ATM-Bench 将「个人 AI 助手是否真的记得你」这件事，变成了一个研究的测试基准。结果并不乐观：专用记忆智能体系统普遍低于 20%，而 OpenClaw、Codex、Claude Code 等通用智能体普遍表现不佳，最高准确率不到 40%。
本文主要介绍来自该团队的最新论文：Scalable Object Relation Encoding for Better 3D Spatial Reasoning in Large Language Models。
前几天，Anthropic 开源了 claude-desktop-buddy，用一块小屏幕显示 Claude Code 里 Buddy 的状态。结果做着做着，它变成了一个完全不同的东西：M5 Paper Buddy （https://github.com/op7418/m5-paper-buddy）。
GitButler最近发布的CLI工具引起了我很大的兴趣。这不是一个简单的Git包装器，而是从根本上重新思考了命令行工具应该如何设计。Scott提到了一个有趣的观察：大约80%的开发者仍然使用命令行工具来操作Git，即使有各种GUI工具存在。
前段时间有个叫 Happy Horse 的模型实火了一把，在知名 AI 评测分析平台 Artificial Analysis 上，直接把 Seedance 2.0 挤到了第二。
过去这半年，AI 圈有个变化特别扎眼：它不再只是能写几行代码，而是开始试图接管整个开发流程，从拆需求、推架构到写代码、修 Bug，一整条链路都在被重塑。过去我们评价一款 AI 编程工具，问的是它能写多少代码？写得够不够好？而现在，大家更关心的是它能不能把事情做完？用起来够不够省心。
因为 Claude 太好用，硬件的更新似乎都跟不上它的进化速度了，于是程序员们硬是把一个写代码的 AI 工具，玩成了一个「超级 IP」。由于网友太过热情，负责开发 Claude Cowork 的 Felix Rieseberg ，直接在Github 上线了一个支持外设硬件接入的项目：
4 月初，LM Arena 评测平台上出现了三个匿名图像模型，代号分别是 maskingtape-alpha、packingtape-alpha、gaffertape-alpha。几小时后它们消失了。OpenAI 官方还没有正式宣布这个模型，但根据 API 返回的元数据和用户侧的测试记录，它已经有了一个被广泛接受的名字：GPT Image 2。
对 AI 敌意最重的群体，是那些刚刚踏入社会、或正在寻找起点的职场新人。盖洛普数据显示，在已就业的 Z 世代中，高达 48% 的人认为 AI 在工作场所的风险远大于收益，这一比例在一年内激增了 11 个百分点。认为收益大于风险的仅占 15%。
AI 的整体表现已经胜过了人类。或者按 AAAI 官方的说法是：「对 AAAI-26 作者和程序委员会成员的大规模调查显示，参与者不仅认为 AI 评审有用，而且在技术准确性和研究建议等关键维度上，实际上更偏好 AI 评审。」
