从 context 管理到 harness 设计，10 个让你的 coding agent 告别 context rot、成功率翻倍的实用习惯。

让 Claude Code 成功率翻倍的 10 个简单习惯

工业推荐排序全面转向 Scaling 工程化。阿里 SORT 订单+6.35%，快手 FlashEvaluator 和 SOLAR 分别优化评估器与注意力效率，字节 HAP 实现粗排计算预算自适应分配。生成式推荐进入目标对齐阶段，多模态去冗余与因果去偏粒度持续细化。36 篇论文深度解读。

Superpowers-ML：用 Superpowers 给 ML 实验做的 Harness Engineering

从 Vibe Coding 到 Agentic Engineering 的演进，系统梳理 Claude Code 命令体系、Skills 系统、Hooks、Subagents、MCP 服务器、辅助工具生态及核心工作流。

Claude Code 使用技巧与 Agentic Engineering

覆盖 101 篇核心论文（58 篇工业界 + 43 篇学术精选），系统梳理 2022-2026 年生成式推荐从学术概念到工业主流范式的完整技术演进。以 TIGER、HSTU、OneRec 等里程碑论文为核心，深入分析 Semantic ID、模型架构、训练范式、推理增强、长序列建模等关键技术方向。

生成式推荐 (Generative Recommendation) 工业界深度 Survey

这不是一篇教大家怎么实操文章，不谈具体的工具和技术，我们来谈谈Vibe Coding的心法。
Vibe Coding 本质是利用 Agent 编码，Agent 背后是 LLM，LLM 是人类的”幽灵“，这出自 Karpathy 2025 年终总结**：”we're not evolving animals. We're summoning ghosts.“，**语言是人类世界的投影，LLM 是人类的幽灵。
工具和技术层出不穷，这是历史上从未出现过的新技术，没有人有经验。但是人性是一致的，拿捏住 Agent 的"人性"，把 Agent 当人来管，会让Vibe Coding 从迷茫走向有迹可循。

Vibe Coding 核心心法：管 Agent，如带团队

TCA 是 GPU 的核心算力部件 Tensor Core 的时间周期的激活比率，它和 MFU 理论上应当非常接近，日常中会出现 10%～20% 的 GAP，相对稳定，我们就以观察 TCA 为准了。
本文的契机是，当我尝试优化 MFU，拿TCA 作为一个辅助的观察指标，我发现他们之间的 GAP 在一些特殊情况下是不稳定的。由此开始拆解MFU 和 TCA 的 GAP，发现了GPU 的时钟频率在变，矩阵维度不是cuBLAS选择的 kernel shape 的整数倍导致的padding 计算浪费，以及最诡异Flash Attention 2 的 TCA 是 51%，MFU 不到 8%，时钟频率矫正后TCA稳定的是 MFU的 4 倍！

TCA 51%，MFU 不足 8%——GPU 的隐藏性能损耗

NVIDIA 最近的博客文章显示，Blackwell Ultra 平台让 agentic AI 的推理成本相比 Hopper 时代下降了 35 倍（每 token 成本大幅崩盘），这不是孤立的巧合，而是符合 莱特定律（Wright's Law）的典型表现。

Blackwell Ultra 平台让 agentic AI 的推理成本相比 Hopper 时代下降了35倍

谜底就在谜面上。
"算法工程师"，做个语法分析，这是个偏正结构。"算法"是定语，"工程师"才是中心语。定语修饰中心语，中心语决定你的身份。
算法工程师核心能力就是"工程能力"。
就像策略产品、用户产品、B端产品——核心都是产品能力。前面的定语告诉你在哪个领域工作，后面的中心语才是你安身立命的东西。
定语决定你的赛道，中心语决定你的天花板。

算法工程师的核心能力是什么

我们先思考下，一个公司组织里，为什么需要 Leader，需要层级？任何一个超过几十人的组织都需要架构设计。这件事如此普遍，以至于我们很少追问：为什么需要组织架构？组织架构本质上在解决什么问题？
表面上看，组织架构是在划分职责、分配资源、明确汇报关系。但如果往下挖一层，会发现一个有趣的视角：一个组织本质上是一个分布式信息处理系统。 外部信息进来，内部处理，输出决策和行动。组织架构定义的，其实是信息如何在这个系统里流动——谁产生信息，谁消费信息，信息经过哪些节点，在哪里被过滤，在哪里被聚合。

算法组织熵减与Scaling Law的悖论

2017 年，Ilya Sutskever 读到《Attention Is All You Need》时，立即意识到”这就是我们需要的一切”。OpenAI 随即放弃了 RNN/LSTM 路线，全面转向 Transformer，催生出整个 GPT 系列。Transformer 的并行能力让他们得以实现一直相信的 Scaling 路径。八年后的今天，推荐系统终于走到了同样的路口。

2024 年之前，推荐领域有了 HSTU、TIGER 这样的工作，但大多数团队还在观望。2025 年，我观察到一个明显的转变：大家开始认真地把排序模型 Dense Scaling Up，搞生成式召回和端到端推荐。这很像 2017 年——当时大家忙着把 LR/GBDT/FM 切换到 Deep Model 和双塔，切换过程持续了一两年，之后再没人回头。我的判断是，2026 年将是推荐系统 All-In Transformer 的一年，不改变就落后。


