51CTO · 实时热榜

本文带你从零开始，用HarmonyOS的FormKit做一个能添加到桌面、点击就能用、状态可同步的番茄钟专注卡片。我会把卡片开发的完整链路——生命...

如果你正被长上下文的显存和推理成本压得喘不过气，V4 这条能压则压的路子值得顺着往下看。延伸可以回头把 V3 的技术报告啃一遍，MLA 和 DeepSeekMoE 才是这一脉真正的地基，看懂了 V3，V4 只是顺理成章的加厚。

Spring Security虽然功能强大，但学习曲线陡峭，配置复杂。新手开发者常常陷入“我只是想加个登录，为什么需要理解整个过滤器链”的困惑中。

在真实工作环境中。AI某些时候像天才，某些时候又会犯孩子才会犯的错误；模型可以生成代码，公司仍然需要人决定做什么、怎样验收以及出了问题由谁负责。

对 Linux I2C 框架内核子系统的分层情况进行深入的解析，能够观察到其分层结构是非常精妙的。硬件层之中存在着 I2C 控制器以及从设备。适配器驱动层包含有 i2c_adapter 和 i2c_algorithm。

安全必须被视为一场持续的对抗，而非一系列孤立事件。韧性比完美防御更重要，协同比单打独斗更有效。

前言当你准备给HarmonyOS7应用加上沉浸光感时，接口列表很快就会变长。uiMaterial、hdsMaterial、ImmersiveMaterial、ImmersiveStyle、Mate...

本篇以华为 CE9866M 的真实生产配置为样本，对比参数面（GPU 训练）和数据面（存储访问）的架构差异。

过去 TypeScript 一直依赖 JavaScript Runtime。写完代码，需要经过浏览器、Node.js 或 Electron 才能运行。但现在有人开始尝试：让 TypeScript 直接变成 Native。

DeepSeek-V4-Flash都已经这么出色了，DeepSeek-V4-Pro该有多厉害！值得狠狠期待一下。

Tauri 的目标非常直接，用现代 Web 技术开发桌面应用，但不要承担 Chromium 的重量。

Andrej Karpathy刚刚做了一个实验，结果让他自己也觉得有点不可思议。

本文从拥塞窗口的发现过程讲起——慢启动、拥塞避免、RTO 超时重传 vs 快速重传两种丢包应对。

今天的 Agent 工程也可能处在类似阶段。大量团队仍在为每个任务手工编排提示词、重试逻辑和工具调用。未来，是否会出现一个像 MapReduce 一样简洁的抽象，让长程 Agent 的分解、验证、恢复和并行探索成为底层能力？

问到 Scaling Law 和涌现能力，最重要的是把 Scaling Law 的本质讲清楚。它讲的是 loss 和参数 N、数据 D、算力 C 的幂律关系（loss ∝ N^-α）。OpenAI 2020 年提出，给业界传递了「规模可预测地带来效果」这个革命性结论，是后面所有大模型烧钱投入的理论基础。

近日，来自香港科技大学 World Mind Lab、麻省理工学院 Media Lab 与 EECS、哈佛大学 Kempner Institute 的研究团队提出 Stream3D，试图打通这两条路线。

AI大幅降低了找漏洞的门槛，大量业余选手用ChatGPT批量扫描代码、批量提交报告，其中夹杂着大量AI幻觉式的虚假漏洞。

Axis Robotics 与佐治亚理工、加州大学伯克利分校、南洋理工等高校团队通过超过 5 万条人类演示和一组规模实验，给出了一个肯定但更复杂的答案。

视觉问答模型的准确率不断提高，但高分未必来自视觉理解 —— 当基准图像与答案已进入训练语料，模型可能只是复现了记忆。浙江大学等团队提出 ReKey：保留原始真实场景，只更新决定答案的那一小块视觉线索，使每轮评测都面向未见过的内容。

每换一个Agent甚至换一个session，就像换了一个完全不了解你的新员工。

从最早提出CDN概念并分发静态网页，到今天演进为涵盖边缘安全、分布式云与AI推理的全球基础设施——Akamai的底层逻辑始终未变：“把计算与服务，送到离用户最近的地方。”

OpenAI CEO Sam Altman坐在Relentless播客的话筒前：「We are now, like, in the singularity.」——我们现在，就已经在奇点里头了。

多伦多大学数学教授 Daniel Litt 则坦然承认自己此前低估了 AI 的能力，直言如今距离让大模型发表能登上《数学年刊》的数论级成果，不过是早晚的时间问题。

一个最担心AI的人，为什么要离开自己的本行，转头扎进最前沿的AI公司？7月23日，国际数学联盟宣布，Jacob Tsimerman拿下了2026年菲尔兹奖。

LlamaFactory 的作者郑耀威最近开源了一个新项目，名字叫做 PenguinHarness。这个「企鹅驾驭师」能帮你自动完成 Agent 的构建、评测和持续改进，真正从「手动调优 Agent」迈入「Agent 自我迭代」。

