🔥51CTO热榜：2026-09-16

09:47 51CTO TDD 管代码，谁管 Agent？评测驱动开发：分级门禁 + 基线对比，改坏立刻拦

LLM 是非确定性的。改了 prompt，你以为会变好，但可能在某些场景下变差。没有评测集，你只会注意到"变好的部分"，忽略"变差的部分"。

09:47 51CTO Google WikiSkill：给智能体的技能进化补上"知识管理层"

WikiSkill 解决的不是"怎么生成更好的技能"，而是技能进化过程中的知识管理问题。

09:47 51CTO Perplexity 发布 Q2D-Web：重新定义 AI 搜索检索评测的基准

一套面向智能体 RAG 的检索评测基准与排行榜，包含约 7 万条智能体查询、1.9 亿篇网页文档，以及三套相关性标注。

09:47 51CTO GPT-6 Sol和Opus 5.2同时灰测！奥特曼阿莫迪周末刚喊刹车，一上班就踩油门

奥特曼、阿莫迪，你俩大哥别说二哥，一个灰度测试GPT-6 Sol，一个灰度测试Opus 5.2呢。

09:47 51CTO GPT-6 Sol要来了？OpenAI本周或迎「发布狂潮」

最早释放信号的是 OpenAI 产品负责人 Tibo Sottiaux。他在 X 上发文称，「本周发布的产品和功能数量，会达到你原本可能期待在 DevDay 2025 上看到的那个级别。」

09:47 51CTO GPT-6刷到99.9%，ARC AGI考卷被迫重做！下一关考「发明」

GPT-6 Astra一出世，在ARC-AGI-3半私有测试集上，拿下了99.9%的成绩。

09:47 51CTO OpenAI o1功臣预警：AI还没失控，我们已经快测不准它了！

在MIT做概率编程语言，在微软研究院时是Lean定理证明器最早的开发者之一，在斯坦福读博时做出了神经网络学会推理的最早案例之一。

09:47 51CTO 别让Agent瞎想乱搜还闯祸：哪些能力该内化进模型，哪些必须交给Harness，这篇讲透

论文将内化与外化的边界作为 Agent 设计的治理轴，用它分析知识、技能与控制的位置，以及每一步推理和行动的投入。这些选择会影响系统的可靠性、效率、安全性和持续演化能力。

09:47 51CTO 以为医疗公司最不敢碰AI，结果Claude已经在工作群里干了三个月的活

我当时挺理解这种谨慎，医疗、金融这类行业几乎是标配剧本，方案聊得挺兴奋，一提到数据合规就集体沉默，然后就没有然后了。愚钝如我，当时也没往下多问一句，是不是非要等全公司都点头才能动手，就这么把方案先晾着了。

09:47 51CTO ICML 2026 | 复旦发布以人为中心的复杂场景音视频追踪基准

复旦大学CVL实验室提出了一个面向复杂人类中心场景的音视频追踪基准AVTrack，论文已被ICML 2026接收，项目主页、论文、代码与数据集现已公开。

09:47 51CTO Claude独立破译370年前密文！仅44分钟，密码学家破防了

就在最近，独立研究员给Claude Fable 5.1抛出了一个纯开放式命题——破解一个封印了整整370年的历史悬案。

09:47 51CTO 高德联合南大、清华、北大发布WorldRoamBench，定义交互式世界模型长时漫游评测新范式

世界模型能否通过长时交互的终极考验——遵循用户动作和物理规律，保持视觉一致性与长期记忆。

09:47 51CTO OpenAI官方的Work指南，原来一直被我们忽略了……

业务同事说"我们天天都在用 AI"，技术人员也整理了一堆 Prompt 和模板。可真正落到周报、数据复核、客户更新这些重复工作上，还是得人盯着改、人盯着对。上下文一丢就失忆，换个人接手，整套流程直接归零。更麻烦的是决策边界模糊：出了错算谁的，谁也说不清。

09:47 51CTO 在多项高难度Benchmark超越GPT-6 Astra，RSIAgent让开源模型自主探索新环境

如果不更新模型参数，一个 Agent 能不能像人一样，通过自己探索新环境、发现其中的因果规律、总结经验，并持续提升自己的能力？

09:47 51CTO B模型成功率94.5%！Token级奖励打开长链路智能体训练新思路

TVA使用的是batch内的统计关联而非因果归因；效果依赖底层advantage算子是否保留token级差异；重评分也带来训练期的额外前向计算。但方向已经清晰：当多轮智能体面对的不是一步到位的答案，而是一连串会产生延迟后果的决策时，真正重要的不是“这条轨迹最后成功了”，而是——成功之前，究竟是哪一个token做对了关键选择。

09:47 51CTO 医学问答的新解法：RAG查资料"缺货"，GAG凭记忆"幻觉"，MedRGAG统一检索与生成两条路线

外部检索知识与参数化生成知识，能不能不再是二选一，而是在同一条流水线里统一调度、互补短板？

09:47 51CTO 从Chat、Code到Discovery，AI开始学着做科学家

Chat、Code 之后，全球最前沿的实验室都在不约而同地往一个方向走 ——Discovery，让 AI 参与科学发现，创造连人类也不知道的新的知识。⁠

09:47 51CTO ECCV 2026｜不靠「上帝视角」，也不等「完美指令」：REAL 让具身智能体走向开放世界

来自上海交通大学、上海人工智能实验室等机构的研究者提出 REAL，一个面向开放世界移动操作的可探索、可交互、可部署的视觉具身智能体框架，并构建了贯穿仿真、数据生成、模型训练、系统评测与真机部署的完整技术链路。

09:47 51CTO 华为GTS让Agent学会「看着网络排障」，双防火墙难题几乎全拿下

团队给出了精准解法NetCanvas，通过引入一套「可交互视觉拓扑」机制，它为大模型提供了一张可以画线推演的「外部工作记忆」画布。

09:47 51CTO TPAMI'26 | 零样本刷新三项基准：ZeroDiff++让AI边考试边学习

新框架继续使用扩散机制缓解少样本训练中的过拟合，并把研究重点推进到测试阶段：让生成器利用真实测试样本适应未见类别，再沿扩散路径生成可追溯的部分合成特征。

历史热榜