从一个关键词开始
搜名称,也可以搜场景,比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 151
AISLE湿实验基准首轮评测结果公布AI热点全球首个真实湿实验基准AISLE公布首轮评测结果,GPT 5.5仅得41.19分,所有模型安全通过率为0%。
清华TraceMRT绕过CoT监控逃逸率达60%AI热点清华论文提出TraceMRT框架,将隐藏任务改写为主任务合理子目标攻击CoT监控,逃逸率升至59.94%,配套贝叶斯监控将检测AUC提至0.91。
斯坦福论文:信息披露对LLM交易影响不一AI热点斯坦福研究在交易、议价和拍卖场景测试10个前沿模型,发现信息披露并非总能改善结果,不同模型收益随披露粒度变化有升有降。
谷歌开源EGM插件规格先行评审AI热点谷歌开源EGM插件,让编码智能体先写规格,再由无状态子智能体分5阶段评审。
MaxxBench改写DeepSWE任务测模型适应力AI热点MaxxBench通过修改89个DeepSWE任务指令,发现模型在需求变更时分数大幅分化,揭示基准过拟合问题。
微软开源AI智能体依赖管理工具APMAI热点微软推出开源工具APM,用apm.yml统一管理智能体的技能、提示词与MCP服务器依赖。
FedReason用LLM动态选联邦聚合规则AI热点arXiv论文提出FedReason,让LLM每十轮在服务器沙箱中分析客户端权重并生成聚合程序,实验显示其在标签偏斜场景下平均超越FedAvg 1.26个百分点。
Perplexity发布常驻工作智能体TeammatesAI热点Perplexity推出面向工作场景的常驻AI智能体Teammates,可在工作区承担多角色并同时执行多项任务,需订阅200美元Max套餐。
谷歌发布工程Agent评测PLEAI热点谷歌与Mercor发布工程Agent评测PLE,揭示高单项约束满足率与低全约束通过率之间的落差。
谷歌开源多智能体冲突基准CLASHarnessAI热点谷歌等团队发布并开源CLASHarness基准,首次对15个主流大模型在多Agent冲突场景下的表现进行实测。
思科Talos披露集成大模型的窃密木马AI热点思科Talos披露新型信息窃密木马Volta-Autodoxer,攻击者引入商业大模型自动对受害者数据画像,快速筛选高价值目标,展示LLM被用于增强传统恶意软件能力。
谷歌发布T2J-Bench迁移评测基准AI热点谷歌团队发布T2J-Bench,用63个整仓任务评测PyTorch到JAX迁移,TwinHarness将得分提升11.4%。
材料科研智能体MatOS开源,任务成功率达97.96%AI热点MatOS开源,资产库含3135个数据集,MatTools完整问题成功率达97.96%。
Databricks发布AI Index公开企业AI评测AI热点Databricks推出AI Index,公开企业AI使用与编码智能体评测数据,每周更新。
LuthorSQL发布:7B单遍文本转SQL模型AI热点LuthorSQL作为快速系统1门控,可本地处理近半查询并降低33.3% API成本。
EnvOpt框架发布:智能体环境自动优化降本48%AI热点提出EnvOpt框架,通过自动优化智能体环境表示,在五项基准上平均降低48%成本且通过率持平或更高。
DeepSeek拆分App能力为独立API按量售卖AI热点DeepSeek将搜索、OCR、语音等App后台能力拆分为独立API按量销售,搜索定价远低于竞品,并开源前端demo。
Vercel Labs开源UI SDK,Agent界面成本降56%AI热点Vercel Labs开源UI SDK,提供可复用交互行为,让AI Agent高效组合实现界面组件,官方实测成本下降约56%。
MIT与Meta提出ReHarness修订智能体记忆AI热点ReHarness用后续任务结果修订智能体旧笔记,减少过时经验误导,多基准测试显示增益并节省token。
高盛思科等企业限制员工AI使用AI热点高盛、思科、摩根大通等企业开始对员工AI使用设预算、限额度,从扩张转向管控。
开源项目 222
Palmier Pro:面向 AI 的 macOS 视频编辑器开源项目Swift 编写的 macOS 视频编辑器,内置生成式 AI 并通过 MCP 服务器让 Claude/Codex/Cursor 等代理直接在时间线上协作编辑。查看
OpenKnowledge:带 AI 集成的 Markdown 编辑器开源项目本地、免费的 Markdown 编辑器,提供所见即所得编辑,并与 Claude、Codex 等 AI 工具链集成,用于知识库与 LLM wiki。查看