2026：推荐系统 All-In Transformer 的元年

深度网络依赖LayerNorm（RMSNorm），这创造了局部的尺度不变性（Scale Invariance），它带了独特的梯度动力学（Gradient Dynamics）。在这个独特的动力学场域中，我们关于机器学习的直觉被颠覆了，Norm的物理含义从特征强度表示变成了学习进度的旋钮，Norm理论上稳步增加，SGD自带学习率衰减，但是刹车踩的太狠导致了学习的早停，而Weight Decay从正则化项进化为有效学习率的动态调节阀。AdamW如何成为标配：Adam做到了梯度的步长恒定，有效学习率的平缓刹车；Warmup来处理训练早期的权重过小（梯度爆炸）和二阶矩估计不准的问题；AdamW修正了L2正则的问题，引入Weight Decay，把“方向更新”和“进度控制”拆成两个干净的旋钮。

为什么LayerNorm+AdamW成了深度网络的标准配置？从尺度不变性到梯度动力学 

在和很多产品、运营团队合作的过程中，我常不得不扮演那个“泼冷水”的角色，特别是当大家对推荐算法寄予厚望的时候。
听到这样的战略规划：“我们明年目标是增长 80%，推荐系统是其中的关键。”
我的观点很直接：如果你的增长战略严重依赖推荐算法，一旦算法效果不及预期，目标就直接崩盘，那么这本质上是一个糟糕的战略**。对于规模增长，推荐算法不能雪中送炭，它只能在规模之上锦上添花。

从RL比SFT更不容易遗忘到反观推荐系统缺陷

今日内容跨越博客文章、GitHub项目、播客和X推文，核心趋势聚焦于AI Agent技术的工程化落地与基础设施的深度优化。从NVIDIA的Agentic检索管道到Shopify CEO使用Coding Agent优化代码，再到多个开源浏览器Agent的发布，Agent正从概念走向实际应用。同时，算力瓶颈、模型定价和长上下文能力等基础设施议题也备受关注。 精选文章：5篇（4分3篇，3分2篇） GitHub热门项目：4个（5分1个，4分3个） 播客精选：2集（4分2集） X推文动态：24条

AI 技术日报 - 2026-03-14

今日内容跨越了博客文章、GitHub项目、AI播客及X平台推文，全面展现了AI领域，特别是Agentic AI的蓬勃发展与生态构建。最核心的趋势是AI Agent正从概念走向工程化落地，各大厂商纷纷推出框架、工具和标准，以解决调试、部署、交互等实际问题。同时，围绕AI Agent的算力、基础设施和商业模式讨论也日益深入。 精选文章：5篇（5分2篇，4分3篇） GitHub热门项目：5个（5分3个，4分2个） AI播客精选：2集（4分2集） X推文动态：24条

AI 技术日报 - 2026-03-13

今日内容聚焦于 AI 智能体（Agent）的工程化与规模化，从企业战略、人机交互设计、安全防御到具体的技术框架和工具，呈现了从理论到实践的完整链条。除了来自 AWS、Amazon、OpenAI 等巨头的深度博客，X 平台上也涌现了大量关于智能体工具、模型和编排方案的动态。同时，GitHub 上出现了多个高星、高工程价值的智能体框架项目，标志着该领域正从探索走向成熟。 精选文章：5 篇（4分文章4篇，3分文章1篇） GitHub 热门项目：3 个（5分项目2个，4分项目1个） X 推文动态：24 条 播客精选：1 集

AI 技术日报 - 2026-03-12

今日内容跨越博客文章、GitHub项目、播客及X平台推文，核心趋势聚焦于AI智能体（Agent）的工程化与规模化。从微软、GitHub等大厂发布的技术框架，到开源社区涌现的Agent开发工具，再到英伟达等巨头在基础设施层面的布局，无不指向AI正从“文本交互”迈向“可编程执行”的新阶段。同时，AI智能体在代码生成、软件工程、医疗诊断等领域的深度应用案例也层出不穷。 精选文章：5篇（1篇5分，4篇4分） GitHub热门项目：5个（1个5分，4个4分） X推文动态：24条 播客精选：2集

AI 技术日报 - 2026-03-11

今日内容跨越博客文章、GitHub项目、AI播客及X平台推文，核心趋势聚焦于AI Agent的实践深化与安全考量。从英伟达押注开源AI代理平台，到GitHub、Anthropic等公司发布新的Agent工具与安全架构，再到学术研究揭示Agent在长期任务中的局限，行业正从概念验证快速转向规模化、可靠化的工程实践。同时，开源AI项目的价值与AI对科研范式的重塑也成为热议焦点。 精选文章：5篇（均为4星） GitHub热门项目：3个（1个5星，2个4星） AI播客：1集（4星） X推文动态：24条（来自22位作者）

AI 技术日报 - 2026-03-10

今日内容跨越博客文章、X推文和GitHub项目，核心亮点是AI智能体（Agent）技术正从概念验证加速迈向实用化与规模化。一方面，Karpathy等领军人物开源了轻量级自主研究工具，推动“智能体化”工作流普及；另一方面，围绕Claude Code等编码智能体的生态工具（如MCP服务器、技能包、编排框架）呈爆发式增长，预示着智能体即将深度融入开发与业务流程。同时，多模态模型的新进展和数据短缺的挑战也构成了今日的重要背景。 精选文章：5篇（均为3分，来自MarkTechPost与The Decoder） GitHub项目：3个（均为4分） X推文：24条（来自23位作者）

