我们与NVIDIA合作，利用自主运行的多智能体系统，在为期三周内对235个真实CUDA内核进行了优化。该系统从零开始构建并优化Blackwell GPU内核直至汇编级别，实现了38%的几何平均速度提升，其中63%的问题超越基线，19%实现超2倍优化。这些内核直接影响AI训练与推理效率，传统上需资深工程师耗时数月乃至数年的优化工作，该系统在数周内即自主完成，并能探索更广阔解决方案空间，突破了人工逐项优化的限制。
推荐理由：Cursor 把自家多 Agent 系统拉去优化 CUDA 内核，38% 的 geomean 提速不算炸裂，但真正值得看的是它证明了 Agent 可以在无人干预下跑三周啃硬骨头，这对做 Agent 产品的人是个强信号。
Cognition 发文介绍过去八个月多家财富 500 强公司在 COBOL 项目中使用 Devin，包括用 DeepWiki 文档化数百万行代码、将 25000 行海关工作流迁移到 AWS Lambda（估算节省 73% 迁移成本），以及 Itaú Unibanco 跨数百个程序、20 种字段变体的税号重构，提前三个月完成且零生产错误。
推荐理由：原文梳理了 COBOL 难倒智能体的三个原因和可落地的两类场景，并给出迁移成本下降等具体案例，方法可参考。
Trail of Bits 分享其一年内将 AI 采用率从约 5% 推到全公司落地的系统方法，目前已有 94 个插件、201 个技能、84 个专用智能体，部分审计项目每周发现的漏洞从约 15 个增至 200 个，约 20% 的客户报告漏洞最初由 AI 发现。
推荐理由：Trail of Bits 以亲历者身份复盘内部 AI 化的完整系统，给出心理障碍分析和可复制的组织方法，适合参考落地路径。
Anthropic宣布在悉尼设立办公室，并与澳大利亚政府签署AI安全合作备忘录。数据显示，澳大利亚占全球Claude流量1.6%，人均使用量是预期的4倍以上，全球排名第11位，人均第7位。使用集中在新南威尔士州（37%）和维多利亚州（31%）。使用场景为46%工作、47%个人、7%课程作业。澳用户倾向于处理更复杂任务，但耗时比平均短20%，AI自主性得分较低（3.38/5），表明更多采用协作而非完全委托模式。
Cursor团队将实时强化学习技术应用于Composer编码模型，利用真实用户交互产生的推理令牌作为训练信号，以解决模拟环境与真实使用间的匹配问题。该技术使团队能够以每五小时一次的频率部署改进后的模型检查点。通过A/B测试，新版本实现了关键指标提升：代理编辑在代码库中的持久性增加2.28%，用户不满意后续减少3.13%，延迟降低10.3%。实时RL也带来了奖励黑客等新挑战，但真实用户反馈有助于识别和修正此类问题。
推荐理由：Cursor 把真实用户交互当训练信号，每五小时迭代一次 Composer，这不是论文是工程日志。做 coding agent 的团队该看看他们怎么处理 reward hacking 的两个真实案例，比任何 benchmark 论文都实在。
Anthropic推出Science Blog，分享AI在数学、物理、生物等领域的应用进展与挑战。博客设Features（科研成果案例）、Workflows（实用指南）、Field notes（领域动态）三类栏目，首发两篇内容：用Claude完成理论物理计算的实战记录，以及科学计算任务编排教程。Anthropic同时介绍了AI for Science计划、Claude for Life Sciences及参与的Genesis Mission等多亿美元级科学加速项目。
METR 三名研究员进行 2 小时桌面推演，模拟拥有约 200 人类小时时间 horizon 的 AI（预期 12-18 个月后出现），其余条件保持 2026 年 2 月现状。
新研究显示，美国人每天向 ChatGPT 发送近 300 万条消息询问薪酬与收入，借助 AI 获取薪资情报，有助于缩小工资信息差距。
Answer.AI 分析 PyPI 数据后发现，ChatGPT 发布后 Python 包创建率没有明显上升，整体更新频率的缓慢增长早在 2019 年就已开始。但热门 AI 相关包更新频率跃升至每年 21-26 次中位数，是热门非 AI 包（约 10 次）的两倍多。
推荐理由：原文用 PyPI 数据检验 AI 生产力说法，发现效应集中在热门 AI 相关包，给出两个可检验的解释假设。
AlphaGo 诞生十周年，回顾其从围棋游戏拓展至生物学等科学领域的历程，探讨这项技术如何催化重大科学发现并为 AGI 铺平道路。
五种 AI 价值模型展示了领导者如何循序渐进地部署 AI，从提升员工熟练度到彻底重塑业务流程，从而构建持久的商业竞争优势。
推荐理由：OpenAI提出企业AI应用五阶段价值模型，指导商业落地
Modal 发布工程博客，介绍三个用其平台推进的 AI 自改进研究项目：KernelBench（2024 年 12 月发布的 250 题自动 GPU kernel 生成基准）。
