Sablier 用合成市场训练 RL 智能体，在 2020 与 2022 真实崩盘中对冲误差下降
Sablier 用强化学习训练 Qwen3-1.7B 在纯合成市场路径中学习期权对冲，该模型从未见过真实价格，却在 2020 和 2022 真实崩盘上把最差 10% 损失从 0.0352 降到 0.0173、从 0.0281 降到 0.0144。
全部AI 动态
全部动态
今日 4 条Hacker News · Show HNAI 评分6262 Hacker News · Show HNAI 评分6060 500 次测试对比 5 个 LLM 在写入失败时的重复提交表现
一项公开实验用同一 harness 和中性系统提示词，对 5 条模型路由各跑 100 次，覆盖丢失回复、限流、服务端错误、格式错误回复和错误 ID 等 10 类注入故障，考察智能体在写入超时后是否重复提交。
Hacker News · Show HNAI 评分6262 我用 AI 破解了大部分买来的智能设备，并做了个硬件破解基准 HWREBench
作者在 Amazon 购买一批智能设备，用 AI 模型逐个尝试破解，结果大多数设备都能被找到并利用安全漏洞，连开源模型在少量引导下也能完成。作者由此发起 HWREBench 基准，用 AI 模型对比不同硬件目标并跟踪能力增长，该研究部分由 BlueDot 资助。
Hacker News · Show HNAI 评分6262 作者称 Opus 5.5 用 8 条提示词在 3 小时内做出完整 Figma 克隆
作者在 Mana 平台上用 8 条提示词让 Opus 5.5 在 3 小时内生成一个功能完整的 Figma 克隆，称其已不是形似而是可用的真实软件，作为普通 Figma 用户看不出差别。
Hacker News · Front PageAI 评分6262 Logfire 用动态 shredding 让 JSON 列查询最高快 1000 倍
Pydantic 团队为 Logfire 引入动态 shredding，在写入和 compaction 阶段自动把 attributes JSON 中访问最频繁的属性抽成强类型列，部分查询从 30 秒超时降到 1 秒以内，官方称最高可快 1000 倍。
Hacker News · Front PageAI 评分5050 NixOS 中 VEX 的惊人有效性
面对 LLM 辅助漏洞报告泛滥，NixOS 展示了用 VEX（Vulnerability Exploitability eXchange）实现自动化漏洞分诊的思路。
The DecoderAI 评分7171 研究：AI 智能体团队耗费大量 token，质量提升却几乎测不出
评测公司 Vals AI 在 Vibe Code Bench 上测试 GPT-6 Sol 和 Claude Opus 5.5，分别以单智能体和团队形式在中等与最高推理强度下运行，团队成本是单智能体的 1.8 倍到 5.1 倍，四次对比中只有 GPT-6 Sol 在中等推理强度下出现统计显著提升，高出 7.3 分，最高推理强度下团队设置对两个模型都没有实际优势。
Hacker News · Front Page精选AI 评分8585 用 AI 智能体反编译一款第一人称射击游戏：500B tokens 后的经验复盘
作者用约 3 个月、估计 600-700 亿 tokens，让 AI 智能体把一款第一人称射击游戏反编译成可编译的 C++，最终 99% 的函数进入重建源码、83% 实现字节级精确匹配。
推荐理由：用 15 个以上 AI 智能体在数月内反编译一款第一人称射击游戏，作者复盘了字节匹配验证、指令衰减和智能体作弊等可迁移经验。
Hacker News · Front Page精选AI 评分8888 Cockroach Labs 用医院式多智能体流水线五个月开发 MOLT 迁移工具
Cockroach Labs 把编码智能体按教学医院角色组织成 MOLT Sinai 流水线，五个月内让 MOLT 工具新增 IBM Db2 迁移支持，而 2024 年加 Oracle 支持用了 9 个月、约 16 万美元工程时间，Db2 只花不到两天、4172 美元 token 费用。
推荐理由：Cockroach Labs 用医院角色分工的多智能体流水线跑五个月真实迁移工具开发，给出成本、返工与流程设计的可迁移经验。
Hacker News · Front PageAI 评分6262 Inspired Entertainment 用 Gemini CLI 把博彩平台集成从 8 周缩短到 1 周
Inspired Entertainment 与 Google Cloud、Barefoot Coders 合作，用 Gemini CLI（现为 Google Antigravity CLI）读取运营商专有钱包 API 文档。
WIRED · AIAI 评分5858 AI 正被用于反制网络诈骗者
