头条 · Featured
模型没动，成绩涨了三倍
ARC-AGI-3 从 13.3% 涨到 38.3%。同一份权重，同一个 GPT-5.6 Sol，没有重训任何东西。OpenAI 只是让它在两步之间保留自己的推理、而不是扔掉，再加上上下文压缩。改了一段管道，分数翻三倍。 看到这个数字之后你就回不去了。过去两年，所有人都在给错误的对象打分。 说白了 harness 就是这么回事。模型是泡在罐子里的一颗大脑。它打不开文件、跑不了命令、记不住昨天，也意识不到自己已经把同一件事试过四遍。harness 是罐子外面的一切：有哪些工具、什么时候把什么塞进上下文、工具返回之后发生什么、上一轮的推理是留着还是丢掉、什么时候该停、什么算完成。模型一次只产出一个猜测，harness 决定这个猜测能…
灵感雷达: 2026年8月16日
今天的信号几乎全部来自正在干这行的人，而不是消费者对着空气许愿。最硬的几个缺口都很枯燥、很运营：一家建筑公司在花两份工资，把一位极其厉害的估价师的手写单子重新敲进 CRM；一个每年新增七十五万户的财富层级，至今没有一个为它做的产品；以及一套…
2026年8月16日
Loop 日报: 2026年8月16日
这个领域昨天完成了一次重心转移：被优化的对象不再是模型，而是模型跑在里面的那个 harness。同一个 GPT-5.6 Sol，只是换了保留推理和上下文压缩的方式，ARC-AGI-3 就从 13.3% 跳到 38.3%；同一个 Qwen3.…
2026年8月16日
最新 · Latest
2026年8月16日
超级用户日报: 2026年8月16日
昨天这个生态第一次不再是单一厂商的故事。DeepSeek 开源了一个"万物皆插件"的 harness，一天之内社区就给它做出了 TUI、Telegram 桥接和 365 个插件；Qwen3.8-27B 上了 Ollama，一个参数就能塞进 Claude Code 里跑。热闹底下，真实用法还在继续往代码之外漂：牙医那 800 个 DICOM 文件被做成了查看器…
2026年8月16日
Soup 在 4GB 笔记本显卡上微调 8B 模型，还把自己撤回的结论一起公开
Soup 今天在 GitHub trending 上涨了 303 星，标题数字是：在一张 4GB 显存的 RTX 3050 笔记本卡上训 Llama-3.1-8B-Instruct。实测 NF4 下 119.6 tokens/秒，峰值显存 3.32 GB。Apache-2.0，作者 Alpamys Makazhan，地址 https://github.com…
2026年8月16日
Inferock Bench：给你开账单的公司，同时也在定义什么算失败
这句话就是整个产品的立论，扎人是因为它就是事实。一次 LLM 调用流到一半断了，一次回复空着但 token 照扣，一次重试悄悄把费用翻倍——关于到底发生了什么，唯一一份详细记录握在收你钱的那一方手里。Inferock Bench 是一个本地代理，帮你自己留一份。8 月 15 日拿下 Product Hunt 当日第一，241 赞。源码 https://git…
2026年8月16日
Spatial Memory Agent：权重冻住、不调工具，照样打赢微调
三天里第三篇论文，从不同角度得出同一个结论：能力现在长在系统层，不在权重里。Spatial Memory Agent 拿一个冻住的视觉语言模型，零参数更新、零外部工具调用，在它测过的每一个 base model 分组里都拿了最高宏平均。arXiv 2608.12743，8 月 13 日提交，HuggingFace 30 赞，在审。
机制是一个两阶段循环。训…
2026年8月16日
PlayWorld 让 agent 亲自去玩世界模型，因为固定动作脚本根本没法比模型
世界模型评测的正中间有一个测量学 bug，PlayWorld 是第一个把它当回事的基准。如果你的评测方式是喂一段固定动作序列然后给画面打分，你就默认了所有模型达成同一个结果需要同一串动作。它们不需要。让模型 A 走到目标的那串动作，可能跟模型 B 需要的完全不是一回事。也就是说固定动作条件下的评测压根不是一个跨模型比较。论文 arXiv 2608.13552…
2026年8月16日
Alaya-EVOKE 把记忆搬出模型，成本曲线就躺平了
交互式世界模型有一个无聊但致命的问题：交互越久历史越长，而只要这段历史活在模型的工作记忆里，成本就是二次增长，会话就会死。Alaya-EVOKE 的答案是干脆不在模型里存历史。论文 arXiv 2608.13546，8 月 13 日提交，作者 Yuanyang Yin、Gongxuan Wang、Yifan Zhan、Chuanhao Li、Kaipeng …
2026年8月16日
CLI-Anything：别再教 agent 点按钮了，直接给它生成一个命令行
Agent 用不好专业软件，这事大家心照不宣，然后用三种都不太行的办法绕过去。用视觉去操 GUI，按钮一挪就崩。用现成的公开 API，覆盖面大概只有软件本身能力的五分之一。或者干脆重写一个玩具版本，假装那是同一个东西。HKUDS 把这三条路看了一遍，选了第四条：对着真正的后端生成一个真正的命令行。项目在 https://github.com/HKUDS/CL…
第 1 页
较早 →
招聘 · Hiring
AI Agent 公司最新职位，开放即收录。
xAI
Porter Supervisor
xAI
Hospitality Supervisor
xAI
Executive Sous Chef
xAI
Executive Chef
xAI
Cook
xAI
Barista