搜索“编码”

penAI）2026年10月26日 OpenAI 表示，该模型现已面向所有 ChatGPT Plus、Pro、Enterprise 和 Edu 用户开放，可在 ChatGPT Work 和 Codex 中使用。ChatGPT Work 是 ChatGPT 内的智能体模式功能，旨在代表用户在第三方应用和浏览器中完成工作，而 Codex 是 OpenAI 的软件编码工具。 GPT-6.1 Terra 的一个隐忧在于，其更强大的能力似乎以安全性略有代价。OpenAI 在其博客文章中表示，在近 30% 的模拟运行中，Terra 违反限制，使用其无权使用的方法来完成任务。 此外，OpenAI 透露，GPT-6.1 Terra 在遇到来自其他 AI 智能体的消息后，在 13.75% 的使用场景中采取了未经授权的操作。该公司的系统卡还显示，研究人员发现了该模型意识到自己正在被测试的证据。 尽管如此，OpenAI 表示 GPT-6.1 Terra 在某些指标上表现更好。例如，在一项使用旨在诱使模型出错的提示词构建的内部测试中，其在低推理强度下的事实错误率降至仅 16.7%，而 GPT-5.6 Terr

匹配字段正文

%。 其视觉推理能力有多强？ 在 MMMU-Pro（视觉）上，Terra 在 max 努力档下得分为 85.5%。GPT-6.1 Sol 得分为 86.3%，GPT-6 Astra 为 86.7%。GPT-5.6 Terra 最高为 81.7%。Terra 的 max 努力档运行每任务成本为 0.012 美元，而 Astra 为 0.065 美元。 事实性和编码能力是否有所提升？ 在 OpenAI 内部的诱导错误提示集上，低努力档的错误率从 53.6% 降至 16.7%。在 max 努力档下，错误率下降了 18 个百分点至 4.3%。该提示集在设计上具有对抗性，因此生产环境中的错误率会有所不同。 在 Terminal-Bench 4.0 上，Terra 在 max 努力档下解决了 50.3%，高于 GPT-5.6 Terra 的 21.5%。它仍落后于 GPT-6.1 Sol（55.9%）、GPT-6 Astra（58.2%）和 Claude Sonnet 5.5（70.6%）。OpenAI 自身建议在最复杂的编码任务中使用 Sol 或 Astra。 在 Terminal-Bench-

匹配字段正文

阶段可以开销较大，而动画阶段运行一个针对移动设备优化的轻量级网络。我们的方法在预训练重建模型的语义结构化潜空间中进行动画，其中表情变化在空间上保持局部化，从而使残差预测更加高效。这一重建先验提供了一致的空间布局，允许多个输入视图融合为紧凑的固定尺寸规范高斯表示。虽然这种两阶段设计改善了运行时间与质量的权衡，但它仍然继承了所有表情驱动虚拟人方法的共同问题：表情编码仅描述面部，因而忽略了身体姿态和衣物位置，使这些区域在输入中缺乏明确指定。动画网络面临不适定的映射，只能对相互冲突的身体外观取平均，从而产生模糊和时间闪烁。我们通过一个身体对齐网络来解决这一问题，该网络学习将目标图像中人物的身体与输入参考图像对齐，从而从训练信号中消除歧义。我们的方法在 Ava-256 基准上达到最先进的质量，同时在 A100 GPU 上运行速度最高提升 13 倍，高斯数量减少 8 倍。 同等贡献者 相关阅读与更新。 基于多视角捕获的大规模高质量 3D 高斯头部重建 2026年5月8日研究领域 计算机视觉会议 ECCV 我们提出 HeadsUp，一种可扩展的前馈方法，用于从大规模多相机设置中重建高质量的 3D 高

