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
AI 攻克数学难题
2026年5月20日，OpenAI 宣布其内部AI模型成功为数学家保罗·埃尔德什于1946年提出的“单位距离问题”构造出反例，这是首个由AI完成的历史性数学证明。尽管结果并非最终定论，人类数学家数周内便大幅改进，但该模型创新性地引入了此前无人成功应用的数学分支思想，并在数天内催生了其他重要问题的解法。同年8月1日，OpenAI 又宣布其未发布模型Astra取得10项数学进展，包括解决另外三个埃尔德什问题。普林斯顿大学数学家诺加·阿隆评价称，这些突破标志着AI数学能力的“相变”，正深刻改变数学研究方式。埃尔德什生前提出数千个猜想，常以小额奖金悬赏求解，如今这些难题成为科技巨头展示AI实力的竞技场。 #AI #数学 #埃尔德什 #OpenAI #人工智能 #数学证明 #科技突破
2026年5月20日，OpenAI 宣布其内部AI模型成功为数学家保罗·埃尔德什于1946年提出的“单位距离问题”构造出反例，这是首个由AI完成的历史性数学证明。尽管结果并非最终定论，人类数学家数周内便大幅改进，但该模型创新性地引入了此前无人成功应用的数学分支思想，并在数天内催生了其他重要问题的解法。同年8月1日，OpenAI 又宣布其未发布模型Astra取得10项数学进展，包括解决另外三个埃尔德什问题。普林斯顿大学数学家诺加·阿隆评价称，这些突破标志着AI数学能力的“相变”，正深刻改变数学研究方式。埃尔德什生前提出数千个猜想，常以小额奖金悬赏求解，如今这些难题成为科技巨头展示AI实力的竞技场。 #AI #数学 #埃尔德什 #OpenAI #人工智能 #数学证明 #科技突破