掩码扩散语言模型中的可靠并行解码（RPD）
研究者提出免训练的可靠并行解码方法 RPD，按逐层预测稳定性与最终置信度筛选候选 token，并在其前置掩码位置的累积熵预算下并行提交。在 LLaDA 和 Dream 上的数学推理与代码生成基准中，RPD 在评测方法中取得最高解码吞吐，同时保持或提升准确率。诊断显示，仅凭置信度无法确定可靠的提交顺序，序列末端的高置信预测可能在上游计算尚未建立时锁定答案。
#编码
#编码
今日 52 条arXiv：cs.CL（计算语言学，全量分类）AI 评分4343 Transluce（网页）AI 评分1313 Docent Blog：测量生产环境中编码智能体的失准行为
Docent 团队发布技术演示，展示如何在生产环境的编码智能体流量中测量失准行为。该团队此前已将 Docent 以 Apache 2.0 协议开源，并与 SWE-Bench 合作实现对智能体轨迹的可扩展分析。Docent 是用于分析和干预智能体行为的系统。
xAI：News（网页）AI 评分5757 Grok Build 推出记忆功能
xAI 为 Grok Build 推出记忆功能，在每轮对话完成后于后台记录约定、决策和项目事实，后续会话会先读取相关笔记再修改代码。记忆按项目保存并另有全局偏好集合，不记录任务状态、临时结论、密钥及仓库文档已覆盖的内容；新增 /memory 浏览命令和 /dream 整理命令，后者也会定期在后台运行。
TensorZero：实验与工程博客AI 评分5858 TensorZero 用 tree-sitter 和树编辑距离从每次 Git commit 自动评估 Cursor 推理效果
TensorZero 团队发布开源方法，在每次 Git commit 时自动为 Cursor 的 LLM 推理计算反馈奖励。
Sarvam AI（网页）AI 评分5151 Sarvam AI 汇总 Sarvam Epoch 发布内容，推出 Sarvam 105B 更新版与多项新产品
Sarvam AI 汇总首届 Sarvam Epoch 活动上发布的全部内容，覆盖模型、推理、Agent 平台与硬件。
Berkeley RDI：Blog（AI 安全与评测）精选AI 评分6767 Berkeley RDI：GitHub Pages 上近 2000 个站点仍加载 polyfill.io 恶意 CDN，AI 编码助手加剧风险
Berkeley RDI 扫描发现 1,960 个 GitHub Pages 站点（18,384 个页面，合计超过 530K stars，含 microsoft/AirSim 和 UC Berkeley 课程页）仍在加载 polyfill.io 等 Funnull 系列 CDN，该运营商已被 OFAC 制裁。
推荐理由：原文实测四款大模型仍会推荐已被制裁的恶意 CDN 域名，并给出可执行的排查命令和修复清单，方法可迁移到自身项目。
Berkeley RDI：Blog（AI 安全与评测）AI 评分5454 Berkeley RDI等机构提出软件开发自主性三级框架，展望编码不再是瓶颈后的软件工程
UC Berkeley、MIT、Microsoft、Cursor等机构的研究者发布立场论文《Towards Autonomous Software Development》，提出软件开发自主性三级框架：Level I代码自主、Level II流水线自主、Level III需求自主。
Berkeley RDI：Blog（AI 安全与评测）AI 评分5656 UC Berkeley 等发布 Vero 基准：评测 AI 智能体能否构建形式化验证的软件仓库
Berkeley RDI 等机构发布 Vero 基准，要求 AI 智能体在仓库级同时编写实现与 Lean 4 证明，包含 43 个多模块实例、743 个评分 API 和 2,705 条形式化规范。
Microsoft AI：官方博客（网页）AI 评分3030 Microsoft Signal 博客汇总：MAI-Code-1.1-Flash、CARE-X 与开源智能体框架 Orchard
微软推出 MAI-Code-1.1-Flash 模型，已用于 GitHub Copilot，在命令行编码和 .NET 开发任务上表现提升，用更少 token 完成任务且成本低于 6 月版本。微软还发布开源智能体框架 Orchard，为训练和评估能写代码、浏览网页的 AI 智能体提供可复用环境。此外，微软研究模型 CARE-X 可将多项放射学任务整合，在胸部 X 光任务和真实患者数据上表现良好。
