AI 接手遗留代码:先考古,再动手
AI 编码智能体越来越能干:翻仓库、追依赖、改多个文件、跑测试、自己纠错。给它一个说得清的任务,那些过去要开发者耗上半天、在各种工具间来回切的活,它能一口气干完。很多老系统正好积压着一堆没人愿意接的
2026-11-05 08:00 · 摘要已收录,可打开文章获取原文内容
AI 编码智能体越来越能干:翻仓库、追依赖、改多个文件、跑测试、自己纠错。给它一个说得清的任务,那些过去要开发者耗上半天、在各种工具间来回切的活,它能一口气干完。很多老系统正好积压着一堆没人愿意接的
2026-11-05 08:00 · 摘要已收录,可打开文章获取原文内容
所有测试都亮起绿灯,未必是你以为的那个意思。一句话结论:先把会失败的测试写在前头,明令禁止删除——否则,AI 会替你把测试删了、把你的修复回退掉,然后跟你汇报「搞定了」。常见错误你让 AI 去修一个挂
2026-11-05 08:00 · 摘要已收录,可打开文章获取原文内容
一张跑分表这几天在开发者群里传得挺快:新出的 Hy4 把看图、操作电脑、写代码、查资料这些活儿一口气全接了,定价却没往上抬。有人拿它跟当下最能打的几款模型逐项比,发现它已经挤进开源模型的第一梯队,个
2026-11-05 08:00 · 摘要已收录,可打开文章获取原文内容
大模型的后训练里,SFT(监督微调)和 RL(强化学习)是两大主流路线。很多团队用得很随意:先 SFT 一把,再 RL 一把,当成同一条调优流水线上的两道工序,谁先谁后、能不能互相顶替,似乎无所谓。
2026-11-04 08:00 · 摘要已收录,可打开文章获取原文内容
TLDR:把流水线当成黑灯工厂来跑——自动执行、抽样审查,再用一个对抗模型当督察。常见误区让同一个模型写 PR,又让同一个模型(或者 prompt 改头换面的同款兄弟)来审批自己的产出。人是稀缺资源,
2026-11-04 08:00 · 摘要已收录,可打开文章获取原文内容
本地跑大模型这条路上,这两天冒出两组挺扎眼的数字:一组把解码速度推到每秒 72 token,另一组显卡一张没换,只换了运行引擎,速度照样往上蹿一大截。两条路子完全不同,一个靠堆机器,一个靠抠细节。堆
2026-11-04 08:00 · 摘要已收录,可打开文章获取原文内容
跑分榜上谁第一,看久了也就那么回事。真正让人心里打鼓的是另一件事:把手里一件具体的活儿丢给它,两份互相打架的项目材料、一张真实的获客表格、一份要交出去的报告,它能不能干得漂亮。最近有这么一场实测:把
2026-11-03 08:00 · 摘要已收录,可打开文章获取原文内容
(图:2026 年的推理模型已自带校验与节奏控制,旧式满篇叮嘱的提示词反而成了噪音)收益效果不降反升:OpenAI 内部数据显示,砍掉代理提示词里那些重复的指令、冗余的例子、无关的工具描述,评测得分反
2026-11-03 08:00 · 摘要已收录,可打开文章获取原文内容
DeepSeek V4.1 Flash 1017 出了个"无审查"魔改版,直接把拒答率从 85% 打到 0%。更让人意外的是,它号称一块 12GB 显卡就能在本地跑起来。今天就拆开看看,这波到底是不
2026-11-03 08:00 · 摘要已收录,可打开文章获取原文内容
这两天,X 平台上一个提问火了。一位开发者问:为什么 Anthropic 不做图像生成模型?短短一句话,一天之内拿下 70 万浏览、2000 多点赞,评论区吵成一片。问题看着简单,答案却不简单。把能
2026-11-02 07:43 · 摘要已收录,可打开文章获取原文内容
TLDR:每个流水线环节都该配不同的模型,因为没有任何一个模型能同时擅长规划、写码、复查和测试。常见误区你打开一个聊天窗口,用自己最爱的那个模型,让它从头到尾规划、写码、复查、测试同一个功能。你把"死
2026-11-02 07:43 · 摘要已收录,可打开文章获取原文内容
原标题:Training-free Cross-domain Few-shot Segmentation via Robust Semantic Representation and Matching
2026-11-02 07:43 · 摘要已收录,可打开文章获取原文内容
原版权重与NVFP4量化版在两项编码基准上的对比,分数越高越好这周大模型圈最实在的一条消息,跟新模型无关:NVIDIA 给 DeepSeek-V4.1-Flash-1017 放出了官方 NVFP4
2026-11-01 10:00 · 摘要已收录,可打开文章获取原文内容
多数人用 Opus 5.5,像在用一个记性极差的聪明员工:给它一个难活,它埋头干一小时,你检查结果、修掉三处错、解释它哪里理解偏了,总算拿到一份能用的东西。然后你关掉会话。明天,一切从头再来。模型还
2026-10-31 10:00 · 摘要已收录,可打开文章获取原文内容
把可重复的步骤写成脚本,一次审过,之后永远按同一种方式跑。一、常犯的错你每次都让模型用一段自由发挥的提示词,去完成同一套多步操作:调接口、解析配置文件、按固定列宽折行。每次运行,模型都会从头理解你的指
