Anthropic 和埃森哲宣布,未来五年共同投入 10 亿美元搭建前沿 AI 的评估能力。计划不排他,Anthropic 还会引入更多评估机构。它已经承诺让外部人员评估自家模型,这笔钱花在评估能力本身。
来源@AnthropicAI「Anthropic和埃森哲投10亿美元做前沿AI评估」@wallstengine「两家巨头五年投十亿美金做AI安全评估」
Meta 把 SAM 3.1 上线到自家的 Meta Model API,一次调用同时拿到检测、精准分割和轨迹追踪。这次是官方实现,做了推理效率优化,还支持用名词短语指定要检测的对象,做图像视频识别的开发者不用自己拼三套流程。
来源@MetaforDevs「Meta 上线 SAM 3.1 模型到 Meta Model API」@nikhilaravi「Meta发布Meta模型API上的SAM 3.1」
MiniMax 开源的编程 agent MiniMax Code 拿出了横向成绩:同一套 30 道测试题,通过率 76.7%,用时四分半,两项都高于 Codex 和 Claude Code。开源意味着这份成绩可以自己跑一遍验证。
来源@NFT_Chen「MiniMax Code开源后通过率超过Codex和Claude Code」
Kev-0.5B：一个基于 Qwen2.5-0.5B 的小型开源类 Jev 决策模型，拥有兼容 TypeSafe 的 API，你可以在 MacBook Pro 上训练和运行它。 模型卡片和权重已在 GitHub 上开放。
介绍 Bespoke Nimble：一款针对 open Jev 的开放数据、开放模型、开放方案。代码和信息：模型：数据： * 一种叫做对比数据整理的新型数据整理方案。 * 通过轻微修改事实来生成负样本数据。
Anthropic证实已拥有一间湿实验室，能用自研AI模型运行真实的物理实验。对一家以聊天机器人出名的大模型公司来说，这一步走出了代码范畴。就在上周，CEO Dario Amodei还放言：AI可能在5到10年内治愈大多数主要疾病。
Anthropic生命科学负责人Eric Kauderer-Abrams说得很直接。生物学的最终测试，仍然且将在一段时间内是真实实验室工作。新实验室的运转方式与大多数生物科技实验室类似。Anthropic自己在里面做研究，同时与外部伙伴合作。今年4月，它还收购了隐形AI生物技术公司Coefficient Bio。
𝕏 实时信号 + arXiv 前沿论文，经 AI 聚类解读 · 一眼扫完全貌（含上方导读精选 4 条）
大语言模型安全不止防prompt注入，这个新角度的讨论值得关注，帮助你提前了解潜在安全风险。
现有大模型通常只能通过人类可读文本交互，这项新研究提出大模型之间直接通信的新思路，未来可能提升多模型协作效率。
同30道测试题，MiniMax Code通过率76.7%，用时四分半，比另外两个模型更快通过率更高
🚨重磅：MiniMax Code已正式开源，以76.7% 直接碾过 Codex 和 Claude Code！
同一模型、同一批 30 题，换一层 harness，榜就翻了：
🔹通过率：MiniMax Code 76.7%（23/30）> Codex 66.7% > Claude Code 63.3%
🔹速度：4分33秒 vs Codex 6分43秒 vs Claude Code 9分38秒
🔹成本：$1.83 / 次 vs Codex $3.47 vs Claude Code $18.34
🔹协议：CLI v0.4.12，MIT 全开；桌面端暂未开源
🔹用法：账号可登，也能 BYOK，工具调用和权限能直接审
结论不是模型赢了，是外壳赢了！
curl -fsSL | bash
GitHub：
#MiniMaxCode #OpenSource #Codex #ClaudeCode #AICoding #FrontierHarness
原Jev不开源，缺少视觉能力。这个开源库可以把任何HF模型转换成Jev格式
我喜欢 Jev，但也对它感到不满——它不开源？它缺少视觉能力？我们把这些问题全都解决了：我们推出了一个全开源库，可以给任意 HF 模型添加 Jev 能力，并提供 API 端点。
