SWE-Bench Pro has emerged as a standard benchmark for evaluating software engineering agents on challenging repository-l…

Leading benchmarks for formal theorem proving with large language models are small collections drawn from competition ma…

Multimodal Large Language Models (MLLMs) perform strongly on general visual understanding tasks such as visual question …

Recent advances in wearable sensing enable continuous monitoring of physiological and behavioral signals, yet existing b…

爆料直指霍奇猜想]

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

根据发表在《科学》期刊上的一项研究，河流向海洋输送的微塑料污染量可能远超此前的认知，且全球几乎所有的微塑料排放均来自发展中国家。这项全球性分析还发现，强降雨会导致河流中微塑料含量激增——这是一种易受气候影响的污染威胁，并可能会随着极端天气的…

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

We introduce DF26, a novel benchmark for detecting AI-generated videos containing fully synthetic clips produced by rece…

把 2026 年可核查的公开证据整理成一张六层能力路线图——预训练、后训练 RL、推理时计算、上下文与记忆、智能体与 Harness、世界模型。含 Meta ScaleRL 40 万 GPU 小时实验结论、RL 预算占比 10%–30% 口径、Chinchilla 对比、Meta-Harness 6x 差距等数据锚点，并给出优先级表与算法工程师/产品经理的行动建议。

A research idea may be novel, coherent, and scientifically plausible, yet its proposed method may remain insufficiently …

面向工程师的 OpenClaw 架构深度长文：四层设计总览、Gateway 单进程控制平面、Agent Loop 完整生命周期、Markdown 记忆管线、四槽插件体系、安全模型与多代理路由，还原一个生产级 AI Agent 运行时的设计取舍。

从"控制流所有权"这一第一性原理出发，拆解 Workflow（DAG 编排、确定性执行）与 Agent（ReAct 循环、涌现式控制流）的技术原理差异；详解 Agentic Workflow"图做骨架、节点内自主"的三层混合架构，以及提示链/路由/并行化/编排者-执行者/评审-优化五种经典编排模式与工程选型经验。

Flinders 大学的研究人员发现，冲马桶会向周围空气释放气溶胶和生物气溶胶，气溶胶颗粒甚至会进入到成年人的呼吸区，而冲水后气溶胶会在空气中悬浮至少 20 秒。这些发现是基于对 22 项马桶气溶胶研究的分析。结果表明，保持良好的厕所卫生，…

包括陶哲轩、新晋得主邓煜在内的 25 名菲尔茨奖得主发表公开信《A Severe Misalignment of AI in Mathematics》，批评 AI 公司最近的所作所为。公开信称，“过去几个月 LLM 的数学能力有飞跃式提升，…

Existing emotional support conversation systems mainly focus on one-on-one seeker-supporter interactions and individual …

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

Model misalignment, prompt injection, or operator misuse could lead AI agents operating frontier-lab accounts to exfiltr…

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

Large language models (LLMs) are increasingly used to formulate optimization models from natural-language problem descri…

Vision-Language-Action (VLA) models have shown promising progress in language-conditioned robotic manipulation. However,…

LLM agents are rapidly becoming production software, deployed to handle customer service, adjudicate disputes, and opera…

Vision-language models (VLMs) are expected to respond helpfully to appropriate requests while withholding compliance wit…

Modern LLM-based agents operate through a harness of tools, reusable skills, and specialist agents that shapes what they…

Temporal reasoning benchmarks for Video-LLMs are often mediated by language, leaving room for linguistic shortcuts from …

Humans need to study only a handful of well-written textbooks to master a discipline and attempt its hardest problems. W…

8月CPI落地后FedWatch显示9月加息概率升至约90%，高盛改口、20家机构中16家预期加息。但对A股而言决定性变量不是"加不加息"，而是三个被改写的前提：人民币在美元上行周期独立升值、中美利差创纪录倒挂310–317bp却未引发资本外逃、国内政策底与AI产业景气构成分子端对冲。本文拆解六条传导链、复盘三次加息周期的三种答案，并给出行业冲击地图与观测清单。

系统拆解吴恩达 2026 年 8–9 月连发五封来信构建的《AI 工程技能地图》：四大顶层能力、编程智能体的三阶段工作流与五项细分技能，剖析其数据方法论、隐藏主线与三条反主流论断，并对地图本身的边界与争议做批判性审视，附个人自评与团队落地清单。

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 …

系统梳理英伟达数据中心级 GPU 从 Pascal 到 Rubin 的完整产品谱系，附七代完整规格对比表、中国市场特供线专题、AMD/Intel 竞品对比、选型指南与 TCO 数据，数据截至 2026 年 9 月。

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。

IT之家 9 月 9 日消息，科技媒体 Wccftech 昨日（9 月 8 日）发布博文，报道称开发者成功在 M5 Pro 等苹果 Apple Silicon 芯片上， 非官方移植英伟达的 DLSS 5。 开发者 @iamwavecut 已…