METR：Blog（网页）AI 评分3030 METR 博客笔记：从 per-action 监控到 AI 研发加速的多项研究
METR 发布系列研究笔记，涵盖 per-action 阻断监控的有效性论证、LLM 是否加速网络/数学/算法领域发现速率，以及智能体能力度量。其中一项微调实验显示，四个推理模型经少量指令遵循数据微调后，CoT 可控性在分布外任务上从平均 2.9% 升至 8.8%；另一项分析发现约半数通过 SWE-bench Verified 的 AI 生成 PR 不会被仓库维护者合并入主分支。
Meta AI：Blog（网页）AI 评分7171 Meta Superintelligence Labs 发布 Muse Spark 1.1 多模态推理模型并开放 Meta Model API 公测
Meta Superintelligence Labs 发布 Muse Spark 1.1，一个面向智能体任务的多模态推理模型，在工具与计算机使用、编码和多模态理解上较 Muse Spark 有明显提升，支持 100 万 token 上下文管理和多智能体编排。
Baseten Base Labs：模型研究AI 评分6565 Z.AI 发布 GLM-5.3：智能体编码能力大幅提升，Terminal-Bench 3.0 从 4.6% 升至 28.3%
Z.AI 发布面向智能体工程的新模型 GLM-5.3，沿用与 GLM-5.2 相同的 744B-A40B MoE 底座，能力提升全部来自在更多样真实任务环境上的规模化后训练。
Fireworks AI（网页）AI 评分5959 Fireworks AI 分析：前沿不是单个模型，而是路由器
Fireworks AI 基于 DeepSWE v1.1 的 113 个任务分析称，按任务选模型的 oracle 路由在 18 个模型上可达 97.6% 通过率、每任务 $1.88，比最佳单模型 GPT-6 Astra（74.1%、$6.52）高 23 分且成本不到三分之一；仅用开源权重模型也能达 90.3%、$1.45。
Fireworks AI（网页）AI 评分5454 Fireworks AI 推出 Specialized Intelligence Index 覆盖七大领域模型评测
Fireworks AI 发布 Specialized Intelligence Index（SII），汇集开放、闭源和专用模型在医疗、法律、网络安全、金融、客服、生产力、软件七个领域的从业者设计基准上的表现。
Fireworks AI（网页）精选AI 评分6868 Fireworks Research 发布 Ember-1：以 Kimi K3 为基础实现同等质量下更省 token
Fireworks Research 发布专用模型 Ember-1，基于 Kimi K3 训练，在保持质量的同时减少约 35–50% 推理 token。团队做了 50 多次训练实验和 200 多次评估，在 Terminal Bench 2.1、SWE-bench Verified 等 7 个基准和两家客户生产流量的 A/B 测试中质量持平，每任务 token 约省 35%。
推荐理由：原文给出多组基准和生产 A/B 数据，读者可以据此评估用更低 token 成本跑 Kimi K3 级质量的可行路径。
Eugene Yan：WritingAI 评分7575 Eugene Yan 详解如何与 AI 协作并让工作复利
Eugene Yan 分享与 AI 高效协作的工作流与复利方法，提出五条原则：提供良好上下文、把品味编码为配置、让验证变得简单、委托更大任务、闭合反馈循环。具体做法包括用 INDEX.md 注解组织上下文、将 CLAUDE.md 当作入职文档、把每周任务沉淀为 skill 并通过会话记录迭代、用 hooks 和 evals 左移验证、用 tmux 并行 3-6 个会话并挖掘过往会话记录更新配置。
NVIDIA Technical Blog：Agentic AI / Generative AIAI 评分5555 NVIDIA 与 SGLang 团队发布 SWE-Serve 基准，揭示本地测试通过不等于实机服务可用