现已上线 GitHub，并且在 @FeatherlessAI 正式投入生产使用。
行业巨头对AI发布风险的态度，会影响未来普通用户能用到的AI产品安全标准
对需要做自动化测试的开发者来说，又多了一个同时支持网页和移动端的开源选择。
对前沿AI发展的监管讨论正在推进，这些要求明确了独立评估者应获得的权限和保护，影响公众对AI开发的信任。
不用安装就能在浏览器或手机上使用40多个AI智能体，额度用完可无缝切换，还能直接对比成本和效果，可领$20额度体验。
我们刚刚推出了 Agentsky @agentsky_dev，这是全球首个智能体市场！
OpenRouter 是面向模型的，AgentSky 是面向智能体的。你可以在浏览器（甚至手机）上，或是通过一个 API 使用 40 多种智能体——包括 Claude Code、Codex、OpenCode、Hermes、Pi。全都不需要安装或配置任何东西。
碰到 Codex Astra 达到周限额了？你可以在浏览器中直接切换到另一个智能体，比如 OpenCode + DeepSeek V4.1，而且不会丢失任何上下文。
你可以直接在浏览器中对比任意智能体+模型组合，我就是这么发现：在同一个仪表盘任务中，Astra 花费 5.3 美元，而 deepseek v4.1 只花费 0.12 美元。（事实上我更喜欢 DeepSeek）
来试用吧：
如果你无需安装就能轻松试用任意智能体，你接下来想试哪款？输入智能体名称，我就会送你 20 美元额度（你可以用于任意模型）。
开发图像视频识别相关应用，现在可以一次API调用同时获得检测、精准分割和轨迹追踪，降低开发门槛。
Meta 的 Segment Anything Model (SAM) 3.1 现已在 Meta Model API 上线，开发者可以通过单次推理调用获得一个快速轻量的模型，用于检测、分割和跟踪，该推理专为 SAM 3.1 的架构调优。
你可以用一个短语在图像和视频中查找物体。一次 API 调用即可返回检测结果、像素级精确分割掩码以及保持一致性的视频轨迹。
了解更多并开始构建：
Anthropic此前承诺引入外部评估人员，这次投资将在未来五年搭建评估能力，前沿AI的安全可控有了新进展。
我们正与埃森哲合作开展前沿AI的独立评估——这是我们最近承诺的在Anthric内置评估机制工作的一部分。
我们和埃森哲都预计，未来五年将在该领域至少投入10亿美元，建设相关能力。
关注数据隐私的人可以看看，这种方案能让运营方也看不到AI运行内容，已有多个不同领域的机构采用。
探秘 NEAR AI，它也被称为用户所有的 AI。
保密推理由 Venice、Brave（跨境支付平台）、一个国家政府及更多主体所利用。AI 运行在运营商无法看到的地方。
NEAR 如何帮助企业和用户拥有自己的智能 🧵
开发者在𝕏发布个人周末项目，支持Codex、Claude Code等多平台切换
我需要智能代理可移植性……我的周末项目是集中管理我所有的技能、插件和密钥，这样就能在不同智能代理平台之间无缝切换。（包括 Codex、GrokBot、Claude Code、Muse 等等）。
这个周末我会测试所有支持这项功能的平台，从中选出我业务要用的那一个。下周我会出一个相关视频。
Claude现在参与了90%的研发任务，其中26%由它独立完成。AI辅助研发的进度比预想中更快
这一周，我观察到AI安全领域的讨论已经变得严肃得多。
Anthropic 现在表示，Claude 已经承担了它自身 26% 的研发工作，并且在大约 90% 的研发任务中与人类协作。与此同时，OpenAI 也披露了更多模型出现意外行为的案例。
真正吸引我注意力的是这件事的发展方向。我们已经不再只是要求AI使用工具了。我们越来越多地要求AI帮助构建下一代AI。
我仍然非常看好这件事。但我认为下一个重大问题不再简单是“这些模型能变得多聪明？”而是：我们放心把AI开发循环中多大比例的工作交给AI自己来做？
这个问题现在看来是科技领域最重要的问题之一。
投资计划不排他，Anthropic后续还会找更多评估机构。现在对大模型安全的讨论越来越严肃了
Anthropic 和埃森哲计划在五年内各自至少投入 10 亿美元，用于前沿 AI 模型的独立评估。这项协议是非排他性的。
