51CTO · 实时热榜

AI投入不断增加，但CFO却越来越难回答：“这些钱到底换来了什么？”问题不在AI没有价值，而在企业仍用工业时代的会计体系管理AI时代的新型劳动力。

智能体基础设施的扩张速度，已经远远超过了大多数团队建立治理框架的速度。

OKF 很轻，轻到一页规范。轻，才有机会被很多人说。它不保证知识正确，不做完整治理，也不会让 Agent 突然变聪明。它做的是更底一层的事：给该被共享的上下文一个不绑平台的家。

7月15日，前OpenAI CTO Mira Murati在旧金山发布了Thinking Machines Lab的首个模型Inkling。

Claude这边，从只能跑Haiku升级到Opus 4.8和Sonnet 5全系列，不仅能在对话里调Gmail、日历、Slack，还扩增到11种语言，但没有中文。

清华大学团队研发的AutoMIA系统，可将任意两张图片转化为具有镜像错觉效果的3D艺术品，实现正反两面不同图案的视觉呈现，并支持3D打印。

告警通道本身也要被监控。监控系统的"最后一公里"往往最脆弱。

写鸿蒙播放器的文章很多，但绝大多数只做一件事：在固定尺寸的手机屏上把封面、进度条、控制按钮摆好看。可一旦设备变成折叠屏，或者用户希...

AI时代，企业最大的挑战已经不是拥有先进模型，而是能否改变自己。思科、IBM、安永等企业发现，AI落地的真正瓶颈来自组织惯性、变革管理、战略模糊和决策迟缓。AI带来的价值并非简单提升效率，而是重塑业务流程、工作方式和竞争模式。

当地时间7月23日，费城，国际数学家大会（ICM）开幕式。记者会上，有人问起未来打算，这位新科得主直接摊牌：很快入职OpenAI，方向是AI安全。

预测式扩容只负责"提前量"，真正的安全兜底仍然是原生 HPA。

没有任何经验丰富的渗透测试工程师或恶意软件开发者会用默认文件名保存自己精心打磨的工具。"Untitled1"是文本编辑器在用户来不及命名时自动生成的名字——它意味着，使用者复制了一段代码，打开了编辑器，然后直接按下了保存键。

安全护栏不是限制智能体发挥价值，而是让 AI SRE 智能体真正具备上线生产环境的可行性。

SLO 体系的核心价值在于决策——能不能发版、要不要回滚、优先修哪个故障。这些决策需要的是准确的数据和及时的告警，而不是工程师花时间手写 171 条 PromQL 规则。

当前，覆盖更多输入模态并将理解、推理与生成纳入同一套模型体系，正在成为头部大模型厂商的重要技术方向。

Fable 5虽然一次成型，但帐篷是纯色平面，草地没有起伏，弹弓本体也少了张力、箭矢重量这些参数面板，细节密度上肉眼可见地输了一截。

AI确实会代替一部分工作，Erik没有粉饰这一点。初级软件工程师已经站在最先受到冲击的位置。企业若把“减少初级任务”顺手做成“取消人才培养”，几年后的高级工程师也会断档。

最初为什么修改？试过的方案为什么失败？上一轮回退撤销了什么，又留下了什么？下一轮接手的 Agent 大多不知道。它拿到的只是结果，前几轮踩过的坑还得再来一遍。

本文拆解可选链、类型断言核心语法，区分二者适用边界，结合接口返回数据、嵌套对象、数组取值真实案例演示组合写法，同时梳理各自优缺点与规范避坑，一套组合方案解决90% TS 空值报错问题。

市面上 agent 框架多如牛毛，LangGraph 之所以脱颖而出，是因为它在确定性路径与智能体化步骤之间取得了平衡。以下是我们多年来用图构建智能体系统学到的东西。

市面上的 E2E 框架不少，Vue 官方推荐 Cypress 和 Playwright 为主。但具体怎么选？可以从四个维度衡量。

这次更新没有疯狂加入新 API，没有推翻现有写法，而是选择了一条更加成熟的路线：稳定、现代、面向未来。

[toc]前言说实话，AI写代码、AI绘图等等现在都不稀奇了。但我最近折腾内容工具时发现一个挺尴尬的问题：文章写完以后，配图还是要人工一张...

从 Vue 2 时代的 Material Design 组件库，到今天的无头 Vue 3 UI 引擎，Vuetify 正在进行一次跨度很大的重构。

【HarmonyOSAI】鸿蒙开发者需要搞懂的AICoding概念一、前言最近群里聊AI、DevEcoCLI、DevEcoCode，Skill、MCP、知识库这几个词出镜率很高，...