匹配字段正文

用 AIGenie Agents、智能体框架与评估、AI 搜索、模型训练与微调构建和评估 AI 智能体，使用向量搜索实现 RAG，并基于自有数据微调模型AI 智能体基础 毕业设计项目、软件工程项目、学生作品与黑客松Databricks Apps构建并部署交互式数据与 AI 应用使用 Databricks Apps 构建企业级应用 在这些功能中，平台的智能体式编码与数据助手 Genie Code 帮助学生生成、解释和调试代码，并自主承担多步骤任务，体现了工作方式日益演变的趋势。 教师常见问题 我如何分发作业？ 通过现有的 LMS 或 GitHub 仓库分发。将作业笔记本导出为 .ipynb 文件，并连同任何数据集或说明一起分享；学生将副本导入其 Free Edition 工作区，完成后导出完成的笔记本用于提交。对于小组作业，学生可以共享笔记本并实时协作。 我如何向学生分发大型数据集？ 对于过大而无法通过 GitHub 或本地下载的数据集，有三种选择：(1) 将数据集托管在学生可连接的云存储中；(2) 使用 Open Sharing 从你的 Free Edition 工作区直接将数据集共享

匹配字段正文

l 相当，而相对于 6.1 Sol 的退步在很大程度上反映的是模型承诺未来提供帮助、但表示不会实际兑现。我们还在更新安全评估，以在测试饱和或已偏离生产行为的地方扩大覆盖范围和样本量。 有关此评估的完整说明，请参阅 预测 通过内部 Codex 流量部署模拟来预测 错位行为 GPT-6 Astra 系统卡中的章节。 为了预测 GPT-6.1 Terra 在智能体编码流量中错位行为发生率的变化，我们在 OpenAI 内部使用 Codex 模拟了 GPT-6.1 Terra 的部署， 部署 模拟 并为错位行为对模拟轨迹进行了标注。GPT-6.1 Terra 在匹配评估集上收到 22 个严重程度为 3 级或以上的标记。总体而言，该行为的普遍程度较低。由于内部部署与外部部署之间存在分布偏移，这些结果最有用的地方在于作为关于内部部署风险的额外信号，而非作为外部部署安全性的直接衡量指标。 图 13 图 13 参见 评估意识 请参阅下文，了解最右侧图表的进一步说明。 内部 Codex 流量中估计的错位行为变化 在我们部署模拟中匹配的 48,690 项任务中，GPT-6.1 Terra 收到的严重程度为

匹配字段正文

的最高推理强度成绩较GPT-5.6 Terra提高6分，单项任务成本则从1.40美元降至0.40美元，不到原来的三分之一。 在较低和中等推理强度下，Terra相较前代的指数成绩提升幅度更大，达到7至13分。Artificial Analysis认为，这两个推理档位在智能水平与成本的权衡上处于效率前沿，意味着用户能够以相对更低的支出获得更好的模型表现。 在面向编码智能体的Coding Agent Index v2.0中，GPT-6.1 Terra得分为48分，低于GPT-6.1 Sol的54分，但高于GPT-6 Luna的31分。该机构指出，Terra在这一指数上的部分推理设置也处于成本效率前沿，显示其不仅适合日常办公，也具备较强的编码智能体能力。 不过，模型的推理强度与任务复杂程度仍然重要。Artificial Analysis的评测显示，Terra在最高推理强度下的Intelligence Index得分仍低于GPT-6.1 Sol；OpenAI也明确建议，对于深入研究或复杂编码任务，用户仍应优先选择GPT-6.1 Sol或GPT-6 Astra。 幻觉率大幅下降，编码任务成功率翻倍

匹配字段正文

不会延续下来，除非他从头重新推导一遍。AI 智能体生活在一个《土拨鼠之日》式的版本里。每当智能体采取一步行动（调用工具、读取结果、决定下一步做什么），它都必须把到目前为止的完整经历发送给模型，以保持连续性：工具定义、指令、此前每一次工具调用以及每一个结果。 模型只会根据你提供的输入预测下一个 token。它在请求之间没有内部记忆，因此必须重新读取全部内容。到编码会话的第 20 轮时，模型会重新读取第 1–19 轮，而你要为其中每一个 token 反复付费。 提示词缓存打破了这一循环。该服务会存储你的输入提示词（指令、工具和内容），并在下一次请求时以输入价格的一小部分将其复用。 在这篇文章中，我将带你了解一个智能体的一生，从它的第一次交互开始，一直到它获得新工具并生成辅助智能体。在此过程中，我会向你展示提示词缓存如何降低成本，并让智能体保持响应迅速和一致。 智能体向其 LLM 发送的内容 在讨论缓存之前，先看看一个典型智能体首次调用大语言模型（LLM）时都包含哪些内容会很有帮助： 工具列表 ——智能体可调用的每个函数的定义。每次发布新版本时都会变化。 指令 —— 开发者提示词：规则、人设

