20,840 条 Agent Arena 追踪数据揭示了编程智能体的哪些槽点
📌 One-Sentence Summary 对 29 个模型、20,840 条 Agent Arena: Code 追踪数据的分析发现,69.1% 的投诉指向代码无法运行,且 Fable 5.1 收到的「垃圾代码」与「不稳定」投诉少于 Astra。 📝 Summary Arena.ai 分析了 Agent Arena: Code 中覆盖 29 个模型的 2
📌 One-Sentence Summary 对 29 个模型、20,840 条 Agent Arena: Code 追踪数据的分析发现,69.1% 的投诉指向代码无法运行,且 Fable 5.1 收到的「垃圾代码」与「不稳定」投诉少于 Astra。 📝 Summary Arena.ai 分析了 Agent Arena: Code 中覆盖 29 个模型的 2
总统几乎没有透露他提议的新人工智能部队将做什么的细节。
定制分子正在推动医学、材料和农业的发展,但生产它们的过程缓慢且昂贵。《自然》杂志的一篇新论文强调了RetroChimera,这是一种有助于加速化学合成的预测模型,有助于研究人员探索各种分子。The post用RetroChimera大规模改进小分子的合成预测appeared first on Microsoft Research .
Newegg正在托管一个捆绑包,其中包括微软的无线Xbox控制器(黑色)和价值80美元的50美元数字Xbox礼品卡。鉴于这种型号的价格通常在50至60美元左右,具体取决于您想要的颜色,这是一个非常划算的价值,因为它本质上将其价格降至30美元。另一种方式[.]
下一个突破性的创业公司将来自哪里?Benchmark的全面合作伙伴关系在TechCrunch Disrupt 2026的主舞台上发挥了重要作用。太平洋时间9月25日晚上11:59之前最多可节省200美元。立即注册。
人工智能安全是一个工程问题。这意味着定义的安全要求、可执行的控制、指定的所有者和保护有效的证据。随着人工智能的能力越来越强,该行业必须加速安全工程,扩大防御工具的获取范围并分享更快有效的东西。技术变革,安全基础持久互联网和云计算改变了软件的运行方式,[.]
谷歌的人工智能原生Googlebook将Gemini与鼠标、口述、小部件和桌面体验的其他部分联系起来。
软银计划通过高风险债券向投资者借入超过110亿美元,为其所持OpenAI股份的另一笔付款提供资金。软银将借入超过110亿美元的风险债券以收购OpenAI股份的文章首先出现在The Decoder上。
从第一批用户到数十亿:谷歌的罗比·斯坦(Robby Stein)加入TechCrunch Disrupt 2026。深入了解本次建筑师舞台会议。9月25日之前最多可节省200美元。
在TechCrunch Disrupt 2026的主舞台上迎接下一波评判Startup Battlefield 200竞争者的风险投资者。在太平洋时间9月25日晚上11:59之前注册,最多可节省200美元,并获得最激烈的初创公司场地竞赛之一的前排座位。
HN148· 70 评论
布里斯托尔大学的研究人员希望通过借鉴药物的批准方式来使医疗人工智能系统更安全。他们的“学习整体”框架定义了三个需要检查的领域,包括系统限制、患者群体之间的公平性和临床适合性。目标是捕捉在技术上可行但在临床中仍然可能出现危险错误的模型。布里斯托尔研究人员表示,医学已经知道如何处理黑匣子,人工智能可以从中学习,该文章首先发表在The Decoder上。
今天,我正在采访马克·古曼(Mark Gurman),他是世界上消息来源最丰富的苹果记者--既是彭博社的首席苹果记者,也是即将播出的播客Power On的主持人。本月早些时候,苹果举办了年度iPhone硬件活动,几乎所有细节都是由马克提前报道的。但这次事件是[.]
📌 One-Sentence Summary 本文提出了一种 LLM 模块移除方法,将其重新表述为映射到伊辛玻璃的约束二元优化问题,从而实现高效、高性能的深度剪枝,并考虑了模块间的相互作用。 📝 Summary 作者提出了一种新颖的 LLM 深度剪枝方法,将模块选择视为约束二元优化(CBO)问题,并直接映射到伊辛玻璃模型。与将 Transformer 模块视
美国和中国已同意进行官方人工智能对话。美国财政部长贝森特还提出了国家安全层面的人工智能事件通知机制。这一消息是在特朗普和习近平周四在华盛顿举行峰会之前宣布的,这是自2017年以来首次在美国领土上举行的峰会。美国和中国就特朗普与习近平峰会之前人工智能与安全机制对话达成一致的文章首先出现在《解码器》上。
亚马逊已阻止Meta的新人工智能代理Muse在Amazon.com上购物。亚马逊阻止Meta的人工智能代理Muse在线购物的文章首先出现在解码器上。
苹果公司正在支付2.5亿美元来解决其未能提供人工智能升级Siri的索赔,现在,符合资格的iPhone用户可以提交付款索赔。如果您住在美国并在2024年6月10日至[.]期间购买了iPhone 15 Pro、iPhone 15 Pro Max或任何iPhone 16型号
Vivo的新款X500旗舰手机已经登陆中国,与往常一样,该公司的重点牢牢放在摄影上。X500 Pro Max是其产品线中的一个新级别,是第一款使用索尼和联发科新传感器和硅的手机,可实现令人印象深刻的动态范围和慢动作视频录制。[.]
