搜索
刚刚，Anthropic买下了SDK工具公司Stainless，从开源MCP到收购Stainless，Anthropic的智能体棋盘已集齐模型、接口、连接三件套。
光有强大的模型本身还不够，从脏数据到分析报告到汇报PPT，中间那条自动化链路谁来跑？GitHub上刚开源的SenseNova-Skills给出了一个答案，我们实测了四个真实场景，效果有点超出预期。
AI 图像生成通常遵循「能力越强、代价越高」的铁律；与此同时，学界却在悄悄质疑另一个更根本的浪费：传统 VAE 对图像语义几乎一无所知，而 DINOv2、SigLIP 等视觉编码器早已从数亿张图片中习得了丰富的视觉常识。图像生成模型，真的需要从零开始「发明」对图像的理解吗？
近年来，3D Gaussian Splatting（3DGS）在三维视觉和图形学中展现出很强的表示与渲染能力。相比传统体素或神经辐射场，它用一组可优化的各向异性高斯来表示三维场景，既能保留连续空间结构，又能实现高速渲染。
如果把现在最热门的几条 3D 生成技术线放在一起看，你会发现它们正在遇到一个很像的问题。
OpenAI宣布AI首次自主攻克顶级数学开放问题，连证明思路都让数学家意想不到！这个问题叫做平面单位距离问题，由匈牙利数学家保罗·Erdős在1946年首次提出。看视频（视频有亮点，曾经的清华本科特将获得者陈立杰是这个突破的的研究人员）
让 AI 来管理代码的话，每次读 500 行反而比读 1000 行更费 Token，而且人工编排流程真不如让大模型自己定，「很多的事儿，还是很反直觉的」
OpenAI又双叒搞数学了。
2026 年以来，OpenAI、Anthropic、LangChain 等机构纷纷发布关于 Harness Engineering 的技术博客，OpenClaw、Hermes Agent 等项目的火爆更让 Harness Engineering 成为业界热词。人们的共识正在形成：模型的能力释放，依赖于一套精密的外部框架。
在教育科技领域，题库是核心资产，更是连接学生、教师与知识体系的关键入口。