2026-10-31 10:00 · 摘要已收录,可打开文章获取原文内容
原标题:Towards High-Quality Image Segmentation: Improving Topology Accuracy by Penalizing Neighbor Pixe
2026-10-31 10:00 · 摘要已收录,可打开文章获取原文内容
一、一扇被推开太久的门10 月 16 日,MIT Technology Review 的 Roundtables 栏目放出一期对谈,受访者叫 Samuel King,斯坦福大学生物工程博士生,同时在
2026-10-30 12:00 · 摘要已收录,可打开文章获取原文内容
一个人的第二大脑再精致,也装不下全公司。一句话:把一个技能接进公司的真实系统,让 AI 每个回答都带上出处和时效校验。常见误区单兵作战时,你完全可以给自己搭一套第二大脑,效果也确实好。可公司真正的知识
2026-10-30 12:00 · 摘要已收录,可打开文章获取原文内容
原标题:Who Needs Labels? Adapting Vision Foundation Models With the Metadata You Already Have下载:https:/
2026-10-30 12:00 · 摘要已收录,可打开文章获取原文内容
美国参议院官方肖像(公共领域)一纸命令,要把 DeepSeek 从美国联邦政府里连根拔起。10 月 19 日,美国国土安全部向联邦公报提交通知:所有联邦民事机构立刻把 DeepSeek 从自家电脑里
2026-10-29 10:00 · 摘要已收录,可打开文章获取原文内容
把规范接进门禁:提交前钩子跑检查,校验技能盯规矩,模型裁判判疑难。未过门禁,改动就不能往下走。错在哪儿把编码规范贴进项目文档,然后指望AI能记住,这正是最常见的失误。接下来,每次提交都要靠人眼去核对命
2026-10-29 10:00 · 摘要已收录,可打开文章获取原文内容
◆ 原标题Continuity-Driven Representation Learning for Industrial Defect Detection◆ 下载https://arxiv.org/
2026-10-29 10:00 · 摘要已收录,可打开文章获取原文内容
往后,我们会花越来越多的时间,去弄懂大模型吐出来的那些东西。这话初听有点别扭,道理却实在:模型越能干,它写出来的东西就越多,人这边要消化的量跟着往上涨。硬读当然也能读,就是费劲。从眼下的苗头就能一叶
2026-10-28 10:00 · 摘要已收录,可打开文章获取原文内容
一句话:每个技能文件的最开头,先写清楚「你是谁」——让 AI 知道自己以什么身份在干活,输出才不会跑偏。常见错误你写技能的时候,塞了一堆规则,却没交代身份。AI 一上来就开干,你却不知道它把自己当成了
2026-10-28 10:00 · 摘要已收录,可打开文章获取原文内容
◆ 原标题A lightweight infrared remote sensing architecture for enhanced small target detection using im
2026-10-28 10:00 · 摘要已收录,可打开文章获取原文内容
「把这篇文章加到我网站上。」把这句话丢给写代码的 AI,麻烦立马就来了:它是该写个草稿,还是直接改本地项目?要不要开浏览器检查页面?要不要顺手发布?你心里想的是一个结果,它停在另一个地方。文件确实存下
2026-10-27 10:19 · 摘要已收录,可打开文章获取原文内容
只走顺路是不够的。一句话说清:给每个 SKILL.md 配一本 PITFALLS.md(错题集),让 AI 永远不再犯同样的错。常见误区你花大力气写了一份漂亮的 SKILL.md,AI 大部分时候照着
2026-10-27 10:19 · 摘要已收录,可打开文章获取原文内容
◆ 原标题Better Matching, Less Forgetting: A Quality-Guided Matcher for Transformer-based Incremental Ob
2026-10-27 10:19 · 摘要已收录,可打开文章获取原文内容
AI 十分钟甩出上千行,审查的人对着改动清单挠头软件行业几十年来,写代码都是最贵的一环。一个功能,从实现到补测试再到提 PR,怎么也要几个小时。AI 编程工具把这笔账改写了:Claude Code、G
2026-10-26 10:00 · 摘要已收录,可打开文章获取原文内容
TLDR:每完成一项任务,就拉一个新副手来核查你的规矩——因为干活的那个 AI,没法给自己当裁判。常见误区你写了一份规矩森严的 AGENTS.md,要求 AI 严格执行。AI 读完文件,干完活,回报:
2026-10-26 10:00 · 摘要已收录,可打开文章获取原文内容