搜索
StartLux发布完全开源的StartLux-Decision，其27B版本在Decision Index 0.2.1的38项基准中有31项超过Jev 1.13，并以63.88分升至公开榜首。
Karpathy建议让LLM采用约80%的ASD-STE100规范，并生成图示、HTML交互页面或定制讲解视频，将输出转化为更清晰易懂的软件产物。
Google等提出RRSI，通过正则化Agent Harness自我改进中的Proposal与Selection，减少过拟合与复杂度累积，并提升未见基准上的迁移表现、降低Token成本。
Opus 5.5通过MV、3D游戏和机械沙虫等案例展示出编排完整创作流程的能力，文章指出爆款Demo正成为观察模型的新benchmark，但应结合时间、成本、工具与修改过程判断其成熟度。
Anthropic 为 Claude Code 默认开放可深度改装的 Mods，并推出拥有超 2000 个插件和连接器的 Claude Marketplace，但高权限与暂缺收益分成也带来安全和持续运营疑问。
Caltech的Anima Anandkumar团队利用物理信息神经网络（PINN）和自研优化器，在三维无强迫欧拉方程自由空间中求得奇点候选解，缩放指数收敛至约0.5，但最终证明仍待完成。
哈佛物理学家Matthew Schwartz用Claude和开源工具BootLoops处理可验证的科研任务，90天产出横跨18个学科的36篇论文初稿，并主张由人挑题、追问和验收，让AI发挥辅助而非替代科学家的作用。
大模型竞技场Arena让Claude Opus 5.5与GPT-6 Astra各自练棋200局，前者估算评分从约1500升至1760，后者从第29盘的1810降至1400，显示AI仅靠记录与复盘提升能力的表现并不一致。
Harvey联合创始人Gabe Pereyra表示，AI应用公司不必与大模型公司比拼资金和算力，可借助真实任务评测、领域专家、开源模型和外部研究团队建立持续学习能力。
Geoffrey Hinton联合Yoshua Bengio、OpenAI首席科学家Jakub Pachocki、Anthropic联合创始人Jack Clark等20多位AI研究者发布剑桥CASP报告，指出AI已深度参与自身研发，Anthropic内部AI生成代码占比已超80%，警告递归自我改进可能引发技术进步突然加速的「智能爆炸」。