Phone Use:从电脑控制 iPhone 的桌面应用开源项目桌面应用加 iPhone 端 App,把 iPhone 屏幕投到电脑窗口,让人或 Claude Code 等 AI 代理经授权点击、滑动和输入。查看
TV Detox:清理 Android TV 系统应用的脚本开源项目通过 ADB 关闭 Android TV 上的臃肿软件、广告与推荐行的脚本,由 Claude Code 或 Codex 执行,可随时撤销。查看
Cloudflare MCP Server:Cloudflare服务的MCP服务器集合开源项目多个面向Cloudflare产品的MCP服务器,供Cursor、Claude等MCP客户端以自然语言读取账户配置、分析数据并执行变更。查看
CLI-Anything:把软件包装成Agent可用的CLI开源项目为各类软件生成命令行接口的框架与社区注册表,让 Pi、Claude Code、Cursor 等编码 Agent 能通过 CLI 操作这些软件。查看
Godogen:多引擎自主游戏开发生成器开源项目面向 Godot、Bevy、Babylon.js 与 three.js 的自主游戏开发生成器,配合 Claude Code 或 Codex 使用。查看
drama-skills:AI短剧与漫剧制作技能合集开源项目12个Agent技能覆盖从原著分析、分集剧本、视觉设定、分镜与提示词到生成、剪辑和审片的短剧全流程,以Markdown文档记录创作决定,适配Claude Code、Codex等支持Agent Skill规范的环境。查看
Refly:Agent 技能构建平台开源项目开源的 Agent 技能构建平台,把业务流程编译为可版本化、可复用的技能,导出为 API、Webhook 或 Claude Code 技能。查看
LoopForge:自托管的编码Agent交付工作流开源项目自托管工作区,用脚本与人工审批门编排 CodeBuddy、Codex、Claude Code 等编码Agent,支持聊天与SOP两种交付方式。查看
Scientific Agent Skills:科研 Agent 技能集合开源项目177 项科研技能的 Agent Skills 集合,覆盖生物、化学、医学、物理等领域,兼容 Cursor、Claude Code 等宿主。查看
Stitch Design Skills:配合Stitch MCP的Agent技能包开源项目一套面向Google Stitch的Agent技能与插件集合,按Agent Skills开放标准编写,可在Codex、Claude Code、Cursor等编码Agent中安装使用。查看
devvm:为每个项目提供隔离虚拟机的开发沙箱开源项目按项目文件检测工具链、为每个项目文件夹创建独立虚拟机的开发沙箱,可在其中运行Claude Code等编码Agent。查看
SwiftUI-Pro:让AI写对SwiftUI的编程技能包开源项目iOS名师Paul Hudson出品,把多年SwiftUI实战经验打包成Agent Skill:覆盖导航、布局、状态管理、无障碍、废弃API,专治LLM写SwiftUI的常见错误。一行npx命令装进Claude Code、Cursor等,AI写iOS代码立刻靠谱不少。零门槛,接iOS外包单的必收。查看
OpenDesign:协作式 AI 设计代理工作区开源项目从设计简报出发,用编码代理生成遵循设计系统的原型,并在团队内分享与迭代的开源工作区。查看
Magic MCP:21st MCP 兼容代理开源项目旧版 Magic MCP 的兼容代理,将 MCP 消息转发至统一的 21st MCP 服务器,供编码 Agent 使用其组件工具。查看
Beautiful Rust:Rust 编码的 Agent 技能与 lint 配置开源项目三套 Agent Skills 加一份 clippy 配置,引导智能体编写、审查和移植地道 Rust。查看
Context Mode:减少编程智能体上下文占用的本地插件开源项目Context Mode 是面向 10 种编程智能体的免费本地插件,把工具输出留在本地 SQLite 索引中,只向上下文返回所需部分。查看
diagram-design:生成HTML+SVG图表的Agent技能开源项目Agent技能,用自然语言生成单文件HTML+SVG图表,支持45种类型与品牌样式。查看
Free My TV:Google TV 与智能电视的无广告主屏幕开源项目为 Google TV、LG 和 Samsung 电视提供无广告主屏幕,聚合自有应用、每小时更新的热门推荐、天气与市场信息。查看