←搜索结果

搜索“编码”

按匹配度 · 共 1588 条结果 清除搜索

星期六

  1. Qwen Blog精选

    阿里云千问发布 Qwen3.6-Max-Preview 预览版

    阿里云千问团队发布专有模型 Qwen3.6-Max-Preview 的早期预览版，相比 Qwen3.6-Plus 在世界知识、指令遵循和智能体编码上均有提升，其中 SkillsBench +9.9、SciCode +6.3、NL2Repo +5.0、Terminal-Bench 2.0 +3.8。该模型通过阿里云 Model Studio 提供，API 名称为 qwen3.6-max-preview，支持保留历史轮次思考内容的 preserve_thinking 功能，并可在 Qwen Studio 试用。官方称模型仍在开发中，后续版本预计还有提升。

    阿里云千问团队发布专有模型 Qwen3.6-Max-Preview 的早期预览版，相比 Qwen3.6-Plus 在世界知识、指令遵循和智能体编码上均有提升，其中 SkillsBench +9.9、SciCode +6.3、NL2Repo +5.0、Terminal-Bench 2.0 +3.8。该模型通过阿里云 Model Studio 提供，API 名称为 qwen3.6-max-preview，支持保留历史轮次思考内容的 preserve thinking 功能，并可在 Qwen Studio 试用。官方称模型仍在开发中，后续版本预计还有提升。

    匹配字段摘要

    #company#模型发布#Agent#编码

星期三

  1. Qwen Blog精选

    Qwen3.6-35B-A3B 开源：35B 总参数 3B 激活的 MoE 模型

    Qwen 团队开源 Qwen3.6-35B-A3B，这是一个 35B 总参数、仅 3B 激活参数的 MoE 模型，主打智能体编码能力，同时支持多模态思考与非思考模式。官方称其在 SWE-bench Verified 上得分 73.4，超过前代 Qwen3.5-35B-A3B 的 70.0，并在多数视觉语言基准上接近 Claude Sonnet 4.5。模型已在 Qwen Studio 上线，可通过阿里云百炼 API 以 qwen3.6-flash 调用，权重发布于 Hugging Face 和 ModelScope，并支持 OpenClaw、Claude Code、Qwen Code 等第三方编码助手。

    匹配字段摘要

    #company#模型发布#开源生态#Agent

星期五

  1. Linear：Now

    Linear 团队如何使用 Linear Agent 推进产品开发

    Linear 团队介绍了三类 Linear Agent 工作流，将客户邮件、Slack 讨论和产品经理发现的问题转化为 issue、代码修改及 pull request。团队让智能体在 Intercom、Slack 和 Linear 等工作发生处获取上下文，并结合 Code Intelligence、定制 MCP servers 和编码智能体协助排查与开发。Linear 认为更有效的做法是把任务拆成小而明确的步骤，先观察表现并补充指导，再逐步提高自主程度。

    Symmetrical white lines and dots radiating from a bright central point on a black background.

    匹配字段摘要

    #ai-news#教程/实践#Agent#编码

星期三

  1. Cognition 模型 / Devin 博客

    Devin 如何在财富 500 强企业现代化改造 COBOL

    Cognition 博客披露，过去八个月多家财富 500 强企业已用 Devin 处理 COBOL 项目，包括为数百万行代码编写文档、将一套海关工作流从 COBOL 迁移到 AWS Lambda，以及重构数百个程序中的税号逻辑。文章指出 COBOL 缺乏类型与共享 schema、LLM 训练数据极少，且主流编码智能体运行在 Linux VM 上无法执行主机 COBOL，导致反馈闭环断裂，68% 的 COBOL 现代化项目失败。批量工作负载因输出确定可复现，适合智能体自主迁移；事务型系统仍无法自主迁移，但可用 Windsurf 辅助开发者阅读和追踪代码。

    匹配字段摘要

    #company#行业动态#Agent#编码
  2. Mario Zechner 原创博客精选

    pi 作者 Mario Zechner 加入 Earendil，pi 转为该公司旗下项目

    Mario Zechner 宣布加入 Earendil，并把开源编码智能体 pi 一并带入该公司，仓库从 badlogic/pi-mono 迁至 earendil-works/pi，包名从 @mariozechner/pi-coding-agent 改为 @earendil/pi，pi.dev 与 Discord 保持不变。pi 仍保持 MIT 许可，核心永久开源，未来会叠加 Fair Source 增值功能和闭源企业版两层商业化内容；pi 由 Earendil 持有，商标归 Earendil，作者与 Armin、Colin 共同负责技术方向与合并决策，外部 PR 流程不变。

    匹配字段摘要

    #editorial#行业动态#Agent#开源生态

星期五

  1. DevClass

    Cloudflare 预览 EmDash：用 TypeScript 和 AI 重写 WordPress

    Cloudflare 发布 EmDash 0.1，这是用 TypeScript 而非 PHP 重写的 WordPress CMS，基于其今年 1 月收购的 Astro 框架，以 MIT 许可在 GitHub 开源。项目内置 MCP 服务器和 Agent Skills 配置文件，用于借助智能体转换 WordPress 主题和插件，插件运行在沙箱中并带权限定义，默认使用 Passkeys 认证。其迁移工具目前只能导入内容，主题和插件仍需重新编码。

