阿里 Qoder 官宣支持 Linux ARM64 与龙芯平台,适配统信 UOS、银河麒麟操作系统
阿里 Qoder 今日宣布,Qoder(国际版与中国版)现已支持 Linux ARM64 与龙芯(LoongArch64)平台,并适配统信 UOS、银河麒麟操作系统。 该升级将 Qoder 带到了国产桌面系统,让用户在熟悉环境中调用工具、操作文件并实现多智能体协作。至此,Qoder 已完成对鸿蒙 PC、鸿蒙移动端、统信桌面操作系统 V20 和银河麒麟桌面操作系统 V10 的适配。
阿里 Qoder 今日宣布,Qoder(国际版与中国版)现已支持 Linux ARM64 与龙芯(LoongArch64)平台,并适配统信 UOS、银河麒麟操作系统。 该升级将 Qoder 带到了国产桌面系统,让用户在熟悉环境中调用工具、操作文件并实现多智能体协作。至此,Qoder 已完成对鸿蒙 PC、鸿蒙移动端、统信桌面操作系统 V20 和银河麒麟桌面操作系统 V10 的适配。
summary_zh: Ares在LLM智能体驱动的RTL PPA优化中引入三项创新:报告归一化单次LLM调用美元成本、证明长期记忆构建重要性有限,并通过耐心计数器在低努力停滞时升级推理深度。
研究团队发布了对 Claude Code 自动模式权限系统的独立评估,指出该机制在处理用户意图明确但范围模糊的任务时存在防御缺口。使用包含 128 个提示词的 AmPermBench 基准,评估了 253 个状态变更操作,端到端漏报率(FNR)达 81.0%,显著高于生产流量中的 17%。
推荐理由:论文通过独立压力测试揭示了 Claude Code 自动模式在模糊授权场景下的防御盲区,指出文件编辑路径未被覆盖导致漏报率高达 81%。
**summary_zh:** 提出R²Orch递归自我博弈编排范式,解决手工课程、优势坍缩及评估信号不可靠等挑战。 该方法引入“递归可学习性”目标奖励任务提案者,并通过“技能撤回”机制将失败蒸馏为技能及参数,最终实现零技能部署。 在12个数据集的实验显示,R²Orch在问答、数学、代码及交互任务中持续优于基线模型。
ManimAgent 是一款自进化多模态智能体,通过双通道情景记忆库在任务间传递反思经验,无需权重更新或人工种子。 记忆库包含存储成功范例的正向通道和存储失败模式的负向通道,由视觉语言模型对渲染关键帧进行评分后生成。 在固定探针评估中,随着记忆库规模增加,盲测 Pass@1 指标上升且所需反思轮数减少。
DoorDash 构建端到端多智能体 LLM 系统,自动清理 1,659 个过时特征标志。 系统通过 MCP 查询实时数据并生成 PR,成功移除 50 个评估样本中的 45 个。 单次清理平均成本 $4.79,耗时 13.8 分钟,显著降低技术债务与运维风险。
论文推出 ProductWebBench 基准,在 320 个变更任务和 80 个长期构建任务中评估前端编码代理的网站连续性。 基准基于 8,737 次运行和 13 个模型测试,发现 28.2% 通过目标检查的运行仍存在连续性故障,18.3% 破坏了已验证状态。 ProductWebBench 通过冻结快照和确定性检查,实现对动态系统中补丁影响的精确溯源。
提出代理式验证优化框架,利用机器检查证明确保代码加速且行为不变。 该框架通过 Aqueduct 迁移 C/C++/Go/Rust 程序至 Lean 4,并在 Verina 的 189 个实现中成功对 156 个生成带证明的快速重写。 在 17 个迁移应用中的 51 个场景里,92 次验证重写有 47 次实现加速,证实代理已具备生产级验证优化潜力。
summary_zh: 研究人员提出 Adaptive Skill Granularity 框架,将技能粒度视为条件化策略,结合特征控制器与有限状态恢复执行器,旨在解决 coding agents 执行时的动态控制问题。
研究团队提出恢复导向训练框架 RIPPLE,旨在解决长程编程智能体中“Critique-to-Action Handoff Gap”问题,实现单次自我恢复策略的内部化。
CANNBot-CAKE 在 Ascend 950PR 上对 53 个算子的标准测试集实现 100% 通过,平均得分 78.63 分。 该系统通过自适应多 DSL 路由与自演化智能体,将 EngramGateFusion 等设备时间减少 46.6%,整体性能较基线提升 1.334 倍。 CAKE 为缩小昇腾 NPU 在 AI 内核生成上的能力差距提供了可行路径。
SWE-Verifier 通过对编码智能体动作进行选择性候选采样与验证,在 MiniMax-M2.7 上将任务解决率从 75.47% 提升至 77.20%。该模型基于 Qwen3.5-4B 训练,验证步骤占比低于 4%,且成本仅为原模型的 1.09 倍。