AI 技术日报 - 2026-03-09

今日内容跨越了技术博客、GitHub热门项目和X平台动态，核心亮点在于AI Agent的工程化、商业化与风险控制正同步加速。一方面，我们看到Agent在代码审计、自动化工作流和复杂系统模拟方面展现出强大能力；另一方面，其失控风险、成本补贴和商业生态构建也引发了广泛讨论。开源社区则持续贡献着从底层加速库到上层应用框架的关键工具。 精选文章：5篇（均来自编译源，评分为3分） GitHub热门项目：5个（1个5分，4个4分） X推文动态：24条（涵盖热点、工具、技术实践）

AI 技术日报 - 2026-03-08

今日内容跨越博客文章、GitHub项目、AI播客及X平台动态，核心聚焦于AI智能体（Agent）技术的工程化落地与生态演进。从Claude Code的生产事故到OpenAI发布GPT-5.4与技能目录，从开源智能体框架到金融领域的实际应用，技术趋势正从概念验证快速转向可靠、可复用、可协作的生产级系统构建。 精选文章：5篇（5分1篇，4分4篇） GitHub热门项目：5个（均为4分） X推文动态：24条（涵盖热点、工具、实践） 播客精选：1集（3分）

AI 技术日报 - 2026-03-07

今日AI领域的关键词是“智能体”与“能力革新”。OpenAI正式发布GPT-5.4，将Agentic工作流和计算机使用能力推向新高度，而GitHub Copilot、Cursor等产品则展示了AI编码代理在真实工作流中的深度集成。同时，开源社区在Agent训练框架、包管理工具和协议标准（如MCP）上持续发力，推动着AI工程化的进程。今日内容跨越博客、GitHub项目、播客及X平台动态，共同描绘了一幅AI从工具向协作伙伴演进的清晰图景。 精选文章：5篇（均为4星） GitHub热门项目：5个（2个5星，3个4星） 播客精选：2集 X推文动态：24条

AI 技术日报 - 2026-03-06

今日内容跨越博客、GitHub项目、学术论文、KOL推文及播客等多个数据源，核心亮点聚焦于AI Agent技术的工程化落地与安全挑战。一方面，行业正深入探讨Agent的架构范式、基础设施需求与商业模式影响；另一方面，模型评估的脆弱性、Agent安全漏洞及开源生态变动等风险也引发高度关注。精选内容整合了CEO的战略访谈、实用的工程反模式、行业事件深度分析以及前沿的学术研究，为从业者提供了从宏观趋势到微观实践的全景视角。 精选文章：5篇（均为4分） GitHub项目：5个（均为5分） 精选论文：1篇（4分） KOL推文：24条 播客精选：1集

AI 技术日报 - 2026-03-05

今日内容横跨博客文章、GitHub项目、学术论文、KOL推文及播客，全面展现了AI领域在模型发布、推理优化、智能体应用及安全对齐等方面的活跃进展。核心亮点在于：开源模型（尤其是中国实验室的贡献）与推理基础设施的持续创新齐头并进，而AI智能体正从研究概念加速迈向实际落地，催生新的职业与商业模式。同时，行业巨头在产品发布与商业合作上的动态也备受关注。 精选文章：5篇（4分文章2篇，3分文章3篇） GitHub热门项目：4个（5分项目1个，4分项目3个） 精选论文：5篇（均为4分） X推文动态：24条 播客精选：1集

AI 技术日报 - 2026-03-04

今日内容跨越博客文章、X推文、GitHub项目和学术论文，核心围绕AI Agent的工程化实践与模型推理效率的极限优化两大主线展开。一方面，从代码审查的范式转变到AI代理自动化商业流程，Agent正从概念走向深度集成；另一方面，从KV Cache压缩的物理机制到投机解码的强化学习优化，业界正全力攻克长上下文与高吞吐推理的瓶颈。同时，OpenAI与国防部的协议风波、GPT-4o的AGI法律争议，凸显了技术发展伴随的治理与伦理挑战。 精选文章：5篇（4分3篇，3分2篇） GitHub热门项目：3个 精选论文：2篇 X推文动态：24条

AI 技术日报 - 2026-03-03

今日内容跨越技术博客、GitHub热门项目和X平台动态，核心亮点在于多智能体（Multi-Agent）系统的工程化实践与AI治理及伦理的激烈讨论形成鲜明对比。一方面，社区正深入探讨如何构建生产级、可扩展的Agent系统与工具链；另一方面，OpenAI等公司与政府合作的“所有合法用途”条款引发了关于AI军事化与伦理的广泛争议。此外，AI代理的工程化能力展示和开源评估平台的出现，标志着AI应用正从原型快速迈向成熟部署。 精选文章：5篇（均为3分） GitHub热门项目：5个（5分项目2个，4分项目3个） X推文动态：25条

AI 技术日报 - 2026-03-02

本周 AI 行业经历了一场罕见的多线程冲击。2 月 27 日，五角大楼在同一天内完成了两个截然相反的动作：与 OpenAI 签署机密网络部署协议，同时将 Anthropic 列为"国家安全供应链风险"——尽管两家公司在自主武器和大规模监控问题上持有几乎完全相同的限制条款。国防部副部长 Emil Michael 在社交媒体上公开称 Dario Amodei 是"说谎者"和拥有"上帝情结"的人，超过 300 名 Google 和 60 名 OpenAI 员工随即签署联名信支持 Anthropic 的立场。这场冲突的本质已超越技术评估，成为一面映照 AI 治理政治化的棱镜。

