Anthropic 内部工具如何炼成 Claude Code 这一AI编程标杆
从2021年起，Anthropic团队便开始探索让Claude学会写代码。研究人员Dawn Drain花了大量时间教模型生成diff（代码差异），并开发出名为clide的早期命令行工具。clide虽然笨重、需要输入复杂命令，却已能并行调用多个Claude Haiku模型来分析整个代码库。2024年，Boris加入Labs团队后制作了Claude CLI demo，该demo能自动截取屏幕、识别音乐并输出结果，令同事惊叹。2025年2月，Claude Code首次以终端AI编程工具亮相；5月正式开放，并逐步接入编辑器与GitHub流程。到2026年，它已成长为Anthropic最重要的AI Agent样板，证明了AI可以真正进入真实工作场景。这段历程揭示了从粗糙内部原型到业界标杆的完整演化过程。 #Anthropic #ClaudeCode #AI编程 #大模型 #技术产品 #内部工具 #AIAgent #编程助手
从2021年起，Anthropic团队便开始探索让Claude学会写代码。研究人员Dawn Drain花了大量时间教模型生成diff（代码差异），并开发出名为clide的早期命令行工具。clide虽然笨重、需要输入复杂命令，却已能并行调用多个Claude Haiku模型来分析整个代码库。2024年，Boris加入Labs团队后制作了Claude CLI demo，该demo能自动截取屏幕、识别音乐并输出结果，令同事惊叹。2025年2月，Claude Code首次以终端AI编程工具亮相；5月正式开放，并逐步接入编辑器与GitHub流程。到2026年，它已成长为Anthropic最重要的AI Agent样板，证明了AI可以真正进入真实工作场景。这段历程揭示了从粗糙内部原型到业界标杆的完整演化过程。 #Anthropic #ClaudeCode #AI编程 #大模型 #技术产品 #内部工具 #AIAgent #编程助手
Anthropic与AE Studio探索AI模型双用途知识的可控开关
前沿AI模型存储大量双用途知识，既可造福人类（如网络安全修补漏洞），也可能被恶意利用（如设计致命病原体）。现有安全机制仅限制输出，无法改变模型内部知识，且难以平衡精准限制、可信用户访问与模型性能三者关系。为此，Anthropic与AE Studio合作提出GRAM方法，通过为每类双用途知识设置独立可移除的神经元模块，训练时仅更新对应模块，从而将特定知识隔离。测试显示，删除模块后相关能力随之消失，而模型其他性能不受影响。该方法有望以训练一个模型的成本实现多个过滤模型的效果，但目前仍处于初步实验阶段，尚未应用于Anthropic生产模型。 #AI安全 #双用途知识 #GRAM #Anthropic #AEStudio #模型控制 #前沿AI #知识隔离
前沿AI模型存储大量双用途知识，既可造福人类（如网络安全修补漏洞），也可能被恶意利用（如设计致命病原体）。现有安全机制仅限制输出，无法改变模型内部知识，且难以平衡精准限制、可信用户访问与模型性能三者关系。为此，Anthropic与AE Studio合作提出GRAM方法，通过为每类双用途知识设置独立可移除的神经元模块，训练时仅更新对应模块，从而将特定知识隔离。测试显示，删除模块后相关能力随之消失，而模型其他性能不受影响。该方法有望以训练一个模型的成本实现多个过滤模型的效果，但目前仍处于初步实验阶段，尚未应用于Anthropic生产模型。 #AI安全 #双用途知识 #GRAM #Anthropic #AEStudio #模型控制 #前沿AI #知识隔离
2026 DeeCamp 开启报名，聚焦 AI Agent 驱动的多肽药物发现