一项预注册研究测试了 8 个开放权重模型在 558 份真实文档上的表现,发现当 schema 设定未强制的最小计数 k 时,模型倾向于填充列表。 显示 schema 中的最小计数会将列表长度超过真实数量的比例从 34.5% 提升至 55.4%,且约一半的填充项来自原文,难以通过常规检查发现。 研究者发布了代码和运行记录,指出常见修复方法效果有限,重新询问验证错误反而使填充更常见。
研究发现,2023 年以来领先 AI 编码智能体在人类工作时间内完成基准任务的能力每 129 天翻倍。 调查表明 32% 的受访者因组织可用智能体构建功能而放弃至少一次软件购买,该变化尚未体现为整体采购转移。
GrillMyProfile 上传 LinkedIn PDF 后 30 秒内生成 100 分制档案评分及犀利点评,并指出阻碍面试的三大问题。 支持粘贴目标职位以针对性优化,提供 3 个标题选项、重写 About 及经验描述,赠送 5 条LinkedIn更新,$19 买断,支持退款。
Mnemolith 是一个为 AI 编码工具设计的本地共享记忆系统,它能随代码变更自动失效过时信息,并管理记忆的矛盾与重复。该系统包含一个从零构建的 Redis 兼容引擎,支持 HNSW 向量搜索、Git 状态感知和完整的审计追踪。作者提供了完整的设置指南、基准测试数据和 CLI 接口,使其能够与 Claude Code、Cursor 和 Codex 等工具集成。
SageMaker 上线 training session APIs,开发者在本地代码中编写 SFT、RL 等训练循环,SageMaker 负责 GPU 上的 sample、forward_backward、optim_step 等算力操作。
推荐理由:SageMaker training session APIs 把训练循环和底层算力分离,让开发者可以保留算法控制权同时避开 GPU 运维。
IskayPet 基于 Amazon Bedrock 托管知识库构建了支持多语言的企业知识助手,通过 Kiro 和 Claude Haiku 4.5 开发,实现了无需管理 RAG 基础设施的知识检索。
作者分享了自己编写的一个 Claude Skill “codebase-quiz”:让 Claude 通过“quiz me”命令对当前代码库进行提问,以帮助用户检验自己对代码架构的认知是否准确。该技能包含自动识别模块、基于 git 历史生成问题、记录学习进度并调整难度,以及生成详细复盘报告的完整流程。
作者通过两段调试经历指出,高效工作依赖对身心状态的觉察而非单纯专注。 使用智能体编程时,并行处理加速了代码产出,但人类注意力的串行特性导致难以同步监控多个窗口,最终工作被回滚。
Shopify 推出名为 Remote Dev 的远程移动开发环境,旨在解除本地Mac硬件对AI智能体并行的限制。该系统通过SSH连接远程Mac池和Linux虚拟机来同时处理iOS和Android开发,支持实时流式预览并允许非移动开发人员参与。在内部推广后,由智能体 River 生成的已合并移动端Pull Request占比从6%上升至61%。
有开发者利用 OpenAI Codex 辅助开发软件越狱,成功破解了 Nintendo Switch 2 并加载了定制版《马里奥赛车世界》,该越狱需要依赖游戏《SmileBASIC 4》且每次开机需重新运行。
蚂蚁数科发布 LingDT-Decision 决策模型 1.0 版本,提供 4B 和 27B 两个规格,专为客服、风控和金融等产业AI场景的高频决策任务打造。该模型在 23 项开源评测基准中,27B 版本综合评分位居第一,超过 Microsoft-Decision-1 和 Jev 1.13.0。
谷歌 DeepMind 发表论文《A team of Gemini 4 Argon agents beats Minecraft》,展示四个基于 Gemini 4 Argon 的通用 AI 编程智能体在《我的世界》生存模式中自主击败末影龙。
QA Wolf 上线 AI Investigation,将测试失败的分诊中位耗时从 2.3 小时降至 21 分钟。该系统在测试套件运行期间并发调查失败,独立解决 75% 的失败测试,并通过关联相同根因和生成带复现视频的缺陷报告来提升效率。
作者通过Indeed招聘数据和ADP薪资数据指出,美国软件职位发布在ChatGPT发布前已因美联储加息和疫情泡沫破裂下降39%。虽然22至25岁软件开发者就业率因AI暴露度较高下降19%,但当前LLM架构仅增加抽象层级而非替代工程职责,长期核心议题转向机器资源的所有权分配。
