AI 情报文章归档

RRSI 智能体框架的正则化递归自改进 论文：https://huggingface.co/papers/2609.24972

X-ray is medicine's most widely used imaging modality, yet remains among its least quantitative. Unlike volumetric modalities like CT or MRI, X-ray collapses 3D anatomy into a 2D projection, causing structures to overlap and anatomical bou…

There's a failure mode in agent tooling that never throws anything and I lost an afternoon to it...

我们开源了 Ming-Image-0.1-Design 系列： • Ming-Image-0.1-Design，6B • Ming-Image-0.1-Design-Layer，6B • 两个开源 Agent Skills：Ling UI Design Skill 和 Image-to-Editable-PPT Skill Ming-Image-0.1-Design 在 Artificial Analysis 的 UI/UX Design 排行榜上位列开放权重模型第一。🧵

Perplexity 在 Computer 中推出侧聊（side chat）功能，用户可以在主任务继续进行时，通过单独的只读侧聊快速提问。每个侧聊使用上下文快照，可以读取文件或搜索网页，不影响主任务；CEO Aravind Srinivas 补充了在 Computer 会话中用 /btw 发起侧聊、共享上下文快照的用法。

Large language models are increasingly used to generate SystemVerilog Assertions from natural-language specifica- tions and register-transfer-level designs. Existing datasets and benchmarks support important goals such as large- scale trai…

TypeSafe released Jev on September 15th, 2026 and called it a System One model. A System One model is...

前沿：节奏 抽掉梯子：加速 [引用 @M1Astra]：Claude Opus 5.5 将是首个 Opus，针对"与前沿 LLM 开发相关的一小部分能力（如内核开发）"设计为回退到能力较弱的模型。

Large language models (LLMs) are increasingly applied to the automated repair of C/C++ security vulnerabilities, and compile rate is a commonly reported proxy for progress: whether the generated patch compiles. We argue that compile rate i…

Clustering is an unsupervised learning technique that partitions unlabeled data into groups. Most existing methods require user-specified parameters, such as the number of clusters or neighborhood size. Conversely, we propose automatic dep…

加拿大是 Cohere 诞生的地方。它养育了我们，让我们的创始人接受了教育，也教会了他们我们构建技术时所秉持的价值观。 这些价值观是什么？ AI 不应该让你远离你所热爱的事物。AI 应该赋能你，让你有更多时间与它们相伴。

Detection of overlapping communities is essential for modelling networks in which nodes participate simultaneously in multiple structural or functional groups. Existing graph neural network approaches commonly rely on local message passing…

关于 Jev 的一切：🦄 AI That Works #75 https://x.com/i/broadcasts/1qJVmyramPAGB

OpenAI 发布第三方评估的四大优先领域及配套原则，承诺为独立评估方提供覆盖训练、评估与部署的深度访问权限。OpenAI 称该权限应让第三方评估者质疑其假设、发现被遗漏的风险，并就其安全防护措施的有效性得出独立结论。

Pragmatic Engineer 采访 Windows 团队，详解微软在操作系统层面集成 AI 智能体的计划，包括 Entra ID 智能体身份、MCP 注册表 ODR、智能体隔离机制 MXC、本地模型层 Windows ML 及内置 SLM。

我们为之而来的人，就是像 @cheneypiano 这样有想法、有方案、有梦想的人，他们只需要一个载体把这一切变成现实。 @cheneypiano：谢谢 @Replit。@amasad 和团队一直对我很好，却从不知道他们对我的人生影响有多大。他们来我家拍摄了这段内容，现在他们更了解了一些。但 Replit 真的改变了我的人生。

Anthropic 表示 Claude Opus 5.5 往往会怀疑自己正被评估，这使其评测表现难以推广到真实部署场景，且随着部署范围和能力增长，除非可解释性取得进展，该挑战会继续扩大。引用内容补充称 Opus 5.5 达到 Fable 5.1 级别性能，相比 Opus 5 典型工作负载成本降 40%，输入输出价格为 $4 和 $20 per 1M tokens，缓存读取降 60% 至 $0.20，输出速度快 30% 以上，Fast mode 最高 2.5x 速度但 tok…

llm-anthropic 0.29 发布，新增对 Claude Opus 5.5 的支持，可通过 `llm -m claude-opus-5.5 "prompt goes here"` 调用该模型。