    匹配字段摘要

    #hot-signal#产品更新#开源生态#部署/工程

星期四

  1. Qwen Blog精选

    阿里千问发布 Qwen3.6-Plus，主打真实世界智能体能力

    阿里千问发布 Qwen3.6-Plus，通过阿里云百炼 API 提供，默认 1M 上下文窗口，重点提升智能体编码与多模态感知推理能力。官方基准显示其在 SWE-bench Verified 得 78.8、Terminal-Bench 2.0 得 61.6、QwenClawBench 得 57.2，均高于 Qwen3.5-397B-A17B。API 新增 preserve_thinking 参数用于保留多轮思考内容，默认关闭，可接入 Claude Code、Qwen Code、Cline、OpenCode 等编码工具。

    阿里千问发布 Qwen3.6-Plus，通过阿里云百炼 API 提供，默认 1M 上下文窗口，重点提升智能体编码与多模态感知推理能力。官方基准显示其在 SWE-bench Verified 得 78.8、Terminal-Bench 2.0 得 61.6、QwenClawBench 得 57.2，均高于 Qwen3.5-397B-A17B。API 新增 preserve thinking 参数用于保留多轮思考内容，默认关闭，可接入 Claude Code、Qwen Code、Cline、OpenCode 等编码工具。

    匹配字段摘要

    #company#模型发布#Agent#多模态

星期二

  1. Mistral AI

    Mistral AI 发布面向人类与智能体的 CLI 工具 Spaces

    Mistral AI 发布内部平台工具 Spaces CLI，用于脚手架搭建项目、生成配置并部署到 staging，同时兼顾人类开发者与编码智能体两类使用者。团队为每个交互式提问补上等价 flag，并加入 -y 无阻塞模式，使智能体可端到端自主完成配置与部署。每次 init 还会生成 context.json 与 AGENTS.md，向智能体说明项目模块、端口、命令和环境变量，减少其猜测与误操作。

    匹配字段摘要

    #lab#教程/实践#Agent#部署/工程

星期三

  1. Modal 官方工程博客

    Doppel 如何用 Modal 消除 ML 基础设施税

    Doppel 将大部分 ML 工作流迁移到 Modal，训练实验从串行改为并行，推理部署的镜像构建时间最多缩短 10 倍，复杂模型也能实现亚分钟级热构建。Modal 的 CLI 让编码智能体可直接启动实验、查看日志并触发后续运行，Cloud Run 单实例仅支持单 GPU 等限制带来的运维摩擦随之减少。

    匹配字段摘要

    #company#教程/实践#部署/工程#数据/训练
  2. Browser Use精选

    Browser Use 用 Auto-Research 在 Online-Mind2Web 上取得 97%

    Browser Use 称其浏览器智能体在 Online-Mind2Web 基准上取得 97%，为目前最高分。该基准包含 136 个真实网站的 300 个任务，团队用 Claude Code 配合评测平台 CLI 循环运行 20 轮自动搜索最优智能体，并把浏览器智能体改造为可写 Python 解析 HTML 的编码智能体。团队还构建了基于 Claude Agent SDK 的智能体评审，并公开了仓库、提示词、结果与评判，便于复现。

    匹配字段摘要

    #company#评测/基准#Agent#开源生态
  3. Google Research

    Google Research 推出 S2Vec：用自监督学习读懂城市建成环境

    Google Research 发布 S2Vec，一个将复杂地理空间数据转化为通用嵌入向量的自监督框架，可预测全球社会经济与环境模式。该方法先将建成环境栅格化为特征图像，再用掩码自编码（MAE）学习嵌入，在零样本地理适应任务（如美国人口密度和中位收入预测）中表现优于图像基线，与图像嵌入融合后效果最佳。

    匹配字段摘要

    #lab#论文/研究#数据/训练#Google

星期四

星期三

  1. Mistral AI精选

    Mistral 如何用 Vibe 搭建自动编写 Rails 测试的智能体

    Mistral AI 基于其开源编码助手 Vibe 搭建了一个自动为 Rails 项目生成和改进 RSpec 测试的智能体，可在 CI/CD 中无人干预运行，并支持多实例并行处理不同文件。该智能体通过仓库级 AGENTS.md 提供分步执行计划、按文件类型拆分 skills 文件，并加入 RuboCop 与 SimpleCov 自定义工具，其中把 SimpleCov 放在最后一步强制运行每个测试是最关键的决定，因为首次执行时只有约三分之一测试通过。在包含 275 个源文件的真实仓库实验中，已有测试文件的 LLM-as-a-judge 评分从 0.49 提升到 0.74，覆盖率达到 100%。