NVIDIA 联合 SGLang 团队推出 SWE-Serve 基准，从 83 个已合并的 SGLang pull request 中构建 53 个可执行任务，用于评估智能体对推理服务软件仓库级改动的真实效果。
Cursor Blog精选AI 评分7979 Cursor 宣布被 SpaceX 正式收购
Cursor 官宣已被 SpaceX 正式收购，始于 4 月与 SpaceXAI 合作的收购流程正式完成。Cursor 表示将使用全球最大的 GPU 集群，以更低成本构建和提供能力更强的模型，并提及周三发布的 Grok 4.6 初步展示了合作成果；Cursor 将继续帮助用户少写代码、专注于更有挑战性的问题。
推荐理由：收购方官方亲述交易完成与后续算力、模型计划，读者可借此了解 Cursor 未来产品与成本走向。
Cursor Blog精选AI 评分7474 Cursor 推出 Projects：用协调智能体承接大规模开发工作
Cursor 推出 Projects，让开发者以项目为单位承接功能开发、迁移和长期维护等工作，可维持数月上下文、向数千个子智能体委派任务并自动处理周期性工作。每个 Project 默认在云端运行并同步共享上下文，协调智能体只负责委派而不写代码，还可订阅 Slack 频道、按计划运行或跟踪 PR。
推荐理由：官方介绍了 Projects 的协调智能体机制和内部使用数据，读者可以对照自己的多 PR 工作流评估是否适用。
Cursor Blog精选AI 评分7373 xAI 发布 Grok 4.7，编码与知识工作能力提升且价格不变
xAI 发布 Grok 4.7，定位为面向编码和知识工作的最强模型，价格和速度与 Grok 4.6 相同，输入每百万 token $2、输出 $6。
推荐理由：官方给出了 Grok 4.7 的基准成绩、价格和防护数据，读者可以据此与 Grok 4.6 等模型比较编码和安全表现。
Cursor Blog精选AI 评分6161 Cursor 推出软件开发 Bots：Rollouts 与 Security Reviewer
Cursor 推出两款软件开发 Bots，Rollouts 全程监控变更从 PR 到生产环境、自动标记回归并支持回滚，Security Reviewer 在每个 PR 上像安全工程师一样审查代码并支持一键修复。
推荐理由：原文来自官方，详细说明了两个 bot 的工作机制和适用场景，读者可对照自身部署与安全审查流程评估可用性。
Cognition 模型 / Devin 博客（网页）AI 评分6464 Cognition 发布 SWE-2 编码模型，以更低成本逼近前沿性能
Cognition 发布 SWE-2，其最强编码模型在 FrontierCode 1.1 Main 得分 50.0%，与 Fable 5.1 差距不到 1 分且便宜 64%。
Cognition 模型 / Devin 博客（网页）精选AI 评分7171 Cognition 将 Fusion 双智能体 harness 引入 Devin Desktop 和 CLI
Cognition 在 Devin Desktop 和 CLI 中开放 Fusion，一个由前沿模型主导规划审查、高性价比模型执行编码的双智能体 harness，官方称在主要编码基准上最高节省 39% 成本。
推荐理由：原文给出双智能体架构、实测成本数据与模型配对调优经验，读者可据此理解按任务定价与多智能体分工的设计取舍。
Cognition 模型 / Devin 博客（网页）AI 评分4747 Cognition 与 AWS 达成多年战略合作，推动 Devin 自主工程师在企业落地
Cognition 与 AWS 签署多年战略合作协议，帮助企业将 Devin 自主工程师部署到生产环境，并加速遗留工作负载迁移上 AWS。客户已可通过 AWS Marketplace 购买 Devin，并在 Devin 内直接使用 Agent Toolkit for AWS。
Cognition 模型 / Devin 博客（网页）AI 评分4141 Cognition 携 Devin 拓展拉丁美洲市场，首站落地圣保罗