2026 年 DeeCamp 人工智能训练营正式启动报名，本年度赛题以 AI Agent 驱动的多肽药物发现为核心，覆盖从靶点洞察到功能性 Binder 设计全流程。多肽 Binder 在阻断蛋白-蛋白相互作用、模拟配体、调控受体等方面具有重要价值，但传统方法依赖人工文献调研与反复试错，效率低下。赛题旨在构建智能 AI Agent 系统，自动整合生物医学知识、解析靶点特征、预测结合表位、生成并优化多肽序列，协同计算与实验验证，推动多肽药物研发的智能化、自动化及可解释性，加速 AI 制药在生命科学领域的落地应用。 #DeeCamp #AI #多肽药物 #生命科学 #AI制药 #人工智能 #药物发现 #2026 #智源社区
2026 年 DeeCamp 人工智能训练营正式启动报名，本年度赛题以 AI Agent 驱动的多肽药物发现为核心，覆盖从靶点洞察到功能性 Binder 设计全流程。多肽 Binder 在阻断蛋白-蛋白相互作用、模拟配体、调控受体等方面具有重要价值，但传统方法依赖人工文献调研与反复试错，效率低下。赛题旨在构建智能 AI Agent 系统，自动整合生物医学知识、解析靶点特征、预测结合表位、生成并优化多肽序列，协同计算与实验验证，推动多肽药物研发的智能化、自动化及可解释性，加速 AI 制药在生命科学领域的落地应用。 #DeeCamp #AI #多肽药物 #生命科学 #AI制药 #人工智能 #药物发现 #2026 #智源社区
德国极右翼政党 AfD 开发 AI 软件，批量生成“愤怒诱饵”帖子
德国极右翼政党“德国选择党”（AfD）开发了一套名为 Alternita 的 AI 软件套件，底层基于 Google Gemini、OpenAI 的 ChatGPT 和 Anthropic 的 Claude 引擎。该软件可帮助党员在几分钟内生成符合自身立场的煽动性社交媒体帖子，旨在制造“愤怒诱饵”以吸引关注。德国调查机构 Correctiv 的卧底记者发现，只需上传一篇民粹文章，软件即可自动生成针对移民、LGBT 群体的仇恨内容，例如要求“立即停止入籍”并配以 AI 生成的燃烧彩虹旗图片。该软件已用于 AfD 联合领导人爱丽丝·魏德尔的社交账号，且部分 AI 生成内容未标注来源。目前 Alternita 处于试点阶段，计划明年全面推广。AfD 在德国东部部分州支持率高达 40%，该软件旨在帮助中央控制信息输出，同时保持基层活跃度的在线优势。Google 和 OpenAI 表示正在调查其使用是否违反服务条款，Anthropic 未回应。 #德国 #极右翼 #AI #社交媒体 #仇恨言论 #AfD #调查 #科技伦理
德国极右翼政党“德国选择党”（AfD）开发了一套名为 Alternita 的 AI 软件套件，底层基于 Google Gemini、OpenAI 的 ChatGPT 和 Anthropic 的 Claude 引擎。该软件可帮助党员在几分钟内生成符合自身立场的煽动性社交媒体帖子，旨在制造“愤怒诱饵”以吸引关注。德国调查机构 Correctiv 的卧底记者发现，只需上传一篇民粹文章，软件即可自动生成针对移民、LGBT 群体的仇恨内容，例如要求“立即停止入籍”并配以 AI 生成的燃烧彩虹旗图片。该软件已用于 AfD 联合领导人爱丽丝·魏德尔的社交账号，且部分 AI 生成内容未标注来源。目前 Alternita 处于试点阶段，计划明年全面推广。AfD 在德国东部部分州支持率高达 40%，该软件旨在帮助中央控制信息输出，同时保持基层活跃度的在线优势。Google 和 OpenAI 表示正在调查其使用是否违反服务条款，Anthropic 未回应。 #德国 #极右翼 #AI #社交媒体 #仇恨言论 #AfD #调查 #科技伦理
Cerenovus 发布 Compendium，打造团队与 AI 代理共享的协作知识库
