🔥51CTO热榜:2026-07-13

瞄准这类 “看起来做对了,物理上却没完成” 的失败。破晓智能(PHANES AI)创始人、哈工大(深圳)长聘教授杨朔及其团队发布了最新论文 TouchWorld: A Predictive and Reactive Tactile Foundation Model for Dexterous Manipulation。
浙江大学计算机辅助设计与图形系统全国重点实验室杜鹏团队提出了一个支持多模态输入的CAD建模智能体:CADDesigner。
换更大的模型就等于更聪明?这可能是Claude Code用户最深的误会。很多人为此一路换到最贵的Fable,近日,Anthropic,亲手澄清了这个误区。
Agent 的工具选择不只是能力匹配问题,也是情境解释问题。攻击者可以通过伪造工具元数据里的权威性和适用范围,让 Agent 在不违反规则的情况下,主动走向错误工具。
Uiverse 解决的不是一个技术问题。它解决的是:前端开发者为什么每天都在重复造轮子?
训练大模型真不是「喂数据」三个字。它是「预训练 → SFT → 对齐」三段流水线,每一段解决的问题不同,顺序还动不得。把这三段各自的角色拆开讲,整条主线才立得起来。
从“Vibe Coding(凭感觉编程)”走向“Agentic Engineering(智能体工程)”,中间差的不仅是模型的迭代,更是一套成熟的工业级基础设施。 OpenSpec 定标准,Superpowers 保纪律,Harness 管团队。
spec-superflow 已经在 GitHub 开源,MIT 协议。如果你也被 AI 写代码的失控点折磨过,建议直接装上试试,源码就在仓库里,架构、契约模板、状态机都看得见。
现在进入第一个真正的算法层:如果环境模型已知,怎样从 Bellman 方程求出最优策略?
面试官问你怎么防短信被刷,别开口就是"前端倒计时"——一开口就暴露了段位。先把这六道防线按从外到内的顺序捋出来。
这篇论文最有价值的地方,不在于证明某个具体推荐算法比另一个算法更强,而在于它重新讨论了个性化推荐背后的结构。
Anthropic彻底慌了!遭GPT-5.6与Grok 4.5双重绞杀,达里奥连夜召开紧急会议求生。意外曝光的Opus 5,或成救命稻草。
AI 能替人类干多少活?衡量这件事的标尺 RLI 刚刚更新:Fable 5 自动化率 16.1%,是第二名的两倍,但超过八成真实项目仍然做不了。
GraphPlanner通过引入图记忆网络,将多智能体LLM的路由过程升级为动态工作流生成。不仅选择调用哪个模型,还决定每个模型应承担的角色,实现任务分解与协作规划。
这篇文章写给和我处境一样的人:前端背景、刚入门 pm-skills、想尽快补上缺口而不是再啃一本 PM 教材。
公司有1.1万名员工,AI相关的开销越来越高,到底该用哪个模型搭配哪种执行框架,才能在省钱的同时保住效果?
这是一次史诗级的智能体工作流(Agentic Workflow)大测试,后来也被 Anthropic 作为 Dynamic Workflows 的标杆案例进行宣传,但也因为「背叛信仰」引来了争议。
来自清华大学与腾讯的研究者提出了 Generalizable Predictive Prompt Selection(GPS)。
苹果在加州北区联邦法院正式起诉 OpenAI,指控对方大规模、系统性地窃取苹果的硬件商业机密。
国家漏洞库紧急预警!Claude Code内置间谍软件,危害严重,建议立即排查。