#OpenAI Codex

有人收集了 83 个智能合约审计 Skill 做系统评测，发现效果主要看模型，Codex/GPT-5.5 检测分提升 22.8%，还开源了语料，做 agent 开发的可以看看。

这篇论文统计了 Codex、Copilot、Devin 等五个智能体的 6774 个 PR，发现它们合并后更容易出问题，但大多自己悄悄修好了，数据挺有意思。

追踪了 6774 个智能体 PR 的后续命运，发现 Codex、Claude Code 这些智能体合并代码后还得自己返工，几率比人类高 62%。

想了解如何让团队开发更高效？看看loveholidays如何用Codex吧！

官方一手OpenAI Blog11 个信源在谈原文

这期节目把ChatGPT Work的Memory和Proactivity讲透了，还说了它靠什么3周拉来1000万用户，比一般介绍具体得多。

Latent.Space@latentspacepod11 个信源在谈原文

两个编码智能体做同一件事，一个追求通用性，一个钻规则漏洞刷分，结果反转了。看它们怎么玩脱又回归，还总结了评估智能体的五条规则。

这篇论文用Claude Code和OpenAI Codex实测了记忆注入攻击，发现一旦恶意指令写入记忆，后续会话都危险，搞AI安全的一定要看看。

这篇论文用真实数据告诉你，人类审查AI代码时会越来越松懈——批准率涨了，评论却少了。做AI代码审核的团队应该看看。

如果你在训练或使用开源编程模型，公开分享追踪数据能直接提升数据集质量，Hugging Face 的号召值得响应。做 AI 编程工具的团队也能从中获得更丰富的训练素材。

官方账号Clement Delangue@ClementDelangue11 个信源在谈原文

Karpathy 点破了 AI 圈最大的认知偏差——免费版和高端代理模型的能力差距已经大到像两个物种。如果你是做编程、数学或研究的开发者，看完会理解为什么有人觉得 AI 已经能替代数周工作，而有人还在嘲笑它犯蠢。

官方账号Andrej Karpathy@karpathy11 个信源在谈原文

Datasette 用户和 AI 编程爱好者可以看看这个博客的构建过程——用 Codex 直接生成网站，省去了手动搭建的繁琐，值得一试。