LLM 权重自改写深度解析:关键不在自我进化
解析 arXiv 论文 2611.21885:LLM 如何改写自身权重,以及评估器、回滚与复现为何比一次基准提升更重要。
Architect Labs 公开了 AI 参与设计并验证的 Frostbite CPU 架构。本文拆解它实际交付的内容、验证边界与商业化距离。
解析 arXiv 论文 2611.21885:LLM 如何改写自身权重,以及评估器、回滚与复现为何比一次基准提升更重要。
OpenAI 公开了模型参与芯片设计任务的工程流程。本文拆解 EDA 验证、Agent 闭环与落地边界,并给出可复用的五步方法。
Google DeepMind 已通过 Project Genie 开放 Genie 4。它能根据文本、图像或视频生成可交互环境,但距离成为可靠的 Agent 训练场,还要跨过物理规律、长任务一致性和现实偏差三道门槛。
Onlook 把画布叠加到真实代码库,让现有 AI Agent 修改界面源码。它能减少设计与开发之间的重复实现,但代码审查和测试责任不会消失。
Palo Alto Networks 以 45 亿美元收购 Applied Compute。本文拆解交易逻辑、Agent 运行时安全风险,以及后续最该关注的定价、迁移和多云兼容问题。
Gemini 4 Neon 的公开讨论重点,不应只停留在跑分。本文从工具调用、上下文缓存、失败重试和迁移成本出发,给出评估 AI Agent 的可执行方法。
StarSling 用临时沙箱、并行 CI 和持续优化 Agent 承接大量机器 PR。Launch HN 案例显示 Mastra 每月合并超过 1,800 个 PR,但实际降本仍缺公开数据。
FrontierHarness Eval v1.1 统计 27,280 次 coding agent 运行,其中 64% 的推理支出用于最终失败的任务。本文拆解失败成本,并给出可落地的评测与监控指标。
Microsoft Ignite 2026 一次推出七款模型。重点不是数量,而是 Azure 正把 AI Agent 的竞争从能力评测拉向单位任务成本。
微软同时发布 MAI Code 2 与 MAI Code 2 Flash。本文从延迟、推理成本、模型路由和任务成功率出发,判断代码 Agent 如何控制多轮调用账单。
哈佛研究称,AI coding agents 提高代码生成效率后,瓶颈转向 code review。团队要重做风险分流、提交粒度和责任链。