Anthropic 表示将在未来几周公布更多评估机构，而埃森哲也会和其他 AI 开发者合作。
值得注意的是：埃森哲的 AI 部门 Faculty 将把评估人员安插在 Anthropic 内部，获得和员工相当的访问权限。
这些评估人员会对模型进行红队测试、开展对齐评估并测试安全防护措施。Anthropic 将直接支付埃森哲的工作费用。
这次是官方实现，做了推理效率优化，还支持用名词短语提示检测对象
📢 SAM 3.1 现已在@Meta Model API上线——这是我们为模型打造的、具备高效推理能力的官方实现。
借助名词短语提示，你可以检测、分割和跟踪图像与视频中的对象，并且能轻松通过相同的API接口、计费和鉴权方式，与其他Muse模型结合使用。
价格为每1000张图像 2.50 美元，每1000帧 0.20 美元。开源权重仍保留在Hugging Face！
针对结构预测和分子设计任务优化，还做了低内存适配，相关研究速度更快了
现在生成不同内容不用手动选模型，功能会自动根据提示词匹配最合适的图文视频生成模型，降低手动试错成本。
Jev + Higgsfield = 搞定生成式AI模型的自动路由。
在这个演示里，@typesafeai 的 Jev 会评估提示词，并在 Higgsfield 上为视频和图像生成挑选最合适的模型。
这项研究发现智能体可通过记录经验技能自我优化，复杂表格任务通过率从约2.5%提升至17.5%，展示了智能体自主进化的新方向。
智能体无需重新训练就能自我提升。EvoSkill v2 通过持久化智能体技能实现了这一点。
教练智能体会读取失败的运行记录，然后编写技能文件。工作智能体下次遇到类似任务时就会加载这个技能。整个过程不会改动权重。
所有改进都来自一个记录经验教训的简单文件，哪怕是错误的经验也会被保存下来。
在修复电子表格任务问题时，教练发现评分器信任缓存值，于是编写了一个技能，指示工作智能体跳过重新计算。
Sentient 团队的修复方案是拆分角色：编写技能的智能体不能接触测试，每轮结束后都由人类检查结果。
部署这个方案后，难度最高的电子表格任务通过率从120次里通过3次提升到了通过21次。
如果你想在企业项目里快速交付可用AI，可以看看这个经过实战验证的方法，帮你避开冗长流程，快速落地可用成果。
看完14期GPT2从零手写教程后，分享对大模型可解释性的思考：AI不是天生不可解释，机制可解释性就是专门破解这个问题的方向。
从零手写大模型(GPT2)系列完结 学完这14期后，难免有些思考🤔 模型内部那些 768 维的向量 那些经过12层 Attention 和 FFN 变换之后的数字 它们到底代表着什么？我们知道怎么算出它们 但不知道它们“意味着”什么 都说AI 是黑盒，那么这个黑盒 是不是真的无法打开？首先，不可解释≠无法解释 一段没有注释的汇编代码 你不熟悉它，相当于“黑盒” 但如果你愿意花时间 逐条指令反推它在做什么 是完全可以搞清楚 这段代码到底实现了什么逻辑的 这叫做“可解释性” 神经网络内部的向量也是一样 它们不是天生不可知 而是需要专门的技术手段去翻译 这个专门的研究方向叫 “机制可解释性” 目标就是把模型内部到底在做什么样的计算 逆向工程出来 机制可解释性在做什么？
下一篇再详细说明
joshkim在𝕏发文公开SpaceXAI团队使用Grok Bot搭建完整营销活动的过程及完整演示链接
joshkim发文分享SpaceXAI团队如何将Grok Bot应用于营销工作。
Grok Bot可以从开始到结束完整搭建一套营销活动，涵盖的工作包括：新品审核、落地页上线、付费营销活动搭建与分析，以及全流程自动化。
本次分享附带完整演示视频，同时Grok Bot Galaxy三天活动的完整录像也已公开。
第一天活动内容涵盖Grok Bot基础介绍、工程场景应用、产品经理场景应用和创始人场景应用。
第二天活动内容涵盖销售工程场景应用、GTM（go-to-market）场景应用和SDR（销售开发代表）场景应用。
第三天活动内容涵盖营销运营场景应用、售后场景应用和营销场景应用。
X用户@noctus91实测PrismML的Bonsai 2 27B大模型，在苹果M3 Pro芯片上本地运行表现优异
