梳理 RSI 从 Good 1965 到 2026 的思想史、技术图谱与一手实证：Anthropic 承认其代码库 >80% 合并代码由 Claude 撰写、METR 测得 AI 可完成任务时长约每 4 个月翻倍、AlphaEvolve 优化了支撑自身的计算栈。核心判断——有界自我精炼已工程化，开放式 RSI 尚未发生；而进步与安全共享同一个「验证瓶颈」。

We introduce the Graph Machine (GM), an architecture that maintains an O(n)-sized state and accesses it through sparse, …

8 月 14 日，石头科技正式推出了 G 系列最新滚筒扫拖旗舰 G30S Ultra，以及全新的 P30 Pro。其中，P30 Pro 水箱版与上下水版分别售价 4299 元和 4699 元；而定位旗舰的 G30S Ultra，水箱版售价 …

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

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。

不用英语专业、不用报班。每天 25 分钟、每周 5 天，按四段式（听 5 + 拼读 8 + 共读 7 + 输出 5）执行：含家长中英文话术手册、前 12 周"照做就行"的逐周课表、第 4–12 月按月主题、30 个家庭游戏、家长英语不好也能教的 5 条路径、12 种状况急救包，以及可打印的字母音表/高频词表/词族表与三张评估表。

把"模型发布"当成一类可度量的事件冲击来研究。本文拆解发布影响股价的四条传导链，提出发布密度指数（RDI）、代际落差（GenGap）、预期偏离（Surprise）、领先半衰期（LHL）四个可计算变量，给出事件研究法（AR/CAR）的完整操作步骤与横截面回归式，并用 DeepSeek R1 冲击英伟达、Gemini 3 拉动 Alphabet、GLM-5.2 把智谱送上万亿、Kimi K3 两日击落智谱 42%、GLM-5.3"更强却更跌"、GPT-6 Astra 引发"硬件跌停应用涨停"等 7 个正反面样本做复盘。

All-in-One medical image restoration (MedIR) aims to address diverse tasks across modalities and degradation types using…

We introduce MetroLLM-Bench, a 955-case benchmark for testing language models as the policy layer of a transit kiosk. It…

Transferring human hand demonstrations to robotic grippers has recently emerged as a cost-effective solution for robot l…

Robot foundation models are trained and evaluated predominantly in English, and robot demonstration corpora do not exist…

As large language models (LLMs) are increasingly deployed in alignment-sensitive contexts, activation steering has emerg…

Striking a balance between helpfulness and safety remains a fundamental challenge in aligning large language models. To …

For scientific progress, we need benchmarks that test the limits of state-of-the-art models, and evaluation methods that…

Visual fluency in generated video does not imply physical reliability, and a scalar quality score alone is incapable of …

Causal inference is the practice of estimating the effect of a treatment or intervention from data. It traditionally req…