Cerenovus 是一家专注于知识管理的科技公司，近日推出其核心产品 Compendium。该产品是一个实时协作知识库，旨在将分散在各类软件、文档和工作记录中的企业信息整合为统一的、可读的网页，让整个团队及其 AI 代理共享同一个动态上下文。Cerenovus 认为，企业自身拥有的信息已远超任何个人的理解能力，Compendium 正是为解决这一痛点而生。此外，公司还预告了面向大型企业的旗舰平台 Noesis，预计未来推出。Cerenovus 由 Y Combinator 孵化，致力于成为一家“知识公司”。 #Cerenovus #Compendium #知识管理 #协作工具 #AI代理 #企业软件 #YCombinator #科技新闻
Cerenovus 是一家专注于知识管理的科技公司，近日推出其核心产品 Compendium。该产品是一个实时协作知识库，旨在将分散在各类软件、文档和工作记录中的企业信息整合为统一的、可读的网页，让整个团队及其 AI 代理共享同一个动态上下文。Cerenovus 认为，企业自身拥有的信息已远超任何个人的理解能力，Compendium 正是为解决这一痛点而生。此外，公司还预告了面向大型企业的旗舰平台 Noesis，预计未来推出。Cerenovus 由 Y Combinator 孵化，致力于成为一家“知识公司”。 #Cerenovus #Compendium #知识管理 #协作工具 #AI代理 #企业软件 #YCombinator #科技新闻
从未发布的AI政策
一名网络安全专家入职AI初创公司担任安全主管，接手了一份从未正式发布的AI政策文件。文件规定合理，包括验证AI输出、披露机器生成内容、使用零数据留存协议等。出于职业习惯，他测试了政策边界，并合规使用内部文档于AI工具。然而，公司IT部门拥有未公开的监控系统，有人看到他使用AI处理文档，却未核实具体设置，谣言迅速传播——他被贴上“不当使用AI”的标签。由于政策从未正式发布，他无法自证清白，最终成为公司内部的警示故事。此事揭示了影子治理的危险：当规则存在于官方之外，模糊性可被武器化，使合规者沦为牺牲品。 #AI政策 #影子治理 #网络安全 #企业合规 #隐秘监控 #初创公司 #警示故事 #内部治理
一名网络安全专家入职AI初创公司担任安全主管，接手了一份从未正式发布的AI政策文件。文件规定合理，包括验证AI输出、披露机器生成内容、使用零数据留存协议等。出于职业习惯，他测试了政策边界，并合规使用内部文档于AI工具。然而，公司IT部门拥有未公开的监控系统，有人看到他使用AI处理文档，却未核实具体设置，谣言迅速传播——他被贴上“不当使用AI”的标签。由于政策从未正式发布，他无法自证清白，最终成为公司内部的警示故事。此事揭示了影子治理的危险：当规则存在于官方之外，模糊性可被武器化，使合规者沦为牺牲品。 #AI政策 #影子治理 #网络安全 #企业合规 #隐秘监控 #初创公司 #警示故事 #内部治理
物理引导的时空神经网络模型用于燃料密度预测
近日，一篇题为《物理引导的时空神经网络模型用于燃料密度预测》的学术论文提交至预印本平台arXiv。该研究由Tolga Caglar等六位作者共同完成，提出了一种融合物理定律与深度学习的时空神经网络模型，旨在提升燃料密度预测的准确性与可解释性。传统方法难以同时兼顾时空动态与物理约束，而新模型通过引入物理引导机制，在保持神经网络拟合能力的同时，确保了预测结果符合物理守恒定律。实验结果表明，该模型在多个燃料密度数据集上表现优于纯数据驱动方法，为能源领域的智能预测提供了新思路。论文目前处于申请DOI阶段，相关代码和数据有望后续公开。 #物理引导 #时空神经网络 #燃料密度预测 #深度学习 #AI #学术论文 #能源 #arXiv