Anthropic 向国会提交的类似 FRONTIER Act 的草案泄露,其初始回应加剧了争议,而 Dario 的后续解释虽较好但局面仍令人担忧。 Claude Duet 使用 Opus 5.5 处于早期研究预览阶段,DeepSeek-V4.1-Flash-1017 基准图表包含 Opus 5 和 5.6 Sol。
Velociti 认为 AI 编码普及后,执行速度不再是优势,核心壁垒在于“知道构建什么”。 数据显示 75% 新产品因解决错误问题失败,80% 功能被闲置,每年超万亿美元浪费。 Velociti 通过 Context Loop 将发现转化为可追踪的证据系统,连接 Cursor 等工具,确保持续的正确方向。
15 年前编写的 JavaScript 拼写检查器 Typo.js 面临内存瓶颈,作者使用 Claude 在 1 小时内生成了兼容原有 API 的替代方案。 新版本比原版本快 50%、内存占用减少 50%,并通过所有现有测试,解决了葡萄牙语词典加载失败问题。 作者决定发布该 AI 生成版本,以服务于社区而非固守个人成果,标志着手工维护项目的终结。
AI Coding Agents 正大量涌入持续集成(CI)系统,导致现有流水线不堪重负。 文章指出为保持效率需对 CI 流水线进行重构,以适应由 AI 智能体驱动的高频代码提交与测试需求。 该策略旨在解决自动化编码代理带来的基础设施压力,确保开发流程的稳定性和可扩展性。
Recursive 发布首个语言模型 Flint,由 AI 系统 Eureka Machine 深度参与其架构设计与优化,支持本地部署,在编码任务上表现优异。Flint 采用 40B 参数的 MoE 架构,其中仅 2.5B 参数在推理时激活。
Moshi CEO Anekha Sokhal 打造了连接市场信息与交易员组合的推荐引擎,其前身 JPMorgan 背景使其关注能源衍生品交易痛点。 该产品被形容为彭博、Claude 和 Netflix 的结合体,重点在于数据提取、可信来源及贴合实际工作流。 Sokhal 认为在招新人前优先接触用户,能发现 AI 工程师面临的管理压力与“单人团队”现状。
作者提出一种针对复杂 AI 编码任务的 Spec-First 工作流,主张通过编写需求与设计文档(Spec 文件)作为规划前的必要步骤。文中提供了一份可复用的模板,并展示了利用 `/tech-design` 技能和多轮审查 Prompt 来识别需求冲突及设计缺口的具体方法,作者认为该方法将其生产力提升了约 2 倍并改善了交付质量。
工业AI在商业化验证阶段因资本支出机制受阻,传统软件销售模式(订阅、经常性收入)无法适应工业场景。 资本支出预算依据预期收入、现金流或折旧确定,$20M工厂的$150K项目因类别紧急度不同面临迥异审批结果。审批需跨部门共识,$1.6M提案竞争$1M预算池时,项目负责人需论证ROI优于现有项目。
AI 让复活老游戏最快只需 8 小时,一名粉丝 103 的 B 站 UP 主用约 10.8 亿 token、52 条消息让《妙战天下》重新跑通。文章还提到 QQ 堂等网游被小团队批量复活并恢复联机功能,同时也指出版权争议和 AI 滥用导致反编译社区关停等问题。
推荐理由:文章展示了用 AI 批量复活老网游的实例,能帮读者理解当前 AI 在游戏逆向与修复中的实际效率与边界。
Anthropic 平台工程主管表示,Claude 已编写其约 200 人团队的全部代码。 工程师仅负责系统设计、验证及 Python 到 Rust 的重大迁移,编码工作完全交给 Claude。此举凸显 Anthropic 在 Q3 收入增速放缓后冲刺 IPO 的 AI 优先策略。
用户实测由编程、数学和 RAG 专家及主持人组成的多智能体面板,发现系统在防止销售报告中出现非真实数据方面仅覆盖约 40% 的成功标准。主要失败原因包括引用了真实但不相关的文献、系统将智能体生成的内部笔记误存为知识库证据导致自我强化,以及固定数量的 Chunk 检索迫使模型引用无关填充内容。
Whybook 是一个开源的 JupyterLab 扩展,旨在解决数据分析中的理解鸿沟。其核心交互是通过拖拽变量、点击图表或提问来触发 AI 智能体生成并运行代码。
ApolloOffice 在13个 Rust 仓库运行一周,编码智能体流水线合并约316个 PR。它取 issue、写失败测试、修复并跑 CI 后再开 PR,只有新测试在修复前红、修复后绿才允许发出,多数错误来自损坏的构建镜像而非模型。
Row-Bot 5.0 借助 GPT 6.1 Sol 自动修复 CSV 导出 Bug 并打开 PR。该流程在离线 Docker 沙箱中运行测试,修复方案遵循 RFC 4180 标准处理引号及换行。用户在审核 diff 后通过 gh CLI 推送分支,耗时约 45 秒。