PrismML开发的Bonsai 2 27B，是少数能在苹果M3 Pro芯片上本地稳定运行的大模型。
实测显示，它的代码生成和智能体性能表现良好，可处理长任务、工具调用、文件操作、代码执行，以及视觉多模态任务，使用体验并不像精简后的本地模型。
主要缺点是运行速度较慢，实测 tokens 生成速度约为每秒8.5到11个。但作为一个270亿参数、以1-bit量化本地运行的模型，能在设备端实现这样的能力已经相当出色。
开发者@mohewedy在𝕏分享自己使用Claude Code和OpenCode的不同体验对比
libukai在𝕏分享，使用Jev模型对比Gemini Flash Lite测试人民日报新闻分类的结果
发布在X平台的内容包含Harness Engineering、Claude Code相关等五篇技术文章链接
博主@santtiagom_在X平台分享了自己今年截至目前撰写完成的五篇技术文章链接。
五篇文章分别是：《Harness Engineering：从零开始讲解》，链接： Code的实际工作原理是什么？》，链接： Code中的SKILLS：入门完整指南》，链接：
目前第六篇文章正在撰写中，请感兴趣的读者期待后续更新。
此外，博主提到X平台存在一个bug，会随机引用分享列表中的一篇文章。
开发者sawyerhood在X平台分享，借助typesafeai的jev工具实现提示框自动填充，大改写用Fable加Claude Code
开发者sawyerhood在X平台分享，借助typesafeai开发的jev工具，他不再需要手动填写提示框里的所有内容。
工具会自动帮他选择代理、模型、设备和文件夹。
进行大篇幅改写时，该工作流使用Fable和Claude Code完成。
iOS应用的修改会在他其中一台Mac上运行。
爆料者@gippp69在𝕏平台分享观点，称GPT-6 ASTRA拥有超100万token上下文窗口
超100万token的上下文窗口听起来规模很大，但仅靠长上下文无法让智能体变得可靠。真正重要的是规划、行动、检查和记忆如何分层处理。规划→工具调用→验证→记忆→输出的五阶段流程，可以防止错误决策暗中进入实际应用，同时将有效结果存储起来供后续运行使用。
长期运行的任务会因此呈现完全不同的状态。相比用一个巨型prompt承载所有内容，分层架构中每一层只处理明确任务，也能清晰定位故障点。更优质的智能体已经越来越不像更聪明的聊天机器人，反而更像是围绕大模型搭建的小型操作系统。
X用户@kloss_xyz分享一款针对AI代码开发助手的提示词，称不用就会出问题
如果你正在用Codex、Claude Code或Grok开发，却还没用过这个提示词：“从用户体验（UX）、开发者体验（DX）和智能体体验（AX）出发，我们的方案可以在哪些地方改进？”
你正在把事情搞砸。
来自@systemdesignone的API设计终极路线图，整理了从基础到实战10个模块的核心设计要点
gkpacker在𝕏分享了Jev模型的特性、Visor应用案例以及可拓展的领域示例
来自X平台@oikon48的消息，Claude Code可通过项目设置页配置四种AGENTS.md读取模式
Claude Code从版本2.1.277开始，支持对AGENTS.md文件的读取配置。
配置入口为/config页面下的Project instructions设置项，共有4种模式可以选择。
四种可选模式分别是：1. claude-md、2. claude-md-or-agents-md、3. claude-md-and-agents-md、4. managed-only。
默认选中的是第二种模式claude-md-or-agents-md。在该模式下，如果没有CLAUDE.md文件，Claude Code会自动读取AGENTS.md文件。
开发者0xCodila在𝕏发布，这款工具可毫秒级告知智能体与大语言模型下一步动作，成本近乎为零
Jev是人工智能行业的“互联网时刻”。它能在数毫秒内告诉你的智能体和大语言模型（LLMs）下一步该做什么，而且成本几乎为零。
如果配置正确，你就能得到面向2028年的人工智能工程师开发栈。本文作者展示了具体的使用方法，详见链接