与五角大楼事件同步发酵的，是 Anthropic 公开指控 DeepSeek、月之暗面和 MiniMax 通过"水螅集群"（hydra cluster）架构——单个代理网络管理超过 2 万个虚假账户——发起 1600 万次系统性蒸馏查询。Google 威胁情报团队也披露了 Gemini 遭受超过 10 万次模型提取攻击的数据。这些事件共同标志着中美 AI 竞争正从模型能力赛道滑入数据对抗与知识产权攻防的新阶段。

技术侧同样密集。OpenAI 宣布退役 SWE-Bench Verified，承认 59.4% 的任务存在根本性缺陷；智谱 AI 的 GLM-5 展示了完全在华为昇腾 910B 上训练的 744B MoE 模型；GitHub Trending 被 Agent 框架占据的同时，OpenClaw 连续爆出删除 Meta AI 安全总监邮件、遭 Google 封号等安全事故。Andrej Karpathy 发推称"编程已变得面目全非"，而 Block 裁员 40% 后股价上涨 24%、IBM 因 COBOL 威胁单日蒸发 310 亿美元——资本市场正在以真金白银为 AI 替代效应定价。

AI周报 2026-W09

本周共收录 23 篇推荐系统相关论文，其中 5 分论文 5 篇，4 分 10 篇，3 分 8 篇，整体质量出色。Generative Recommendation（生成式推荐） 是本周最显著的技术主线，6 篇论文直接聚焦于此，涵盖 Semantic ID 编码、受限解码优化、广告场景部署和多任务统一框架。另一条主线是 LLM 与推荐系统的融合范式——"LLM-as-Rec"（LLM 作为推荐骨干）与"LLM-for-Rec"（LLM 辅助推荐）两条路径本周都有重要进展。工业部署论文占比极高（6 篇含 Online A/B 测试），来自 AliExpress、快手、Apple App Store 等一线平台。

AI 技术日报 - 2026-03-01

今日内容跨越博客、GitHub、播客及X平台，揭示了AI领域在资本、技术与治理层面的激烈碰撞。核心亮点包括：AI基础设施的千亿级资本竞赛、多智能体框架的成熟化趋势，以及AI安全评估与地缘政治交织的复杂议题。从OpenAI的巨额融资到开源模型可能面临的监管收紧，从业者正站在一个技术加速与规则重塑的十字路口。 精选文章：5篇（4分文章2篇，3分文章3篇） GitHub热门项目：5个（5分项目4个，4分项目1个） 播客精选：3集（均为4分） X推文动态：25条，来自23位作者

AI 技术日报 - 2026-02-28

本周 AI 领域最突出的特征是一种"同步加速"：资本、模型、基础设施和研究同时进入新的量级。OpenAI 宣布了史上最大规模的 1100 亿美元融资，NVIDIA 以 300 亿美元直接入股，Anthropic 刚刚完成 300 亿美元 G 轮——三天内流入 AI 头部公司的资本超过 1400 亿美元。与此同时，Qwen3.5-397B、Claude Sonnet 4.6、Gemini 3.1 Pro 三款旗舰模型在同一周内发布，形成了一场罕见的三方对决。

但真正值得关注的变化发生在水面之下。微软、Cloudflare、GitHub、HuggingFace 在同一周内集中发布 Agent 基础设施框架，标志着行业重心正从"更强的模型"转向"更可靠的 Agent 系统"。与此形成尖锐对照的是，五篇安全研究论文从几何、结构、模态三个维度共同揭示了当前 LLM 安全对齐的根本性脆弱。在 Agent 即将大规模部署的节点上，这一矛盾格外刺眼。

AI周报 2026-W08

今日内容跨越博客文章、GitHub热门项目、深度播客及X平台动态，核心趋势聚焦于AI Agent的实用化演进与基础设施的深层变革。一方面，从微软的CORPGEN框架到个人代码片段积累，Agent正从概念走向解决实际工作流问题；另一方面，资本涌入、硬件预装与开源模型/框架的突破，共同塑造着AI发展的底层格局。 精选文章：5篇（4分2篇，3分3篇） GitHub项目：5个（均为5分） 播客精选：3集（5分1集，4分2集） X推文动态：25条

AI 技术日报 - 2026-02-27

今日内容跨越博客、GitHub项目、学术论文、播客及社交媒体，全景式展现了AI领域的技术演进与行业动态。核心亮点在于：开源模型架构进入“春秋战国”时代，混合专家（MoE）与多样化注意力机制成为主流；AI Agent正从概念验证迈向工程化与标准化，多智能体编排平台和官方技能库涌现；同时，无需外部奖励的测试时优化和动态注意力解码等前沿研究，为提升模型能力开辟了新路径。 精选文章： 5篇（5分1篇，4分4篇） GitHub项目： 5个（5分2个，4分3个） 精选论文： 2篇（4分2篇） 播客精选： 2集（4分2集） X推文动态： 25条

AI 技术日报 - 2026-02-26

今日内容跨越博客文章、GitHub项目、学术论文、播客及X平台动态，核心亮点在于AI工程化的深度实践与基础设施瓶颈的集中讨论。一方面，从多Agent工作流设计、GPU通信优化到推理加速，工程落地成为焦点；另一方面，内存短缺、地缘政治与数据版权等宏观约束正深刻影响技术发展路径。 精选文章：5篇（均为4分） GitHub项目：4个（均为4分） 精选论文：5篇（均为4分） 播客精选：1集（4分） X推文动态：25条

