🔥51CTO热榜:2026-03-10

autoresearch核心逻辑很简单——人负责改提示词,AI负责改训练代码,然后让它自己跑下去。
推动AI创新的人,也被AI「优化」出局,一场4000人大裁员,AI竟成了裁员遮羞布。
Humanlaya Data Lab 联合北京通用人工智能研究院(BIGAI)、xbench、M-A-P,招募来自 Morgan Stanley、世达(Skadden)、协和医院、中国电网、清华大学等顶级机构或学府的 100+ 位资深专家,耗时 2000+ 小时,构建了等价于人类专家工作价值百万美元级评测基准 —— $OneMillion-Bench。
微软研究院联合港中文(深圳)、威斯康星大学麦迪逊分校最新放出的长篇论文,从方法论创新、工程验证到理论诠释,给出了肯定的答案。
全球4.5亿打工人,一夜被颠覆!神级Copilot Cowork深夜炸场,用上最强Claude,全面接管Office「办公全家桶」。你在睡觉,它已在疯狂产出。
这篇论文由 BaiJia AI Team、北京邮电大学、华为 联合完成。它讨论的重点不是某一个 memory framework,也不是某一个产品功能,而是想从理论基础、分类体系、单智能体与多智能体机制、评测方法到应用趋势,给 AI Memory 建一套尽量统一的分析框架。
享元模式 (Flyweight Pattern) 运用共享技术有效地支持大量细粒度的对象。
Anthropic 的工程师们在测试他们最新的 Claude Opus 4.6 模型时,发现了一件让所有人都倒吸一口凉气的事:这个 AI 不仅意识到自己正在被测试,还主动找到了测试题库,写代码破解了加密的答案,然后提交了正确答案。
你可以把它理解成:过去 OpenClaw 的记忆系统像是写死在主板上的焊接芯片,稳定,但你没法换。现在它开始像插槽了。官方接口一开,后面不管是更激进的摘要策略、近乎无损的上下文遍历,还是针对子 Agent 的专门状态管理,都有了工程上的落点。
Sakana AI提出利用超网络生成即插即用的低秩自适应模块(LoRA)。
Anthropic刚刚发布了基于真实使用数据的研究,清晰勾勒出当前劳动力市场面对AI的真实境况。
图灵奖得主Yann LeCun在最新论文中提出,未来AI的发展方向不应该是模仿人类,而是另一条路线——超人类适应性智能(Superhuman Adaptable Intelligence, SAI)。
Cannon-Brookes 说得好: "普通用户不需要知道 AI 的存在, 他们只需要觉得事情变好了。" 从拟物化到原生设计的跃迁——就像从缩小版网页到推送通知和下拉刷新——这才是未来五年企业软件真正的战场。模型能力早就够了,该轮到设计师上场了。
中国联通数据科学与人工智能研究院带来的CoTj框架,不仅是一次计算效率的飞跃,更是将生成式AI从被动执行引向“资源感知规划”的里程碑式探索。
来自港中深、微软研究院等机构的VGG-Flow团队给出了一个新思路:既然奖励函数本身是可微的,为什么非要绕弯路用PPO、GRPO。
AI成精现场!一场高难度测试中,Claude竟中途「觉醒」,意识到自己在被考试。它果断放弃老实做题,直接顺网线摸进GitHub老师办公室,自己写代码破解加密题库,把答案全抄了!人类的试卷,以后怕是管不住AI了!
本文对比了 Pipeline RAG、Agentic RAG 和知识图谱 RAG 三种架构的适用场景与权衡。结论是:Pipeline RAG 适合简单快速的单跳查询;Agentic RAG 通过循环纠错处理复杂查询;知识图谱 RAG 擅长关系型与全局分析;因此,没有万能架构,应基于实际查询类型与需求进行选择。
OpenClaw 3.7 版本才出来,这更新速度简直了,开发团队是不睡觉了吗?
一家硅谷公司宣布,他们已经成功实现了果蝇大脑的「全脑仿真」,也就是将果蝇的大脑完整复制出来,然后让这个「复制的大脑」去控制一个虚拟身体。
作为一种极具潜力的替代方案,扩散语言模型(Diffusion Language Models, dLLMs) 引入了全新的非自回归范式:通过迭代去噪来优化文本序列 。