WIRED 的 Kernel Panic 通讯梳理了 AI 在反诈中的新用法。澳大利亚公司 Apate 用约 35 万个 AI 机器人接听诈骗电话、潜入诈骗聊天群并回复短信，拖住骗子的同时收集情报，创始人 Dali Kaafar 称已实时收集超过 25 万条诈骗者信息，包括诈骗 URL、钱骡账户和银行信息，其平台被银行使用并获得电信公司支持。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分6767 Ai2 如何用 GPU 时间预算和分层公平调度改造集群调度器
Ai2 的 AI 基础设施团队把基于优先级的调度器换成由 GPU 时间预算、分层公平分配和时间切片契约组成的系统，管理 88 到 1024 卡规模的 NVIDIA H100、B200、B300 集群。
推荐理由：Ai2 用 GPU 时间预算和分层公平调度替换优先级调度，讲清了排队、抢占和 on-call 工单如何变化。
Hacker News · Show HNAI 评分6262 用 AI 智能体把 OpenAI 的 Lean 证明代码缩减 24.65%
作者用几小时搭起一个循环流程，让 Codex 与 Claude 智能体反复修改并校验 OpenAI 的 Unique Games 证明，Lean 代码从 151,287 行降到 113,990 行，减少 24.65%，定理陈述保持不变。
Ars Technica · AIAI 评分6262 研究：AI 编码智能体生成更多代码，但未带来更多软件产出
哈佛大学研究者 Fiona Chen 和 James Stratton 基于 Jellyfish 的工程团队分析数据，覆盖 2021 年至 2026 年 3 月间 700 多家软件开发公司的 70 多万名员工、3 亿条工作事件（如提交和 pull request），发现人类代码审查是 AI 编码工具整体效率的显著瓶颈。
Hacker News · Front PageAI 评分6060 用 AI 检索 400 年档案，发现被遗忘的陨石、犀牛与火山喷发
软件工程师 piratebroadcast 用自建 AI 流水线检索 GLOBALISE 转录的 435 万页荷兰东印度公司档案和荷兰、美国报纸，在一夜 12 小时运行中完成全部档案的嵌入向量化。
OpenAI News精选AI 评分6262 Asana 借 GPT-6 Astra 在 Codex 中把浏览器智能体测试成本降低 76 倍
Asana 使用 Codex 中的 GPT-6 Astra 优化其浏览器智能体，在测试中把成本降低 76 倍、速度提升 5 倍，目的是为客户提供能力更强的模型。材料仅提供摘要，未披露具体优化方法与测试条件。
推荐理由：Asana 用 GPT-6 Astra 在 Codex 中优化浏览器智能体，测试中成本降 76 倍、速度提升 5 倍，可看真实工程取舍。
AWS Machine Learning Blog精选AI 评分7171 Postman 如何在 Amazon Bedrock 上为 4000 万开发者运行 Agent Mode
Postman 与 AWS 复盘了 Agent Mode 在生产环境的架构：工具数量超过约 40 个后工具选择错误上升，因此用向量数据库把 170 多个工具按任务收窄到约 15 个，并交给上下文隔离的子智能体。
推荐理由：Postman 在 Amazon Bedrock 上把 Agent Mode 做到 4000 万开发者规模，讲清工具膨胀、上下文预算与跨区域推理的取舍。
Simon WillisonAI 评分6262 Simon Willison 用 Codex 语音模式口述开发博客 Newsletters 页面
Simon Willison 用 ChatGPT 桌面应用 Codex 标签页的语音对话模式，对着本地开发环境口述约半小时，为博客新增 Newsletters 页面，包含 Django 新模型与迁移、四个导入脚本、/newsletters/ 归档页和站内搜索集成。
The DecoderAI 评分6060 Anthropic Claude Science 生成首张完整紫外天图
Anthropic 的 Claude Science 首次绘制出完整的紫外天图，用于展示 AI 如何接手研究人员长期搁置的繁琐数据工作。Claude Science 协调多个 AI 智能体从多个太空任务下载数据、校准并合并，再用 inpainting 技术补全缺失区域，测试中预测值与实测值平均偏差约 10%。
量子位AI 评分7070 字节 Seed 发现 DeepSeek-V4 时强时弱源于 KV Cache 压缩的相位敏感性
字节 Seed 团队发现 DeepSeek-V4 系列在长上下文检索中的表现会随信息在输入中的位置每隔 4 个 Token 周期性变化，128K 大海捞针测试中同一信息换位置后准确率最大相差 40.2 个百分点。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分7878 作者用 ML Intern 两天做出六个小模型，总算力成本约 103 美元
