51CTO · 实时热榜

研究人员将这种攻击命名为隐身记忆注入（stealth memory injection），并开发出能自动编写此类邮件的工具。

强化学习从“计算期望”变成“用样本估计期望”。这条变化，是理解 Monte Carlo、TD、Sarsa 和 Q-learning 的主线。

为什么一个看似"先查后改"的逻辑，在大厂眼里是 P0 级事故？ 今天咱就把这道题拆透，从根上把并发竞态这件事搞明白。

无人零售、微信支付商用开发是后端商业项目高频实战场景，很多开发者只做普通线上支付，对免密代扣、后结算整套流程不熟悉。

在模型真正开始“思考”之前，它必须先将人类的语言转化为它能理解的格式。机器不懂汉字或字母，它们只懂数字。因此，你输入的句子首先会被切分成一个个被称为 Token 的基础单元。

最近，有位老哥把一篇刚被ICML 2026接收的论文分享到了Reddit，结果帖子立马爆火，评论数蹭蹭涨。

积分系统从来不是计数器，它是一套完整的小型资产管理系统。今天我把这道题拆成 5 层，从青铜到王者，带你彻底搞懂。

为了解决效率瓶颈，小红书大模型基建团队提出新架构 PIPO（Pair-In, Pair-Out）：在模型输入侧，压缩器把两个输入 token 折叠成一个 latent；在模型输出侧，MTP head 把一个隐藏状态展开成一个额外输出 token；进而实现减半输入长度、双倍每步输出长度。

仅用1小时，GPT-5.6就攻破了困扰数学界整整 50 年的世纪难题「循环双覆盖猜想」！全球数学家沉默了

Python 循环是代码中出现频率最高的结构之一，但写法不同，性能差距可达10倍。以下5种模式覆盖从基础迭代到高阶函数式编程的完整光谱，每种都有明确的适用场景。

近两年，AI 的发展可谓势如破竹。它不再满足于替人写两段话，而是开始接手整套工作：写代码、查资料、做分析、生成方案，还能自己拆解任务、调用工具、安排步骤、检查结果。

Agent / Skill 评测集正在从“题目集合”变成“可执行的小世界”。这件事听起来有点抽象，但它会直接影响我们怎么设计自己的评测、怎么判断一个 Skill 值不值得维护，也会影响团队以后怎么选模型、选工具、选 Agent 框架。

未来的 Agent 安全，不只是要检测提示注入，也不只是要给工具加权限开关。更重要的是建立一套能够理解上下文、约束工具行为、管理用户授权、记录执行链路的权限决策层。

从 Wei 等人提出的 CoT 提示，到 DeepSeek-R1、OpenAI o1 所代表的长链推理范式，「先想后答」已成为构建高智能多模态系统的标准协议。

单个 agent 只需要处理一条时间线：感知、推理、行动、循环。一旦变成多个 agent，问题的维度立刻从一维变成了多维——谁该做哪一部分？谁需要知道谁发现了什么？谁的动作要等谁先完成？两个 agent 的判断打架了听谁的？系统怎么知道所有人都干完了？

Native SDK 更像是一套开发工具，帮助开发者使用熟悉的 Web 技术，构建真正的桌面应用。

Claude Opus 5

虽然 Fable 5 在诸如 SWE-bench Pro 等存储库级编码基准测试中仍保持着最强的已发布结果，但包括 OpenAI 的 GPT-5.6 Sol 和 xAI 的 Grok 4.5 在内的竞争对手，现在正以极低的价格瞄准同样的高端开发者市场。

Yuku 是一个用 Zig 编写的 JavaScript / TypeScript 编译器工具链。它的性能测试直接超过了很多人熟悉的 Oxc。

一种常见的思路，是把视频中的信息逐层剥离。例如动作理解，原始像素转化为人体关键点，连续动作经过时序分割变成片段，整个过程要尽可能抛弃与任务无关的干扰信息。

如果你正在做：数据可视化、AI 产品、H5 营销、游戏开发、编辑器、Canvas 项目， PixiJS 绝对值得收藏。

AIOps 改变的不只是工作效率，更是运维人的工作方式和职业前景。

决定人形机器人能力上限的，已经不只是关节与电机。能否理解环境、预测变化，并协调全身完成任务，正在成为其走向通用的关键。

本文完整呈现了企业级 AI Coding 落地的核心方法论：从 Harness 工程的微观/宏观定义，到 Loop 工程的六大构建模块，再到基于 SDD（规范驱动开发）的工程化落地路径。

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。

强化学习奠基人、2024年图灵奖得主Richard Sutton宣布，自己已和学生Khurram Javed离开John Carmack创办的Keen Technologies，另起炉灶成立Oak Lab。