JWT 双令牌无感刷新，是前后端分离项目兼顾安全与体验的标准鉴权方案，整套方案无需引入 Spring Security 等重型框架。

本文的目的，即利用 AI agent 记忆层的能力构建AI时代下的新的 web 工程结构。

现有研究已开始评测前沿模型的病毒学知识和实验推理能力，但在真实的潜在风险链条中，模型究竟能提供多大程度的实质性帮助，需要进行验证，特别是当模型以智能体形态出现，能组合知识库、搜索引擎、文件读写等工具时，其有效能力边界可能远超单轮问答的测试结果。

就在今天，GPT-5.6 Pro证伪了图论领域三十年猜想——Dinitz-Garg-Goemans。

研究人员一直在做一件很多人认为「不太可能」的事情：让原本为 CUDA/HIP GPU 设计的高性能计算程序，跨过平台壁垒，运行到苹果自己的 Metal GPU 架构上。

能随口说出 intern()、AutoBoxCacheMax、NaN 这些细节的候选人，面试官心里很清楚——这个人不是刷题刷出来的，是真在代码里泡过的。​

昨天Cowork刚迭代完，今天Anthropic又在托管智能体平台（CMA）上一口气推出了六项更新。

7月23日，AI初创公司Capy.ai联合创始人justin在X上发帖，还原了这场堪称「数学史上最随意的突破」全过程——团队只是把一条关于图论猜想的帖子随手丢进了Slack群。结果他们的研究智能体Capy看到了，自己「决定试一把」。

由北京邮电大学、清华大学、上海交通大学合作完成MemSlides 不是等到用户反复修改之后才开始「记住」，而是在首轮生成时就会根据当前任务意图检索用户画像，将兼容的长期偏好路由到当前工作记忆里，用来影响页面组织和表达方式。

这两天，阿里推出了一款AI生图新模型——Qwen-Image-3.0。按官方说法，它不仅能准确生成仿真UI界面，还能帮老师一键生成排版精良的期末试卷；设计师也能用它快速输出海报、分镜和网页原型，省去从空白画布一点点搭框架的时间。

在CoreVisionKit实战系列的第5篇里，我们搞定了多目标识别。今天这篇是系列的最后一篇——骨骼点检测。它能识别17个人体关键点，通过这些点...

北航、复旦、浙大联合团队在AAAI上提出的QC-MHM（Question Calibration and Multi-Hop Modeling），用一个三件套方案——问题校准+时序嵌入+多跳图推理——让模型真正拥有了“时间感”。

为什么大家都在争「大脑」？这背后其实是一个逐渐成型的共识：具身智能真正的瓶颈，从来不在身体，在大脑。

金融市场从来不缺少信息。真正稀缺的，是在有限时间内理解信息之间的关系，并将零散线索转化为可以持续验证的研究判断。

一个在图论领域存在了近30年的Dinitz-Garg-Goemans猜想，刚刚被GPT-5.6 Pro找出反例。

今天分享一个开源工具，它能像“网络医生”一样，自动完成网络健康检查，并告诉你哪里出了问题、该怎么解决。

现如今，视觉基础模型在街景、室内等常见场景中已经取得了不错的效果，但无人机航拍中的复杂视角、尺度和环境变化仍会带来新的挑战。

OSWorld 上 70%+ 的成功率、网页操作几乎封神、连写个邮件发个文件都不成问题。各家发布会 PPT 一片飘红，仿佛 AI 马上就要接管你的电脑。

近年来，大规模数据驱动的 3D 视觉基础模型在地面视角的检索、匹配与重建任务上进展迅速，但其主流训练语料长期集中于街景、室内和物体中心视角。

Masked Visual Actions 将机器人动作、环境响应和结果评价放入同一个视觉空间，并将正向预测与逆向生成统一为条件视频补全。

在刚刚落幕的2026世界人工智能大会（W​​AI​C 2026)上，智能体站上“C位”。统计显示，在大会的百余场论坛与活动中，超过10%的场次主题与智能体有关；10款“镇馆之宝”中，就有4款是智能体产品，高度回应了大会“智能伙伴，共创未来”的主题，昭示AI正从技术工具走向协作伙伴，掀起时代之变！

当大模型 Agent 被部署到工具调用、长程任务和开放环境中，一个关键问题会随之出现：能否在不更新模型参数的情况下，将执行经验沉淀下来，并在下一次做得更好？

值函数方法的基本套路是：先学 V 或 Q，再根据它们诱导出策略。而策略梯度方法走的是另一条路：直接把策略写成带参数的可导函数，然后直接优化它。

7月22日，北京中关村学院x中关村人工智能研究院（简称“中关村两院”）成功举办第六期北纬诺贝巅峰对话。本期以“人工智能的发展与人类智能的未来”为主题，接续达特茅斯思想火种，回应“当机器开始思考，人类如何与之相处”的时代叩问。

最近，一项来自巴黎高师、罗马第一大学、米兰比可卡大学的研究发现：没有AI时，人们会更爽快地承认“我不知道”，先把判断放一放