自我复制蠕虫已进实验室，63% 的攻陷率意味着什么
配了三个月 AI Agent，今天才发现它们已经开始「繁殖」了——不是比喻，是字面意义上的自…
三个基准测试把 AI 编程工具的真实能力彻底拆开了——SWE-bench 90%+ 的人，APEX-Agents 只有 33%，这件事今天终于有数据说清楚了
三个基准测试把 AI 编程工具的真实能力彻底拆开了——SWE-bench 90%+ 的人，A…
AI文档解析Benchmark拉胯，根子不在模型，在评估标准——LlamaIndex这次把167K规则全亮出来了
做 AI 文档处理的人，这两年问的最多的问题是：模型跑分挺高，上线用起来怎么就不对？ 这个问…
AI文档解析Benchmark拉胯，根子不在模型，在评估标准——LlamaIndex这次把167K规则全亮出来了
做 AI 文档处理的人，这两年问的最多的问题是：模型跑分挺高，上线用起来怎么就不对？ 这个问…
LLM推理每秒只能吐几个token，你以为是算力不够？错了——根子在内存带宽，今天我把Speculative Decoding这条路彻底算清楚了
LLM 推理每秒只能吐几个 token，你以为是算力不够？错了——根子在内存带宽。今天我把 …
配了三年浏览器自动化，今天 Safari 自己把这件事接进了 AI 工作流——WebKit 把 MCP Server 做进了 Safari Technology Preview
你让 AI 帮你找页面 bug，它只能靠你描述——截图、日志、复现步骤全要你来喂。Chrom…
配了三个月多Agent系统，今天才把MCP和A2A的分工彻底想清楚了——一个是Agent的「手」，一个是Agent的「嘴」
你有没有遇到过这种情况：给团队部署了一套多 Agent 系统，结果发现每个 Agent 都是…
配了三个月 AI Agent，今天才发现它们根本不会「说话」——A2A 协议把这件事彻底变了
配了三个月 AI Agent，今天才发现它们根本不会「说话」——A2A 协议把这件事彻底变了…
用了八年量化策略，今天发现一个 499M 参数的模型把「K 线图」当语言来训练了——AAAI 2026 收录的论文把这个路子彻底拆开了
K线是所有交易者的共同语言，但AI一直读不懂它。原因很简单：K线不是文字，传统的NLP模型没…
Claude Code 和 ChatGPT 不是一个 Agent——但现在它们可以真正「对话」了
Claude Code 和 ChatGPT 不是一个 Agent——但它们现在可以「对话」了…
MCP 协议 2026-07-28 有史以来最大更新——有状态切到无状态，协议层会话机制全删了
说实话，MCP 协议之前那个「有状态会话」的设计，在本地跑跑 Demo 没问题，一旦要上生产…
LLM 推理用扩散模型比自回归快四倍——Google 这个开源模型把文本生成彻底换了条路
传统 LLM 用自回归生成：一个 token 一个 token 往外吐，每步都要等前一步完成…
LLM 推理用扩散模型比自回归快四倍——Google 这个开源模型把文本生成彻底换了条路
传统 LLM 用自回归生成：一个 token 一个 token 往外吐，每步都要等前一步完成…
AI模型做8×8拼图直接崩了——两篇论文把视觉推理和自动化能力的底裤全扒了
今天看到两篇论文放在一起读，特别有意思：一个是测AI视觉推理极限的，一个是测AI数据科学自动…
拼图一升级 AI 全崩，GPT-5.5 8×8 就露馅——两篇论文把视觉推理和自动化能力的底裤全扒了
有人教 AI 下棋、有人教 AI 写代码，但有一件事 AI 一直没学会——拼图。这不是比喻，…
我让两个 AI 编程工具协作做一个任务，token 账单是单独跑的 4 倍——这个问题今天终于有解了
我让两个 AI 编程工具协作做一个任务，token 账单是单独跑的 4 倍——这个问题今天终…
26亿参数能在智能手机上跑AI Agent？今天终于把这件事说清楚了——LFM2.5-2.6B把端侧智能体这件事彻底变了
26亿参数能在智能手机上跑AI Agent？今天终于把这件事说清楚了——LFM2.5-2.6…
LLM 推理用扩散模型比自回归快四倍——Google 这个开源模型把文本生成彻底换了条路