AI 技术日报 - 2026-02-25

今日内容跨越博客文章、GitHub项目、学术论文、播客及X平台动态，展现了AI领域在工程化部署、评估基准演进、安全风险与智能体规模化等多个维度的活跃进展。核心亮点包括：OpenAI弃用饱和的SWE-Bench基准引发对评估可靠性的反思；Anthropic指控竞争对手发起大规模“蒸馏攻击”凸显数据安全与竞争伦理；同时，一系列开源框架和工具（如Agno、BlenderMCP）正致力于降低智能体与多模态应用的开发门槛。 精选文章：5篇（均为4分） GitHub项目：5个（1个5分，4个4分） 精选论文：3篇（均为4分） 播客精选：1集（4分） X推文动态：25条

AI 技术日报 - 2026-02-24

今日内容跨越了技术博客、学术综述、行业洞察与社交媒体讨论，核心聚焦于提升AI系统效率与应对规模化部署带来的新挑战。一方面，从多模态Token压缩到极致非对称检索模型，技术前沿正致力于解决计算瓶颈；另一方面，AI代理的广泛应用引发了安全债务、市场失衡与治理信任等深层问题。今日精选了5篇高分文章，并汇总了25条来自AI领域KOL的推文动态，共同勾勒出当前AI发展的关键脉络。 *数据统计：精选文章 5 篇（5分1篇，4分4篇）、X 推文 25 条。

AI 技术日报 - 2026-02-23

今日内容跨越技术博客、GitHub热门项目及X平台动态，核心趋势聚焦于AI智能体（Agent）的全面爆发与基础设施成熟。从开源框架、企业级部署到安全威胁与前沿应用，智能体正从概念走向落地。同时，模型性能竞赛与成本效益、AI安全新威胁以及去中心化AI的潜力也备受关注。 精选文章：5篇（均为4星） GitHub热门项目：5个（2个5星，3个4星） X推文动态：25条（整理为4个主题）

AI 技术日报 - 2026-02-22

NVIDIA 开源了机器人世界模型 DreamDojo，它通过 44,711 小时的人类第一人称视频进行预训练，旨在解决机器人模拟的数据稀缺问题。其核心技术包括：使用时空 Transformer VAE 提取连续潜在动作作为硬件无关的控制接口；采用 Cosmos-Predict2.5 架构优化物理正确性；并通过 Self Forcing 蒸馏将推理速度提升至 10.81 FPS，支持实时交互。在下

AI 技术日报 - 2026-02-21

MIT 研究发现，顶级 AI 聊天机器人（如 GPT-4、Claude 3 Opus、Llama 3）对弱势用户（如低英语水平、低教育背景、非美国用户）提供的信息准确性更低，且拒绝回答率更高。研究使用 TruthfulQA 和 SciQ 数据集，发现当用户特质叠加时（如低教育背景的伊朗用户），偏见更为严重。例如，Claude 3 Opus 在对低教育用户拒绝回答时，有 43.7% 使用了居高临下的

AI 技术日报 - 2026-02-20

本文详细介绍了如何利用 Amazon Bedrock AgentCore 构建一个名为 CAKE 的多 Agent 客户智能系统。系统采用 Supervisor Agent 进行意图分析和并行调度，协调多个专用工具（如 Neptune 图查询、DynamoDB 指标查找、OpenSearch 语义搜索）来获取客户全景信息。核心亮点包括：在 Neptune 中构建销售知识图谱以支持基于 GraphR

AI 技术日报 - 2026-02-19

文章详细报道了印度四大IT服务巨头（Infosys, Persistent, Tech Mahindra, Wipro）基于NVIDIA技术构建企业级AI Agent的实践。案例具体且数据详实：Wipro的客服平台已处理42%的呼入电话，支持900路并发；Tech Mahindra开发了用于自主网络运维的大型电信模型；Infosys训练了25亿参数的编码小模型；Persistent则利用BioNe

AI 技术日报 - 2026-02-18

阿里巴巴 Qwen 团队发布了新一代大型语言模型 Qwen3.5，其旗舰版本 Qwen3.5-397B-A17B 采用稀疏混合专家（MoE）架构，总参数量达 397B，但每次前向传播仅激活 17B 参数，在保持 400B 级别模型智能的同时，实现了接近小型模型的推理速度。模型采用创新的高效混合架构，结合门控 Delta 网络（线性注意力）和 MoE 块交替布局，并作为原生视觉语言模型通过早期融合训

AI 技术日报 - 2026-02-17

今日收录 7 篇文章，精选 3 篇，另有 19 条 KOL 推文，覆盖 MarkTechPost、sujianlin、simonwillison、ML Techniques 等来源。

AI 技术日报 - 2026-02-16

今日收录 3 篇文章，精选 2 篇，另有 46 条 KOL 推文，覆盖 MarkTechPost、sciencedaily、simonwillison 等来源。

AI 技术日报 - 2026-02-15

今日收录 18 篇文章，精选 9 篇，另有 13 条 KOL 推文，覆盖 AWS、OpenAI Blog、MarkTechPost、ai-news 等来源。

AI 技术日报 - 2026-02-14

OpenAI 发布了专注于极致速度的 AI 编程模型 GPT-5.3-Codex-Spark 研究预览版。其核心突破在于性能：比旗舰版 GPT-5.3-Codex 快 15 倍，每秒生成超过 1000 个 token，实现近乎实时的代码生成。这一成就得益于与 Cerebras 的深度合作，首次采用其 Wafer-Scale Engine 3 (WSE-3) 单晶圆级芯片，消除了传统 GPU 集群间

