0
Gowers 测试 ChatGPT 5.5 Pro：数学研究的门槛正在被重新定义
Timothy Gowers 对 ChatGPT 5.5 Pro 的测试，不再是“AI 会不会做题”，而是它能否在真实研究语境里，找到人类没有立刻采用的组合方式，并把它推进成可检验的证明。
标签: LLM
0
把文档交给 LLM，为什么会越改越错？
一篇新论文提出，当我们让 LLM 长链路处理文档时，文档内容会发生逐步退化。更危险的是，这种退化常常“看起来还像原文档”，但数字、引用、结构、术语、关系和细节已经悄悄变了。
0
Zero-to-CAD：Autodesk用AI Agent合成百万级可编辑CAD程序，无需真实数据
Autodesk Research发布Zero-to-CAD框架，将LLM嵌入反馈驱动的CAD环境中，通过Agent式搜索合成约100万个可执行、可读、可编辑的CAD构造序列，涵盖倒角、圆角、布尔运算等丰富操作词汇，无需任何真实CAD历史数据。微调后的视觉语言模型在图像到CAD重建任务中超越GPT-5.2。
0
深度学习到底在学什么？一份速查手册背后的知识地图
从神经元到大模型，从梯度下降到生产部署——一份51页的深度学习速查手册，浓缩了2026年AI工程师需要掌握的全部核心知识。我们从中提炼出一张完整的知识地图。
0
AI 工程师实战路线图
在 AI 浪潮席卷全球的当下，“AI 工程师”已经成为科技行业最炙手可热的高薪岗位之一。不同于传统机器学习研究者或数据科学家，AI 工程师的核心任务不是从头训练模型，而是把大语言模型真正落地到生产环境中，构建可靠、可扩展、可维护的完整系统。 这份路线图源于 Alexey Grigorev 的开源项目《AI Engineering Field Guide》。该项目分析了超过 2445 个职位 JD、5694 个职责描述和 4525 个实际用例，从中提炼出真正驱动 80% 工作产出的 20% 核心技能。对于想转型或进阶的工程师来说，这不是一份“概念清单”，而是一张非常务实的实战导航图。
0
LLM工程师必读的12篇论文：从Transformer到DPO，附全部下载链接
“你可以不写论文，但你不能不读论文。” 最近，IIT毕业的AI教育者 Amit Shekhar 在推特上发了一份"LLM工程师必读论文清单"，被收藏了1600多次。这份清单不是那种动辄50篇的"大而全"书单，而是精选了12篇——每一篇都是LLM发展史上的关键节点，读完这12篇，你就能理解今天所有大模型产品背后的核心技术脉络。 我把每篇论文的核心贡献、你能从中学到什么、以及论文下载地址都整理好了。建议收藏，周末挑两篇开始读。
0
你的AI系统为什么总是"Demo很惊艳，上线就崩"？因为你少了这五层
“每个人都在部署AI。很少有人部署对了。” —— 一位为50多家企业设计过AI架构的瑞士架构师 2026年，AI应用的门槛已经低到令人发指。一个周末，一个人，几行Prompt，就能搭出一个看起来很像样的AI产品。 但"看起来像样"和"真正能用"之间，隔着一道深渊。 这道深渊的名字叫：架构。 最近，一张在推特上疯传的AI系统架构图引发了广泛讨论。它把一个生产级AI系统拆成了五层：数据层、模型层、编排层、接口层、基础设施层。看起来简单，但每一层背后都藏着无数团队踩过的坑。 今天我们就来逐层拆解：一个真正能扛住生产环境的AI系统，到底长什么样？
0
从 LLM 到 Agent Skill：一文带你打通 AI 技术的底层工程逻辑
从大语言模型、Token 与 Context，到 Tool、MCP、Agent 和 Agent Skill，这篇文章尝试用工程视角把一整套 AI 技术栈拆开讲清楚。看懂这些底层逻辑，才真正算摸到了 AI 的骨架。
0
你的AI代理已归我所有：揭秘LLM路由器的“致命后门”与50万美元失窃案
引言：当AI成为“超级黑客”的提线木偶 在人工智能飞速发展的今天，大型语言模型（LLM）已经跨越了单纯的“聊天机器人”阶段，进化为能够执行复杂任务、调用外部API、甚至管理加密资产的“自主代理（AI Agents）”。为了协调这些代理与外部世界的交互，**LLM路由器（LLM Routers）**应运而生，成为了AI生态系统中的交通枢纽。 然而，如果这个“交通枢纽”从一开始就被设计成了不设防的裸
0
从词语预测到通用智能：大语言模型（LLM）的全景拆解
自 2022 年底 ChatGPT 发布以来，人类正式进入了"大模型时代"。这些被称为 LLM（Large Language Models）的数字实体，不仅能流利地对话、编写复杂的代码，甚至在法律和医学执业考试中击败了大多数人类。 究竟是什么力量让冰冷的服务器产生了类似于"智能"的表现？根据高瓴人工智能学院团队的研究，大语言模型并非一夜之间突然出现的魔法，
0
打造你的AI第二大脑：LLM驱动的个人知识库Agentic构建指南
在AI时代，信息如洪水般涌来：每天阅读的论文、文章、代码仓库、数据集和图像堆积成山。传统笔记工具如Notion或Obsidian虽能记录，但维护成本极高——手动创建链接、摘要、思维导图，容易陷入"知识孤岛"。而LLM（Large Language Model，大语言模型）的出现，彻底改变了游戏规则。它不再只是聊天工具，而是知识操作的核心引擎，能自动将原始数据转化为结构化、可查
0
AI幻觉下的BI救赎 | Strategy《可信AI的崛起》深度导读
导语 当生成式人工智能（Generative AI）以其惊人的语言理解和内容创造能力席卷全球时，商业智能（BI）领域迎来了最激动人心的变革。AI承诺将数据分析从少数专家的精英任务，转变为人人可用的自然语言交互体验。然而，将先进的LLM（大型语言模型）直接嵌入到企业数据分析的核心流程中，却暴露出了巨大的鸿沟——AI的智能与BI的精度之间的冲突。 Strategy公司的权威白皮书《可信AI的崛起》正是
0
AI新时代的实用指南：预览MIT Technology Review新通讯"Making AI Work"
在AI技术飞速发展的今天，许多人，包括医生、教育工作者、金融分析师和小企业主，都在困惑：AI到底怎么用？它能解决我的实际问题吗？会有什么风险？MIT Technology Review作为全球顶尖的科技媒体，他们的这个新通讯正是针对这些痛点设计的。它不是空洞的宣传，而是通过真实案例、工具分析和行动建议，帮助大家"让AI真正工作起来"。如果你正计划订阅，或者只是好奇AI在职场中