这是一个轻量级原生统一多模态模型的早期预览版本。它延续了商汤自研的NEO-Unify架构，把语言、视觉语义和像素生成放进同一套模型里，覆盖视觉理解、推理、生成与编辑。

参数越多，大模型就能装下越多知识？一篇被NeurIPS拒过的论文把账算死了：每个参数只有3.6 bit。15亿参数模型的记忆，还不如一支U盘。

本届 IMO 上大放异彩的不只有这些人类选手，大模型也交出了一份满分答卷。它正是来自小红书的「dots-note-3.0」，并由此创下了一个历史记录 —— 中国选手与中国模型，首次在 IMO 顶峰相见。

MSTP（Multiple Spanning Tree Protocol，多生成树协议），主要解决二层交换网络环路问题，同时还能提升多条链路利用率、实现VLAN负载分担。

这篇文章把 OpenMP 里最常见的三类 work-sharing 结构放在一起看：​​for​​、​​sections​​ 和 ​​single​​。然后重点解释一个经常被忽略的问题：​​schedule​​ 不是语法选项，而是调度策略。

把最强的 AI 模型扔进真实世界的模拟任务里，看它们在没有人类监管、长时间独立运行的情况下会干出什么。

Grok处理的根本不是画面，是字幕。真要逐帧渲染分析，那算力得堆到天上去。

今天我们结合源码深入聊聊：为什么 AQS 能成为 Java 并发的基石？它的核心设计到底妙在哪里？

曼彻斯特大学皇家学会大学研究员、数学家Thomas Bloom直言：这次突破比此前OpenAI证伪单位距离猜想更重要。

这篇文章不从语法表开始，而是从三个问题开始：OpenMP 到底创造了什么？线程之间到底共享什么？为什么同一段 OpenMP 代码换一台机器，性能可能完全不同？

如果说 RPC 的基础能力是“让远程调用像本地调用一样简单”，那熔断降级解决的就是另一个更现实的问题：当远程调用不可靠时，如何让系统尽量不要一起倒下。这也是为什么真正的 RPC 框架，从来不只是封装网络请求这么简单。

量子并行重复定理（Quantum parallel repetition theorem），是Henry Yuen在研究生阶段耗费数年心血钻研的领域，也是他最引以为傲的成果。

这次小扎要打破的，正是硅谷这一套把危险摆在第一位的叙事。在他看来，越是强调危险，就越会推出「只能交给少数人」的结论。而这，才是真正危险的地方。

近日，来自华中科技大学等联合团队推出首个模拟专家释读流程的人工智能系统AlphaOracle，以辅助专家完成繁杂的甲骨文破译工作。

近期，华中科技大学团队联合华为提出实时视觉 — 语言 — 动作模型 TurboVLA。

这张照片没有证明AI正在发动战争，也没有显示涉密数据外泄。它真正说明的是：军方生成式AI的推广速度已经很快，而宣传图片审查、屏幕信息处理和工作流保护尚未完全适应这种变化。

具身智能正在经历模型能力竞赛：VLA 在 Scaling 的道路上一路狂奔，WAM 弥合未来预测和动作生成，RL 依靠 Reward Design 强化执行稳定性，TAMP 凭借严密的逻辑进行长序推理…

微软AI的掌门人苏莱曼在介绍MDASH时说，MAI-Cyber-1-Flash最多处理九成查询，剩下最难的10%，交给大约比它大10倍的GPT-5.4收尾。

一句话的判断是：技术决定真实的企业价值。热闹会过去，能站在真实场景里持续交付的企业，才会被留下。

要评估影响，优先看四件事：有没有把应用状态放在协议会话里、有没有依赖长连接做 elicitation 或 sampling、有没有硬匹配 ​​-32002​​、有没有在用 ​​logging/setLevel​​。

今天就能做的最小动作：翻开最近一个由 Agent 主导的 PR，补三行 Why，补一条验收命令，再往 AGENTS.md 里加一条禁令或必跑检查。八类资产不用一次建齐，先让教训离开聊天框。

本文分享从 0 到 1 建设这套系统的完整过程——从初版 90% 候选经验为废料的起点，到打磨出 Review/Dedup/Merge 三层治理链路，每一步踩在真实问题上的演化路径，以及驱动策略设计的实验数据和可复用方法论。

谷歌真比OpenAI还早一年搞出了ChatGPT？

本篇文章就来拆解一套 WebSocket 分层架构，从连接管理、可靠投递、集群扩展到业务解耦，全链路优化。看完你会发现——原来 WebSocket 还能这么设计！

一口气干了两个小时，吭哧吭哧写出了 5500 行代码，硬生生从中土世界的文字里渲染出一个 3D 游戏。