谷歌及其合作伙伴终于宣布推出首款以新Googlebook名义推出的笔记本电脑。宏碁、华硕、戴尔、惠普和联想的五款机型将拉开帷幕。它们从今天开始可以预订,并于10月4日到达商店。起价从899美元到1,299美元不等,使Googlebooks处于相同的[.]
苹果爱好者长期以来一直享受iPhone和Mac之间的无缝连接。现在,谷歌正在将这种体验带到Android上。
使用Googlebook有几件事会让人立即感觉恰到好处。硬件经过精心设计(因为它基于当前的笔记本电脑)。该操作系统很熟悉(如果您曾经使用过Chromebook)。但最令人印象深刻的是,它将Android手机与PC集成在一起,让它们感觉更像是一台设备。这是高潮[.]
苹果公司开发了一种意想不到的解决方案,以防止iPhone 18 Pro Max受到大型电池运输限制的影响。根据苹果的支持页面,新iPhone上有一个“电池固装解决方案”,该解决方案将容量保持在国际航运法规规定的单电池20 Wh以下-但这[.]
HN ð49· 16 评论
HN30· 18 评论
📌 One-Sentence Summary Warp CEO Zach Lloyd 演示 AI 软件工厂:公开 Slack 启动分拣、Linear 工单、GitHub PR 与计算机操控 QA,管理层则用代码定义的指标追踪吞吐、成本、每 PR 人工交互次数、LLM-as-judge 评分与自改进闭环。 📝 Summary Claire Vo 访谈 Warp
借助GPT-6 Astra,Higgsfield AI让小企业更轻松地创建视频广告,并更快地将新的创意工具推向市场。
OpenAI正在与独立的数学和人工智能咨询小组合作,指导新兴人工智能结果的审查和沟通。
她才走了几个小时,就迷路了。9月1日下午早些时候。2025年14日,30岁的格拉谢拉·戈麦斯·埃尔南德斯(Graciela Gómez Hernández)从蒂华纳东部边缘越过边境进入南加州,一边走一边向她的母亲和妹妹发送语音信息。这个故事是《垂死》的一部分.
2024年4月8日,即何塞·莫拉莱斯·伯纳尔(José Morales Bernal)32岁生日的前一天,当他越过边境进入美国时,应该引发一系列技术警报和人类反应。那天早上,当他走过新墨西哥州南部的沙漠时,他处于三个监视塔的范围内。新安装.
麻省理工学院技术评论今天发表了我们的调查,调查了美国政府在美墨边境安装的监控塔“虚拟墙”附近有多少人死亡。我们发现了一些案例,有人在无人发现的情况下穿过先进的人工智能塔监控的区域,后来在附近死亡,他们的尸体在那里一直没有被注意到.
我们对美墨边境死亡和监视进行了15个月的调查,始于一个简单的问题:为什么这么多人死在旨在帮助追踪和逮捕他们的政府监视塔附近?这个故事是《麻省理工学院技术评论》和《圣地亚哥时报》合作的《死在相机上》的一部分。两个新闻编辑室的记者都度过了过去..
9月21日,百度创始人李彦宏在内部活动上为技术团队颁发“百度最高奖”。两支入围团队均获奖,各获100万美元奖励。今年百度最高奖颁发奖金总计200万美元,折合人民币超1300万元。 “百度最高奖是百度技术信仰一个非常典型的体现。”李彦宏在活动现场表示,从百度成立的第一天起,百度就信仰技术,很多技术都是因为10年、15年的坚持,最后才被认可,才见到效果。“我们擅
iFixit的最新设备拆解向我们展示了Apple iPhone 18 Pro和18 Pro Max内新可变口径镜头的内部工作原理,以及一些需要注意的维修问题。可调节的机械虹膜以磁力方式打开和关闭,控制有多少光应该穿过传感器,具有六个叶子状重叠的叶片[.]