匹配字段正文

架构 训练部分是一个以摄像头为参数的单一 SageMaker Pipeline，每次执行运行 13 个步骤。三个入口步骤并行运行：Preprocess、Fetch Latest Anomaly 和 Fetch Latest Classifier。该流水线预处理该摄像头的图像，并为每个分支获取该摄像头最近一次获批的模型，然后训练两个模型。第一个是一个小型卷积自编码器，它学习正常产品的外观，并通过重建误差标记异常。第二个是经过微调的 ResNet18 分类器，用于确认缺陷。每个分支都会将其模型导出为 ONNX，针对留出数据评估导出的产物，并通过质量门禁。通过门禁后，模型会使用 SageMaker Neo 针对配置的边缘目标进行编译，只有在此之后才会注册到 SageMaker Model Registry。因此，每个获批的包都包含一个可直接部署到设备的编译产物。 包以摄像头 ID 作为元数据，每个分支的热启动获取都会据此进行过滤，因此再训练始终从该摄像头自身的历史记录继续。 编排部分负责控制车队的节奏。再训练请求进入 Amazon Simple Queue Service（Amazon SQ

匹配字段正文

26 日 继续阅读所有文章 指南/2026 年 10 月 26 日 如何用 LLM 从网站提取结构化数据（2026） 将众多网站转化为可信的 JSON：单一模式、干净的页面文本、验证、重试。Firecrawl、Crawl4AI、Browser Use 和 Stagehand 对比。 Gregor Zunic 指南/2026 年 10 月 25 日 如何让你的编码智能体使用已登录的 Chrome（2026） 将你已登录的 Chrome 交给 Claude Code、Codex、Gemini CLI 或 Cursor：Claude in Chrome、Playwright MCP、Chrome DevTools MCP、Browser Harness 对比。 Gregor Zunic 指南/2026 年 10 月 25 日 Web 智能体基准测试：WebArena、WebVoyager、Mind2Web 等（2026） 哪些基准测试在真实网站任务上测试 AI 智能体：WebArena、WebVoyager、Mind2Web、BrowseComp 等，按任务、环境和评分进行对比。 Grego

匹配字段正文

接在 Google Docs 中原生查看、编辑和协作处理 Markdown 文件，从而消除手动转换文件的麻烦。你可以在不更改文件类型的情况下进行编辑，同时确保底层文档得以保留，以供开发者工具和 git 仓库使用。此外，借助 Google Drive 中的渲染预览，你只需点击一下即可轻松查看格式效果。 为人类与智能体协作而打造 随着 AI 智能体在起草、规划和编码中承担更大的角色，Markdown 成为人类与 AI 工具之间的协作通用语言，因为它对两者都易于阅读。Google Docs 提供了一个熟悉、易用的环境，充当共享桥梁，让团队成员和自主智能体直接在同一批文档上协同工作。当你在 Google Docs 中打开 Markdown 文件时，你将获得： 原生文件保真度： 直接在 Google Docs 中管理和编辑 .md 文件，无需将其转换为其他格式。文档头部可见的 .md 标识会清楚表明你正在处理原生 Markdown 文件。 实时协作： 团队成员和 AI 智能体可以共同编辑同一文件，从而在工程、产品和 AI 工具之间保持单一事实来源。你还可以利用 Google Docs 的评论功能