AI 技术日报 - 2026-02-13

Meta 提出了一种名为 Just-in-Time Tests (JiTTests) 的创新测试方法，旨在应对 AI 驱动的 Agentic 开发对传统测试的挑战。其核心在于利用 LLM 在代码提交时实时生成测试用例，这些测试针对特定代码变更定制，无需维护庞大的静态测试套件。系统能推断开发者的变更意图，并生成“变异体”来模拟潜在故障，再结合基于规则和 LLM 的评估器来最大化测试价值、最小化误报。

AI 技术日报 - 2026-02-12

文章深度剖析了软件包管理中“vendoring”（将依赖代码直接复制到项目）的衰落与“lockfiles”（锁文件）的崛起。核心观点是，Git 的克隆机制使 vendoring 的成本（巨大的仓库体积和历史）显性化，恶化了开发者体验。而 lockfiles（如 Gemfile.lock）结合中央注册表和内容哈希，提供了无需存储代码的可重复构建。文章还分析了 left-pad 事件如何推动行业加强注

AI 技术日报 - 2026-02-11

Meta 详细揭秘了其千兆瓦级 AI 集群 “Prometheus” 的核心网络架构——后端聚合（BAG）层。BAG 作为一个集中式的以太网超级骨干，连接多个数据中心和区域，旨在提供宠物比特级（如 16-48 Pbps）的带宽。文章深入探讨了其模块化硬件（基于 Jericho3 ASIC）、两种拓扑设计（平面与扩展连接以平衡性能与弹性）、关键的管理过订阅比率（L2 到 BAG 约 4.5:1），以

AI 技术日报 - 2026-02-10

字节跳动开源了生物分子结构预测模型 Protenix-v1，其在训练数据截止日期（2021-09-30）、模型规模（3.68亿参数）和推理预算上严格对齐 AlphaFold3 (AF3) 的条件下，实现了与 AF3 相当的性能，覆盖蛋白质、DNA、RNA 和配体。模型采用 AF3 风格的扩散架构，并提供了完整的训练/推理代码、预训练权重及数据管道。同时发布的 PXMeter v1.0.0 评估工具

AI 技术日报 - 2026-02-09

文章深入剖析了 StrongDM AI 团队如何构建一个“黑暗工厂”级别的软件工厂，实现无需人工编写或审查代码的软件开发。其核心方法论包括：采用“场景测试”作为保留集来验证 AI 生成代码，防止测试作弊；创建“数字孪生宇宙”来克隆 Okta、Slack 等第三方服务，以进行大规模、低成本的集成测试。团队还运用了“基因转移”、“语义端口”和“金字塔摘要”等技术来优化代理工作流，并开源了仅含规格说明的

AI 技术日报 - 2026-02-08

文章提出了“提示保真度”这一核心概念，用于量化 AI Agent 实际执行用户意图的程度。作者通过 Spotify 歌单创建等案例揭示，Agent 可能仅验证部分约束（如歌曲数量），而依赖 LLM 猜测其余（如音乐风格）。文章提出了三个核心命题：Agent 的验证能力有限（I_max）、用户意图无限、两者差距迫使 Agent 依赖 LLM 推断，并引入了“压缩比”作为衡量这一差距的指标。

AI 技术日报 - 2026-02-07

微软研究院发布了 Paza 项目，旨在系统性解决低资源语言的自动语音识别（ASR）难题。该项目包含两个核心部分：首个针对低资源语言的 ASR 基准 PazaBench（覆盖 39 种非洲语言，评估 51 个 SOTA 模型，标准化 CER、WER 和 RTFx 指标）和三种基于不同架构（Phi-4、MMS-1B、Whisper）微调而成的 Paza ASR 模型。项目强调“以人为本”的设计，基于 

AI 技术日报 - 2026-02-06

Mistral 发布了 Voxtral Transcribe 2，包含一个开源模型（Voxtral-Mini-4B-Realtime-2602，Apache-2.0 许可）和一个通过 API 访问的闭源模型。该系列模型具备实时转录能力，在演示中能快速准确地处理专业术语，并支持说话人分离、上下文偏置和时间戳等功能。Mistral API 控制台提供了一个优秀的语音转文本游乐场，可上传音频并获取带时间

AI 技术日报 - 2026-02-05

本文系统性地阐述了在企业中构建和规模化AI代理的九个核心最佳实践。它超越了理论，提供了从“小处着手定义成功”到“建立持续测试实践”的完整生命周期指南。文章包含财务分析、HR助手等具体案例，详细说明了工具定义策略、多代理系统架构、自动化评估指标（如工具选择准确性、延迟）以及如何结合确定性代码来增强可靠性。

AI 技术日报 - 2026-02-04

今日收录 12 篇文章，精选 6 篇，另有 14 条 KOL 推文，覆盖 MarkTechPost、simonwillison、aws、amazon、mit、Towards Data Science、ai-news、openai blog 等来源。

AI 技术日报 - 2026-02-03

文章从零实现了集中式FedAvg和去中心化Gossip两种联邦学习架构，并集成了客户端差分隐私，在非独立同分布的MNIST数据上进行了系统性实验。核心发现揭示了隐私预算（epsilon值）对模型性能的复杂影响：去中心化架构在强隐私约束下表现更稳健，但收敛速度较慢；而集中式架构在弱隐私下收敛更快，但对噪声更敏感。实验量化了隐私保证与学习效率之间的权衡关系。