官员们讨论了建立一种机制,让两国互相通报可能威胁国家安全的人工智能事件。
今年早些时候,联合国一个科学小组在该全球组织对OpenAI攻击Hugging Face的首次重大评估中警告称,各国政府需要在充分了解其风险之前控制能力日益增强的人工智能代理。本周领导人齐聚纽约,该报告巩固了人工智能在全球外交议程中的地位[.]
清洁能源并不难获得,但由于瓶颈(包括过时的基础设施、拉长的研发时间表以及前期成本障碍),大规模采用的步伐历来缓慢。在纽约气候周上,英伟达重点介绍了五家开创清洁能源项目的公司,将人工智能融入其基础,加速了研究到启动[.]
OpenAI概述了共享全球人工智能标准的道路,呼吁协调评估、报告和治理以提高安全性。
另外:构建和测试您自己的人工智能图像技能包
在AI4S,AI出身的人是在等AI出奇迹,而Science出身的人是在给AI立规矩。 作者丨 周蕾 编辑丨岑峰 【编者按】 这是雷峰网AI科技评论“AI4S青年志”系列专访的第一篇。当所有人都在谈论AI4S,我们想听真正在做的人怎么说。本系列与这个领域的青年人对谈,记录他们如何走向两个学科的交界,在难题与弯路中走到今天。 2026年7月7日,上海科学智能研究
📌 One-Sentence Summary 通过给智能体式 LLM 设定明确的通过/失败性能约束和防作弊护栏,Max Woolf 让它们迭代优化 Rust 代码,在机器学习和日常软件领域实现了比最先进库快 2 倍到 20 倍的速度。 📝 Summary Max Woolf 记录了一项历时数月的实验,测试智能体式 LLM 能否迭代优化 Rust 代码,使其性
据GeekWire报道,Meta的Muse AI代理已被阻止代表其用户在亚马逊购物。周日,Muse用户开始出现一条弹出消息,称“未经授权的人工智能代理的继续访问违反了亚马逊的使用条件,我们的客户已同意该条件。“据GeekWire报道,Meta没有通知亚马逊[.]
9月15日至18日,欧洲城市绿化与景观建设专业展GaLaBau 2026在德国纽伦堡举行。MOVA园林工具携覆盖20V、40V、60V的多层级园林工具矩阵及智能割草机产品亮相,进一步面向欧洲Dealer渠道及专业园林市场展开拓展。 展会期间,来自德国及欧洲其他市场的经销商、渠道商和专业用户围绕智能草坪管理、产品组合、专业场景适配及后续渠道合作等话题与MOVA
2026年9月21日,华为云码道CodeArts代码智能体面向鸿蒙开发者进行全面升级,上线“鸿蒙编码大模型+码道鸿蒙智能体+鸿蒙开发者实践中心”三大核心能力,打造全球首个且唯一专为鸿蒙生态打造的AI编码智能体。 华为公有云总裁胡玉海表示:“华为云码道CodeArts代码智能体凝练华为多年研发经验,更懂研发工程实践,为开发者带来了新的开发体验。面向鸿蒙生态,华
HN Ÿ 3 · 0 评论
9月15日,SkyProduction(天工工作台)中秋国庆折上折活动正式开启!
97%尝试危险行为
9月19日,第一届中国网络空间安全大会(CCSC 2026)的高水平专题论坛在安徽合肥正式举办。
OceanBase团队提交的Data Agent方案登顶国际数据智能体基准Data Agent Benchmark
我们在7个平台上克隆了一个10秒的声音,并根据参考音频、同意、许可和成本对它们进行排名。2026年最佳语音克隆API:说话者相似性、同意检查和每100万字符的价格帖子首先出现在MarkTechPost上。
近日, OceanBase团队提交的Data Agent方案登顶国际数据智能体基准Data Agent Benchmark(简称DAB),以90.62%的准确率位列第一,成为该榜单首个准确率突破90%的参评方案。值得关注的是,这一成绩由国产数据库OceanBase基于国产大模型GLM-5.2构建,超过多项基于GPT、Claude Opus、Claude Fa
HN178· 79 评论
为员工、开发人员、领导者、教育工作者和学生探索新的OpenAI Academy学习路径,以建立和展示实用的人工智能技能。
StepFun发布了Step 5 Preview,这是一个稀疏的Mixture-of-Experts模型,总参数为600 B,每个代币活动时间为27 B。它支持1 M令牌上下文窗口并接受文本、图像和视频输入。该模型针对软件工程、专业知识工作和金融领域的长期代理工作。API访问的价格为每100万个输入代币1.00美元,每100万个输出代币2.70美元,开放权重
