阿里把内部跑了两年的 AI 代码评审助手开源为 open-code-review（当日涨星 2,724、★36,575、Apache-2.0）：确定性工程 + LLM Agent 混合管线，含六道文件闸门、语义分组、三层记忆压缩与评论定位。AACR-Bench 同模型下 F1 为通用 Agent 的 1.5–2 倍、token 约 1/9，代价是召回更低。附五个落地场景与可复现命令。

Anthropic has rebuilt Projects in Claude Code. A coordinator now splits tasks across parallel cloud threads that indepen…

Microsoft's AKS engineering team open-sourced TauGrid on August 28, 2026, packaging the tau CLI, Kueue queueing, KubeRay…

Anthropic redesigned Projects in Claude Code. The old project was a folder: some files plus one chat. The new one is a s…

IT之家 9 月 12 日消息，据《商业内幕》报道，随着 AI 彻底改变软件开发，Anthropic Claude Code 创作者鲍里斯 · 切尔尼认为，开发者真正需要守住的不是亲手写下每一行代码，而是代码质量本身。 当地时间 10 日，…

We introduce AuK, an open-source foundational model that unifies speech generation and editing through a common interfac…

Anthropic 随 Claude 3.7 Sonnet 推出命令行编程智能体 Claude Code，可自主读写代码库、运行测试与提交修改，开启'终端 Agent'产品形态。

Agent-net, the team building an agent-to-agent marketplace where AI agents discover, trust, and pay each other, has rele…

9月16日，网易有道「NEXT，AGENT｜有道AI Open Day」在北京举办。]

In this work, we present ZGCM-1, a fully open 7B dense foundation model trained from scratch with extreme data, system, …

Open-vocabulary detection accepts any class list at inference, and promptable segmentation returns regions without class…

Code world models represent worlds as executable programs, but this representation alone does not determine how to const…

As LLMs are increasingly used for pre-submission self-review, there is growing demand for feedback that not only identif…

Large language models used for code editing can be trained and deployed in at least two output regimes: direct generatio…

Large language models (LLMs) are increasingly used to edit existing code, but correctness alone is not enough: useful re…

工程师的核心永远是Problem Solving。]

系列第 ① 篇，对应技能地图第 4 格「评估驱动开发」。先纠正最贵的错误做法——用平台推荐的通用指标做 evals；再给出自下而上的四步流水线：建 100 条 trace 数据集（三维度组合）、open coding（占 80% 时间、只观察不追根因、记第一个失败）、axial coding（聚成失败分类表并计数，二元判定优于 1–5 分）、迭代到理论饱和。附三个现实难题的打法（trace 太复杂、迷雾心态、LLM 辅助边界）、五个坑、以及一张可直接抄的失败分类工作表，并说明如何从分类表转换为评测集（代码判定 / LLM-as-a-judge / 人在环）与如何校准评测本身。

]

Base Labs, the research group Baseten spun up earlier this year, will develop and publish methods for training and monit…

OpenAI can disclose misalignment before fixes exist. Its 6 initial reports include fabricated data and leaked API keys. …

2026 年 9 月 15 日凌晨，Opus 5.2 在 Claude Code 中被曝灰度测试，"RSI 真来了？"随即刷屏。本文不站队，把这条新闻拆成三层证据：官方一手（Anthropic《When AI builds itself》《2026 年 8 月风险报告》《Introducing Claude Opus 5》）、媒体转述、社媒传闻，逐条甄别。结论：Opus 5.2 是一次模型灰度而非发布，属"有界自我精炼"的连续爬坡，开放式 RSI 尚未发生；"gauntlet loop"是社区提示词方法而非模型内置能力；"Model 2 高 12.5 分"与官方"增幅不大"口径冲突；"替代 85% 研究团队"溯源到社媒，与官方"18 名受访者中仅 1 人认可"直接矛盾。文末给出"三层证据法"与三个必问问题，并指出真正该盯住的是"智能体能力与验证能力之间的差距"。

Foundation models have progressed from learning and reasoning over existing knowledge, to increasingly learning through …

We study how model post-training and test-time inference design affect natural-language proof generation for hard olympi…

Large language models (LLMs) have demonstrated remarkable capabilities in reasoning and code generation, raising the pro…

World-Action Models inherit world knowledge from video-generative priors, and channel it into executable control signals…

Video foundation models increasingly rely on large-scale pretraining data, yet the end-to-end data pipelines behind them…

Command-line coding agents (e.g., Claude Code, Gemini CLI) can already read and write files and sustain long sessions, y…

Cloudflare 开源其漏洞发现流水线（VDH）的种子 security-audit-skill（GitHub 当日涨星 3,606、★10,418、MIT）：六阶段多智能体审计，覆盖台账 + 对抗验证 + 字段级证据契约。本文拆解其架构数据流与五类落地场景，并给出社区盲测数据（中位精确率 90%、依赖 CVE 覆盖 0%）与使用边界。

Scientific code repositories encode decades of human knowledge in executable models, methods, and tools. Yet fragmented …

Mozilla 发表《State of Open Source AI》报告，称美国科技公司的前沿 AI 模型性能仅领先中国公司最优秀的开放权重模型 4.4 个月。由于前沿模型价格更昂贵，很多公司都将开放权重模型用于处理日常工作，将前沿模型用…

