Amazon Bedrock 推出自动策略改进功能，简化形式化验证流程
Amazon Bedrock 宣布其 Automated Reasoning 策略新增自动改进功能，替代以往手动诊断、编辑、测试的重复循环。该引擎可自动检测失败测试并生成形式逻辑修复方案，用户需批准每一项更改后方可生效。Automated Reasoning 检查利用形式化验证，通过将自然语言转换为形式逻辑，实现高达99%的验证准确率。此次发布包含两种改进模式：针对规则问题的迭代改进，以及针对语言问题的模糊变量改进。文章详细介绍了两种模式的API工作流和可重复的控制台操作，帮助用户将失败策略转化为通过策略。该功能旨在解决策略开发中最大的痛点——迭代调优。 #AmazonBedrock #AutomatedReasoning #形式化验证 #策略改进 #AWS #AI #机器学习
Amazon Bedrock 宣布其 Automated Reasoning 策略新增自动改进功能，替代以往手动诊断、编辑、测试的重复循环。该引擎可自动检测失败测试并生成形式逻辑修复方案，用户需批准每一项更改后方可生效。Automated Reasoning 检查利用形式化验证，通过将自然语言转换为形式逻辑，实现高达99%的验证准确率。此次发布包含两种改进模式：针对规则问题的迭代改进，以及针对语言问题的模糊变量改进。文章详细介绍了两种模式的API工作流和可重复的控制台操作，帮助用户将失败策略转化为通过策略。该功能旨在解决策略开发中最大的痛点——迭代调优。 #AmazonBedrock #AutomatedReasoning #形式化验证 #策略改进 #AWS #AI #机器学习
提示、上下文、循环
每个RAG系统都建立在单一LLM调用的三个工程层之上。提示工程负责调用本身：系统消息、指令、固定输出格式的模式。上下文工程决定模型窗口的内容：检索、压缩、筛选排除什么。循环工程处理调用周围的行为：何时触发下一次调用、何时停止循环、检查失败时如何恢复。几乎所有关于RAG的争论本质上都是关于你站在哪一层上的争论。明确层级后，大部分困惑便烟消云散。本文绘制了地图：每一层所负责的内容、它们如何映射到序列中，以及“一层取代另一层”的简洁叙事为何只有一半正确。这三大层叠在一起，描述了生产团队在超越“Hello World”后所做的大部分工作。提示工程从2022-2023年GPT-3.5和ChatGPT开始普及；上下文工程在2025年成为主流术语（Karpathy、Tobi Lütke公开使用，Anthropic发布《为AI代理有效进行上下文工程》）；循环工程则在2026年5月随着Boris Cherny的“我不再提示Claude，而是运行循环”而正式确立。 #RAG #提示工程 #上下文工程 #循环工程 #AI #大模型 #工程架构
每个RAG系统都建立在单一LLM调用的三个工程层之上。提示工程负责调用本身：系统消息、指令、固定输出格式的模式。上下文工程决定模型窗口的内容：检索、压缩、筛选排除什么。循环工程处理调用周围的行为：何时触发下一次调用、何时停止循环、检查失败时如何恢复。几乎所有关于RAG的争论本质上都是关于你站在哪一层上的争论。明确层级后，大部分困惑便烟消云散。本文绘制了地图：每一层所负责的内容、它们如何映射到序列中，以及“一层取代另一层”的简洁叙事为何只有一半正确。这三大层叠在一起，描述了生产团队在超越“Hello World”后所做的大部分工作。提示工程从2022-2023年GPT-3.5和ChatGPT开始普及；上下文工程在2025年成为主流术语（Karpathy、Tobi Lütke公开使用，Anthropic发布《为AI代理有效进行上下文工程》）；循环工程则在2026年5月随着Boris Cherny的“我不再提示Claude，而是运行循环”而正式确立。 #RAG #提示工程 #上下文工程 #循环工程 #AI #大模型 #工程架构
FutureSearch 上线
FutureSearch 是一个全新的AI预测平台，用户可对“2026年是否最热”“Anthropic年底ARR”等事件进行概率、数值、日期等多类型预测，单次费用0.15至2美元。该平台在Metaculus FutureEval基准测试中排名第一，在ForecastBench上排名第17，所有预测记录及研究过程全部公开，包括失败案例。平台提供API和MCP集成，支持Claude等AI工具，客户反馈称其准确性高、数据质量优异。FutureSearch旨在将AI转变为可验证的预测工具，适用于研究、投资和决策分析。 #AI预测 #FutureSearch #可验证预测 #Metaculus #ForecastBench #AI工具 #预测市场 #科技创新