Huntress 发现一个由 AI 生成的 PowerShell 脚本，用于 AD 侦察，表明攻击者正利用 AI 创建定制化、具备规避能力的工具。

长期以来，视觉AI沿着一个任务对应一个模型的路径演进，各任务彼此割裂。行业以往的统一视觉多是把检测、分割、深度预测等多个专家模型打包封装，本质仍是割裂的。

人都已经在OpenAI上班了，他却发现自己还能访问苹果内部网络存储。

TanStack Table v9 最大的变化之一：就是框架适配能力的大幅扩展。除了跨框架之外，v9 本身也带来了大量底层升级。

xAI的官方Grok CLI，会在你用它写代码的时候，在你完全不知情的情况下，把你整个项目的代码仓库打包上传到xAI的云端服务器。

现在的 AI 不仅能聊天，已经可以独立做机器学习实验了 —— 拿到任务，自己写训练代码、自己跑实验、看结果、改方案，循环往复直到拿出更好的模型。

AI 智能体与 K8s 的融合，将容器弹性运维从“人工规则驱动”升级为“人工智能自主驱动”，在保障业务高 SLA 的同时，实现了集群资源降本增效、运维工作无人值守，是未来云原生智能运维的核心发展方向。

如果只给 Claude Code 一句“帮我修一下”，它需要自己猜范围、根因、完成标准和哪些动作可以做。猜对了，速度很快；其中一个假设错了，后面的动作仍可能顺着错误方向继续推进。

近日，自监督学习新工作 VISReg获图灵奖得主 Yann LeCun 连续转发并给予高度认可 —— 他在转发时评价道「VICReg begat SIGReg which begat VISReg」（VICReg 孕育了 SIGReg，SIGReg 又孕育了 VISReg）。

GPT-Live 的发布，标志着机器全面迎合人类原生沟通习惯的时代已经到来。OpenAI 为我们铺设了一条宽阔的“信息高速公路”，但这仅仅是个开始。真正跑在这条公路上的，将是千千万万个结合了特定行业知识、深耕私有化部署和垂直场景的“特种车辆”。属于全双工 AI 的繁荣生态，才刚刚拉开帷幕。​

说实话，我一开始以为它顶多算个内部小工具，点进去翻了翻官方说明，才发现事情没那么简单。......它是Codex新装的一个插件，你跟它说清楚想要什么，它直接给你搭一个真能打开访问的网站或者小应用，还带数据库和文件存储，不用你自己找服务器，不用自己配部署流程。

Anthropic 最新研究发现，Claude 在不同模型、不同语言中，会表现出不同的价值取向。Sonnet 4.6 更温暖，更愿意顺应用户，也更简洁。

Anthropic 那个 90.2% 的性能提升数字很唬人，但别忘了后面跟着的 15 倍 token 成本——架构选型从来都是性能、成本、可控性这三者的博弈，没有免费的午餐。

哈萨比斯给出了一个令人战栗的算式：AGI的影响规模将是工业革命的10倍，而速度也是10倍。

近日，日本数学物理学家、弦理论与量子场论研究者立川裕二 Yuji Tachikawa 分享了他使用 Claude Fable 5 辅助科研的经历。

全网都说GPT-5.6 Sol的Max档变笨了，OpenAI偏说没降智，只是「做了个实验」，实验中拧动的那个旋钮，Max档从960掉到128，用户看不见。

都以为AI应该先去替数学家证定理，陶哲轩却让它搬30年前的旧网页。一天迁走560篇论文，还从他二十多年前亲手写的老代码里揪出两个连他都不知道的bug。

本文探索：不改排序，补上排序之后的“表达与决策”——把游戏理解透，让同类多款可比较、可解释、可追溯。做法是让大模型放开探索、用工程约束收住，使生成稳定进生产。目标不是替代排序，而是帮用户从“给结果”走向“帮决策”。

随着编程智能体让软件开发的速度越来越快,越来越多工程师开始承担起部分产品经理的职责。

近日，新基石研究员、北京大学集成电路学院教授、深圳研究生院信息工程学院院长杨玉超团队，联合中国科学院上海微系统与信息技术研究所宋志棠研究员团队等，在国际顶级学术期刊《科学》发表最新成果，在新型神经动力学计算芯片领域取得重大突破。

越“边缘”的仓库和越依赖社区贡献的领域，积压越严重。x/* 系列仓库本来就不在 Go 核心团队的 KPI 里，crypto 相关提案往往涉及大量向后兼容的谨慎评估，天然就慢。

PRA 通过低维中间态和并行 rollout 近似，同时针对输出端和输入端进行改造，在不依赖外部 tokenizer 的情况下显著提升了生成质量。

大模型在原子操作任务中遭遇瓶颈。尽管大模型能解析材料知识，却难以精准操控原子结构。研究指出Scaling Law在空间逻辑任务中效果有限，强调AI for Science需转向Action Scaling，提升模型在真实科研操作中的能力。

这篇文章将深入探讨：Vibe Coding究竟是什么？它为何能让人人成为程序员？它将带来哪些机遇与挑战？以及，在这场变革中，我们每个人应该如何定位自己？