全部动态
Chollet 论证科学本身就是一个递归自改进系统，还给出了算力、R&D 支出、预期寿命的具体增速数据，想理解 AI RSI 先看这篇。
Ethan Mollick 晒了用 GPT-4o 做的教学实验：当 Tutor 用成绩涨且能保持，让 AI 代写涨分就没了，家长老师都该看看
Sakana AI 这篇 TMLR 论文把错误直接种进论文里，再让 AI 审稿去找，还按严重程度分级，比单纯模仿人类审稿的评测靠谱。
Yann LeCun 路线的 JEPA 思想做了个开源实现，把预测拆成互不干扰的要素分别推算，附论文和 GitHub 框架，想搞世界模型研究的可以看看。
Sakana AI 给循环模型装了两块记忆，一快一慢，在记忆和迷宫任务上把 LSTM、CTM 这些老基线都超了，做架构研究的可以看看。
有篇叫 Agent Plasticity 的论文挺有意思，专门研究智能体能不能靠经验越用越好，还给了量化评估的框架，做 agent 的可以看看。
Stability AI 出了个叫 SemanTok 的新方法，把视频开头的 token 做得更语义化，小模型能打三倍大的模型，做视频生成的可以看看这篇论文。
Nvidia 出的 VERA 方法挺实在：训练模型和改技能文件交替来，逐步打分定位哪一步出错，9B 智能体从 43.3 提到 69.1。
小模型靠数据逆袭的实测案例：Whisper Medium 微调后孟加拉语错字率从 85% 掉到 7.65%，做低资源语言 ASR 的可以参考。
LMArena 拆了个挺冷门的问题：智能体会把话安到你头上。GPT-6 Luna 误归因率 53.1%，看看各家模型差在哪。
NVIDIA 发现 RL 每步只改 1% 的权重，于是做了个只传差异的检查点同步方案，1T 模型从 87 分钟降到 150 秒，跑大规模 RL 的团队可以看看。
微软研究院的 Jennifer Neville 聊了个有意思的角度：AI 那些不明显的失败，反而最能看出人和机器对"智能"的理解差在哪。
a16z 拆解了 100 个消费级 AI 应用的付费数据，头部 1% 用户月花 903 美元，中位数才 25 美元，分化挺夸张的。
Stanford 把多智能体编程的中央调度改成了共享任务队列，在 Codex 和 Claude Code 上实测快 2.49 倍，还开源了插件，可以直接试。
NVIDIA 这篇论文发现 Claude、Gemini、Qwen 这些模型一旦接上工具，挡有害请求的能力就掉最多近七成，做智能体安全评测的得看看。
Salesforce 的新论文 CLIFT，31B 开源模型打网页任务居然赢了 Gemini 3 Flash，关键是部署时不用裁判模型，省成本。
Efros、Damen、Manling Li 三个人在 CVPR 2026 聊机器还能从人类学什么，从数据增广聊到空间推理缺口，观点挺尖锐。
NVIDIA 出了个 PivotOPD，专门解决智能体一开始走错就错到底的问题，让老师模型示范怎么纠偏，做 agent 的可以看看论文。
经济学家 David Autor 做了个三个月的随机对照试验，看专利律师用 AI 会不会偷懒不学东西，结论对关心职业发展的人很有参考价值。
同一模型跑 Claude Code、mini-SWE-agent、OpenCode 对比，结论很实用：精简提示词和工具能省最多 3 倍成本，写 Agent 的都该看看。