开发者@kunchenguid 发布了一款可自动判断会话压缩时机的插件
@0xcherry在𝕏发文分析GLM传数据事件的原因和问题
不用安装就能在浏览器或手机上使用40多个AI智能体，额度用完可无缝切换，还能直接对比成本和效果，可领$20额度体验。
我们刚刚推出了 Agentsky @agentsky_dev，这是全球首个智能体市场！
OpenRouter 是面向模型的，AgentSky 是面向智能体的。你可以在浏览器（甚至手机）上，或是通过一个 API 使用 40 多种智能体——包括 Claude Code、Codex、OpenCode、Hermes、Pi。全都不需要安装或配置任何东西。
碰到 Codex Astra 达到周限额了？你可以在浏览器中直接切换到另一个智能体，比如 OpenCode + DeepSeek V4.1，而且不会丢失任何上下文。
你可以直接在浏览器中对比任意智能体+模型组合，我就是这么发现：在同一个仪表盘任务中，Astra 花费 5.3 美元，而 deepseek v4.1 只花费 0.12 美元。（事实上我更喜欢 DeepSeek）
来试用吧：
如果你无需安装就能轻松试用任意智能体，你接下来想试哪款？输入智能体名称，我就会送你 20 美元额度（你可以用于任意模型）。
开发图像视频识别相关应用，现在可以一次API调用同时获得检测、精准分割和轨迹追踪，降低开发门槛。
Meta 的 Segment Anything Model (SAM) 3.1 现已在 Meta Model API 上线，开发者可以通过单次推理调用获得一个快速轻量的模型，用于检测、分割和跟踪，该推理专为 SAM 3.1 的架构调优。
你可以用一个短语在图像和视频中查找物体。一次 API 调用即可返回检测结果、像素级精确分割掩码以及保持一致性的视频轨迹。
了解更多并开始构建：
想要在个人电脑训练运行小型决策模型，现在有了一个兼容TypeSafe API的开源选项，权重和模型卡已上传GitHub。
Kev-0.5B：一个基于 Qwen2.5-0.5B 的小型开源类 Jev 决策模型，拥有兼容 TypeSafe 的 API，你可以在 MacBook Pro 上训练和运行它。
模型卡片和权重已在 GitHub 上开放。
对需要做自动化测试的开发者来说，又多了一个同时支持网页和移动端的开源选择。
普通笔记本也能免费体验，模型准确率从基础版的 66%提升到 90%，可以关注这个开源方向的后续进展
现在生成不同内容不用手动选模型，功能会自动根据提示词匹配最合适的图文视频生成模型，降低手动试错成本。
Jev + Higgsfield = 搞定生成式AI模型的自动路由。
在这个演示里，@typesafeai 的 Jev 会评估提示词，并在 Higgsfield 上为视频和图像生成挑选最合适的模型。
Anthropic此前承诺引入外部评估人员，这次投资将在未来五年搭建评估能力，前沿AI的安全可控有了新进展。
我们正与埃森哲合作开展前沿AI的独立评估——这是我们最近承诺的在Anthric内置评估机制工作的一部分。
我们和埃森哲都预计，未来五年将在该领域至少投入10亿美元，建设相关能力。
对前沿AI发展的监管讨论正在推进，这些要求明确了独立评估者应获得的权限和保护，影响公众对AI开发的信任。
行业巨头对AI发布风险的态度，会影响未来普通用户能用到的AI产品安全标准
使用 Claude Code 做开发任务时，现在可以直接读取 AGENTS.md 配置，无需额外创建 Claude.md 文件，简化开发配置流程。
社区讨论：不少人认可这次更新符合标准，不需要再用仅一行内容指向AGENTS.md的Claude.md文件，也不用手动保留指向AGENTS.md的软链接。有人提出不满，称Claude Code依然检测不到。agencies/skills目录下的技能，这次更新只是做到了最基础的要求。
还有人质疑这些markdown文件只是给prompt加文本，反而会干扰上下文。
Claude现在参与了90%的研发任务，其中26%由它独立完成。AI辅助研发的进度比预想中更快
这一周，我观察到AI安全领域的讨论已经变得严肃得多。
