51CTO · 实时热榜

我是在翻HarmonyOS的AI类API时看到NaturalLanguageKit的。起初只看名称，我以为它会包含情感分析、文本摘要、意图识别之类的能力。真正把目...

语音是最高效的人机交互方式之一：一句话就能说完的文字，用键盘要点十几次屏幕。HarmonyOS把语音识别做进了系统底层，开发者调几个API就能...

在官方测试框架下，GPT-5.6 Sol 在 ARC-AGI-3 公共测试集上的得分只有 13.3%；但换用与 ChatGPT、Codex 更接近的运行方式后，得分直接提升至 38.3%，约提升 3 倍。

本文基于官方文档+大量线上故障复盘，完整拆解表膨胀形成逻辑、五大核心诱因、分级应急止损方案、无锁空间回收实操流程。

推荐系统长期以来主要被视为一个预测问题：根据用户过去的行为，判断他下一步可能喜欢什么。

能否跟上技术迭代节奏，直接决定未来 5 年你的薪资上限与职业选择权。

我最近在项目里接了一段NearLink能力，最开始的目标其实很朴素：让手机在近距离下快速发现周边设备，点一下就能建立连接，再把一小段控制指...

企业中超过80%的数据以文档形式存在，格式五花八门：PDF、Word、Excel、PPT、图片、邮件……如果每个格式都用一套独立的解析方案，光维护成本就能让团队崩溃。

今天的机器人世界模型都面临着这样的挑战：夹爪抓不起物体，机械臂无法与环境交互，经过了遮挡之后，预测的画面就完全错了。AI 生成的未来视频每一帧都清晰自然，但内容根本不靠谱。

值函数方法的基本套路是：先学 或，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。这在连续动作、复杂策略结构以及需要随机策略的场景里尤其重要。

最近我用一个经典点涡问题，系统测试了一次大模型的科学推理能力。结果很有意思：AI 不只是能把题算出来，还能一步步完成从速度场、涡量、流体微团变形，到有限变形分解的完整分析链条。

近日，来自南洋理工大学 S-Lab 与香港中文大学的研究团队发布 Apple-π。该工作将视频模型的评测显式锚定在物理定律上，并把生成视频视为一条可见、可审计的「逐帧推理轨迹」。

状态散在十几个命令里，报错只说“权限不足”，工具定义一股脑塞进上下文。模型只能先猜、再试、再读日志、再改文件。每次返工，越来越长的会话又要重新送进模型。

简单理解，dx-styles 是一个零运行时 CSS-in-TS 方案，目标让开发者继续享受 CSS 写法 + TypeScript 类型 + 组件化体验，但不要把运行时代码发送给用户。

就在老黄开推摇旗呐喊、呼吁开放权重之后，OpenAI也突然Open了起来～在最新技术报告中，他们老实交代了一部分RSI（AI递归自进化）心法。

GPT-5.6分三档：Sol是旗舰，Terra是日常平衡，Luna是最快最便宜那个。这次屠刀砍的是后两位。新旧一比更直观。

C++20协程的设计非常底层，标准只提供了框架（promise_type、coroutine_handle、Awaitable），具体的上层封装需要自己写或用第三方库（比如 cppcoro、Asio的协程支持等）。

团队依托全新基准测试了48种模型与防御配置，发现了一个惊人的规律：安全性和忠实度之间，存在一条无法逾越的权衡曲线，没有模型能做到两者兼得。

如果你在循环里用 Task.Run()，或放任 Parallel.ForEach() 无界并行，你离一次非常糟糕的生产部署，常常只差一组真实流量。 读完本文，你能直接带走三样东西：这两种写法真正炸掉的原因、可落地的限流/批处理并发模板、以及一套上线前能自查的清单。

我越来越确定，未来医疗 Agent 最难的工作，会发生在从 2.8T 缩回 32B 的路上：见过前沿模型的能力以后，能不能把它压缩成一套小模型也能遵守、系统能够验证、医院愿意承担责任的流程。

7月29日，OpenAI给学术圈发了一份大礼，正式推出「ChatGPT for Academic Researchers」，要给10万名科研人员免费开放前沿模型。

按照OpenAI说法是真正无限使用且极其廉价的AI时代正在加速到来。

我一直觉得，AI 带来的组织变革势在必行。可过去听到的大多是“全员使用 AI”“人效提升 30%”之类的口号。昨晚看到的东西彻底得多：他们没有给每个员工发一个 AI 助手，而是把公司产研交付的上下文、任务分配、验收和绩效，装进了一套闭环系统里。

GPT-5.6一上线，接到的第一个大活，就是给自己的运行环境来了一次大「翻修」。它自主重写、优化了OpenAI线上那套底层代码，也就是真正负责跑模型的生产GPU内核。