系列第 ④ 篇（收官），对应技能地图第 17–20 格「塑造构建」。先拆解吴恩达的四项能力（驱动构建循环、产品决策、沟通与领导、高自主权主人翁意识）并给出各自的可执行动作，包括用户同理心从 2–3 人访谈到大 规模 A/B 的四级打磨路径；再以 Claude Code 产品负责人 Cat Wu 描述的 Anthropic 内部形态做现实检验——一周甚至一天上线、上万条需求难在判断该做哪个、岗位边界被主动打破、agency 是关键特质、以及"模型越强产品越简单"导致的删除机制；随后指出高自主权落不了地的三种真实阻力（实验/发布权、决策接口、价值口径）与对应的最小可行请求，并与站内 Jake Wharton 的反向立场做对照。附个人与管理者各四条行动清单，及四篇系列总览。

分层回答 RSI 真伪：工程自动化层已跨门槛（Anthropic >80% 代码、AlphaEvolve 回收 0.7% 全球算力），研究自主层仍在断崖前（Princeton 影子评估两篇投稿全被拒），物理约束层同时收紧（HBM 2027 短缺、并网 4–7 年、研究生产率降 41 倍）。含验证层级判别工具、L0–L5 分类学、7 组冲突案例归因、24 行量化结论台账与 17 项未获取清单。

原标题：《突发！Opus 5.2 深夜上线，RSI 真来了？》 今天清晨，Opus 5.2 悄悄上线了。许多开发者发现，新一代神级模型 Claude Opus 5.2，已经在 Claude Code 中开启灰度测试！ 而且，此前一份内部风险…

一份关于递归自我改进（RSI）的 2026 年全景深度研究：从 Good 1965 的智能爆炸命题讲到 MetaRSI 的平方时代，从 Anthropic >80% 合并代码由 Claude 撰写讲到 OpenAI-Hugging Face 事件中智能体攫取集群管理员权限，区分"主机节点接管已发生"与"全球接管仍是预测"三层口径；并新增 AI Futures Project《AI 2040: Plan A》专章——买时间、完全研究透明、广泛扩散、相互确保算力毁灭，以及一份"协议 10 年衰退概率 48%–62%"的现实账。

Safety guardrails in open-weight language models can be readily bypassed using Refusal Feature Ablation (RFA), a techniq…

Vibe design agents turn natural-language briefs into rendered interfaces and frontend code. Yet a useful design agent sh…

Android/Kotlin 生态基石人物 Jake Wharton（Retrofit、OkHttp 作者，Google Kotlin 团队第一位工程师）在 KotlinConf'26 访谈中公开表态：找工作的第一条标准就是"不碰 AI"，直接排除约 80% 的雇主，且至今从未用 AI Agent 写过代码。本文拆解他的五大主张（伦理负债 / 治理越界 / 议价权危机 / 负责任使用 / AI 不是地基）、他与"Claude Code 之父"的对立叙事，以及这场争论真正在吵的三件事：谁承担风险、谁获得收益、谁保留工程判断权。

AI 没有消灭交付瓶颈，只是把瓶颈从"写代码"搬到了"验证代码"。本文基于 2 篇 arXiv 论文、DORA 2025 报告与 2026 年三份行业基准（LinearB 8.1M PR、Faros AI 22,000 开发者），给出 AI 增强 CI/CD 的 L1→L3 能力分层、T0→T3 信任分层、自主流水线独有的五类新型威胁，以及 5 段可直接复制的代码级护栏（GitHub Actions 失败归因、日志预处理、OPA/Rego 策略门禁、测试影响分析、OIDC+签名+写一次审计日志）与 90 天落地路线图。关键数据：任务吞吐 +33.7% 但评审耗时 +441.5%、生产事故/PR 比值 +242.7%；AI PR 30 天合并率 32.7% vs 人工 84.4%；论文实验中 Lead Time −35%、CFR −38%、MTTR −43%，AI 干预准确率 87.5%、人工否决率 14.3%、零策略违规。

Training capable cyber agents is often treated primarily as a problem of model scale, yet open-weight post-training is c…

Co-work agents execute complex workflows that combine information gathering, tool use, coding, and file manipulation acr…

Reinforcement learning with verifiable rewards (RLVR) substantially improves single-sample accuracy (pass@1) but causes …

On-policy distillation trains a language model on its own generations while a teacher scores them token by token. It com…

The AI boom is becoming a materials challenge. As AI pushes computing into new territory, the materials behind that infr…

This is today’s edition of The Download, our weekday newsletter that provides a daily dose of what’s going on in the wor…

Listen to the session or watch below Employees at the world’s leading AI labs are saying there’s a real possibility that…

一篇读懂 2026 年最容易被混为一谈的一对概念：RSI（递归自我改进）改进的是自己的"改进能力"，打在权重与 AI 研发流程上、跨用户且不可逆；Agent 自进化不重新训练模型，靠记忆、技能与 harness 让部署后的表现持续变好。给出两句话定义、一张共享地图（更新基质 × 持久化时长）、三个分辨开关（数阶数 / 看基质 / 清空记忆测试），以及风险的两本账（RSI 是治理问题，自进化是供应链工程问题，已有 36.82% 技能含安全缺陷的审计数据）。本文同时为「一叶一世界」栏目开篇。

Last year Ruxandra Teslo, a policy analyst who focuses on clinical trials, posted an idea for supercharging medical AI s…

When Jessica Wachter, a finance professor at the University of Pennsylvania’s Wharton School, wanted to assess AI’s impa…

This story appeared in The Algorithm, our weekly newsletter on AI. To get stories like this in your inbox first, sign up…

A group of AI agents asked to solve a series of math problems split into rival factions—when some cheated, others tried …