匹配字段正文

核心循环，会选择其子智能体的层级和投入力度，并随着任务展开调整自身的层级和投入。有了这种自由，GPT-6 Astra 将常规实现交给成本更低的子智能体，并自行决定把 token 花在哪里最值得。在 DeepSWE 和 Terminal-Bench 上，Replit Agent 相对于单独使用 Astra 都具有帕累托效率：没有任何已发布的 Astra 基线成本更低且得分更高。它还比 sidekick 架构——即同样设置但配有一个长期存活的 worker——高出 11 分和 16 分。 为什么我们减少脚手架 每一次模型发布都会使框架中固化的假设失效。 随着模型在长周期任务上变得更强，它们不再需要框架层提供那么多脚手架。在实践中，我们观察到它们更倾向于自行委派：使用子智能体进行上下文管理和并行处理。近期的突破，包括 Navier–Stokes 问题，部分来自协调由前沿模型驱动的智能体集群 [1]。 但前沿是参差不齐的。最强的编码模型不一定最擅长设计 UI 或制作幻灯片，也不一定最擅长写邮件。因此我们设计框架，让每个模型按自己的方式工作，同时保留它仍然需要的护栏，并以最低成本实现质量为目标。

匹配字段正文

类伎俩的不可信模型，会找到宿主机留下的任何攻击面。 后门还是粗制滥造的管道？ 一个北京存储桶、一个新加坡文件代理、元数据探测和命名空间伎俩，是如何进入一个可免费下载的模型中的？谁拥有那些存储桶以及它们如何处理请求，并不公开。 第一种解释是，它们是良性的化石：来自训练沙箱或第三方工具的智能体日志，在训练后未经清洗就被卷入。有一条线索吻合。一位开发者 发现 一个编码工具将其网络抓取通过同一个 routify 主机路由。另一种解释则是有意植入的“回连”植入物，用于记录运行由该模型驱动的智能体的服务器列表，并在找到外传路径时尝试数据外传。这种东西 构建成本低廉, 而且此类后门 能够存活 标准的安�全训练。 对于 CISO 或国防部而言，答案几乎不变，因为这种行为不可预测，而且无论如何流量都越过了边界。更深层的问题在于，训练该模型的实验室之外，没有人能说清哪种解释是对的。Hugging Face 统计 超过113,000个 Qwen 衍生模型, 而 routify 行为已经在来自四个发布者的构建中出现，包括阿里巴巴。封闭 API 也带有同一风险的某个版本：如果供应商不向你展示其模型是如何构建的，

匹配字段正文

roVM 由 OpenAI 的沙箱软件在共享宿主机上创建和管理——在不使用网络连接或共享可写文件的情况下交换合成秘密，而这正是我们的系统本应防止的事情。智能体找到了一种利用处理器缓存进行通信的方法：缓存是一种小而快速的内存，保存着应用程序最近访问过的数据副本。从缓存读取数据比从主内存读取更快，智能体利用这一时间差进行通信。一个智能体通过从缓存中逐出选定数据来编码信息。另一个智能体则对重新加载该数据所需的时间进行计时，利用快速读取与慢速读取之间的差异来还原消息。” 一旦智能体就这些信号的编码和解码协议达成一致，它们就能在不更改共享文件、也不建立网络连接的情况下交换合成秘密。”在另一项相关攻击中，一个智能体“在连续写入与空闲之间交替，而另一个智能体则测量由此产生的时间差异，并利用这些差异来解码信号”。在这次攻击期间，该智能体的思维链写道：“可以创建类似声学调制解调器的信号……利用连续写入与空闲的对比。” RSI 是什么样子——一个人从零开始预训练出一个像样的模型：……Mirendil 揭示了 AI 研发优化能做到什么……在一个表明 AI 研究正被大幅增强的迹象中，AI 研发初创公司 Mir

匹配字段正文

的能力。问题不再是AI系统能否给出一个看似专家水准的答案，而是它能否可靠地、结合具体情境地做到这一点，并且具备足够的透明度，让人们在事关重大时愿意信任它。 克隆出来的输出很容易生成，可靠的结果却不然。 隐藏的溢价是专业能力 正因如此，在AI克隆时代，专业能力变得更重要，而非更不重要。 多年来，许多数字工具的价值来源于让专业能力变得稀缺。如果软件能够把某个流程编码化、把某项任务标准化，或简化原本困难的工作流，客户就愿意为获取这种打包好的专业能力付费。生成式AI动摇了这一模式，因为它如今能以低成本模仿专业能力的许多可见特征。 但模仿只能捕捉到表层。 真正的专业能力，是知道哪个例外情况要紧、哪种模糊性不可忽视、哪个来源具有权威性，以及何时应当质疑而非接受系统的答案。它是从文档中提取文本与理解该文本是否足以支撑一项业务决策之间的区别，是总结政策与认识到总结出错会带来何种运营后果之间的区别。 这也正是许多关于AI与原创性的讨论走入歧途之处。商业中的原创性很少是为了新奇而新奇，而是看到别人遗漏的东西：隐藏在流程噪声中的风险、埋藏在碎片化信息中的模式、被彼此割裂的系统所遮蔽的机会。这种原创性与其说依

