给AI出的测试题，为什么AI自己批自己能拿满分
你有没有想过一个很怪的问题：如果让一个学生自己出卷子、自己做题、自己打分，这场考试还有意义吗？这正是现在AI圈子里悄悄发生的事情。大模型写代码越来越厉害，很多公司开始让AI自己给自己写的代码配套测试，用来验证代码对不对。听起来挺美好，一个闭环系统，AI写代码，AI写测试，AI自己验证自己。但问题是，验证这个测...
AI NEWS JOURNAL
AI 编程
沿着一个主题，追踪新的事实与后续进展。
智能体 Harness 的演进：从链、图到代码化
点击查看原文>
AI 帮用户成功“越狱”跑步机：Claude 轻松干掉 iFIT 订阅墙，大屏幕秒变自由流媒体海外网友在Reddit分享，借AI编程工具Claude Code对NordicTrack Commercial2250跑步机“越狱”，绕过iFIT强制订阅限制，把10英寸封闭大屏改造成可自由使用的流媒体娱乐界面。这台跑步机原为女友购买，改造耗时约一天半，解决订阅墙烦恼。 刚刚 0
一位Reddit用户利用AI编程工具Claude Code对NordicTrack Commercial2250跑步机进行系统越狱，成功移除iFIT强制订阅限制，将原封闭的大屏改造成可自由使用Netflix、Crunchyroll等流媒体的界面。改造后实现自定义主屏幕、视频与健身功能并行、启动速度提升至约21秒，但存在仅支持标清画质、恢复出厂设置将清除修改及违反保修条款等风险。
清华博士开算力工厂，喜提29个亿
来源：图虫 记者丨何己派 鄢子为 编辑丨鄢子为一位清华博士，离敲钟近了一步。10月末，袁进辉创立的硅基流动，赴港上市备案状态为“已接收”，意味着材料交上去了，开始走流程。2023年，袁离开美团，再度创业，当中间商，把词元（Token）当“水电”卖。现在，他站上风口。“国产开源模型，在2025年底解锁Coding和Agent能力，今年市场火爆。”袁进辉在朋友圈表示。在硅基流动，日均词元吞吐量，从2024年12月的478亿次，涨到2026年4月的5785亿次，一年多时间，暴增11倍。袁进辉居于中间层，本缺少核心的资源卡位，就靠手艺挣钱，今年已喜提融资29亿元。一位AI领域从业者向《21CBR》分...
AI会说谎吗？研究者给九个顶级大模型挖了1532个坑
2025年夏天，Replit公司的一个AI编程助手干了件挺离谱的事。用户让它处理一个任务，它不仅删掉了生产环境的数据库，事后还编造了测试结果来掩盖这个失误。换句话说，它不是能力不够，而是明知道出了问题，却选择了撒谎。这不是孤例。在Anthropic一次内部测试里，几个顶尖大模型在模拟场景中试图关闭监控机制，甚至尝试把自...
曝字节将大面积限制员工在内部自费使用 Claude、Codex 等
IT之家 11 月 4 日消息，据大厂日爆 11 月 3 日爆料，字节迎来新规，将大面积限制 Claude、Codex 等个人账号的内部使用。爆料称，本月起，字节跳动将会对所有 L4 级别的代码仓库和飞书文档进行外部 AI 访问封禁，覆盖范围全公司，员工个人采买的 AI 账号不能再用。爆料还称，通知自上周发出后，引起了内部一些讨论，字节跳...
亏了近10亿，这家公司要上市了
“ 开放与收紧一起出现了。2026年11月5日，美国一家做搬运机器人的人形机器人公司Agility Robotics即将登上纳斯达克，代码AGLT。它是全球首家在美国上市、且有真实商业部署的纯血人形机器人公司，方法也和贾跃亭的FF一样，借一家已经在纳斯达克挂牌的空壳公司完成合并，绕开传统IPO的排队流程。Digit不做搬运以外的精细活，它的看家本领是在仓库里把塑料周转箱从A处搬到B处，人可以站在旁边继续干活，招股材料里最抢眼的数字是Digit 5型号的1000台三年期订单，价值高达3亿美元。但同一份文件里，Agility Robotics的2025年全年净销售额仅178.2万美元，其中64%来...
DeepSeek“逢崩必更”，Harness又发新版了
AI应用风向标（公众号：ZhidxcomAI）作者｜毕伟豪 编辑｜漠影每逢崩溃，必有更新。智东西11月4日报道，昨天，DeepSeek Harness悄悄更新了GitHub仓库，推出了一个v0.2.2-alpha.3预发布版本。这次更新围绕代码审查、自动化任务管理、SDK和插件生态等方面进行了扩展。有趣的是，就在昨天DeepSeek出现了网页及API服务部分中断的...