Cognition 宣布拓展拉丁美洲业务，首站设在圣保罗，此前已与 Itaú、Nubank、Santander 等区域大型机构合作使用 Devin。Itaú 超 75% 技术团队使用 Devin，完成 30 万+ 代码库文档化、.NET 迁移 Java 提速 6 倍、自动修复约 70% 安全漏洞，工程吞吐量提升 20-30%。
Claude：Blog（网页）AI 评分2727 Anthropic 推出 Claude 平台 Console：Messages 直连模型，Managed Agents 托管智能体
Anthropic 上线 Claude 平台 Console，提供两种开发方式：Messages 为直连模型，需自行构建每轮对话、管理会话状态并编写工具循环；Managed Agents 提供全托管智能体基础设施，支持有状态会话与持久事件历史。平台同时提供 Claude 模型家族选型指引，涵盖研究、编码、写作等场景，Haiku 4.5 主打最快速度与最低成本。
Claude：Blog（网页）AI 评分4444 Claude Code 开发者文档：入门指南
Anthropic 发布 Claude Code 入门文档，该智能体编程工具可读取代码库、编辑文件、运行命令，支持终端、IDE、桌面应用和浏览器四种使用界面。终端 CLI、VS Code 和 JetBrains 插件还支持第三方模型提供商，多数界面需 Claude 订阅或 Anthropic Console 账户。
Claude：Blog（网页）精选AI 评分7373 Claude 桌面与移动端应用提供 macOS、Windows、Linux、iOS、Android 下载
Claude 提供桌面与移动端应用下载，覆盖 macOS、Windows（含 arm64）、Linux（beta，支持 Ubuntu 和 Debian）以及 iOS 和 Android，所有套餐（Free、Pro、Max、Team、Enterprise）均可使用，部分功能仅限付费计划。
推荐理由：原文汇总了 Claude 桌面与移动端应用的下载入口、各平台支持范围和付费限制，读者可据此判断是否迁移工作流。
Trail of Bits：AI安全研究精选AI 评分7070 Trail of Bits 批评 1Password 的 AI 补丁基准有误导性，并发布两个补丁验证 Agent 技能
Trail of Bits 发文批评 1Password 2026 年 8 月 6 日报告的 26% 干净修复率有误导性，指出其样本被挑选为复杂修复、22% 数据使用故意指示错误修复的提示词、36% 试验禁止编译测试，并披露评分规则与人工审查的分歧。
推荐理由：作者用自有的 Patch the Planet 合并率和开发者首次修复失败率作对照，说明该基准在样本、指令和评分上的问题。
Trail of Bits：AI安全研究精选AI 评分6868 Trail of Bits 复盘 Miden zkVM 审计：用智能体自建工具链与 Lean 形式化模型
Trail of Bits 在审计 Miden zkVM 前，用智能体在六个月内从零构建了 MASM 的 LSP 服务器、反编译器、静态分析引擎和 Lean 形式化模型。
推荐理由：作者复盘如何让智能体在审计前自建 LSP、反编译器、静态分析和 Lean 形式化模型，方法可迁移到其他安全审计场景。
Cloudflare BlogAI 评分6161 Cloudflare 发布 Workers 错误监控功能 Issues（开放测试）
Cloudflare 为 Workers 推出内置错误监控功能 Issues，现处开放测试阶段。无需额外 SDK，一行配置即可自动归组重复异常、5xx 响应和错误日志。
CMU：Machine Learning BlogAI 评分2828 CMU 在 ICLR 2026：194 篇论文概览
CMU 研究团队将在 ICLR 2026 展示 194 篇论文，会议于 4 月 23 日至 27 日在巴西里约热内卢 Riocentro 会议中心举行。论文涵盖应用、计算机视觉、深度学习、优化、强化学习、社会影响与理论等方向，其中 EditBench、UALM、Agent Data Protocol、MotionStream、OpenThoughts 等被列为 Oral 论文。
Augment Code 博客（网页）AI 评分4848 Augment Code 如何用 Cosmos 专家智能体优化 PR 到合并的审查闭环
