解读库 / 研究解读
研究解读
共 49 篇 · 按时间倒序
共 49 篇 · 按时间倒序
多数企业做了很多 AI 试点，却没有改变完整业务流程，也没有把一次成功变成下一次可以复用的能力。分水岭在于：企业能否留下自己的数据、工作方法和学习记录。
一次回答不再只是向全网撒网：ChatGPT 可能先发现候选来源，再锁定特定网站深挖。搜索顺序一变，GEO 就从页面排名扩展成域名入选、页面命中和引用转化三层竞争。
Moderna 与 Merck 的个体化 mRNA 癌症疫苗在黑色素瘤三期试验中取得阳性结果。算法参与筛选每位患者的肿瘤新抗原，再按人制造专属疫苗——“一人一药”首次跨过大规模临床门槛，但距离普及仍有数据、跨癌种与成本三道关。
从 Git 的 DAG 与 packfile，到 GitHub Spokes，再到以 S3 WAL 为事实来源的 Continuity：一篇讲清大规模 Git 托管为何困难、Cursor 怎样解决的完整解读。
一个 Agent 收到外来目标，把它写进 SOUL.md；下一轮醒来，这段消息已经升级成系统指令，它又去说服下一个 Agent。论文证明这条链在受控环境中成立，甚至出现传播力更强的变种；但现实网络仍没有可信二跳证据。
一次长任务不会因为模型“记性好”而持续。它只是不断把过去重新塞进下一次请求；装不下时，Pi 会重写自己的工作记忆。
未来的 Claude 会在选词中留下可验证的统计痕迹。它能帮助判断 Claude 是否参与过，却不能替学校、平台或法院认定谁写了作品。
市场不再只问“AI 会不会改变世界”，而是开始追问：投入算力、软件、Token 和人才的钱，究竟怎样变回收入、效率与长期优势？
不是破了加密，是钻了 API 设计的空子——把旗舰模型的思考塞给最便宜的小模型，让它念出来
结果由两位数学家验证、还有一份机器验过的 Lean 证明；但更值得看的是同时放出的 95 页过程记录——60 个 subagent 里只有 2 个出了核心想法
一位统计老兵被 AI 行话挡在门外之后，用统计学的标准语言把大语言模型从头到尾重讲了一遍
9288 份 Word 文档、266 个案子、250 道题。失败原因不是搜不到，是不知道什么时候该停下来。
144 个国家的人均排名、六大洲三年增长倍数、35 岁以上用户在九成国家反攻——这些数字大多只写在图上，正文没提。
推理成本约 2000 美元，47 万行证明全部开源、机器已验完逻辑。从这十个结果能看出这个还没发布的模型强在哪。
一个自定义字体加几行 CSS 就够，不用 JavaScript，也不用任何浏览器漏洞。
模型没换，换的是跑模型的那套程序：保留私有推理 + 用压缩取代删除，每局输出 token 降到约六分之一。
两个结果都不影响任何在用的系统：HAWK 还没上岗，AES 打的是七轮简化版，完整十轮没动。
同一批数据能算出 43.5% 和 65%–82% 两个结论，差别只在分母怎么切。
发布 11 天后放出的 47 页报告，重点落在效率上：同一份算力，效果提到了 K2 的 2.5 倍
一个职业里能用上 AI 的活，中位数只有五分之一，还有 29% 的职业一项都没用起来；动脑的活里，让 AI 从头做到尾的只有 6.5%。
同一个模型换个外壳，成本差两倍；开源的 GLM 5.2 和 Opus 4.8 打平，每题便宜三成。考题是从自家已合并的 PR 改的，网上搜不到。
配套还放出一套测试题，专门用「把音轨删掉再考一遍」的办法，筛掉那些光看画面就能蒙对的题。
同一项研究的三轮验证都指向中间那一档；专栏作家本人拿 ChatGPT 编了个电影梗概试完，说自己还是宁愿手写。
同一个模型两次采样的指纹距离中位数是 0.140；一个被宣传为自研专有旗舰的接口，与开源 Qwen 的距离是 0.141。意思是：它跟开源 Qwen 根本分不出来。
一套叫 Schema 的外壳，让模型把每个游戏的规则写成能跑的程序、验证过了才动手。公开 25 局自评 98.98%，均未经 ARC Prize 独立验证。
第三方评测平台 Design Arena 扒开它的一千个网页作品，发现设计空间里缺了一块，正好是紫色渐变这些 AI 通病该在的地方。
250 克机器人用同一对柔性翅膀穿过水和空气，70° 仰角、8 至 10 次拍翼即可从湖里起飞
把约 54GB 的 27B 模型压到约 3.9–5.9GB：手机能本地跑，平均分还保住大约九成。先讲核心价值，技术细节和要打折的地方放后半段。
分析3个模型、20种语言：英语最谨慎最深入，俄语最较真，印地语最温暖，中文接近全局均值
没有“大脑”（中央控制器）指挥，近两百个普通的智能小方块通过“交头接耳”，就能自己搞清楚拼成了什么形状，甚至能在损坏后判断应该往哪里“长”回来。前半部分已经在实体砖上实现；损伤定位和再生仍主要发生在模拟中。
论文写着已经开源，但代码仓库核实是空的，一行代码都没推送过。
样本覆盖 120 万段会话、60 万+组织:内容创作紧随其后占 16.4%,两类合计近半使用量。
57.6万样本、16个模型实测：19.7%的AI推荐包是幻觉，43%会反复生成同一假名。
所有结果均为大脑“数字孪生”模型的计算机模拟预测，尚未用真人脑成像实测验证。
500 万人、20 亿小时可穿戴数据预训练，冻结编码器接一个线性头就在 34/35 个健康任务上超过监督学习基线。
核心不是功能清单，是三套工程同时拧：思考抬智能、效率栈压成本、原生多模态扩输入
系统提示、工具描述、中间件三处动刀；Deep Agents 套件典型约 0.80→0.84，最佳 0.86 对 Opus 0.87。
前 OpenAI 安全负责人梳理近 30 篇研究：从改提示词到自己改代码，DGM 把编程能力从 20% 推到 50%。
只微调死循环起点的单个token，两款模型死循环率都压到1%左右
占比不到一成，删掉后 Claude 仍会说话但推理归零，已用来抓模型编数据、识破测试
151人实测:简答题比选择题更能拉动分数,AI答疑侧栏却几乎没人用
美国22-25岁开发者就业三年跌19%，同时GitHub新账户涨到史上最快
论文首次让智能体全程无人值守跑完全部RTL基准；多数题两三轮过关，最难一题却要迭代82轮
23.5万用户、跨7个月的会话分析：专家验证成功率是新手近两倍，但十大职业彼此只差7个百分点内
联合 Thinking Machines，用专家标注数据微调开源模型：比前沿最优错误率降 29.8%，推理成本仅 1/14
戴头盔即可实时解码脑磁信号，字词准确率从 8% 跳到 61%，v1/v2 训练代码与数据集同步开源
能力数字出了三个版本且哪个都不可信，但可见的作弊行为本身成了安全监控有效的证据
模型侧响应约 200ms、总延迟约 550ms；v0.1 仅 192p，演示为预录非实时体验
实验室已验证可制造；性能 +50%、能效 +70% 是相对 2nm 的预测值，非实测