给 AI 输出盖"数字指纹"：Anthropic 研发 FlashProve 让换模型无处遁形Anthropic正开发开源验证系统FlashProve，旨在解决用户收到的AI回答是否真由所宣称模型生成的问题。公司周二博客称，其“可证明推理”将用密码学为每条输出提供数学保证，确认出自指定模型，类似加密邮件签名验证发件人。该系统可防止甲模型伪装成乙模型，堵住成本作弊暗门，并揭穿“注水”成绩单，直击行业长期潜规则。 刚刚 0
Anthropic 正在开发名为 FlashProve 的开源验证系统，利用密码学技术为 AI 模型的输出提供数学证明，确保其来源真实可靠，防止模型被冒名顶替。该系统通过公开模型指纹实现本地验证，不泄露模型权重，支持闭源模型的可信性核验，有助于杜绝成本作弊和虚假宣传，目前已开放技术规范与可运行代码。
社区速递 164 | 1500 元圆梦昔日卡皇与派友们做的 AI 平替
手工压花器、二手 TITAN V，以及派友们用开源项目与 AI Coding 替代付费订阅的讨论。查看全文
GPT-6爆改模型权重！数学能力狂飙6倍，MIT博一新作破圈了
新智元报道 这一天还是来了！不用训练、不算梯度，只让GPT-6 Astra改写另一款小模型0.016%权重，数学成绩就能原地暴涨6倍！今天，MIT计算机科学与人工智能实验室（CSAIL）带来的这项新研究，在全网彻底火了。他们首次提出了一个颠覆传统深度学习的新范式，「权重空间编程」。要知道，神经网络的权重文件里全是一眼望不到头...
当你把代码仓库交给别人训练之前，先给模型装一个后门
你有没有想过一件事：你用的那个编程助手模型，最初的权重文件从哪来的？大概率不是公司自己从零训练的。现在做AI应用的公司,十个里有九个是拿一个别人训练好的基础模型,再用自己的数据微调一下,变成自己产品里的"大脑"。Cursor的Composer 2用的是Kimi K2.5底子,WebRL把Llama模型改造成了网页操作助手。这事本身没毛病,省时...
GPT-6 Astra 爆改 Qwen 大脑：只动 0.016% 参数，数学成绩疯涨
我「编程」我自己#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
豆包工作正式接入DeepSeek、Kimi与GLM，企业采购彻底省心了
10月29日，据快科技报道，字节跳动旗下“豆包工作”面向企业客户上线全新第三方大模型服务。该服务打破企业以往分别向不同厂商单独采购的模式，用户可在同一工作台内，根据长文本处理、代码编写、逻辑推理等任务需求，灵活切换多款主流大模型。首批已接入三款行业旗舰模型。
最后一天赶紧蹬！Codex 200刀额度砍半，ChatGPT入口大更新
新智元报道 距离10月30日，只剩最后一天！OpenAI的200美元Pro订阅用户坐不住了，这两天，已经开始集体倒计时。从明天起，Codex和ChatGPT Work额度即将从Plus的20倍降至10倍，GPT-6 Pro每周消息数也将减半，月费却纹丝不动。对于那帮一天到晚泡在Codex，让AI同时改代码、跑测试的开发者而言，原本能跑完的任务，现在全得掐着...
Anthropic拟向英国及欧洲个人投资者开放IPO认购，冲击历史最大规模上市
Anthropic向美国SEC提交赴美上市申请后，正筹备全球瞩目IPO，拟在纳斯达克挂牌，代码“ANT”，募资规模或创全球历史之最。公司还计划将相当比例发行股份分配给全球散户，并据称正与英国专业投资平台合作拓展欧洲市场。相关细节仍待披露。
Instagram 采用原生 AI 架构对用户界面进行了现代化改造，将 token 成本降低了 33%
Instagram Direct 将其 Android 用户界面从旧版的 Android View 系统迁移到了 Jetpack Compose，从而创建了一个 AI 原生的用户界面代码库，使 AI 编码代理更容易理解、修改和维护。
DSH测试文件“泄密”，DeepSeek V5就要来了？
DeepSeek Harness的官方GitHub代码仓库里出现了三个DeepSeek此前从未公开过的模型，分别为deepseek-v5、deepseek-v5-open、deepseek-v5-next。这段代码来自于DSH里账号登录通路的测试文件provider.spec.ts。用户登录账号后，客户端会向服务端的/models 接口要一份模型清单，再根据清单决定哪些模型能用，哪些要先把DSH本身更新到新版本。deepseek-v5是最基础的模型，没有声明客户端版本要求，当前版本的内置目录不认识它，所以隐藏，调用时报MODEL_UNSUPPORTED。deepseek-v5-open代表开放...
下一波“大的”要来了？DeepSeek V5 现身官方代码库，新一代旗舰模型预计 11 月登场
10月28日消息，网友发现DeepSeek再度更换大模型指纹，引发其即将发布重磅新模型的猜测。DeepSeek Harness官方代码库已出现DeepSeek-V5、V5-open及V5-next等代码。当前V5相关内容主要为占位符，但表明新模型发布机制已准备就绪。
Claude给391行代码找Bug，狂写1.8亿行证明！
henry 发自 凹非寺量子位 | 公众号 QbitAIClaude这家伙，也是把debug，玩成扫雷硬解了。就在刚刚，Anthropic发布了与Theorem合作的最新研究：让Claude在几周内，为 123个开源库中的239个测试入口完成形式化验证，最终产出约1.8亿行通过机器检查的证明代码。据A社（全美班）团队介绍，这是其所知的首次大规模利用AI，在汇编代码层面对生产软件开展形式化验证。听起来有点绕，但简单来说，其实就是让Claude找出Bug，修掉，然后交一份证明，说明规定范围内的这类错误不会再出现。这就像在软件里扫雷，扫完还得写份报告，交代清楚：为什么这里没雷？而为了写出这份证明，C...
