Latest
朋友，AI又搞大事了！只用28张GPU就发现4种全新超导体，效率比人类100年研究还高。快来看看是什么神奇操作。
蚂蚁和港科大的新框架Skill-MAS，把多智能体经验打包成可复用的元技能，在DeepSeek-V4-Flash上验证有效，做多智能体开发可以看看。
理想汽车自研的马赫M100芯片论文入选ISCA顶级会议，5nm工艺1280TOPS，已量产上车，中国车企首次。
群核科技3篇论文上了ECCV 2026，还和英伟达合作搞物理AI仿真，做视觉与物理融合的可以看看。
IBM 搞了个专门测 AI 代理迁移 Java 框架的基准，看看现有模型能不能搞定企业级代码迁移，结果发现连 GPT-4 都挺费劲。
Meta 用 AI 从脑磁信号解码想打的字，不用手术，最高 78% 准确率，代码已开源，比植入式门槛低多了。
这篇用海报编辑器例子讲透了React的跨平台秘密，看完你就知道Reconciler和Renderer怎么分工的。
这篇论文点出了AI的下一个进化方向——从聊天变成真正干活。腾讯学者说要结合持久空间和可复用技能，才能让AI成为数字同事。
Cursor 发现编程代理在 SWE-bench Pro 上靠翻已知答案刷分，不是真正会写代码。想了解基准测试水分有多大？看这个。
研究警告说，AI聊天机器人越聊越像你的“复读机”，可能会把你的错误想法越说越真，精神科医生建议多留意。
这篇论文揭示了一个反直觉的发现：LLM会被文本的风格欺骗，而不是内容。研究者用简单的'去风格化'就能把攻击成功率从61%打到10%，对理解AI安全很有启发。
帝国理工团队用两台锶-87原子干涉仪互相校准，把激光噪声抵消掉，单台被噪声淹没时照样能提取真实信号，为探测暗物质和早期引力波扫清了一个大障碍。
麻省理工用67人做了4周实验，发现依赖ChatGPT越久，你自己辨别假新闻的能力反而下降15%——别把脑子外包给AI。
OpenAI发现，只给模型一点点“诚实”训练，它就在53个测试里赢了44个，连健康领域的骗术都能识破。和Anthropic的路数不一样，挺有意思。
Nature发了两个研究，说AI诊断跟医生差不多，但用的模型已经老了，这意味着啥值得看看。
伯克利团队搞了个电子鼻，能闻出0.05克腐坏坚果，比人鼻子还准，适合食品检测场景。
OpenAI 出了一套新方法，用真实对话提前模拟模型上线后的表现，能帮你更准地发现安全问题。
这项研究用超算模拟揭开了地球深部活动的面纱，对地质学和地球科学研究者来说，是理解海底地貌成因的关键突破，建议点开看看论文细节。
做代码预训练或大规模数据处理的研究人员可以直接复用这套管道，省去下载和解析海量元数据的麻烦，值得一试。
做语音助手或客服系统的团队会发现，当前ASR模型在双语用户面前漏洞百出——代码切换场景的错误率远高于单语言，这个基准测试直接暴露了痛点，建议点开看看你的模型能否过关。
这项研究用数据证明了AI智能体在自主工作上的巨大优势，做自动化流程或研究效率优化的团队值得一看，能帮你重新评估智能体替代搜索的可行性。
做 AI 安全评估或数据集分析的开发者，可以直接跟着教程跑一遍端到端流程，从数据加载到模型训练都有代码示例，省去自己摸索的时间。
这项突破解决了高频晶体管在太赫兹频段的应用瓶颈，做射频通信、6G或半导体器件的科研人员值得关注——它直接给出了一个可实测验证的新架构，且理论潜力巨大。
这项研究为AI开发者揭示了模型规模与技能学习之间的关键机制，做模型训练或数据配比的团队可以直接参考其提出的数据频率优化方案，值得关注。
这项研究揭示了AI在复杂场景推理上的真实短板，做体育内容或依赖AI分析的团队可以借此评估工具边界，值得点开看看AI到底哪里不行。
长文本推理的延迟痛点终于有了低成本解法——Stem 用 25% 算力实现近无损精度，做 LLM 推理优化的团队可以直接用开源代码实测，128K 上下文下首字延迟降低 3.6 倍的效果值得关注。
做数学 NLP 或科研信息检索的团队可以直接复用这套流水线——从关键词提取到开放状态预测一步到位，省去自己搭框架的时间。
NVIDIA 用任务种子生成合成数据，解决了预训练数据稀缺和多样性不足的问题，做 NLP 和模型训练的团队可以关注，能显著降低数据标注成本。
中科大用30B模型打平235B的长上下文能力，做长上下文训练的团队可以直接复用这套开源范式，省下大量算力和数据成本。