RAG效果不及预期，试试这10个上下文处理优化技巧。对大部分开发者来说，搭一个RAG或者agent不难，怎么把它优化成生产可用的状态最难。在这个过程中，检索效率、准确性、成本、响应速度，都是重点关注问题。
具身智能的「ChatGPT时刻」还没到，机器人的「幻觉」却先来了？在需要几十步操作的长序列任务中，现有的VLA模型经常「假装在干活」，误以为任务完成。针对这一痛点，北京大学团队提出自进化VLA框架EvoVLA。该模型利用Gemini生成「硬负样本」进行对比学习，配合几何探索与长程记忆，在复杂任务基准Discoverse-L上将成功率提升了10.2%，并将幻觉率从38.5%大幅降至14.8%。
如果说过去一年里，AI 让开发者生产力翻倍，那么如今它也开始以同样的速度放大风险。 上周，Google 刚刚推出的基于 Gemini 的全新 AI 编码工具 Antigravity，上线不到 24 小时便被一名安全研究员攻破，指出它存在严重的安全Bug。
作为得到AI学习圈的主理人，我的日常除了帮大家盯着AI领域的前沿动态，另一项重要任务就是高强度地测评和使用各种AI产品。说实话，在写作这类AI工具上，我经常感到无聊——很多工具生成的文章虽然快，但往往千篇一律。
“星巴克内部正在计划，希望在三年内为所有员工配备一个‘数字员工助手’，可能不止一个。有了这样的助手，我们会有更多的时间思考和创新，这些是 AI 永远也给不了的。”
特朗普按下「创世纪」按钮之时，美国举国豪赌「AI曼哈顿计划」！白宫给它起名叫——美国创世纪计划（US Genesis Mission）： 让AI直接参与提出科学假设、设计实验、分析数据，让「AI科学家」加速科研创新。
Gemini 3 发布之后这些日子里，我逐渐感到疑惑：为什么总让 AI 写网站写 PPT，Gemini 都发到第三代了，不能干点更有意思的事吗？
在软件开发领域，需求工程（Requirements Engineering, RE）一直是项目成功的关键环节。然而，传统 RE 方法面临着效率低下、需求变更频繁等挑战。根据 Standish Group 的报告，仅有 31% 的软件项目能在预算和时间内完成，而需求相关问题导致的项目失败率高达 37%。
基准测试（Benchmarks）在人工智能的发展进程中扮演着至关重要的角色，构成了评价生成式模型（Generative Models）性能的事实标准。对于从事模型训练与评估的AI研究者而言，GSM8K、MMLU等数据集的数据质量直接决定了评估结论的可靠性。
最近两周的模型竞赛非常热闹：OpenAI 在 11 月 12 日发布 GPT-5.1，引入更强的推理深度与更高效的对话体验；Google 在 11 月 18 日发布 Gemini 3，全面强化多模态理解与复杂推理能力；Anthropic 在 11 月 24 日又发布了 Claude Opus 4.5，模型在专业文档处理、代码生成与长流程 agent 方面有显著提升。
