当AI智能体不再变强：一场关于测试时间的诚实测量
2026年9月的某一天，一群研究者盯着屏幕上的曲线图发呆。他们让四个最先进的AI智能体，包括Claude、GPT-5.5、Kimi K2.7和Gemini，去解一道开放性编程题：把几千个形状不规则的多边形塞进一个尽可能小的矩形里。
Agent 评测不能只看回答对不对：从路由、RAG 到工具调用，怎么搭一套上线前评测体系？
Agent 评测不能只看最终回复，真正的风险藏在路由、检索、工具调用等中间环节。上一篇写智能客服 Agent 架构时，我留了一句话:评测不能只问回答对不对。
2020年12月新闻热词汇总
12月是总结的月份，中国媒体十大流行词和十大新词语发布；嫦娥五号完成我国首次地外天体采样返回任务；海南全省实施“禁塑令”；天津立法禁止收集个人生物识别信息；我国开始重点人群新冠疫苗接种；京雄城际铁路开通运营；太极拳申遗成功；反食品浪费法草案一审；盲盒制造商上市引热议；刑法完成新一
Linux内核被挖出948个漏洞，OpenAI花120万美元找到的
刚刚，Linux内核，被GPT挖出了948个漏洞😭。对，948个。。。要知道，这可不是什么犄角旮旯的小软件，这是Linux Kernel，是安卓、是全世界无数云服务器、是几乎所有超算背后共同的心脏。超过4000万行代码，几十年来全世界最顶尖的一批程序员在上面添砖加瓦。
一篇大模型Agents工作流优化最新综述
过去，人们总希望一个LLM直接把任务做完；现在，一个更现实的方向正在浮现——针对不同任务设计不同工作流，并让系统在执行前、执行中乃至执行后持续优化这条链路。
一句话让AI生成游戏，是真的还是吹牛逼？
10月22日，在Unreal Fest Shanghai 2026上，月之暗面Kimi开发者关系负责人及高级研发工程师唐飞虎，带来了主题为「眩晕瘫坐?
视频里的动作,光流一眼就看穿了
2014年,如果你去问一个计算机视觉领域的研究者,深度学习能不能识别视频里的动作,大概率会得到一个尴尬的沉默。那一年,AlexNet已经在图像分类上把所有人打得措手不及,深度学习几乎统治了静态图片的世界。但只要把静态图片换成一段视频,情况就完全反过来了。
这10个追问，美国必须回答
NataliaPoklonskaya, deputy chairman of the State Duma Committee on Foreign Affairs, has proposed verifying the legitimacy of US biological l
这10个追问，美国必须回答
NataliaPoklonskaya, deputy chairman of the State Duma Committee on Foreign Affairs, has proposed verifying the legitimacy of US biological l