Augment Code 将其 Cosmos 代码审查系统从单纯审查扩展到完整的 PR-to-merge 闭环，新增 Verifier、PR Fixer、Review Dashboard 和 cosmos approve 四项能力，由专职专家智能体承担修复、运行时验证与自动审批，人类保留最终合并决定权。该系统此前已帮助其工程组织将代码产出提升 3 倍，同时降低中位合并时间并维持质量。
Augment Code 博客（网页）AI 评分5555 Augment Code 重构 Auggie CLI harness，任务成本比 Claude Code 低 53%
Augment Code 今年早些时候从零重构了 Auggie CLI 的 harness，在 SWE-bench Pro（731 实例，opus4.7）上 Auggie v2 通过率与 Claude Code 相当的情况下，单任务成本 $1.27 对 $2.70，便宜 53%，平均耗时 330s 对 409s。
Augment Code 博客（网页）AI 评分3939 两人工程团队如何用 Cosmos 智能体处理 6 倍产品反馈并保持交付
Augment Code 的两人 Cosmos Advisor 团队用 Cosmos 构建了 Feedback Triager 智能体，把每周产品反馈从约 5 条增至 30+ 条的压力接了过来。
Augment Code 博客（网页）AI 评分4040 Augment Code 推出 Cosmos Advisor：把 FDE 做进产品里的自前向部署平台
Augment Code 发布 Cosmos Advisor，一个内置于 Cosmos 平台的专家智能体，可在同一对话中回答、配置、部署、检查并改进系统，让定制智能体约十分钟接入企业工作流。
Artificial Analysis 完整文章（网页）精选AI 评分7676 Artificial Analysis 评测 GPT-6 Sol 与 Luna：成本减半、智能指数持平
Artificial Analysis 评测 GPT-6 Sol 和 Luna，两者价格较 GPT-5.6 减半，Intelligence Index 持平，Sol 编码指数升 2 分至 57，Luna 降 2 分至 41。
推荐理由：原文以统一基准实测两款新模型的成本与能力变化，读者可据此判断价格减半后智能与编码表现的取舍。
Augment Code 博客（网页）精选AI 评分6868 Augment Code 复盘如何搭建软件工厂，人均规模调整产出提升 4.5 倍
Augment Code 官方复盘其软件工厂搭建过程：2025 年 11 月至 2026 年 7 月，基于 Cosmos 平台陆续部署 PR Author、Deep Reviewer、Verifier、Incident Investigator 等专用智能体，覆盖需求、工单、PR、生产四个环节，量化分析覆盖 17,200 个已合并 PR。
推荐理由：官方复盘给出九个月内部数据与逐月部署节点，读者可以据此了解团队级智能体工厂的搭建路径与取舍。
Anthropic：Research（发表成果 · 网页）精选AI 评分7373 Anthropic：Claude 优化 30 多个开源生物分子模型，平均加速约 4 倍
Anthropic 发布研究，Claude 在不到四周内优化了超过 30 个用于结构预测、蛋白质设计、基因组学和蛋白质语言模型的开源模型，平均加速约 4 倍、输出完全一致时约 2 倍，并开源了全部优化代码。
推荐理由：原文给出具体加速倍数、低内存模式和开源入口，读者可评估这些优化对自身生物分子建模工作流的实际收益。
Anthropic：The Institute（旗舰研究长文 · 网页）精选AI 评分7676 Anthropic 将 Claude Design 整合进 Claude 对话与 Claude Code
Anthropic 宣布 Claude Design 现可在任意 Claude 对话中使用，包括 Claude Code 和 Artifacts 标签页，Claude Tag 支持即将推出。
推荐理由：原文给出可用范围、连接器和设计系统管理等具体变化，读者可据此判断它对设计到交付流程的影响。