AI 技术日报 - 2026-02-02

今日收录 2 篇文章，精选 0 篇，另有 17 条 KOL 推文，覆盖 Simon Willison、Towards Data Science 等来源。

AI 技术日报 - 2026-02-01

今日收录 19 篇文章，精选 14 篇，另有 16 条 KOL 推文，覆盖 nesbitt、MarkTechPost、aws、simonwillison、Towards Data Science、ai-news、mit 等来源。

AI 技术日报 - 2026-01-31

文章深入剖析了Zig等新兴编程语言在包管理器生态中面临的“M×N”集成难题：每个新语言都需要重建一整套工具链（如漏洞扫描、SBOM生成器），导致巨大的重复劳动。作者提出“依赖生命周期协议”（DLP）作为解决方案，类似于语言服务器协议（LSP），旨在标准化依赖管理的接口。文章还系统性地分析了社区、供应商和标准机构（如PURL、CRA）在解决这一生态系统挑战中的角色，并将技术问题与更广泛的数字主权议题

AI 技术日报 - 2026-01-30

文章深刻剖析了数字主权中常被忽视的“依赖层”问题，指出欧洲不应简单重复建设类似AWS的基础设施，而应通过制定和推广开放标准（如S3 API）来降低技术切换成本。核心发现是，即使代码自托管，欧洲公司仍严重依赖美国主导的软件供应链服务，如代码托管（GitHub）、依赖智能（Dependabot）和包注册表（npm）。文章提出通过标准化协议（如PURL、OSV、CycloneDX）解耦包管理器组件，并建

AI 技术日报 - 2026-01-29

DSGym 是一个由斯坦福大学、Together AI 等机构提出的框架，用于标准化地评估和训练数据科学 Agent。它通过容器化环境封装了超过 1,000 个数据科学挑战，并引入了 DSBio（生物信息学）和 DSPredict（Kaggle 预测）等新数据集。评估发现，前沿模型在一般分析任务上表现良好（60%-90%准确率），但在 DSBio 上因“领域接地错误”而性能骤降（最佳仅 43.33

AI 技术日报 - 2026-01-28

本文是对 GPT-OSS 模型实施 Agentic RL 训练的深度实战回顾。文章详细拆解了训练过程中遇到的核心挑战，包括修复 PPO 算法中 MoE 专家对数概率不匹配的问题、纠正训练与推理阶段的不一致性。在性能优化方面，作者分享了如何集成 FlashAttentionV3 的注意力下沉支持，并利用 FSDP 内存优化与序列并行技术来提升训练效率。

AI 技术日报 - 2026-01-27

文章提出了一个开创性的概念“PkgFed”，旨在利用去中心化社交网络协议ActivityPub来构建联邦化的软件包发布生态系统。其核心是将包注册表映射为Mastodon实例、软件包映射为Actor、版本发布映射为Post，从而使传统的单向依赖关系转变为可双向查看和探索的社交图谱。这一设计能极大增强维护者对其用户基础的可见性，改进安全漏洞通知的传播效率，并促进跨Forgejo等联邦化代码托管平台的软

AI 技术日报 - 2026-01-26

今日收录 6 篇文章，精选 4 篇，另有 54 条 KOL 推文，覆盖 sebastianraschka、Towards Data Science、nesbitt、MarkTechPost、simonwillison 等来源。

AI 技术日报 - 2026-01-25

今日收录 10 篇文章，精选 9 篇，另有 11 条 KOL 推文，覆盖 simonwillison、aws、MarkTechPost、Towards Data Science、ai-news、openai blog 等来源。

AI 技术日报 - 2026-01-24

文章提出一个用于包管理的抽象协议参考模型，旨在统一描述npm、Cargo、pip等不同生态系统的共享概念，而非强制标准化。它定义了包管理的分层结构（用户命令、清单格式、注册表协议等）、关键角色（发布者、消费者）、数据类型（包标识符、版本约束）和核心操作（发布、解析、安装）。特别强调了常被忽视的治理操作（如命名空间分配）和一致性属性（解析确定性、锁文件完整性），并探讨了该协议如何促进便携安全研究、系

AI 技术日报 - 2026-01-23

本文深度解析了 Amazon Bedrock AgentCore 的 episodic memory（情景记忆） 系统，旨在解决 AI 代理无法从经验中学习的核心问题。系统架构包含两阶段提取模块（对话级和情景级）和反思模块，通过结构化记录目标、推理步骤、行动和结果来捕获知识。性能评估显示，在零售和航空领域的真实任务中，启用该记忆的代理任务成功率显著提升（例如 Pass^1 指标提升 11.4%）。

AI 技术日报 - 2026-01-22

微软研究团队提出Argos框架，旨在通过多模态强化学习提升AI代理的可靠性。其核心创新在于引入一个“代理验证器”，不仅奖励正确行为，还利用专门的视觉基础工具（如Grounding DINO、SAM-2）来验证输出的正确性、视觉基础性和推理一致性。该框架通过门控聚合函数动态整合各项评分，为强化学习提供稳定的奖励信号。实验表明，Argos训练的模型在空间推理任务上优于基线模型，显著减少幻觉，并在机器人