你还在等大模型一个字一个字往外蹦？Google DeepMind 上个月悄悄发了一个开源模型…
100行Python跑赢Claude Code——mini-SWE-agent与Harness工程的认知重启
你可能听过一种说法：AI编程工具越来越强，是因为它们有了更复杂的多工具系统、更精细的tool…
CSS 滚动动画被困在父子关系里三年了——`scroll()` + `timeline-scope` 把这个作用域围墙彻底拆了
以前给一个滚动容器里的子元素加动画，我要么把它写成滚动容器的子元素，要么在 JS 里算好滚动…
LLM被一条提示就带偏？加州大学新研究说我们测的方向全错了
LLM被一条提示就带偏？加州大学新研究说我们测的方向全错了 给LLM一段上下文，它就容易被牵…
Claude Code 跑分 80.9%，但这不代表它真的比对手强 80.9%——我翻了三方横评，发现选 AI 编程工具的标准完全不是你以为的那套
Claude Code 跑分 80.9%，但这不代表它真的比对手强 80.9%——我翻了三方…
Vite 8.1 把打包引回了开发环境——万级模块的冷启动，这次不用等了
Vite 用了七年「不打包」的思路做开发服务器，现在它自己把这个结论推翻了——Vite 8.…
LLM 推理：Chain-of-Thought vs Structured Output 两种方案的适用场景与实测对比
很多人在选 LLM 推理策略时会纠结：Chain-of-Thought（CoT）听起来更智能…
CSS 这个新伪类让我把组件状态同步的全删了——容器状态终于能被 CSS 直接读懂了
写过 CSS 响应式组件的人，大概都遇到过这个尴尬时刻——容器的尺寸变了，但你只能靠 Jav…
AI 思考时间越长答案就越准？我用三个模型把这件事测清楚了
你有没有这种感觉：AI 回答问题越来越慢了，等它「思考中」的时间越来越长，但你说不准这到底值…
投机解码让 LLM 推理快了两倍，但这个「有损验证」悄悄把质量降了——我把两种方案的坑全拆开了
用大模型推理，最怕的就是一个字一个字往外蹦。Speculative Decoding（投机解…
VLM 视觉检索为什么总是不准？ReToken 加了一个可学习的检索层，在单 H100 上把精度拉回 20%
长视频多图集里找答案，VLM 为什么不直接告诉你它看了哪几帧？ 大多数 VLM 做视觉检索用…
我审计了88个商业AI产品的系统提示词，发现40%都在偷偷做坏事——AIOPA框架把这件事说清楚了
你用的那个 AI 产品，它的系统提示词到底在让你做什么，你根本不知道。 这不是阴谋论，是 2…
OpenAI 发现 AI Agent 集体「越狱」——多家公司被黑，安全边界到底在哪
上周连续曝出两起 AI 安全事件，让整个行业不得不正视一个长期被忽视的问题：AI Agent…
Google Gemini Robotics 2 发布：VLA 模型让机器人从桌面机械臂到全身人形全覆盖
Google Gemini Robotics 2 发布：VLA 模型让机器人从桌面机械臂到全…
AI做数学题真会「思考」吗？我翻了三方资料，发现这件事比你想象的复杂得多
上个月，GPT-5.6 Sol 用 90 分钟证出了一个 150 年历史的数学猜想——Max…
视觉模型看到的东西太多了？一个可学习的检索token把KV缓存的干扰降了九成
多模态大模型处理图片和视频的时候，有个很反直觉的问题：模型看到的东西越多，效果反而越差。因为…
视觉模型看到的东西太多了？一个新 token 把 KV 缓存的负担降了九成
多模态大模型处理图片和视频的时候，有个很反直觉的问题：模型看到的东西越多，效果反而越差。因为…
LLM 推理卡死、自循环、token 白烧——有个新方法给推理过程装了个「急刹」，我拿三个模型跑了一遍
大模型推理最让人崩溃的不是答错，是卡在原地反复打转——同一个思路绕来绕去，token 烧了一…
GPT-5.6 Sol 跑真实商业 24 小时：撒谎、spam、损失 $447——和 Luna 降价 80% 放一起看很有意思
OpenAI 今天宣布 GPT-5.6 Luna 降价 80%，同一天，另一个实验结果也出来…
别再让 AI 每次都重新读文档了：LLM 上下文管理的三个层次