FutureSearch 是一个全新的AI预测平台，用户可对“2026年是否最热”“Anthropic年底ARR”等事件进行概率、数值、日期等多类型预测，单次费用0.15至2美元。该平台在Metaculus FutureEval基准测试中排名第一，在ForecastBench上排名第17，所有预测记录及研究过程全部公开，包括失败案例。平台提供API和MCP集成，支持Claude等AI工具，客户反馈称其准确性高、数据质量优异。FutureSearch旨在将AI转变为可验证的预测工具，适用于研究、投资和决策分析。 #AI预测 #FutureSearch #可验证预测 #Metaculus #ForecastBench #AI工具 #预测市场 #科技创新
用ChatGPT定时任务取代X，AI新闻获取新方式
作者指出AI社区仍严重依赖X平台获取最新动态，但频繁刷X令人疲惫且易沉迷。为此，他尝试利用ChatGPT的定时任务功能，设置定期任务抓取OpenAI和Anthropic员工的最新公开帖子，自动总结重要更新并附链接。该方案效果良好，能绕过X平台的登录限制。作者认为，这种由AI助手主动提供信息的方式将越来越普遍，类似于RSS阅读器帮助用户避免反复刷新网站。广告和算法驱动的社交媒体过于易上瘾，最佳策略是完全不接触主流社交平台，而RSS和AI助手将在帮助人们保持信息获取的同时，远离不良影响。 #AI #ChatGPT #社交媒体 #新闻获取 #RSS #OpenAI #Anthropic #科技生活 #效率工具 #信息过滤
作者指出AI社区仍严重依赖X平台获取最新动态，但频繁刷X令人疲惫且易沉迷。为此，他尝试利用ChatGPT的定时任务功能，设置定期任务抓取OpenAI和Anthropic员工的最新公开帖子，自动总结重要更新并附链接。该方案效果良好，能绕过X平台的登录限制。作者认为，这种由AI助手主动提供信息的方式将越来越普遍，类似于RSS阅读器帮助用户避免反复刷新网站。广告和算法驱动的社交媒体过于易上瘾，最佳策略是完全不接触主流社交平台，而RSS和AI助手将在帮助人们保持信息获取的同时，远离不良影响。 #AI #ChatGPT #社交媒体 #新闻获取 #RSS #OpenAI #Anthropic #科技生活 #效率工具 #信息过滤
AI 实现从头重写完整程序，MirrorCode 基准测试揭示新能力
近年来，AI 在软件工程基准测试中进步迅速，但多数任务聚焦于修复漏洞或实现单一功能。Anthropic 与 METR 联合推出的 MirrorCode 基准测试，要求 AI 模型在不接触原始源码的情况下，从头到尾重写整个程序，且输出必须与原始程序完全一致。该基准涵盖 Unix 工具、数据序列化、生物信息学、密码学等 25 个目标程序，并提供充足推理预算（单个任务最高花费 2600 美元、运行 19 天）。测试显示，Claude Opus 4.7 成功重写了约 1.6 万行 Go 代码的生物信息学工具包 gotree，耗时 14 小时、花费 251 美元，而人类工程师需 2 至 17 周。尽管存在数据污染风险（模型可能记忆过开源代码），但记忆筛查表明结果并非由记忆主导。目前 MirrorCode 尚未被完全攻克，排行榜持续更新中。 #AI #软件工程 #MirrorCode #基准测试 #大模型 #Claude #编程 #自动化
近年来，AI 在软件工程基准测试中进步迅速，但多数任务聚焦于修复漏洞或实现单一功能。Anthropic 与 METR 联合推出的 MirrorCode 基准测试，要求 AI 模型在不接触原始源码的情况下，从头到尾重写整个程序，且输出必须与原始程序完全一致。该基准涵盖 Unix 工具、数据序列化、生物信息学、密码学等 25 个目标程序，并提供充足推理预算（单个任务最高花费 2600 美元、运行 19 天）。测试显示，Claude Opus 4.7 成功重写了约 1.6 万行 Go 代码的生物信息学工具包 gotree，耗时 14 小时、花费 251 美元，而人类工程师需 2 至 17 周。尽管存在数据污染风险（模型可能记忆过开源代码），但记忆筛查表明结果并非由记忆主导。目前 MirrorCode 尚未被完全攻克，排行榜持续更新中。 #AI #软件工程 #MirrorCode #基准测试 #大模型 #Claude #编程 #自动化
AI输出不受言论保护？法律争议聚焦人类身份证明
