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…
文章 30
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…