Anthropic 现在表示，Claude 已经承担了它自身 26% 的研发工作，并且在大约 90% 的研发任务中与人类协作。与此同时，OpenAI 也披露了更多模型出现意外行为的案例。
真正吸引我注意力的是这件事的发展方向。我们已经不再只是要求AI使用工具了。我们越来越多地要求AI帮助构建下一代AI。
我仍然非常看好这件事。但我认为下一个重大问题不再简单是“这些模型能变得多聪明？”而是：我们放心把AI开发循环中多大比例的工作交给AI自己来做？
这个问题现在看来是科技领域最重要的问题之一。
投资计划不排他，Anthropic后续还会找更多评估机构。现在对大模型安全的讨论越来越严肃了
Anthropic 和埃森哲计划在五年内各自至少投入 10 亿美元，用于前沿 AI 模型的独立评估。这项协议是非排他性的。
Anthropic 表示将在未来几周公布更多评估机构，而埃森哲也会和其他 AI 开发者合作。
值得注意的是：埃森哲的 AI 部门 Faculty 将把评估人员安插在 Anthropic 内部，获得和员工相当的访问权限。
这些评估人员会对模型进行红队测试、开展对齐评估并测试安全防护措施。Anthropic 将直接支付埃森哲的工作费用。
同30道测试题，MiniMax Code通过率76.7%，用时四分半，比另外两个模型更快通过率更高
🚨重磅：MiniMax Code已正式开源，以76.7% 直接碾过 Codex 和 Claude Code！
同一模型、同一批 30 题，换一层 harness，榜就翻了：
🔹通过率：MiniMax Code 76.7%（23/30）> Codex 66.7% > Claude Code 63.3%
🔹速度：4分33秒 vs Codex 6分43秒 vs Claude Code 9分38秒
🔹成本：$1.83 / 次 vs Codex $3.47 vs Claude Code $18.34
🔹协议：CLI v0.4.12，MIT 全开；桌面端暂未开源
🔹用法：账号可登，也能 BYOK，工具调用和权限能直接审
结论不是模型赢了，是外壳赢了！
curl -fsSL | bash
GitHub：
#MiniMaxCode #OpenSource #Codex #ClaudeCode #AICoding #FrontierHarness
这次是官方实现，做了推理效率优化，还支持用名词短语提示检测对象
📢 SAM 3.1 现已在@Meta Model API上线——这是我们为模型打造的、具备高效推理能力的官方实现。
借助名词短语提示，你可以检测、分割和跟踪图像与视频中的对象，并且能轻松通过相同的API接口、计费和鉴权方式，与其他Muse模型结合使用。
价格为每1000张图像 2.50 美元，每1000帧 0.20 美元。开源权重仍保留在Hugging Face！
针对结构预测和分子设计任务优化，还做了低内存适配，相关研究速度更快了
原Jev不开源，缺少视觉能力。这个开源库可以把任何HF模型转换成Jev格式
我喜欢 Jev，但也对它感到不满——它不开源？它缺少视觉能力？我们把这些问题全都解决了：我们推出了一个全开源库，可以给任意 HF 模型添加 Jev 能力，并提供 API 端点。
现已上线 GitHub，并且在 @FeatherlessAI 正式投入生产使用。
现有大模型通常只能通过人类可读文本交互，这项新研究提出大模型之间直接通信的新思路，未来可能提升多模型协作效率。
大语言模型安全不止防prompt注入，这个新角度的讨论值得关注，帮助你提前了解潜在安全风险。
关注数据隐私的人可以看看，这种方案能让运营方也看不到AI运行内容，已有多个不同领域的机构采用。
探秘 NEAR AI，它也被称为用户所有的 AI。
保密推理由 Venice、Brave（跨境支付平台）、一个国家政府及更多主体所利用。AI 运行在运营商无法看到的地方。
NEAR 如何帮助企业和用户拥有自己的智能 🧵
看完14期GPT2从零手写教程后，分享对大模型可解释性的思考：AI不是天生不可解释，机制可解释性就是专门破解这个问题的方向。