Anthropic性能优化团队负责人Tristan Hume分享了设计抗AI技术评估的经验。自2024年初，团队使用带回家测试评估候选人优化模拟加速器代码的能力，超1000人参与，成功招聘数十名工程师。但随着Claude模型快速迭代，Opus 4已超越多数人类申请者，Opus 4.5甚至匹配顶尖候选人，导致在时间限制下难以区分人类与AI输出。为此，作者三次重设计测试，探索抗AI评估要素，详述原始设计、模型破解方式及非常规对策。最终，团队将原始测试作为公开挑战发布，因无时间限制时人类表现仍优于Claude。
推荐理由：Anthropic 性能优化负责人亲手写了三版面试题被自家模型逐一击穿的全过程，这种坦诚的工程复盘比任何 AI 能力排行榜都更真实地告诉你，模型到底强到了什么程度。
LlamaIndex 发文指出，Agent 正越来越多地通过文件和文件系统来读取非结构化上下文，并归纳出三种主要用法：用文件存储和检索长程对话历史、用文件搜索替代朴素 RAG 来获取海量外部上下文、用 Skills 类文件教会 Agent 做事从而绕过 MCP。
推荐理由：LlamaIndex 以一手实验和生态观察，梳理文件系统如何成为 Agent 上下文管理的核心抽象，并指出解析与检索等缺口。
Google 2025年度研究回顾全面盘点8大领域关键技术突破，总结全年在前沿研究方向取得的重要进展与核心创新成果。
Together AI 内核研究负责人 Dan Fu 发文《Yes, AGI Can Happen – A Computational Perspective》，反驳 AI 正逼近数字计算极限的说法。
Anthropic与Material调研500余位技术领导者显示，57%企业已将AI智能体用于多阶段工作流，16%实现跨职能部署。编码是核心场景，90%用于开发辅助，86%用于生产代码，平均节省近六成时间。80%受访者称投资已产生可衡量回报，如Thomson Reuters将法律检索从数小时缩短至分钟级。2026年81%企业计划处理更复杂用例，但面临系统集成、数据质量和变革管理三大挑战。
推荐理由：Anthropic发布企业AI Agent深度调研，揭示2026年应用趋势与头部企业实战案例
ARC Prize 发布 2025 年结果与分析，NVARC 以约 24% 的 ARC-AGI-2 私有集得分（$0.20/task）夺得 Kaggle 竞赛冠军，Grand Prize 连续第二年无人认领。
推荐理由：官方复盘给出 2025 年获奖方案、成本数字与 refinement loop 框架，读者可借此理解当前 AI 推理的真实边界。
OpenRouter 与 a16z 合作推出 2025 年 AI 产业现状报告，这是迄今最大规模的实证研究，旨在展示开发者和组织在实际场景中使用大语言模型的方式。报告基于真实数据，揭示了模型选择、部署模式、成本效益等关键趋势，为行业提供了一份来自前沿实践的全景式参考。
a16z 联合发布《2025 年 AI 现状报告》，这是迄今为止对开发者和组织在现实世界中使用语言模型情况最大规模的实证研究。报告基于广泛的实际应用数据，系统分析了 GPT、Claude、LLaMA 等主流模型在企业和开发环境中的采用趋势、工作流集成方式以及关键性能指标。研究揭示了模型选择偏好的显著变化、实际部署规模的增长数据，以及成本、延迟和输出质量等核心维度的最新基准。
AlphaFold 发布五年间持续加速科学研究，在全球范围掀起生物发现浪潮，深刻改变了结构生物学领域并推动多项突破性进展。
Cognition 发布 Devin 2025 年度绩效复盘。Devin 上线 18 个月来已在数千家公司服役，累计合并数十万个 PR，客户包括 Goldman Sachs、Santander 和 Nubank。
推荐理由：Devin 官方复盘 18 个月真实部署的强弱项，给出大量客户场景和量化数据，可帮助读者评估智能体在工程团队中的实际落地方式。
北爱尔兰教育管理局 C2k initiative 完成六个月试点，发现将 Gemini 等生成式 AI 工具融入教学，可为参与教师平均每周节省 10 小时工作时间。
ARC Prize Foundation 发文回应白宫上周发布的 AI 行动计划，称其 2025 年 3 月提交 OSTP 的三项建议，包括建立独立评测生态、联邦基准枢纽和主导国际标准，均已进入最终计划。
英国 AI Security Institute（AISI）宣布设立社会韧性团队（Societal Resilience Team），负责监测前沿 AI 在不同场景的部署并向英国政府提供基于证据的风险评估。
英国 AI Security Institute（AISI）发文阐述其应对 AI 犯罪滥用的研究路径，聚焦多模态生成、高级规划与推理、AI 智能体三类快速进步的能力。