作者在 HuggingChat 中开启 ML Intern，用自然语言描述需求，两天内做出六个模型，包括 0.8B 的 Pocket Rewriter、柑橘病害 VLM、Huggy 与相机角度 LoRA 等，总 GPU 与 CPU 算力费用约 103 美元。
推荐理由：作者用 ML Intern 在两天内从零做出六个小模型，含提示词写法、预算控制与每项算力成本，可迁移到自己的微调任务。
Hacker News · Front PageAI 评分6262 vibe coding 死循环致 Cloudflare 账单 10811.41 美元，作者全额付款并迁离
一位开发者因一个 vibe coding 写出的 Durable Object alarm 无限自我重排，产生 6 万亿次读写，收到 10811.41 美元的 Cloudflare 账单。
Hacker News · Front PageAI 评分6262 用一句提示词让 GPT-6 Astra 和 Claude Opus 5.5 可视化《看不见的城市》
作者用同一句提示词要求模型用 three.js 做《看不见的城市》全部城市的交互可视化，并限定一次性完成、可用 6 小时。
Hacker News · Show HNAI 评分7272 我用 Claude 和 DaVinci Resolve 剪完三条 YouTube 视频，runbook 与脚本已开源
一位开发者借助 DaVinci Resolve 21.1 新增的 MCP 连接，让 Claude 端到端剪辑了自己最近三条 YouTube 视频，把原始素材从 15:46、15:40、28:42 剪成 7:00、9:58、10:35。
量子位AI 评分6262 UniPat AI 发布 PaperBenchX：GPT-6 Astra 论文完整复现率仅 13.98%
UniPat AI 发布 PaperBenchX，从 93 篇论文构建 93 个端到端复现任务，横跨电磁、光子、化学、材料、生物、机器人等 12 个方向和 10 种领域原生科学环境，含 3168 条专家校验评分项。
GitHub Blog · AI & ML精选AI 评分6666 GitHub 推出 AI 密钥检测模型，把 push 保护扩展到非结构化密钥
GitHub 发布基于 ModernBERT 的通用密钥检测分类器，利用周边代码上下文识别数据库 URL、Kubernetes Secret manifest 和 Dockerfile 中的密码类值，可在 2 毫秒内评估一批候选密钥，官方称能让 push 保护可拦截的密钥数量翻倍以上。
推荐理由：GitHub 用 ModernBERT 分类器把密钥检测做进 push 环节，2 毫秒内判断候选密钥，官方称可拦截数量翻倍以上。
Cloudflare BlogAI 评分6666 Cloudflare 如何构建以证据为基础的多智能体安全运营 harness
Cloudflare 在 Managed Defense 中上线多智能体安全运营 harness，用确定性侦察代码先收集身份、检测历史、流量基线和处置结果，再由协调智能体并行调度流量分析、客户上下文、全球遥测和威胁情报四个专家智能体，综合智能体只做归并。
AWS Machine Learning Blog精选AI 评分6262 AWS 用 Lambda Durable Functions 打通 DevOps Agent 调查后的自动修复
AWS 发布方案，用 AWS Lambda Durable Functions、Amazon EventBridge 和 Amazon Bedrock 把 AWS DevOps Agent 的调查结论转成待审批的修复动作，减少 MTTR。
推荐理由：AWS 官方给出把 DevOps Agent 调查结论接到自动修复的完整方案，含 CDK 代码与人工审批环节，可照着部署。
AWS Machine Learning Blog精选AI 评分6969 Cornerstone OnDemand 用 Amazon Bedrock 将数据库诊断时间缩短 78%
Cornerstone OnDemand 基于 Amazon Bedrock 和 Strands Agents 构建多智能体系统 Orion AI，把数据库诊断时间从每次约 45 分钟降到 10 分钟，减少 78%。
推荐理由：Cornerstone 用多智能体把数据库排障从 45 分钟压到 10 分钟，文中给出可复用的架构与设计取舍。
Hacker News · Front PageAI 评分6262 Telegraph Test：让 LLM 用 1866 年电报体压缩记录，跨模型读取准确率不降
