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...

HarmonyOS7.0学习第3次记录：怎么在应用页面里放一个智能体入口。看起来很容易，拿到agentId后写一个FunctionComponent，页面上就能出现入...

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。

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。

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。

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）。

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。

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。

一套代码搞定音乐播放、进度条拖拽、歌单循环、环境音混合一套代码搞定音乐播放、进度条拖拽、歌单循环、环境音混合，核心就三个字：状态机...

做出一个Agent，可能只需要几分钟。接进企业数据、处理权限、控制成本、复现故障，再保证模型升级后继续工作，软件工程从这里才真正开始。

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

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。

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。

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。

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。

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...

Ant 最有价值的地方不是宣布"我要替代 Node"，而是提出了一个新的方向：JavaScript Runtime 可以不用越来越重。

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》！

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。

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）。

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。

一套 Facebook Prophet 时序 AI + Prometheus 自动阈值校准方案

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。

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。

模型或许也一样。看发布会久了，我们很容易把注意力全部放在能力上限上，仿佛我们每天上班遇到的最大困难，是办公室里缺少一位能够证明黎曼猜想的同事。

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。

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。

Kimi K3 是一款总参数量达 2.8 万亿、上下文窗口达 100 万 token 的 MoE 大模型，更是全球首个落地的近 3 万亿参数级开源大模型，引起业界热议。

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。

前言Beta阶段最容易出现的情况，是前一轮验证刚整理完，下一轮版本、文档、SDK、工具链或者设备状态又发生变化。这个时候，很多结论都不能...

AI 写代码越来越快，为什么返工也越来越多？本文拆解后端系统「AI 知识库体系」的四层架构与落地实践：业务层、架构层、系统层、基建层，附可直接复用的目录结构、YAML 模板和冷启动路线图。

小红书dots团队提出的Vision-OPD（Vision On-Policy Distillation，视觉在线策略蒸馏）框架，仅用约6.2K条全自动合成数据，便让9B模型在多个细粒度视觉理解基准上取得SOTA。

如何将 AI 置于陌生且庞杂的真实代码库中，使其扮演安全研究员的角色进行持续调查：剖析漏洞机理、追踪代码逻辑、编写触发输入、排除干扰项，最终交付一份经得起检验的 PoC。

科研 Agent 的价值不只在于自动生成代码，更在于理解科研任务、组织专业知识并贯通研究流程。它可以协助研究者完成文献解析、系统搭建、环境配置、代码调试和结果验证等耗时工作，降低重复性工程投入，让科研人员将更多精力用于问题发现、方法设计和理论创新。

原 AlphaFold 团队的大部分研究人员已被重新分配至 Gemini、AI 编程、基因组学、酶设计、核聚变等内部项目，部分成员则转入谷歌旗下生物科技公司 Isomorphic Labs。

最近，菲尔兹奖公布，大家对于数学 + AI 的讨论非常热烈，相信也有不少人想象过我刚刚描述的「爽文」剧情。

贾扬清、吴恩达以及 Sonia Joseph（ Meta FAIR JEPA 团队核心研究员）在同一天官宣创业。

模型先根据当前画面，预判接下来可能发生的接触，执行过程中再读取最新触觉，重新生成下一小段动作。

小红书 dots infra 团队联合北京大学等提出 UltraEP，首次将 MoE 专家负载均衡变成了一项逐 microbatch、逐层实时执行的系统能力，并且在 MoE 训练的实际生产中落地。

AI或许还没有掀起席卷整个就业市场的海啸，经验的有无却可能已经先冲走了一部分职场入口。

如果失控只有在模型突破限制、造成后果之后才能被确认，安全评估还有多少意义？能不能在失控发生之前，从一组更早、更小的行为信号中看出风险？

自动驾驶的四大核心技术是支撑车辆实现自主驾驶的基础模块。环境感知、精准定位、路径规划和线控执行共同构成完整的技术闭环，分别负责识别周围环境、确定车辆位置、规划行驶路线以及控制车辆执行动作。

据一位 OpenAI 发言人向《The Information》确认，AI 初创公司 Thinking Machines Lab 联合创始人、研究员翁荔在本周早些时候宣布离职后，将重新加入 OpenAI。

任何失去数据、记忆和AI使用记录控制权的企业，都可能无法继续存在，因为它已经把自己的思考外包了～

悉尼大学等机构的团队提出了BECRA（Bootstrapped Exploration with Causal Reasoning），一种面向自适应时序预测的 Agent训练范式。

国际顶级学术期刊《Cell》主刊，刊出了一篇来自中国的AI生命科学研究论文《UniPert–G2CP》。

刚刚，奥特曼亲口承认：「这是我第一次感到发自内心的恐惧。」这次事故，已经让OpenAI害怕了，甚至紧急叫停了GPT-6的训练！

旗下inclusionAI团队陆续推出LLaDA系列模型，最新开源LLaDA2.2，实现扩散模型首次进入智能体长程任务！

MCP迎来了自发布以来最大规模的史诗级更新：MCP 2026-07-28。

研究团队提出了DyRef，一个面向复杂多参考图像生成的动态优化框架。该工作已被ECCV 2026接收，并被选中为Oral Presentation。