最近，小编注意到一位全栈工程师 Rohith Singh 在Reddit上发表了一篇帖子，介绍他如何对四个模型（Kimi K2 Thinking、Sonnet 4.5、GPT-5 Codex 和 GPT-5.1 Codex）进行了实测。
为了同时解决知识的实时性和推理的复杂性这两大挑战，搜索智能体（Search Agent）应运而生。它与 RAG 的核心区别在于，Search Agent 能够通过与实时搜索引擎进行多轮交互来分解并执行复杂任务。这种能力在人物画像构建，偏好搜索等任务中至关重要，因为它能模拟人类专家进行深度、实时的资料挖掘。
基层医生的AI好助手来了！国产AI，更懂中国医生。
GPT-5不再只是更聪明的模型，而是一台学会犹豫的机器。它能判断问题的难度，分配自己的思考时间，甚至决定何时该停下。OpenAI副总裁Jerry Tworek在最新访谈中透露：GPT-5的真正突破，是让AI拥有了「时间感」。当机器学会克制，人类却愈加焦躁。也许我们教给AI的，不只是如何思考，而是如何重新做人。
我们的大脑蕴藏着待解的进化密码，而AI的未来或许正系于此。
CUDA 代码的性能对于当今的模型训练与推理至关重要，然而手动编写优化 CUDA Kernel 需要很高的知识门槛和时间成本。与此同时，近年来 LLM 在 Code 领域获得了诸多成功。
中科大 LDS 实验室何向南、王翔团队与 Alpha Lab 张岸团队联合开源 MiniOneRec，推出生成式推荐首个完整的端到端开源框架，不仅在开源场景验证了生成式推荐 Scaling Law，还可轻量复现「OneRec」，为社区提供一站式的生成式推荐训练与研究平台。
世界模型，着实有点火！今天，李飞飞重磅访谈放出，从AI革命兴起到下一个智能前沿——具备空间智能的世界模型。一场访谈，可以窥见AI教母关于AI未来的深刻洞察。
在号称「史上最严管控AI」的顶级会议ICLR 2026上，评审区却悄悄被大模型攻占。每五条审稿意见里，就有一条几乎全由AI一键生成。当作者怀疑评审是机器人写的、审稿人又怀疑论文是模型拼的，同行评审这台「科学秩序的发动机」，正一点点滑向一场没人承认、却无处不在的自动化实验。
在自动驾驶领域，VLA 大模型正从学术前沿走向产业落地的 “深水区”。近日，特斯拉（Tesla）在 ICCV 的分享中，就将其面临的核心挑战之一公之于众 ——“监督稀疏”。
