计算机工程师和程序员长期以来依赖逆向工程来实现程序功能，而不直接复制受版权保护的原始代码。简单来说，就是在不侵犯版权的前提下“模仿”软件的行为和功能。过去，这种做法通常遵循所谓的“洁净房间（clean room）”原则：由完全不接触原始代码的人重新实现功能，以确保生成的新代码不会构成原作的衍生作品。

论文名叫ARL-Tangram: Unleash the Resource Efficiency in Agentic Reinforcement Learning。作者之一，就是罗福莉。 要用GPU去做模型推理，要用CPU去执行代码，要用API去处理搜索、数据库，可能还要用浏览器进行网页操作 ...

在大模型（LLM）研发进入深水区的 2026 年，行业共识正经历从“模型中心（Model-Centric）”向“数据中心（Data-Centric）”的深刻演进。随着 Scaling Law 进入平台期，开发者发现：单纯堆砌 Token ...

3月16日消息，小米AI实验室研究员罗福莉，也就是很多人口中的“天才少女”，又发论文了。论文名叫ARL-Tangram: Unleash the Resource Efficiency in Agentic Reinforcement ...

人工智能领域正经历一场从“模型中心”向“Agent系统”的范式转移。传统AI系统以单一模型为核心，通过输入数据、模型计算、输出结果的线性流程完成任务，其资源消耗集中于GPU算力。但随着AI Agent技术的突破，计算模式发生根本性变化——系统开始整合GPU、CPU、API接口、存储设备和网络资源，形成多维度资源协同的复杂架构。 以典型任务为例，现代AI ...

Tensorlake公司发布新的无服务器基础设施平台，旨在简化企业设计、构建和运行AI智能体的过程。该平台解决了企业集成自主AI智能体时面临的基础设施复杂性问题，提供一体化解决方案替代多个基础设施组件。平台集成请求队列、自动扩容容器基础设施、安全沙盒等功能，支持Python开发智能体工作流并部署为API。目前已获得860万美元融资，客户包括Sixt汽车租赁等大型企业。

多模态大模型在代码能力上进步惊人，但在基础视觉任务上却频繁失误。 活跃在AGI基础研究前沿的技术团队UniPat AI构建了一个极简的视觉智能体框架——SWE-Vision，让模型可以编写并执行Python代码来处理和验证自己的视觉判断。在五个主流视觉基准测试中，SWE-Vision均达到了当前最优水平。 模型看得见，却没法精确处理 多模态大模型的代码能力在过去一年取得了惊人进展——独立搭建项目、 ...

AI智能体OpenClaw的火爆，不仅仅是一款工具的成功。它精准地踩中了人们在AI时代集体性的FOMO（错失恐惧症）心态；但与此同时，横亘在效率与安全之间的问题也被暴露在聚光灯下。有安全厂商人员对记者表示，网上的教程铺天盖地，却几乎没人告诉你：从“跑起来”到“安全运行”，中间隔着一道巨大的技术鸿沟。

Harrison Chase ：如今智能体背后的很多理念，其实在早期就已经出现了。区别在于，当时的模型根本跑不起来。LangChain 大概比 ChatGPT 早一两个月推出，我们一开始加入的核心功能之一，就是让 LLM ...

最近这波 OpenClaw，国内几个大模型公司可真的是杀疯了。 我熟悉的几家创业公司，都极度缺算力。智谱前段时间还限购过自家的 Coding Plan，MiniMax、Kimi 的 API 调用量也在疯涨。

但在FOMO情绪驱使下，普通用户很快会发现，想养一只龙虾，成本十分高昂。除了要配备3000多元的Mac Mini，请人上门安装单次费用在50元到200元不等——而Token消耗，更是一个无底洞。有人晒出了一周烧掉14亿Token，一个月“烧”了1万多元的账单。

天天上班的你，有多少「摸鱼」的时间？此前，澳大利亚悉尼大学的研究人员在《Educational and Developmental Psychologist》期刊上发表了一篇题为“Rest breaks aid directed attention and learning”的研究论文，指出摸鱼可以提升工作效率，五分钟的大脑休息，可以将后续任务的表现和生产力平均提高 57%，更有利于后续的工作。