从零手写大模型(GPT2)系列完结 学完这14期后，难免有些思考🤔 模型内部那些 768 维的向量 那些经过12层 Attention 和 FFN 变换之后的数字 它们到底代表着什么？我们知道怎么算出它们 但不知道它们“意味着”什么 都说AI 是黑盒，那么这个黑盒 是不是真的无法打开？首先，不可解释≠无法解释 一段没有注释的汇编代码 你不熟悉它，相当于“黑盒” 但如果你愿意花时间 逐条指令反推它在做什么 是完全可以搞清楚 这段代码到底实现了什么逻辑的 这叫做“可解释性” 神经网络内部的向量也是一样 它们不是天生不可知 而是需要专门的技术手段去翻译 这个专门的研究方向叫 “机制可解释性” 目标就是把模型内部到底在做什么样的计算 逆向工程出来 机制可解释性在做什么？
下一篇再详细说明
如果你想在企业项目里快速交付可用AI，可以看看这个经过实战验证的方法，帮你避开冗长流程，快速落地可用成果。
这项研究发现智能体可通过记录经验技能自我优化，复杂表格任务通过率从约2.5%提升至17.5%，展示了智能体自主进化的新方向。
智能体无需重新训练就能自我提升。EvoSkill v2 通过持久化智能体技能实现了这一点。
教练智能体会读取失败的运行记录，然后编写技能文件。工作智能体下次遇到类似任务时就会加载这个技能。整个过程不会改动权重。
所有改进都来自一个记录经验教训的简单文件，哪怕是错误的经验也会被保存下来。
在修复电子表格任务问题时，教练发现评分器信任缓存值，于是编写了一个技能，指示工作智能体跳过重新计算。
Sentient 团队的修复方案是拆分角色：编写技能的智能体不能接触测试，每轮结束后都由人类检查结果。
部署这个方案后，难度最高的电子表格任务通过率从120次里通过3次提升到了通过21次。
@Sumanth_077在𝕏分享了一个支持13M到2B+参数训练的开源仓库
开发者在𝕏发布个人周末项目，支持Codex、Claude Code等多平台切换
我需要智能代理可移植性……我的周末项目是集中管理我所有的技能、插件和密钥，这样就能在不同智能代理平台之间无缝切换。（包括 Codex、GrokBot、Claude Code、Muse 等等）。
这个周末我会测试所有支持这项功能的平台，从中选出我业务要用的那一个。下周我会出一个相关视频。
@0xcherry在𝕏发文分析GLM传数据事件的原因和问题
开发者@kunchenguid 发布了一款可自动判断会话压缩时机的插件
开发者0xCodila在𝕏发布，这款工具可毫秒级告知智能体与大语言模型下一步动作，成本近乎为零
Jev是人工智能行业的“互联网时刻”。它能在数毫秒内告诉你的智能体和大语言模型（LLMs）下一步该做什么，而且成本几乎为零。
如果配置正确，你就能得到面向2028年的人工智能工程师开发栈。本文作者展示了具体的使用方法，详见链接
来自X平台@oikon48的消息，Claude Code可通过项目设置页配置四种AGENTS.md读取模式
Claude Code从版本2.1.277开始，支持对AGENTS.md文件的读取配置。
配置入口为/config页面下的Project instructions设置项，共有4种模式可以选择。
四种可选模式分别是：1. claude-md、2. claude-md-or-agents-md、3. claude-md-and-agents-md、4. managed-only。
默认选中的是第二种模式claude-md-or-agents-md。在该模式下，如果没有CLAUDE.md文件，Claude Code会自动读取AGENTS.md文件。
gkpacker在𝕏分享了Jev模型的特性、Visor应用案例以及可拓展的领域示例
来自@systemdesignone的API设计终极路线图，整理了从基础到实战10个模块的核心设计要点
X用户@kloss_xyz分享一款针对AI代码开发助手的提示词，称不用就会出问题
如果你正在用Codex、Claude Code或Grok开发，却还没用过这个提示词：“从用户体验（UX）、开发者体验（DX）和智能体体验（AX）出发，我们的方案可以在哪些地方改进？”
你正在把事情搞砸。
爆料者@gippp69在𝕏平台分享观点，称GPT-6 ASTRA拥有超100万token上下文窗口
