搜索
收到面壁智能的内测邀请，我翻了翻产品逻辑，发现它想解决的问题和我当时的处境一模一样。AI 能不能不只是回消息，而是做项目。AI 能不能记住规则，能在你睡觉的时候继续干活，能自己发现你漏了什么。
有一套配置能让Claude自动发现错误、自动修复、并且记住不再犯同样的错，Boris Cherny详细解释了这套配置。Boris Cherny（Claude code创始人）最新采访爆料cc团队内部已经停止人为修复 Claude 的错误，他们现在让 Claude 自己修复它们
Devin 证明，独立 Vibe Coding 平台依然有机会。
刚刚，清华团队开源硬核Agent系统PilotDeck，在开发者圈已经传疯了。项目独立建舱，记忆可视可改，Token还能省一大半。从此，一个人，就是一支AI军团！
腾讯设计领域的WorkBuddy来了。
![[翻译] AI Agent 的 Zero Trust 框架｜Anthropic 安全白皮书](https://www.aitntnews.com/pictures/2026/5/28/a5aa95a5-5a65-11f1-add0-fa163e47d677.webp)
Zero Trust 是一套安全架构，核心前提很简单：不信任任何东西，必须验证一切
近期，深圳河套学院（SLAI）AI训练平台项目团队，联合哈尔滨工业大学（深圳）、深圳大数据研究院、华为GTS（全球技术服务）团队与深智城AI算力平台，仅用1个月，共同基于昇腾910C国产算力集群实现DeepSeek-V4-Pro全参数续训练/SFT稳定运行，完成长稳训练1500+步，训练MFU超30%，关键训练算子效率提升14%。
医学AI会写解释，但不代表它真的“看到”了关键证据。
从数学、代码、复杂推理，到多轮工具调用，大模型的很多能力的提升都离不开 RL 后训练。但当模型规模进入 MoE 万亿参数级别之后，RL 不再只是一个算法问题，同时更加是一个系统问题。
相信大家都有过这样的体验：同一个系列的模型，使用文本交互的时候，模型就像开启了 “最强大脑”，数学代码等各种复杂推理任务样样精通，可是一旦将其改造成语音对话模型之后，性能就猛烈下降，严重 “降智”，经常会犯很多基本的逻辑错误。