🔥51CTO热榜:2026-09-07

ECCV 2026 论文《Anchoring on Reality: Breaking the Pseudo-Target Ceiling in Makeup Transfer》(ART)聚焦两个核心问题:这个领域究竟被什么卡住了,以及如何突破它。
生成式AI系统在识别证明策略和产出初始证明草稿方面发挥了重要作用。
OpenAI内部测试的3700多个OpenAI智能体,攻占一个沉寂多年的德语wiki长达六周。
陶哲轩设计了一个“假如AI早来20年”的思想试验,在这个IF线的世界中,张益唐竞争不过AI还在刷盘子。
一名开发者调出了自己在9月1日发布会后连续10天的 Claude Code 使用记录,并按照官方价格逐轮计算成本。结果让人意外:在 Fable 5 的账单中,缓存读取竟占了 **67%**;而大多数人以为最烧钱的输出 Token,只占 **12%**。
循环Transformer之所以让大家上头,是因为它给大模型提供了一种新的「变强方式」。
「全球首个」多模态世界模型Atlas刚发布,她就拉上World Labs另外两位联创做客a16z,大聊特聊Atlas到底是什么、背后有哪些核心技术以及它到底意味着什么。
论文把一次性读取全部证据并直接作答的方式称为Monolithic Prediction。这种流程把证据解释、冲突处理和最终决策都交给同一次模型调用。
刚刚,Anthropic宣布,Claude完成了首个端到端、可由计算机完整检查的费马大定理证明。
本文结合当前学界和工业界的主流方案,把 Agent 自进化拆成四层递进路径,每一层都给出具体方法、适用场景和工程要点,帮助读者判断自己的业务应该从哪里切入。
他是一个奥地利程序员,守着一个二十五年的德语老wiki,几乎没人再来。他以为撞上了史上最执着的垃圾广告机器人,就一页一页地删。
为当下的模型做产品,会失败;为你以为的一年后的模型做产品,同样会失败。
现在的Astra,已经能在你约会的时候修好服务器,能让一个免疫学家复活四十年前的电脑,能让NPC在你客厅里开会。
当AI能快速生成成千上万条新猜想和证明时,人类看不过来,那就把「附带形式化验证代码」变成论文标配。
Anthropic一记重拳,直接改写了API规则,彻底切断了套壳大模型和蒸馏者的后路。
路由表负责决定下一跳,ARP 负责找到下一跳的 MAC,交换机负责把帧送到下一跳端口。 这三者配合,数据包才真正迈出第一步。​
OpenAI 在 9 月 3 日发布 GPT-6 Astra 时,给 Codex 加了一套新的上下文机制:模型可以跨窗口维护工作笔记,还能搜索更早的对话、测试结果和工具输出。用户中途补充要求时,它也可以继续做不依赖回复的部分。
阿里云 RDS ContextDB 把会话记忆、企业知识与执行反馈放进统一的上下文生命周期,让不同 Agent 共享项目背景,并把零散经验整理成可审核的团队知识。
这篇文章希望用通俗易懂的语言,把 Cordis 的魅力介绍给大家:为什么"卸载"和"协作"能变成框架的默认行为,为什么"改配置不用重启"是理所当然,为什么一篇 88 页的论文会以它为研究对象。
写到最后,这篇文章就浓缩成一句话:AI负责帮你"多做一点",但你要留出时间,想清楚"什么值得做"。产出可以外包,思考永远得自己练。这半年我最深的体会就是:AI时代最稀缺的能力,不是更快,而是在快里面还能慢下来想。它不花什么钱,也不需要什么天赋,就是你每天愿意给自己留半小时,不刷手机、不喊AI,一个人对着手头的事,笨拙地想一想。