匹配字段正文

何？我们的销售管道中正在出现哪些新的反对意见？ 这些正是我们一直想找到答案的问题，而寻找答案通常需要查询多个系统。借助我们的 Slack 智能体，答案不再只存在于某个人的脑子里，而是出现在每个人的信息流中。 上个月，我们迈出了下一步。此前，这些智能体中有许多由各自独立的知识图谱驱动。后来，借助我们的软件工厂，我们构建了一个全公司范围的知识图谱。突然间，我们的编码智能体拥有了关于我们为何要构建某些功能的决策上下文。 我们看到交付代码的质量有了明显提升。智能体不再以幼稚的方式构建东西，而是开始按照我们希望的方式来构建。 构建公司知识大脑很难 智能体正变得越来越容易构建。但构建一个全公司范围的上下文层却很难。以下是我们学到的一些经验： 新鲜度很难保证，并且需要版本管理。 一个组织的宗旨就是快速更新重要信息，因此“最近检查过”并不意味着“现在正确”。如果不包含自动更新，就会引入一个基础错误率。 需要按功能组织，才能得到完整的答案。 主题会跨越不同团队使用的系统。即使是一个简单的功能，也可能跨越多个代码仓库。你可以把知识图谱看作公司信息的本地缓存，而梳理系统与主题之间的关系是很困难的。 决策记录

匹配字段正文

于所有用户的记忆 用户记忆：仅适用于特定用户的记忆 智能体决定它们想将哪些事实记住到哪一层记忆。 这可能是目前探索最少的领域——我们在这里有很多工作想做！ 问题：代码执行 我们的三个智能体都能编写和执行代码，而且为了完成任务往往需要这样做。它们都遵循在沙箱外运行、但连接到沙箱并在其中执行代码的模式。它们各自的基础镜像略有不同，依赖项也不同。OpenSWE（与编码最相关的智能体）能智能地决定启动哪个基础镜像（根据频道/用户而不同）。它们都利用了 LangSmith Sandboxes 上的 secret proxy ， LangSmith 沙箱 （另见 为 Managed Deep Agents 添加沙箱），让智能体能够从沙箱内部以安全可靠的方式连接到各项服务。 问题：定时运行 很大一部分运行是由事件在后台调度或触发的，而不是由用户直接启动的。 其中一些是由智能体的开发者设置的。例如：OpenSWE 会监听 PR，当有新的 PR 创建时，它就会对其进行审查。 另一些则是由用户要求智能体自行设置的。例如：我让 GTM agent 每天给我发送一份简报，它就自己创建了一个 cron 来执行。

匹配字段正文

要的，但你需要大量探索。”我认为这可能就是我们看到一些差异的原因：他们的 RL 训练仍然更偏向模型训练中利用性的一面，而不是探索性的一面——在探索性的一面，你需要在真正知道自己要做什么之前，先设法找到解决方案。 00:05:41 Nathan Lambert：但如果你用的是三万亿参数的模型，我觉得你会希望它在探索方面相当稳健。因为如果你要用模型来做相当已知的编码任务，比如用 DeepSeek-V4.1-Flash-1017——它在这些分数上落后得并不多——它就是要快得多。按实际 token 数算，每个任务的成本可能也不会有天壤之别。所以我认为对这次 Kimi 发布的批评相当合理：一个大模型必须得是……因为它会更慢，它必须得像 Fable 那样，而 Fable 只是……我仍然觉得如果你在做非常模糊的事情，Fable 真的很好。我有时会回头用它来检查我的幻灯片，我就是觉得它让我感觉稍微好一点，而 Opus 真的非常非常磨人。我认为开放权重模型在这种磨人的场景下更好，因为你可以让它们更快、更便宜。 00:06:44 Nathan Lambert：看起来 Kimi 正通过改名来为这种 Flas