    匹配字段摘要

    #lab#教程/实践#Agent#编码

星期三

  1. Physical Intelligence

    Physical Intelligence 为机器人模型推出 MEM 记忆系统

    我们为模型开发了一套记忆系统，同时提供短期视觉记忆和长期语义记忆。 我们的方法让我们能够训练机器人执行长时间、复杂的任务，比如清理厨房或从头制作烤奶酪三明治 👇 没有记忆，机器人在许多真实场景中会陷入困境，比如反复犯同样的错误、卡住或失去时间感。 但我们不能直接把几分钟甚至几小时的视频塞进模型的上下文——那很快就会变得不可处理。 为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态在不同时间尺度上表示记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。 借助 MEM，我们的模型可以在真实世界中执行真正的多阶段任务，比如清理整个厨房或准备食谱所需的食材。视频展示了机器人如何用文本跟踪长时程记忆。 除了解决新任务，记忆还让我们的策略更加鲁棒：我们展示了上下文适应的早期迹象，机器人通过从过去的错误中学习，实时调整自己的行为。 更多内容，请查看 我们的论文：https://t.co/xQLvOwko0m 我们的博客文章：https://t.co/tjJO4D6MYP

    模型开发了一套记忆系统，同时提供短期视觉记忆和长期语义记忆。 我们的方法让我们能够训练机器人执行长时间、复杂的任务，比如清理厨房或从头制作烤奶酪三明治 👇 没有记忆，机器人在许多真实场景中会陷入困境，比如反复犯同样的错误、卡住或失去时间感。 但我们不能直接把几分钟甚至几小时的视频塞进模型的上下文——那很快就会变得不可处理。 为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态在不同时间尺度上表示记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。 借助 MEM，我们的模型可以在真实世界中执行真正的多阶段任务，比如清理整个厨房或准备食谱所需的食材。视频展示了机器人如何用文本跟踪长时程记忆。 除了解决新任务，记忆还让我们的策略更加鲁棒：我们展示了上下文适应的早期迹象，机器人通过从过去的错误中学习，实时调整自己的行为。 更多内容，请查看 我们的论文：https://t.co/xQLvOwko0m 我们的博客文章：https://t.co/tjJO4D6MYP

    匹配字段摘要

    #company#论文/研究#具身智能#数据/训练
  2. Physical Intelligence精选

    Physical Intelligence 提出 MEM 多尺度具身记忆系统

    Physical Intelligence 开发了 Multi-Scale Embodied Memory（MEM）记忆系统，为模型同时提供短期视觉记忆和长期语义记忆。短期记忆用高效视频编码器记住近期交互的细节，长期记忆则让模型用文本总结事件，最长可记住 15 分钟的内容。该记忆系统让机器人能完成清理整个厨房、按食谱备料等多阶段真实任务，并展现出从过去错误中即时调整行为的上下文适应迹象。

    匹配字段摘要

    #company#论文/研究#具身智能#数据/训练
  3. Physical Intelligence

    Physical Intelligence 推出多尺度具身记忆 MEM

    为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态表示不同时间尺度上的记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型能记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。

    为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态表示不同时间尺度上的记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型能记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。

    匹配字段摘要

    #company#论文/研究#具身智能#数据/训练
  4. Physical Intelligence

    Physical Intelligence 提出多尺度具身记忆 MEM，让机器人记住 15 分钟事件

    Physical Intelligence 为自家模型开发了多尺度具身记忆系统 MEM，用不同模态表示不同时间尺度的记忆。短期记忆由高效视频编码器保留近期交互的细粒度细节，长期记忆则通过训练模型用文本总结事件，最长可记住 15 分钟。该系统让机器人能完成清理整个厨房、从头准备烤奶酪三明治等多阶段真实任务，并展现出从过往错误中即时调整行为的上下文适应迹象。

    匹配字段摘要

    #company#模型发布#具身智能#数据/训练

星期五

  1. Browser Use

    Browser Use 创始工程师分享如何赢得黑客松：从选题、规划到演示的完整指南

    Browser Use（YC W25）创始工程师 Reagan 结合自己在 Y Combinator、MIT、斯坦福等黑客松获奖经验，给出从选题、规划到演示的完整建议。他建议多与赞助商交流、从真实问题出发、优先打磨视觉冲击力强的演示，并在实现阶段并行运行约 5 个编码智能体。演示前至少预留 10 分钟、最好 20 分钟准备脚本。

    First place overall at Y Combinator

    匹配字段摘要

    #company#教程/实践#Agent

星期二

  1. Cognition 模型 / Devin 博客精选

    Cognition 发布 Devin 2.2，支持 computer use 测试与自动修复

    Cognition 发布 Devin 2.2，称这是 Devin 上线以来最大更新之一，目标是让它成为最自主的智能体。新版本可借助 computer use 在自有 Linux 桌面上启动并测试桌面应用，创建 PR 后建议测试并回传屏幕录制；Devin Review Autofix 让它在用户打开 PR 前完成规划、编码、自审、发现问题并修复。启动速度提升 3 倍，界面重建统一了从规划到代码审查的开发流程。自 2026 年 2 月 24 日起新用户的 Devin 会话默认开启 Desktop 支持，老用户可在 Settings 中开启。

    匹配字段摘要

    #company#产品更新#Agent#编码