Google 计划将 Gemini 扩展为世界模型，使其能够通过模拟世界来制定计划和想象新体验，从而实现通用 AI 助手的愿景。
推荐理由：DeepMind官方阐述Gemini世界模型愿景，揭示通用AI助手演进新方向
Anthropic 对齐科学博客提出名为 Bumpers 的对齐策略：即使无法彻底解决对齐问题，也可通过多层相互独立的防护来捕捉和修正失准模型。核心流程包括微调、并行审计、发现警告信号后回溯重训，以及部署后监控等次级防线，方法涵盖机制可解释性审计、红队测试、Clio 式批量监控和分阶段发布等。
推荐理由：文章提出以多层独立防护快速迭代修正对齐失败的策略，并说明其假设、局限与相关研究议程。
传统确定性 UI 正被 LLM 驱动的动态交互打破，聊天界面虽成 AI 原生标准，但提示词输入难以精确控制结果。Linear 提出“工作台”隐喻：用结构化传统 UI 为 AI 功能提供上下文环境，而非用通用聊天框替代一切。未来智能体工作流中，设计仍需可视化地让人类保持监督与审批。
ARC Prize 发布对 DeepSeek R1-Zero 和 R1 的分析，两者在 ARC-AGI-1 上分别得分 14% 和 15.8%，与 o1（低算力 20.5%）相当，而 o3-preview 低算力达 75.7%。
推荐理由：作者基于 ARC-AGI-1 实测数据比较 R1-Zero 与 o1/o3，提出纯 RL 训练可绕过人类标注瓶颈和推理经济学两个分析角度。
LangChain 发布 State of AI 2024 报告，基于 LangSmith 用户使用数据总结 LLM 应用开发趋势。OpenAI 仍是最常用 LLM 提供商（59.2%），用量约为第二位 Ollama（8.5%）的 6 倍以上；Ollama 和 Groq 进入前五，开源提供商合计占前 20 名的 20%。
Runway 与 Lionsgate 达成首创性合作，基于后者超过 20,000 部作品的专有片库定制训练 AI 视频生成模型，供电影制作人在前期和后期流程中增强创作。该模型可生成电影级视频并支持迭代编辑，双方未来计划向个人创作者开放模型授权。
推荐理由：Runway与好莱坞大厂达成首个定制模型合作，标志AI视频正式进入主流影视工业化流程
作者在书店偶遇计算器历史书籍，顿悟自己热爱这种零依赖的技术产品。计算器作为"大脑插件"，仅需太阳能或电池即可工作，无需联网、账户或订阅，不收集数据，即买即用且完全私密。这与当下强制更新、订阅制、数据密集型的复杂科技形成鲜明对比。反思资本主义经济下公司追求股东价值最大化导致技术异化，呼吁开发者和消费者追求计算器式的技术理想——简单、独立、真正为用户服务。
推荐理由：Karpathy借计算器反思现代技术产品哲学，对AI产品设计有启发意义
ARC Prize 上线 24 小时后发布首日复盘：社交媒体累计 67.5 万次浏览，成为 Kaggle 排名第一的比赛，700 人参赛，当前榜首成绩 18%。团队回应了算力限制旨在考察效率、ARC-AGI-Pub 公共榜单支持联网调用闭源模型、100 万美元奖金用于杠杆效应等质疑，并修正了大奖目标 85% 与人类平均成绩的错误等同，确认人类可解 100% 的 ARC-AGI 任务。
推荐理由：ARC Prize 团队复盘上线首日数据，并正面回应算力限制、奖金规模和解题价值三项质疑，可看到办赛方的评判逻辑。
LangChain 基于 LangSmith 匿名元数据（2023-07-02 至 2023-12-11）发布 LLM 应用开发生态报告。
导演组合 Vallée Duhamel 使用 Runway 制作短片《After Light》，将四年前拍摄的舞者档案素材与生成式 AI 结合，创造出超现实视觉风格。作品源于对 AI 的焦虑，通过实际使用工具探索其可能性，实现了以往因预算限制无法完成的创意。与传统动画不同，Runway 的随机输出带来意外惊喜（如人物着火的画面改变叙事），工作流程更灵活有机，无需深厚技术背景即可实现复杂视觉效果。
EleutherAI 发布第二次年度回顾长文，梳理该开源 AI 研究组织过去一年的主要工作进展与成果。由于提供的正文仅包含引言部分，具体涉及的新模型发布、技术迭代、数据集更新及性能指标等关键信息未在现有内容中详细展开，无法提取详细的技术参数与量化数据。
EleutherAI 发布第二份回顾报告序言，梳理该开源 AI 研究组织过去一年半的工作进展。文章从宏观视角概述了其在开源模型、工具开发及社区建设等方面的阶段性成果，为后续详细技术回顾提供背景脉络，但未披露具体性能指标与版本迭代细节。
EleutherAI 在成立一周年之际回顾转型历程，从松散志愿者社区发展为正式开源 AI 研究机构，期间发布 GPT-Neo（27 亿参数）、GPT-J（60 亿参数）等大语言模型及 The Pile（825GB）数据集，推动大模型训练民主化。首年成果为开源社区提供了可商用的 GPT 替代方案，标志着去中心化 AI 研究模式的成熟。