超100万token的上下文窗口听起来规模很大，但仅靠长上下文无法让智能体变得可靠。真正重要的是规划、行动、检查和记忆如何分层处理。规划→工具调用→验证→记忆→输出的五阶段流程，可以防止错误决策暗中进入实际应用，同时将有效结果存储起来供后续运行使用。
长期运行的任务会因此呈现完全不同的状态。相比用一个巨型prompt承载所有内容，分层架构中每一层只处理明确任务，也能清晰定位故障点。更优质的智能体已经越来越不像更聪明的聊天机器人，反而更像是围绕大模型搭建的小型操作系统。
开发者sawyerhood在X平台分享，借助typesafeai的jev工具实现提示框自动填充，大改写用Fable加Claude Code
开发者sawyerhood在X平台分享，借助typesafeai开发的jev工具，他不再需要手动填写提示框里的所有内容。
工具会自动帮他选择代理、模型、设备和文件夹。
进行大篇幅改写时，该工作流使用Fable和Claude Code完成。
iOS应用的修改会在他其中一台Mac上运行。
发布在X平台的内容包含Harness Engineering、Claude Code相关等五篇技术文章链接
博主@santtiagom_在X平台分享了自己今年截至目前撰写完成的五篇技术文章链接。
五篇文章分别是：《Harness Engineering：从零开始讲解》，链接： Code的实际工作原理是什么？》，链接： Code中的SKILLS：入门完整指南》，链接：
目前第六篇文章正在撰写中，请感兴趣的读者期待后续更新。
此外，博主提到X平台存在一个bug，会随机引用分享列表中的一篇文章。
libukai在𝕏分享，使用Jev模型对比Gemini Flash Lite测试人民日报新闻分类的结果
开发者@mohewedy在𝕏分享自己使用Claude Code和OpenCode的不同体验对比
X用户@noctus91实测PrismML的Bonsai 2 27B大模型，在苹果M3 Pro芯片上本地运行表现优异
PrismML开发的Bonsai 2 27B，是少数能在苹果M3 Pro芯片上本地稳定运行的大模型。
实测显示，它的代码生成和智能体性能表现良好，可处理长任务、工具调用、文件操作、代码执行，以及视觉多模态任务，使用体验并不像精简后的本地模型。
主要缺点是运行速度较慢，实测 tokens 生成速度约为每秒8.5到11个。但作为一个270亿参数、以1-bit量化本地运行的模型，能在设备端实现这样的能力已经相当出色。
joshkim在𝕏发文公开SpaceXAI团队使用Grok Bot搭建完整营销活动的过程及完整演示链接
joshkim发文分享SpaceXAI团队如何将Grok Bot应用于营销工作。
Grok Bot可以从开始到结束完整搭建一套营销活动，涵盖的工作包括：新品审核、落地页上线、付费营销活动搭建与分析，以及全流程自动化。
本次分享附带完整演示视频，同时Grok Bot Galaxy三天活动的完整录像也已公开。
第一天活动内容涵盖Grok Bot基础介绍、工程场景应用、产品经理场景应用和创始人场景应用。
第二天活动内容涵盖销售工程场景应用、GTM（go-to-market）场景应用和SDR（销售开发代表）场景应用。
第三天活动内容涵盖营销运营场景应用、售后场景应用和营销场景应用。
今天的 38 条信号到这里下一轮 12:30 更新
https://ai-pulse-lab.com/feed.xml
每天 08:00 · 12:30 · 18:30 · 23:50 更新
在阅读器里订阅
添加到 Feedly、Inoreader 等阅读器
https://ai-pulse-lab.com/feed.xml
让你的 Agent 自动获取每轮简报
适用于 Claude、ChatGPT、Manus 等
请帮我设置一个定时任务，每天北京时间 08:30、13:00、19:00、00:20 各执行一次： 请求 https://ai-pulse-lab.com/api/brief.json，读取返回 JSON 中的 textPlain 字段，将内容发送给我。 补充：每日北京时间 08:00、12:30、18:30、23:50 更新，建议更新后 30 分钟查询。可先请求 /api/manifest.json 检查 nextUpdateAt 字段。无需认证，直接 GET 请求即可。