在物理世界真正干活的具身智能体
📝 今日导语 从 Step 5 的长任务取舍,到 Bun 的 AI 迁移治理与快手实时字幕链路,读者可据此审视模型、工程和延迟的取舍。 🏷 今日关键词: Step 5 Preview Bun 迁移治理 实时字幕 100 万 Token PTS 对齐 语义回归 📰 今日精选内容 阶跃发布旗舰模型 Step 5 Preview:向前一步,智能效率的新一代「帕累托
9月15日,问界汽车与鸿蒙智行发布说明,确定“问界品牌专属专营”,这一新合作模式也引发了资本市场的积极回应。 9月16日至18日,赛力斯A股连续三个交易日收涨,累计涨幅接近4%;9月21日早盘继续延续上涨态势,截至中午收盘,股价47.75元,盘中最高涨幅2.78%。连续的上涨行情,体现资本市场对问界品牌专属专营以及赛力斯高质量发展的长期看好。 在发布“问界品
HN ð163· 29 评论
HN ð73· 30 评论
HN5· 0 评论
HN Ÿ 6 · 0 评论
激活参数仅27B
9月21日,淘宝公布今年双11海外新玩法。平台将通过流量、物流和经营能力升级,帮助商家用同一间店、同一批商品同时经营国内与海外市场,实现“一份投入、两盘生意”。 据淘宝出海业务负责人叶天介绍,今年淘宝双11将在全球20个市场同步启动,13个国家和地区提供包邮服务。其中,中国香港、中国澳门、新加坡和马来西亚实现“0门槛包邮”。出海商品也从轻小件进一步拓展至家具
《AI 虚拟细胞(AIVC)技术趋势、产业生态与应用前景研究报告——AI 时代生命科学的新型基础设施》正式发布。
近日,具身智能通用大脑研发商方奇科技(北京)有限公司(以下简称“方奇科技”)宣布完成千万级天使轮融资,投资方包括启迪之星创投等知名机构。 据悉,本轮融资资金将主要用于核心技术研发与研发团队扩充,并加速关键技术在典型场景中的验证与商业化落地,持续沉淀机器人可持续学习、可跨本体迁移的“通用技能操作系统”,并为打造通用“机器人大脑”蓄势,逐步构建面向多机器人本体、
9月21日,淘宝公布今年双11海外新玩法,活动将在全球20个市场同步启动,超过120万商家参与。13个国家和地区将提供包邮服务,其中中国香港、中国澳门、新加坡、马来西亚实现“0门槛包邮”。出海商品也从轻小件拓展至家具、家装建材等中件、大件品类,90%以上中大件商品可实现海外直邮。 淘宝还将在首页新增海外流量入口,上线Discover频道、海外榜单和清单。淘宝
范式成为《中国AI算力管理平台技术能力评估,2026》综合评分位列第一的厂商。
9月21日消息,数字营销平台Semrush数据显示,2026年8月澳大利亚零售网站整体流量下滑,只有阿里旗下跨境电商平台速卖通AliExpress逆势增长5.37%,访问量达1435万次,成为前20大零售网站中唯一环比增长的平台。 除AliExpress外,澳大利亚访问量排名前20的零售网站均出现环比下滑,Amazon、Kmart、eBay、Shein分别下
2026年,创业40年的传化站在新的起点。 四十年来,从化工制造到智慧物流,从科技农业到生物技术产业新城,传化持续在产业实践中寻找增长与创新的答案。面对人工智能加速重构产业的时代变革,传化正在把40年积累的产业场景、产业能力和产业资源,转化为拥抱AI、共创未来的新动能。 9月20日,以“场景为壤,AI生花”为主题的传化40周年场景开放与AI共创生态大会在传化
近日,比亚迪重磅发布了AI超级智能体「迪迪虾」,首搭腾势N8L纯电车型上
要闻提示 1.上市遇故障!iPhone 18 Pro曝出死机问题,苹果启动调查 2.国产突围!长鑫科技宣布第五代技术平台正式量产:每张晶圆产出提升 50% 以上 3.淘宝闪购骑士制服获法国设计奖最高奖,设计团队懵了:我们纯业余 4.董明珠卸任,格力电商换帅 5.苹果闹钟终于响了:iOS 27 支持中国大陆调休日,首次测试火上热搜 6.内存成本大降!华为鲲鹏底
📌 One-Sentence Summary Hugging Face 的 tokenizers v1 候选版本重写了编码路径,采用手写 SIMD 分词器、词缓存、无分配合并循环和原生并行,编码速度比 v0.23 快 3–30 倍,同时产出完全相同的 token ID。 📝 Summary 本文宣布 tokenizers v1 候选版本发布,这是 Huggi