AI 技术日报 - 2026-01-21

文章指出，Web是唯一没有原生依赖清单的主要软件平台，这带来了安全与合规（如SBOM要求）的挑战。作者创新性地提出将 `import maps` 扩展为 `importmap.lock`，为其添加包身份标识、版本元数据和依赖图，并使用 `purl` 标识符。该设计允许浏览器忽略额外元数据，同时为构建工具提供可读的依赖信息。文章还探讨了其与现有 `integrity` 字段的兼容性、与SBOMs集成

AI 技术日报 - 2026-01-20

文章通过一个完整的 Python 代码教程，模拟并对比了同步 RPC 与异步事件驱动架构在负载和故障下的行为。核心在于实现了一个故障模型，模拟可变延迟和过载条件，并集成了熔断器、舱壁、指数退避等关键容错机制。教程清晰地展示了 RPC 的紧耦合如何放大故障，形成级联效应，而事件驱动架构则通过队列缓冲提高了系统韧性，但也引入了死信队列等新问题。文中包含具体参数（如容量 RPS=250、熔断器阈值=8）

AI 技术日报 - 2026-01-19

文章系统性地探讨了软件包管理中锁文件格式的核心设计权衡。核心观点是，锁文件应优先考虑合并友好性、确定性和外部工具（如安全扫描器、SBOM生成器）的兼容性，而非紧凑性或人类可读性。作者通过对比 Go 的 `go.mod/sum`、Rust 的 `Cargo.lock` 和 pnpm 的 `pnpm-lock.yaml` 等主流格式，深入分析了扁平与嵌套结构、JSON/YAML/TOML/自定义格式选

AI 技术日报 - 2026-01-18

本文基于亚马逊内部大规模生产实践，系统性地揭示了高级微调技术对于多智能体系统达到生产级性能的关键作用。核心洞察指出，约四分之一的高风险应用（涉及安全、效率、信任）必须依赖高级微调。文章详细梳理了从基础 SFT 到前沿 GRPO、DAPO、GSPO 等专为智能体推理优化的技术演进路径，并通过药房（减少33%药物错误）、工程服务（节省80%人力）等真实案例展示了具体业务成果。最后，提供了一个包含时间、

AI 技术日报 - 2026-01-17

Amazon AMET Payments团队构建了名为SAARAM的多Agent AI系统，将测试用例生成时间从1周缩短至几小时。其核心创新在于模仿人类QA专家的认知模式，设计了包括Customer Segment Creator、User Journey Mapper在内的多个专用Agent。通过两轮迭代，团队引入了结构化输出（Pydantic模型）来减少幻觉，并实现了显著的商业成果：资源需求从

AI 技术日报 - 2026-01-16

今日收录 9 篇文章，精选 8 篇，另有 64 条 KOL 推文，覆盖 simonwillison、aws、mit、meta-engineer、Towards Data Science、MarkTechPost 等来源。

AI 技术日报 - 2026-01-15

亚马逊AWS AI实验室的研究展示了如何利用强化学习（RL）高效定制多轮AI代理。该方法的核心在于利用现有环境模拟器和基于可验证真实情况的稀疏奖励函数，即使使用小模型（如Qwen2.5-32B-Instruct）和小训练数据集（仅72个示例），也能将任务完成率从39.20%大幅提升至72%。实验覆盖了个人助理代理（AppWorld基准）和代理式RAG场景，详细阐述了包含在线模拟器和在线RL训练器的

AI 技术日报 - 2026-01-14

今日收录 7 篇文章，精选 6 篇，另有 13 条 KOL 推文，覆盖 nesbitt、simonwillison、MarkTechPost、aws、Towards Data Science 等来源。

AI 技术日报 - 2026-01-13

今日收录 3 篇文章，精选 2 篇，另有 10 条 KOL 推文，覆盖 Simon Willison、Towards Data Science、MarkTechPost 等来源。

AI 技术日报 - 2026-01-12

文章基于数百个客户的企业级优化经验，系统性地提出了16条减少Dependabot警报噪音的具体策略。核心实践包括引入30天的“依赖冷却期”以过滤短期波动、延长更新检查间隔、要求跨职能团队审查关键更新，以及通过fork关键依赖、直接vendor化或从版本控制中移除lockfile等方式来掌控核心依赖。作者还建议使用包别名、合并项目为monorepo，甚至用GitHub Copilot Autofix

AI 技术日报 - 2026-01-11

苹果研究团队提出了一种创新的分层记忆增强预训练架构。其核心思想是将海量的长尾世界知识存储在独立的参数化记忆库中，而让一个相对较小的语言模型作为“锚点”，专注于掌握通用知识和推理能力。实验表明，一个 1.6 亿参数的模型通过从 460 亿参数的记忆库中动态检索 1800 万个记忆块，其性能可媲美参数翻倍的常规模型。该方法在万亿 token 规模上得到验证，并展示了扩展到超过 210 亿参数的潜力，且

AI 技术日报 - 2026-01-10

生成式推荐与LLM的工程化落地：今日论文显示，业界正积极将LLM领域的技术（如量化、强化学习）迁移至推荐系统。快手的工作证明了FP8量化在生成式推荐模型上的巨大工程收益，而学术界则探索用RL对齐LLM推荐器以适应动态目标，标志着技术从模型创新向系统优化和实用化迈进。; 联邦推荐向精细化与实用化演进：联邦学习在推荐中的应用不再局限于基础框架，开始关注更实际的挑战。今日两篇论文分别聚焦于支持个性化数据共享与遗忘的灵活隐私框架，以及通过锐度感知优化解决嵌入泛化难题，体现了研究正从“能用”向“好用、稳定