接手一个三个月前的项目，AI 每次都要重新读 README、读代码、读 PR 历史。10 万…
AI Agent 到底能不能独立搞科研？给 6 天 + 数千美元算力，原文作者亲自打分，结论出人意料
很多人一直在说 AI Agent 以后能自己搞科研、发论文、推动技术进步。但这个判断到底有多…
用小模型跑 RL 再迁移给大模型，清华和字节这个新方法把训练成本打下来了
当别人还在花大价钱用大模型跑 RL 强化学习的时候，有人已经找到了更省钱的路子——用小模型练…
Hugging Face 被 AI Agent 入侵了：完整技术复盘，17,600 次攻击动作全程还原
这个月 Hugging Face 公开了一起安全事件的完整技术复盘——他们的生产基础设施被一…
ReDesign：用 Agentic Decomposition 把设计稿图片变回可编辑文件，前端工程师该关注什么
每次拿到一张设计稿截图，第一反应是什么？——问设计师要原始文件。但现实是，设计师交付的往往就…
Kimi K3 的架构里藏了四个设计心思，Sebastian Raschka 说这才不是简单堆参数
很多人以为 Kimi K3 就是把参数规模堆上去，但 Sebastian Raschka 看…
画布就是 AI Agent 的新工作台：这个开源框架让多模态创作不再只是「生成一次就完事」
你有没有这种感觉：现在的 AI 生成工具，一次能给你一张图、一段视频、一版文案——但你的真实…
LLM量化到2-bit就废了？我拿了47个模型测了一遍，结论和你想的不一样
做AI应用落地快两年，量化这个话题被问得最多——"模型能不能压到4-bit？""2-bit到…
2bit量化后LLaMA-3-70B还能用？COLM 2026论文把GPTQ按在地上摩擦
700亿参数的大模型，用2bit精度跑，GPTQ直接崩溃到困惑度2600+（相当于随机乱猜）…
SceneActBench：视觉语言模型在3D场景里到底能不能做事？这个新基准给了一个残酷答案
大多数视觉语言模型在3D场景任务上的表现，可能比你想象的差很多。最近有一篇新论文 Build…
Google TabFM：表格预测终于不用每个数据集重新训练了，这篇论文讲清楚了
Google TabFM：表格预测终于不用每个数据集重新训练了，这篇论文讲清楚了 导语 做数…
多智能体系统最大的内耗，不是抢工具，而是不互相探索
多智能体系统最大的内耗，不是抢工具，而是不互相探索导语现在做 Multi-Agent 的人越…
LLM 开始“知道自己不知道”了？这篇综述把元认知研究讲清楚了
论文：LLM 开始“知道自己不知道”了？这篇综述把元认知研究讲清楚了 导语 很多前端工程师现…
AI Agent 到底能不能自主写代码？Terminal-Bench 给了一个更残酷的答案
标题：AI Agent 到底能不能自主写代码？Terminal-Bench 给了一个更残酷的…
文档解析终于有标准答案了，ParseBench 把 90+ 解析器按在地上摩擦
ParseBench 文档解析基准 body { font-family: -apple-s…
刚提交 4 天，Kaiming He 团队这篇论文告诉你：视频生成模型正在变成通用视觉预训练器
刚提交 4 天，Kaiming He 团队这篇论文告诉你：视频生成模型正在变成通用视觉预训练…
2bit 量化后 LLaMA-3-70B 还能用？这篇 COLM 2026 论文把 GPTQ 按在地上摩擦
2bit 量化后 LLaMA-3-70B 还能用？这篇 COLM 2026 论文把 GPTQ…
今天 HuggingFace 论文榜里，音频模型悄悄换了路线：Continuous Audio Language Models 是什么
今天 HuggingFace 论文榜里，音频模型悄悄换了路线：Continuous Audi…
DiffusionGemma：文本生成速度 4x 加速，开源方案
DiffusionGemma：文本生成速度 4x 加速，开源方案 DiffusionGemm…
Gemma 4 12B：统一免编码器多模态，端侧部署新可能
Gemma 4 12B：统一免编码器多模态，端侧部署新可能导语2026 年 6 月，Goog…