近日，一篇题为《物理引导的时空神经网络模型用于燃料密度预测》的学术论文提交至预印本平台arXiv。该研究由Tolga Caglar等六位作者共同完成，提出了一种融合物理定律与深度学习的时空神经网络模型，旨在提升燃料密度预测的准确性与可解释性。传统方法难以同时兼顾时空动态与物理约束，而新模型通过引入物理引导机制，在保持神经网络拟合能力的同时，确保了预测结果符合物理守恒定律。实验结果表明，该模型在多个燃料密度数据集上表现优于纯数据驱动方法，为能源领域的智能预测提供了新思路。论文目前处于申请DOI阶段，相关代码和数据有望后续公开。 #物理引导 #时空神经网络 #燃料密度预测 #深度学习 #AI #学术论文 #能源 #arXiv
UP: Unbounded Positive Asymmetric Optimization for Breaking the Exploration
一篇来自arXiv的学术论文提出了一种名为UP（Unbounded Positive Asymmetric Optimization，无界正非对称优化）的方法，旨在打破探索与稳定性之间的经典困境。该论文由Chongyu Fan等五位作者撰写，于2026年7月8日提交。研究针对在强化学习、机器人控制及自适应系统中，算法在探索新策略与维持已有稳定表现之间难以平衡的问题，设计了无界正非对称优化策略。该方法通过非对称的梯度更新机制，使得模型在探索过程中能够保持更稳定的收敛性，从而在复杂动态环境下取得更好的性能表现。论文提供了详细的理论分析与实验验证，展示了UP在多个基准任务上的优势，为优化算法设计提供了新的思路。 #论文 #arXiv #优化 #探索稳定性 #强化学习 #机器学习 #AI #算法
一篇来自arXiv的学术论文提出了一种名为UP（Unbounded Positive Asymmetric Optimization，无界正非对称优化）的方法，旨在打破探索与稳定性之间的经典困境。该论文由Chongyu Fan等五位作者撰写，于2026年7月8日提交。研究针对在强化学习、机器人控制及自适应系统中，算法在探索新策略与维持已有稳定表现之间难以平衡的问题，设计了无界正非对称优化策略。该方法通过非对称的梯度更新机制，使得模型在探索过程中能够保持更稳定的收敛性，从而在复杂动态环境下取得更好的性能表现。论文提供了详细的理论分析与实验验证，展示了UP在多个基准任务上的优势，为优化算法设计提供了新的思路。 #论文 #arXiv #优化 #探索稳定性 #强化学习 #机器学习 #AI #算法
鲁棒联邦学习
近日，一篇题为《Robust Federated Learning Under Real-World Client Churn》的学术论文发表于arXiv预印本平台。该研究由Dhruv Garg等人共同完成，聚焦联邦学习在实际部署中面临的客户端频繁退出（即客户端流失）问题。研究提出了一种鲁棒性增强方法，旨在确保在参与设备不稳定、数量动态变化的情况下，模型仍能保持高效训练与良好性能。该工作对推动联邦学习在移动设备、边缘计算等真实场景中的应用具有重要意义，为克服数据异构性与参与方不可靠性提供了新的理论支撑与实验验证。 #联邦学习 #客户端流失 #鲁棒性 #人工智能 #机器学习 #分布式训练 #论文 #arXiv #2026
近日，一篇题为《Robust Federated Learning Under Real-World Client Churn》的学术论文发表于arXiv预印本平台。该研究由Dhruv Garg等人共同完成，聚焦联邦学习在实际部署中面临的客户端频繁退出（即客户端流失）问题。研究提出了一种鲁棒性增强方法，旨在确保在参与设备不稳定、数量动态变化的情况下，模型仍能保持高效训练与良好性能。该工作对推动联邦学习在移动设备、边缘计算等真实场景中的应用具有重要意义，为克服数据异构性与参与方不可靠性提供了新的理论支撑与实验验证。 #联邦学习 #客户端流失 #鲁棒性 #人工智能 #机器学习 #分布式训练 #论文 #arXiv #2026