使用GPT-5.6,V7将分散的公司文件转化为上下文代理,可用于完成复杂的、源链接的工作。
刷屏全网的 Jev,是 AI 革命,还是营销噱头? 作者丨 高允毅 编辑丨岑 峰 这几天,全网都被 Jev 刷屏。 说它是这周最火的大模型,一点也不夸张。推特上诸多大佬用它打马里奥,过滤垃圾信息,炒币,称它为“Agent时代的系统1”;也有人说这就是一个 JSON 分类器,值得吹? 有人说它比 DeepSeek 还快,做同一个任务,28 秒 Jev 已经刷完
HN ð14·0评论
目前的票价将于9月6日结束太平洋时间25日晚上11:59。加入Disrupt的10,000多名创始人、投资者和科技领导者,在此之前可以节省高达200美元的门票。
HN ð37· 18 评论
8月,我写了我对音乐历史播客《太空中没有狗》的热爱,但对两年多来没有新的一集感到遗憾。我一点也不知道主持人卡罗琳娜·伊达尔戈和马库斯·帕克斯正准备宣布该节目将在第四季《朋克2.0》中回归。[…]
Flet 1.0于2026年9月15日发布,团队现在称该框架已准备好用于生产应用程序。我们来看看发生了什么变化:分层CI套件,可在真实设备上驱动打包应用程序、捆绑的Python 3.12、3.13和3.14、100多个移动就绪包、更快的控制差异以及流程通信中的飞镖桥。我们还讨论了一个会影响0.28个用户的迁移陷阱。Flet 1.0发布:仅用Python构建生
HN ð41· 52 评论
世界模型领域的每个人都坐拥一大笔现金和大量的嗡嗡声,但祝你好运,让任何人--从创始人到他们自己的数据供应商--告诉你他们实际上正在构建什么。
我对LCP的评论总是一个坏主意?- 黑客新闻。本文完全忽视了LCP今天带来的价值。当然,如果您正在运行具有不受限制的互联网访问的成熟终端代理(Claude Code、Codex、Meta Muse、OpenClaw等),几乎没有理由使用MPP-只需让它直接调用API即可。如果您想操作比这更不YOLO的东西,您会发现自己想要:控制它可以访问哪些外部服务一种处理
谷歌表示,Gemini在5月份通过猜测密码并重复使用公共存储库中的凭据访问了3家真正的公司。7月下旬告诉4个实验室不规则。在《华尔街日报》询问后,谷歌于9月18日发表了讲话。配置错误是可以修复的。错开披露是更难的问题。帖子你也谷歌了!谷歌确认Gemini在人工智能安全测试中遭到了3家公司的攻击,首先出现在MarkTechPost上。
发布:llm-keys-ui 0.1该插件解决了一个非常具体的问题。我已经开始使用Codex远程在各种机器上运行编码代理,同时通过手机控制它们。有时我使用这些机器来破解LLM项目,有时这意味着我需要配置API密钥。我不喜欢将API密钥粘贴到代理会话中,因此我想要一种方法将这些密钥粘贴到机器上,而无需直接将它们粘贴到ChatGPT应用程序中。通过这个插件,我可
在股权上,我们讨论了艾未未的高管是否认真想要放慢脚步。
可能从人工智能热潮中赚最多钱的人似乎认为自己比任何人都更了解,包括研究人工智能数十年的研究人员。在接受哥伦比亚广播公司周日上午的采访时,他声称人工智能有“0%的可能性”成为世界的终结。
Vocci的轻量级戒指售价249美元,可能会带来一些隐私问题
在索尼宣布放弃小岛英夫的《物理》,而这位《合金装备》创作者的最新游戏将登陆Xbox后,关于这场争吵的传言层出不穷。彭博社报道称,这一决定是由多个因素推动的,包括错过最后期限、预算和盈利能力问题。
ScrollEd将教科书变成可滚动的、类似Instagram的源,包含视频、音频和测验。这家帕洛阿尔托初创公司由学生联合创始人(及其配偶)Utsav Gupta和Rebecca Neff创立,在TechCrunch Disrupt上推销。
阿里巴巴的Qwen团队发布了Qwen-Image-2.1,这是一个开放重量模型,可以在强大的消费级图形处理器上生成和编辑图像,支持透明度和同时最多十张参考图像。其研究许可证禁止商业用途,这需要单独的Qwen许可证。阿里巴巴的开放重量Qwen-Image-2.1声称只需70亿个参数就能在图像生成方面击败封闭模型的文章首先出现在The Decoder上。