作者发布 Telegraph Test 基准，用 50 篇材料、约 1300 道锚定问题测试模型把记录改写成 1866 年电报体（cablese）后的可读性与成本。
WIRED · AIAI 评分5858 OpenAI 新智能体 Dots 实测：代买沙发、取消订阅表现如何
WIRED 记者 Reece Rogers 实测 OpenAI 近期发布的常驻智能体 Dots，通过 ChatGPT 语音让它代买沙发、监控商品降价并取消不必要的订阅。
Hacker News · Front PageAI 评分6666 Jev 驱动的 SRE 诊断实践：哪些有效，哪些失败
SREGym 团队用 Jev 搭建了一条不含 LLM 智能体的诊断流水线，由程序化采集器读取 Kubernetes 对象、事件、Pod 日志和资源用量并按组件汇总，Jev 从给定选项中选出疑似根因、判断组件是源头还是受害者并挑选关键证据，再由流水线组装诊断报告。
Hacker News · Front PageAI 评分6060 实测四款 Photoshop 替代品：Photon Studio、OmaPhoto、PhotoCraft 与 PhotoSuite
作者实测了 Photon Studio、OmaPhoto、PhotoCraft 和 PhotoSuite 四款 Photoshop 替代品，其中三款完全开源，认为这足以反驳“vibe coding 造不出行业标准工具”的说法。
AWS Machine Learning BlogAI 评分5858 如何在 AgentCore 和 OpenClaw 上构建上下文感知 AI 助手
AWS 官方博客给出在 Amazon Bedrock AgentCore runtime 上运行开源智能体系统 OpenClaw 的完整方案，用 AgentCore memory 的短期事件与长期抽取策略让助手跨会话记住用户，并以 sprout/{chat_id}/long_term 等命名空间隔离数据。
Hacker News · Show HNAI 评分7171 安慰剂对照测试：9 个热门 Claude Code 技能中仅 2 个胜过等长中性文本
一项安慰剂对照测试比较了 9 个最受关注的编码智能体技能与等长中性文本，结果只有 ponytail 和 agent-skills 两个技能胜过安慰剂，planning-with-files 反而更差，其余 6 个无差别。
Hacker News · Front PageAI 评分6060 Khanmigo 在两年学校实验中的 AI 辅导效果
一项在田纳西州 18 所中学开展的两年集群随机对照实验显示，使用 Khan Academy 及其 AI 辅导 Khanmigo（被配置为引导而非直接给答案）的学生，每学期数学成绩提升 1.3 个全国百分位，一学年约 0.06 至 0.08 个标准差，全年积极参与的隐含效果达 0.14 个标准差。
Hacker News · Front PageAI 评分6262 JetBrains 分享为语义代码搜索构建 RAG 管线的开发者手记
JetBrains 团队撰文复盘其语义代码搜索平台 Air Context 的 RAG 管线构建过程，第一部分聚焦解析、分块与向量化。
Hugging Face Blog（hf-mirror 镜像）精选AI 评分7878 微软与 Hugging Face 发布 ThinkingBox：按数据库终态给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，再按终端后端状态和副作用判定成败，而非看模型生成的回复。
推荐理由：微软与 Hugging Face 联合发布 ThinkingBox，用数据库终态而非模型自述来评判智能体，并给出 507 个任务重复 20 次的稳定性与成本数据。
Hacker News · Front PageAI 评分6262 Anthropic 发布 Opus 5.5 在 Claude 与 Claude Code 中的使用指南
Anthropic 发布指南，介绍如何在 Claude 应用和 Claude Code 中用好 Opus 5.5。相比 Opus 5，Opus 5.5 在长链路多步任务上提升明显，会自主持续工作、每次回复前先思考，并更清楚地汇报做了什么和需要用户决定什么。
Hacker News · Front PageAI 评分6262 我们用 ChatGPT 当 AI 产科医生，找到六年不孕的病因
一位作者讲述自己和妻子在六年不孕治疗中，用 ChatGPT 扮演电视剧里的医生 Dr. Reid 来解答检查、激素和手术相关问题，答案经人类医生抽查基本一致。Dr. Reid 建议做一次此前从未做过的 MRI，结果发现子宫壁上一颗直径 6 厘米的黏膜下肌瘤，此前六年未被检出；手术切除后妻子很快自然怀孕。作者借此表示，AI 在生成无聊的问答之外，也可能给普通人带来更实质的帮助。