为什么 AI 编程助手会重复固定错误：谁来接收结果？
记下错误和从错误里学到东西是两回事；六家 agent memory 系统里四家公开了带否定判决的反馈输入，而 Mnemoverse 自己公布的测量显示这个信号几乎从未被调用。
大模型
更多 大模型
首页
AI 究竟如何调用 API？从零解释工具调用
模型不会自己执行任何东西，它只回一个结构化的工具调用请求，你的代码去运行真正的函数、再把结果交回去让模型作答；这篇从零把这个四步循环拆开讲。
当 AI 超出我们用来衡量它的测试时，会发生什么？
GPT-6 Astra 发布后，作者把注意力从「模型有多强」转到一个更容易被忽略的问题：我们到底怎么知道模型在变强？基准会饱和、会用代理指标、真值来源复杂、评分方法也会变，文章给出一套看分数时该问的五个问题。
为什么我认为你几乎永远不该用 AI 写任何有实质内容的东西
作者主张，用 AI 写博客、研究报告、备忘录这类有实质内容的文本，即使给足要点与上下文、事后又亲自编辑，也几乎永远不该做：写作本身就是思考，AI 的文字在难以察觉处含糊出错，不标明还失礼且误导人。
关掉大脑行不通：肉体外挂这条路对员工没有未来
Dan Luu 说他从 2025 年初就见到人们用 LLM 时把脑子关掉。他的结论很直接：如果 LLM 强到「关掉大脑」也能产出平均水平的软件，公司为什么不直接让 LLM 循环跑、把那个人裁掉？
让各家模型打《星际争霸》：没有一个是初学者以上水平
19 个「模型 × 推理档位」打循环赛：Codex Astra 全胜居首，Grok 系 43 分钟只发 6 批命令、一个战斗单位都没出，Claude Fable 唯一在认真运营攀科技。作者结论是没有任何 agent 打出初学者水平。
Bend 2 与 vibe-coding 陷阱：在调研之前造完了一门语言和编译器
Bend 2 的 demo 要用 58 行声明「定律」、442 行写证明。作者用形式验证领域的 SPARK 重做同一程序，只需写明不变量，GNATprove 一次通过 12 项检查。
为什么我没有签署菲尔兹奖得主们的那封公开信
Gowers 赞同「我们正面临危机」，但不同意「概念理解高于解题」是唯一正确态度：他把数学家的动机看成一条谱系，并逐条比较「模型全面超越人类」与「国际协议限制发布」两种未来的得失。
每个人都失去了理智
作者说自己每天七成以上时间在处理 AI，工作乐趣已被剥夺。他批评 AI 公司一边呼吁监管一边扩张，安全行业把资源投给漏洞发现而非打补丁，而「人在环路里」正退化成橡皮图章。
Ternary Bonsai 2 27B：体积缩小 9 倍，保留 98.2% 基准表现
基于 Qwen3.8 27B 的三值权重模型把体积压到 5.9GB（每权重 1.76 有效比特），综合基准保留 98.2%，在 RTX 5090 上跑到 143 token/秒，并按 Apache 2.0 发布。
AI 生成的海报，不必长得都一样
作者用同一组虚构的活动信息反复要求 ChatGPT 换风格，从包豪斯做到孔版印刷、朋克小志与日式极简，证明 AI 海报的雷同是提示词的问题，而不是能力的问题。
如何用LLM写作
两条规则防止 LLM 把文章变成 Velveeta 奶酪：禁用其建议的措辞，也别信它对初稿的夸奖。
让 AI 搭界面，但只让它做选择题
让大模型直接写界面 JSON，它会编出不存在的组件、自己编文案，写坏了还得等结果回来才知道。json-render 换了个办法，把搭界面拆成两批有限的选项，模型只挑，代码负责拼。
六个能在手机上离线跑的本地模型：参数量、体积与各自擅长什么
2026年6款本地AI模型盘点：数据不出设备即可运行，兼顾隐私与离线能力。
十种「判断形态」：TypeSafe 的 AI 用例地图与风险评估清单
TypeSafe 把 AI 决策嵌入代码控制流，实时应用延迟仅 150ms，大数据处理成本降至百分之一。
Jev 和 DeepSeek 做了同一批判断题，差别不在谁更聪明
十个真实场景、66 道有确定答案的题，外加 229 道核对题，三条对比臂。准确率只差几个点，时间差十倍，而概率的用法完全不同。
他们给你画的画像：AI SRE 被当成替代品，编码助手被当成伙伴
AI SRE 与编码助手营销框架分化：前者多被定位为取代 SRE，后者则被包装成工程师的增强工具。
不写作文的 AI，是一台判卷机
Jev 不写文章，只做判断。把它想成一套选择题加判断题，你出题，它交答题卡并标出把握。这篇讲清它能干什么、为什么便宜，以及那个概率为什么不能直接当正确率用。
用 Lean 写 Zstandard 解压器：当 LLM 把「证明成本」压下来
Adam Langley 用 Lean 写了一个 Zstandard 解压器，把类型级不变量写成类型签名，再让 LLM 去补证明体， 并记下它在哪些步骤上真的省了事。
OpenAI 用自家 LLM 设计 Jalapeño 芯片：不到 100 人，9 个月从 RTL 到流片
人工智能大幅缩短了其设计时间；它只会变得更快
把编码代理的 harness 拆开来测：上下文管理的价值大半是「别撑爆窗口」
176 组配对实验、四款模型、两个基准：规划对弱模型是精度脚手架、对强模型是省钱工具；让被裁剪的上下文可恢复几乎没人用；预定义工具只对 bash 弱的模型有明显收益（+15.0%），bash 强的模型只给 bash 更便宜。
不懂数学的人，用约 40 亿 token 证出了 Conway 五十年前的猜想
你显然可以直接证明事情。
从一张 HEIC 图片到 OpenAI 内部仓库：72 小时串起两个漏洞
堆溢出和SSO配置错误导致OpenAI内部仓库被攻破
Jev 不生成文本，只输出概率：把「一个判断」做成 API，我们实测了它要解决的那个问题
TypeSafe AI 的 Jev 把模型输出从字符串换成带概率的类型化判断，还声称概率是「校准」过的。这个前提没有人给过证据——我们拿 229 条有确定答案的声明，量了普通 LLM 的置信度到底能不能用来做自动化。