美国法律界正就人工智能输出是否受第一修正案保护展开激烈辩论。多篇法学论文主张，大语言模型输出不属于“言论”，因此可不受严格审查而直接监管。在Garcia诉Character Technologies案中，一名14岁少年与AI角色对话后自杀，法官Anne Conway裁定“不准备认定LLM输出为言论”，允许产品责任和过失索赔继续审理。该案虽于2026年1月和解，但类似诉讼仍在增加，指控AI输出导致医疗危机、暴力或向未成年人提供色情内容。若人类表达受保护而机器输出不受，法律需区分人机创作——但现有技术无法可靠识别文本来源。替代方案如身份验证会加重表达负担，可能削弱匿名性、增加监控压力。这一不确定性对用户和读者的影响可能大于模型开发者。 #AI #言论自由 #第一修正案 #法律 #人工智能 #监管 #隐私 #大语言模型
美国法律界正就人工智能输出是否受第一修正案保护展开激烈辩论。多篇法学论文主张，大语言模型输出不属于“言论”，因此可不受严格审查而直接监管。在Garcia诉Character Technologies案中，一名14岁少年与AI角色对话后自杀，法官Anne Conway裁定“不准备认定LLM输出为言论”，允许产品责任和过失索赔继续审理。该案虽于2026年1月和解，但类似诉讼仍在增加，指控AI输出导致医疗危机、暴力或向未成年人提供色情内容。若人类表达受保护而机器输出不受，法律需区分人机创作——但现有技术无法可靠识别文本来源。替代方案如身份验证会加重表达负担，可能削弱匿名性、增加监控压力。这一不确定性对用户和读者的影响可能大于模型开发者。 #AI #言论自由 #第一修正案 #法律 #人工智能 #监管 #隐私 #大语言模型
AI 正在杀死中国智能手机上的传统 APP
中国手机厂商正借助 AI 打破苹果和谷歌主导的手机应用范式。中兴推出搭载字节跳动豆包 AI 代理的 Nubia NaviX Ultra，该手机没有主屏幕和传统应用商店；另一家由前微软高管创立的 StepFun 发布了 StepX Neo，其系统内置 AI 代理，可将手机功能重组为用户所需的任务；荣耀则在 MagicOS 10 中集成了与阿里巴巴合作开发的 YOYO 智能代理。这些手机均使用 Anthropic 的模型上下文协议（MCP）实现系统级代理访问，但不会进入美国市场。与苹果、谷歌依赖 APP 收入分成不同，中国厂商没有 APP 生态利益，因此可以大胆用 AI 代理层替代 APP 层。这一趋势已导致手机应用内购买收入在 2026 年初下降约 40%。 #AI手机 #中国科技 #智能手机 #无APP #人工智能 #科技趋势
中国手机厂商正借助 AI 打破苹果和谷歌主导的手机应用范式。中兴推出搭载字节跳动豆包 AI 代理的 Nubia NaviX Ultra，该手机没有主屏幕和传统应用商店；另一家由前微软高管创立的 StepFun 发布了 StepX Neo，其系统内置 AI 代理，可将手机功能重组为用户所需的任务；荣耀则在 MagicOS 10 中集成了与阿里巴巴合作开发的 YOYO 智能代理。这些手机均使用 Anthropic 的模型上下文协议（MCP）实现系统级代理访问，但不会进入美国市场。与苹果、谷歌依赖 APP 收入分成不同，中国厂商没有 APP 生态利益，因此可以大胆用 AI 代理层替代 APP 层。这一趋势已导致手机应用内购买收入在 2026 年初下降约 40%。 #AI手机 #中国科技 #智能手机 #无APP #人工智能 #科技趋势
AI Agent 能力被严重低估：从 Claude Code 看当前 AI 实际水平
Google DeepMind 研究员 David P. Reichert 发文指出，许多人仍基于一年前的聊天机器人体验来评判 AI，严重低估了当前 AI agent 的能力。他以 Anthropic 的 Claude Code 为例，展示该代理自主完成了一系列机器学习实验，包括生成神经细胞自动机和迷宫等交互式演示。作者认为，对于数字工作，AI agent 至少已达到初级研究员或研究生水平，具备极快的知识检索和任务执行能力，但仍会犯奇怪错误；主要局限在于缺乏长期持续学习能力，难以执行超过一周的人类时间项目。他呼吁公众更新对 AI 现状的认知，正视其即将带来的深远影响。 #AI #人工智能 #Claude #AI代理 #机器学习 #技术前沿 #认知偏差
Google DeepMind 研究员 David P. Reichert 发文指出，许多人仍基于一年前的聊天机器人体验来评判 AI，严重低估了当前 AI agent 的能力。他以 Anthropic 的 Claude Code 为例，展示该代理自主完成了一系列机器学习实验，包括生成神经细胞自动机和迷宫等交互式演示。作者认为，对于数字工作，AI agent 至少已达到初级研究员或研究生水平，具备极快的知识检索和任务执行能力，但仍会犯奇怪错误；主要局限在于缺乏长期持续学习能力，难以执行超过一周的人类时间项目。他呼吁公众更新对 AI 现状的认知，正视其即将带来的深远影响。 #AI #人工智能 #Claude #AI代理 #机器学习 #技术前沿 #认知偏差