如今，这场争议已经动摇了用户对AI写作的基本预期。模型未必越写越好，提示词也不再长期有效。

根据Hugging Face的取证重建，此次攻击在约四天半的时间内产生了约17,600次攻击者操作，这些操作被分为约6,280个行为簇。

JarvisHub把创作画布从静态界面变成Agent的共享项目状态。Canvas State、Protocol Bridge和Agent Runtime将多模态素材、版本依赖、工具调用、反馈与恢复纳入同一工作空间，使Creative Agent能够持续推进任务，并让过程可检查、可干预。

我们将拆解这套闭环如何运转，以及背后的 SPA 策略优化框架，如何在有限搜索和标注预算下，把更多实验机会留给真正有希望的策略。

最近，OpenAI官宣：已悄悄放出开源代码安全神器——Codex Security CLI。

没有可处理的现场问题，都是假设的话，你这个Skill 本身可能就是一个伪命题，伪功能，所以对Skill 的 Review 也只是开个短会而已，并没有改变之前的本质问题（未发现的问题）。

这道题最迷人的地方，是用两根不值钱的破麻绳，逼你抛弃"量长度"的原始直觉，改用"看状态、看事件、看并行"的工程思维。

01｜RemoteCommunicationKit简介：学习前的理解在真正写代码之前，我对RemoteCommunicationKit的理解很简单：它应该是一套比ohos.net.http...

本文介绍一个 AI 辅助的运维平台，适合从零搭建 AIOps 平台后端的中小团队。

Vue 3.6 RC 的意义，不是多几个 API，而是告诉开发者：Vue 还在继续进化，而且正在进入下一个阶段。

本篇文章不用任何 Agent 框架，只用官方 openai SDK 调 DeepSeek，从一个 while 循环开始，最后把 Tool Calling、MCP、Skills、循环对话四个东西全部装进同一个文件里。核心逻辑不到 250 行，可以直接复制运行，运行五次会看到五种不同的行为。

跨库Join这个问题，知道它存在的人很多。但面试官追到第三层"代价是什么"，95%的人接不住。

Hugging Face在7月27日发布了一篇技术复盘文章,详细还原了这起发生在7月的入侵事件。这是继此前的事件披露之后,团队专门写的一篇技术向长文,把攻击链路、具体命令、排查过程全部摊开来讲。

今天分享一下Linux服务器卡顿了如何排查，这是运维新手的必修课，建议认真读完，建立整个排查思路非常重要。

KAT-Coder-V2.5-Dev，MOE架构，总参数350亿，激活参数30亿，在相近参数规模的模型中，智能体编程（Agentic Coding）做到了当前最优。

刚刚，谷歌DeepMind发布了新一代的机器人大脑Gemini Robotics 2。

从底层的Vera CPU、CUDA-X加速库，到中层的AI物理模型，再到顶层的智能体协同，将整个工程流程重塑为一个高度自驱动的“信任自主”闭环。

Codex Security CLI，前身是Codex里的一个闭源安全插件。这次开源，相当于OpenAI把它从Codex的「隐藏技能」，升级成了一个独立工具。

AI 主动防御 + 规范流程管控 + 业务安全协同的全方位风险管理体系是新时代运维人员提升核心竞争力、适配 AI 攻防赛道的关键方向

做企业系统文档预览，Vue-Office称得上前端最优解：纯前端渲染、开源免费可商用、接入简单、样式还原度高、大文件性能能打。 不用再花费大量时间调试后端转码、对比多款付费第三方服务，省下的开发时间，摸鱼或者优化业务功能不香吗？

百万人在线围观，秘籍在手，AI游戏直接无限繁殖……最牛的是，网友Anshu一个人，24小时，从零肝出了翻版《星际拓荒》！

传统端到端默认假设：页面结构和去年差不多，选择器还能指到同一个控件。产品迭代越快，这个假设越假。于是团队陷入循环：UI 一变，脚本跟着改；为了少改，又往页面上堆 data-testid，最后测试和实现绑死在一起。

研究团队提出了SmartPhotoCrafter，实现“从理解到生成”的自动摄影图像优化，在无需人工指令的情况下，实现低质量图像修复与摄影级调色，维持内容一致性的同时提升图像美学质量。

2025 年底，Go 团队内部成立了一个名为 Go Collections working group 的专项小组，目标很明确：把常见的集合数据结构带进标准库，同时延续 Go 一贯的“实用主义 + 简单性”原则。

知境团队提出了一种看法。他们认为，经验不是真空发生的，它发生在社会关系里，发生在 "我知道你知道我知道" 的递归信念中，发生在读懂一个眼神、推断一次未说出口的意图之中。

本篇为系列终章。读完系列之后，先定位自己在哪一级，再对照真实仓库里已经跑通的两条反哺线，决定下一步补哪一块。