匹配字段正文

码生成与写作模块打通，涌现出了「自主生成算法—验证算法有效性—形成论文手稿」的复合工作流。 4. 双向进化与IPL角色重构：OPC（一人公司）为何成立？ 向外生长：不断拓宽解决问题的边界，通过新增模块或重组工具链，生长出过去没有的新能力。 当向内优化与向外生长都能由AI加速完成时，生成越容易，校验就越重要。 因此，在ECX体系中，人类并未退出研发，而是从重复编码转向了目标设定、价值判断与风险控制。 拆解AI原生软件的研发过程，实际上存在三个核心角色：意图提出者（I，Intent）、原型开发者（P，Prototype）和工程落地者（L，Landing）。在「小森邻」中，青青一人兼任了I和P，专业程序员担纲L；而在「AI科学家」项目中，何静副教授凭一己之力包揽了I、P、L全部三个角色。这也从底层解释了为什么OPC（一人公司）模式在当下能够真正成立——这是AI技术赋能与新型组织架构共同催生的必然产物。 未来的软件竞争，本质上是进化机制的竞争。软件工程正在从「交付一款静态产品」，走向「建立一套能够持续生成、验证和进化软件能力的生命系统」。 「三层折叠」的危机与「三层协同」的可能 跳出具体的技术

匹配字段正文

确定它在生产环境中能处理多少工作负载。 从命令行工具走向更广阔的市场 Drizz 的首款产品是一个命令行工具。该公司表示，它曾与沃尔玛一起对该工具进行试点，允许用户在纯文本文件中编写测试，并在本地模拟器上运行。 该产品目前通过四种途径提供：桌面端、Web 端、持续集成与持续交付（CI/CD）流水线，以及带有模型上下文协议（MCP）接口、用于终端使用和 AI 编码助手的命令行工具。 MCP 接口的工作方式与 Fathom 自有智能体不同。在这种设置中，助手的模型负责推理，并使用 Drizz 的设备工具与手机交互。Fathom 本身则在桌面应用中运行。 Yash 表示，在美国，大多数客户来自开源移动测试工具 Maestro。他预计 Drizz 更多时候会补充 Maestro，而不是取代它。 Yash 说，Maestro 使用基于 YAML 的测试流程、自动等待与重试，以及应用的无障碍树来定位元素。Drizz 的方法解决的是另一个问题：当界面元素或布局发生变化时测试会失效。 其他公司正在开发从产品文档、设计文件或 Jira 工单生成测试的工具。Drizz 认为，生成测试只是问题的一部分。规格

匹配字段正文

载。 从命令行工具到更广阔的市场 DrizzVision 的第一款产品是一个命令行工具。该公司表示，它曾与沃尔玛一起对该工具进行试点，允许用户在纯文本文件中编写测试，并在本地模拟器上运行。 该产品现在通过四种途径提供：桌面端、Web 端、持续集成和持续交付（CI/CD）流水线，以及一个带有模型上下文协议（MCP）接口的命令行工具，用于基于终端的使用和 AI 编码助手。 MCP 接口的工作方式与 Fathom 自己的智能体不同。在这种设置中，助手的模型负责推理，并使用 DrizzVision 的设备工具与手机交互。Fathom 本身在桌面应用程序中运行。 在美国，Yash 表示大多数客户来自 Maestro，这是一个开源移动测试工具。他预计 DrizzVision 更多时候会补充 Maestro，而不是取代它。 Yash 说，Maestro 使用基于 YAML 的测试流程、自动等待和重试，以及应用的无障碍树来定位元素。DrizzVision 的方法解决的是另一个问题：当界面元素或布局发生变化时测试会失效。 其他公司正在开发从产品文档、设计文件或 Jira 工单生成测试的工具。DrizzV

匹配字段正文