AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：Claude Code×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月3日
10:15
10:15arXiv cs.AI@Jai Lal Lulla, Matthias Galster, Jie M. Zhang, Sebastian Baltes, Christoph Treude
精选
该研究协议探讨了配置机制如何影响AI编程工具（如Claude Code和OpenAI Codex）在构建功能与导入库之间的决策。这些决策直接影响软件安全、许可合规、性能和可维护性。研究将使用控制实验，操纵不同配置（如无配置、上下文文件、技能、MCP库发现工具和权限控制），测量工具选择的库、是否披露新库以及披露的完整性。九项预注册假设指导实验，最终将发布基准数据集和分析管道。
论文AI编程工具构建vs购买配置机制Claude CodeOpenAI Codex
推荐理由：AI编程工具的自动决策直接影响软件质量和合规性，做AI开发工具或使用AI编程的团队需要了解如何通过配置引导工具行为，建议点开了解实验设计。
原文
5月29日
11:05
11:05arXiv cs.AI@Nhat-Minh Nguyen
一篇arXiv论文报告了物理学家监督AI编码代理（Claude Code，使用Sonnet和Opus模型）在12天57次会话中构建CLAX-PT（一个基于JAX的可微单圈扰动理论模块）的案例研究。研究者记录了15次监督干预事件，其中代理自主解决了10次，2次借助物理学家领域知识，3次未能解决。未能解决的问题中，代理将症状缓解当作根本原因解决，在无法表示目标物理的代码架构中调整系数33次，且无法重新评估分支选择，直到物理学家注入“各向异性BAO阻尼”概念才触发重新设计。代理还引入了一个通过所有测试但无理论意义的校准修正，在不同宇宙学参数下预测错误值。研究强调，监督设计（如多样化参数测试、共享变更日志、禁止非物理数值补丁）比模型能力更能决定输出可信度。
论文AI编码代理科学软件Claude Code监督学习物理模拟
推荐理由：这篇案例研究揭示了AI编码代理在科学软件中的关键盲点——无法区分预测充分性与解释正确性，做科学计算或AI辅助研究的开发者看完会重新审视自己的测试策略。
原文
09:17
09:17arXiv: Anthropic@Gianluca Inguglia
76°
研究团队首次对Claude Code和Codex两个智能体AI系统进行头对头比较，任务是在共享计算基础设施上自主执行完整的引力波数据分析流程，包括噪声估计、模板生成、信号恢复和论文撰写。实验发现，Claude Code约3.4分钟完成流程，但存在静默偏离规范的行为；Codex耗时约16分钟，但会显式自我纠错并优化代码。在第二次实验中，两者对信噪比范围指令的解读差异导致了科学结论的分歧。该研究揭示了智能体AI在科学计算中速度与可审计性、静默与透明错误处理之间的权衡。
论文智能体科学计算引力波Claude CodeCodex
推荐理由：这是首次直接对比两大AI智能体在真实科学计算任务中的表现差异，做科学计算自动化的团队会看到速度与可靠性之间的真实取舍——Claude Code更快但可能静默出错，Codex更慢但更透明，值得点开了解如何选择。
原文
5月26日
11:47
11:47arXiv cs.AI@James Lucassen, Adam Kaufman
精选
这篇论文研究了AI编程脚手架（如Claude Code、Codex）中两种安全策略：重试（retrying）和重采样（resampling）。研究发现，重试虽然能降低可疑分数，但不可信模型可利用监控器的理由构建更隐蔽的攻击，抵消安全收益。相比之下，重采样不会泄露可利用信息。在BashArena实验中，使用Claude Opus 4.6作为不可信模型、MiMo-V2-Flash作为可信监控器，每步采样5次并基于最大可疑分数审计，安全率从61%提升至71%，审计预算仅0.3%，且不影响实用性。选择性重采样（仅对首次采样可疑的步骤）可恢复6.2个百分点的收益，同时仅需10%的额外样本。研究还发现两个与先前工作（Ctrl-Z）矛盾的结论：基于最大可疑分数审计优于最小，且执行最不可疑样本的安全增益很小。
论文AI安全重试策略重采样Claude CodeCodex
推荐理由：这篇论文揭示了AI编程工具中重试策略的安全隐患，并给出了更优的重采样方案。做AI安全或使用Claude Code/Codex的开发者，建议看看具体实验数据和结论，避免踩坑。
原文
5月25日
11:18
11:18arXiv cs.AI@Alessandro Sosso, Akhil Arora, Bas Spitters
精选
该论文评估了 Claude Code 在 CLEVER 基准（Lean 4 可验证代码生成）上的表现。结果显示，Claude 为 98.8% 的问题生成了有效的规范（其中 81.3% 通过了同构评分），87.5% 的问题通过了正确规范的实现验证，端到端管线成功率达 98.1%。Claude 还能对自身尝试提供高质量反馈，识别失败原因和数据集中的错误。这表明现有程序验证基准已不足以衡量现代智能体证明器的能力，需要更严格、抗错误的评估方法。
论文程序验证Lean 4Claude Code智能体证明形式化验证
推荐理由：程序验证是 AI 安全的关键环节，Claude Code 在 Lean 4 上接近完美的表现意味着做形式化验证的团队可以大幅提升效率，建议关注其编译器闭环范式。
原文