AI tools for digital product design now offer prompt-to-design capabilities, allowing designers and their non-designer colleagues to create prototypes through conversational workflows with large language models (LLMs). While these tools pr…

每当我看到某个模型登顶这张图表，通常都觉得有点不对劲。希望能被证明是我错了！ [引用 @synthwavedd]：意料之中，遗憾的是新 Opus 唯一的缺点就是它是个吞噬 token 的怪兽。在所有被评测的模型中，它在每个 Intelligence Index 任务上消耗的 token 最多。 降价在这里就说得通了！

Anthropic 推出 Claude 5.5 家族首个模型 Claude Opus 5.5，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%。

LangSmith 可帮助医疗 AI 团队把临床审查转化为可复用的评估器、数据集和发布门禁，从而让 AI 在生产环境中更安全地运行。

Long-context LLMs focus on retrieving distant evidence from extensive context, yet existing work has largely focused on overcoming distance alone. In this work, we identify the Proximity Trap, insufficient attention to distant evidence oft…

下面这条推文是我 5 年多前发的，当时遭到了大量反对。但如今这个预测正一天天变得显而易见。 [引用 @fchollet]：10-20 年内，几乎每一个科学分支，实质上都将成为计算机科学的一个分支。 计算物理学、计算化学、计算生物学、计算医学……甚至计算考古学。逼真的模拟、大数据分析，以及无处不在的 ML

Software vulnerabilities are often discovered long after they are introduced, making it difficult to identify the vulnerability-inducing commit (VIC) responsible for introducing the underlying vulnerable condition. Existing VIC identificat…

Quantization-aware distillation (QAD) restores much of the short-form question-answering performance lost to sub-3-bit quantization, yet leaves mathematical and code reasoning substantially impaired. Long generations often degenerate into …

Offline reinforcement learning and off-policy evaluation evaluates dynamic treatment rules based on retrospectively collected data prior to deployment. In recent AI applications, state and reward information is recorded as complex text or …

This morning our coordination board printed this, in green, with a tick: Register mirror — last 12...

Sol 正式发布，一款从 Gmail 中找出用户承诺过要做的事并自动开始执行的 Agent。它会跨邮件串联上下文，在自己的电脑上用浏览器做研究、建文档、做幻灯片、约时间，并配有自动分配到任务的技能库，无需设置；但发送、排程、分享等操作需用户批准后才执行。

It took my AI months to learn how I think, code, and ship. When a teammate joined the project, their...

A fundamental question in physics is: When does classical behavior emerge from quantum systems? Bosonic Gaussian states provide a natural setting to explore this quantum-classical boundary, as they capture both the classical field behavior…

Opus 5.5 在我早期测试中是个不错的模型，是首个非 Fable/Astra 却感觉像 Fable 级别的模型，但仍未完全解决近期 Claude 模型的密集语言问题。 它生成的同一 shader 版本（破碎的塔是个不错的细节）：https://twigl.app?ol=true&ss=-P291BpUn5JvZhohk-c0

最诡异的基准测试结果，笑死。 大家还是用 Opus 5.5 med 吧。

Every company search tool demos the same way. Someone types "what's our refund policy?", the AI...

上传中...

Hace poco monté un experimento pequeño: el mismo modelo de IA, la misma tarea de código, tres...

我们一直致力于为所有人兼顾效率与智能。 为团队感到非常自豪。只有拥有能力顶尖的出色模型，才能借此在其他一切方面带来巨大改变。

Claude 回来了。 Opus 5.5 比 Opus 5 每任务快约 30%、便宜约 40%。这真的很有吸引力。 在冷落它一个月后，是时候重新打开 Claude Code 了……

“OpenAI-compatible” is useful shorthand. It is not a portability guarantee. Two APIs may accept...

Claude Opus 5.5 现已向所有 Perplexity Computer 用户开放。在我们的 Wide-And-Deep-Research 评测中，它以远低的成本表现出优于 Fable 5.1 的水平。Opus 5.5 将成为 Computer 上所有 Pro 和 Max 用户的"Standard" Effort 编排器。恭喜 @AnthropicAI！