Claude Code 终于进 IDE 了

GitHub Trending 日报【2025-12-10】

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 以下内容作者是 DeepSeek-3.2 ” 今日趋势今日GitHub趋势呈现出以AI智能体（AI Agent） 和生成

GitHub Trending 日报【2025-12-07】

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 以下内容作者是 Deepseek-3.2 ” 今日趋势今日GitHub趋势呈现出以人工智能和高性能系统为核心的强劲势头。

关于豆包手机的思考“线头”

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 豆包手机引来一些 AI 圈的讨论，有人说Agent 会干掉 app，但，它可能有几率干掉的不是 app，而是 app 的

这一切的爆点始于 3 年前的今天

GitHub Trending 日报【2025-11-30】

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 以下内容作者是 gpt-4.1 ” 今日趋势今日GitHub最受关注的项目主要集中在人工智能、数据分析、开发工具及教育资

GitHub Trending 日报【2025-11-25】

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 以下内容作者是 claude-opus-4.5 ” 今日趋势今天的GitHub趋势明显集中在AI应用工具、智能代理框架、

GitHub Trending 日报【2025-11-23】

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 以下内容作者是 gpt-5.1 ” 今日趋势今天的GitHub趋势明显集中在AI应用工具、智能代理框架、向量数据库、自动

GitHub Trending 日报【2025-11-21】

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 以下内容作者是 gpt-5.1 ” 今日趋势今日 GitHub 趋势明显聚焦在AI 应用与基础设施工具。Python 依

GitHub Trending 日报【2025-11-20】

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 以下内容作者是 gpt-5 ” 今日趋势今天的GitHub趋势版图中，人工智能与智能代理工具成为最强主线，同时伴生出自动

一半成本，更优性能：JustRL用"反常识"配方打破强化学习训练迷思

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 在强化学习训练日益复杂化的今天，清华大学自然语言处理实验室的JustRL研究提出了一个反常识的发现：单阶段训练、固定超参

Parallax：开源自主AI操作系统，打造真正属于你的个人AI生态

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 在AI数据隐私备受关注的今天，Gradient开源的Parallax为我们提供了一条新路径——将AI真正交还用户手中。这

Context Engineering：机器如何学会"理解"人类意图的熵减史（3 万字）

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 上下文工程并非LLM时代的新发明，其理论根基可追溯至20年前。本文基于上海交通大学等机构的最新研究，系统梳理了从Era

告别复制粘贴：VAP如何用"视频即提示"统一语义生成

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 现有视频生成难以兼顾多样性与可控性。本文介绍的VAP框架，将参考视频视为“语义提示”，首次实现了单一模型对上百种语义条件

架构胜规模：为何离散搜索让小视觉模型碾压大扩散模型

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当行业沉迷于堆叠参数时，丹麦技术大学团队证明，架构与推理算法的协同设计才是破局关键。一次关于“如何思考”的革新，足以让小

估计误差 vs 模型误差：一个理论框架如何催生更高效的LLM推理方法

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 这篇研究构建了首个LLM测试时缩放的理论框架，将推理误差解耦为估计误差与模型误差，并据此提出RPC方法，在保持低模型误差

Every Step Evolves：万亿参数思维模型如何靠三大支柱稳训高效？

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ Ling Team发布首个开源万亿参数思维模型Ring-1T，通过IcePop、C3PO++与ASystem三大创新，首

"黑箱"真相：语言模型不是有损压缩器，而是几乎无损的表示系统

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 语言模型真的会"遗忘"用户输入吗？本文介绍的这项研究证明，Transformer架构在几乎所有实际配置下都是注入的，意味

117倍效率提升：解密LightMem如何重塑LLM的记忆能力

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 在AI对话系统日益普及的今天，LLM的"记忆"能力成为用户体验的关键瓶颈。本文解析LightMem——一个受人类记忆机制

AGI 的标尺，别再“糊”论 AGI：一份来自顶尖学者的量化评估蓝图

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 通用人工智能（AGI）常被空谈，却难被度量。本文介绍一项由全球顶尖学者联合提出的、基于人类心理测量学的 AGI 评估框架

超越语言：多智能体协作中的"思维级通信"新范式

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当多智能体还在“吵架式辩论”中迷失，CMU 与 Meta 团队已让它们学会“读心”。本文将基于论文研究，探索如何绕过语言

稠密监督 × 策略内采样：On-Policy Distillation 如何以 1/10 成本训练专家级小模型

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 后训练成本高、小模型易遗忘？Thinking Machines Lab 提出 On-Policy Distillatio

Ditto：用百万级合成数据破解指令视频编辑的“不可能三角”

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 视频编辑长期困于“质量-多样性-效率”不可能三角。HKUST与蚂蚁集团提出Ditto框架，用合成数据破局，首次实现高保真

整体生成 × 精准控制：HoloCine 如何实现分钟级电影叙事？

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ HoloCine首次实现分钟级多镜头视频的整体生成，Transition Control达0.9837，开源模型叙事能力

MemMamba：用"做笔记"机制突破长序列建模的记忆瓶颈

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ MemMamba通过"做笔记"机制突破了SSM的记忆瓶颈，在400k tokens的长序列任务中仍保持90%的准确率。这

当“骆驼打包行李”难倒AI：ImagerySearch如何让视频模型学会想象？

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当前T2V模型在“骆驼打包行李”这类想象力提示前集体失语。ImagerySearch通过语义距离感知的动态搜索与奖励机制

TATTOO：让PRM真正"看见"表格的工具集成验证框架

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 表格数据无处不在，但现有PRM在监督表格推理时却"视而不见"。本文介绍UIUC、Amazon等机构联合提出的TATTOO

静态知识≠动态交易：STOCKBENCH揭示LLM智能体在真实金融市场的表现真相

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 当LLM智能体走进真实股票市场，它们的表现如何？STOCKBENCH基准测试揭示：静态金融知识≠动态交易能力。文内将解析

1.5倍长上下文突破：Meta混合架构如何重塑语言模型效率边界

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ Meta最新研究系统分析了Transformer与Mamba混合架构的设计原理，通过12组严谨实验揭示了其在长上下文处理

小模型用推理反而性能下降15%！1.6M配对样本揭示推理能力真相

点击👇🏻可关注，文章来自🙋‍♂️ 想加入社群的朋友，可看文末方法，进群交流。“ 推理热潮之下，我们是否高估了它的普适价值？这项基于 1.6M 配对样本的受控研究揭示：推理并非万能，其有效性高度依赖任务