大佬深度解析：Coding Agent的底层运行逻辑是什么？（在新窗口打开）
在本文中，我将探讨编码智能体（coding agents）及其智能体编排（agent harnesses）的整体设计：它们究竟是什么、工作原理如何，以及在实际应用中各组件是如何协同运作的。
内容栏目
AI技术文章
分享不同 AI 工具、模型与相关技术的使用方法和实践文章。
CVPR 2026 | 摆脱相机依赖！M4Human推动毫米波人体感知迈向新阶段（在新窗口打开）
想象几个并不遥远的场景： 医院的病房里，刚做完手术的患者正在练习下床、走动，智能系统通过摄像头捕捉他的动作，判断步态是否稳定、有没有跌倒风险；回到家，在卧室或浴室这样私密的空间里，老人起身、转身、洗漱，甚至意外滑倒的瞬间，也可能被视觉传感器记录，只为了让 AI 能更早发现异常；
Claude Code源码全拆解：55个目录、331个模块，最强Agent架构长什么样（在新窗口打开）
Anthropic 的 Claude Code 源码被扒了个干干净净。55 个目录、331 个模块、目前业界最经受实战检验的 Agent 架构——全部暴露在 .map 文件里。
南大团队直击大模型高分神话：人类90分，最强模型仅49分（在新窗口打开）
现有大模型评测分数日趋饱和，但与真实体验差距显著。南京大学傅朝友团队牵头，在Google Gemini评测团队邀约下推出视频理解新基准Video-MME-v2。凭借创新的分层能力体系与组级非线性评分，以及3300+人工时高质量标注，揭示模型与人类的巨大鸿沟（49vs90）、传统Acc指标虚高、以及「Thinking」并非总是增益等现象。
告别浏览器封装，Hermes Desktop 为 Hermes Agent 带来纯正 Mac 体验（在新窗口打开）
对于已经在使用强大的 Hermes Agent 的 Mac 用户来说，现在有了一款能让您的工作流更加流畅、更具原生体验的工具——Hermes Desktop。它并非一个简单的浏览器封装，而是一款专为 macOS 设计的本地应用程序，旨在将您最关心的工作流程无缝集成到一个窗口中。
护航MiniMax、驯服小龙虾，腾讯云的AI Agent“数字总部”亮了（在新窗口打开）
腾讯云“防爆箱”护航百万“龙虾”上岗，已助力MiniMax强化学习训练。
蒸馏万物成skill，B站UP花叔开源的「女娲.skill」，一周 8k star（在新窗口打开）
「小猫补光灯」的作者花生...啊不...这人改名叫花叔了...hhhh，又整了一个新活：一周 8000 多个 star
同一个模型，换个Harness排名跳了25位：智能体基础设施完全解剖（在新窗口打开）
LangChain 只换了模型外面的基础设施——同一个模型、同一套权重——就从 TerminalBench 2.0 排行榜 30 名开外直接跳到了第 5 名。另一个独立研究项目让大模型自己优化这层基础设施，达到了 76.4% 的通过率，超过了所有人工设计的方案。
如何使用Hermes Agent稳定爬取公众号文章（在新窗口打开）
Browser Use是Hermes Agent官方推荐的云端浏览器自动化提供商之一：
ICRA 2026｜NUS邵林团队提出T(R,O) Grasp：刷新跨智能体灵巧抓取SOTA，实现5FPS动态环境交互（在新窗口打开）
T (R,O) Grasp 是一种基于物体 — 机器手空间关系建模的图扩散架构，具备跨智能体的统一表征能力。在 NVIDIA 40GB A100 GPU 上，该方法可实现 5 FPS 的推理速度和 50 grasp/s 的吞吐量，并在多种智能体上取得 94.83% 的平均抓取成功率，刷新了跨智能体灵巧抓取的 SOTA，具备与动态场景实时交互的能力。
36.4万超声图文对！中国团队构建首个大规模超声专属数据集，让AI真正读懂临床诊断语义丨CVPR'26（在新窗口打开）
超声领域也有大模型了！ 超声影像凭借实时、无辐射的优势，成为临床各场景的一线诊断手段。 但异质的解剖结构、多样的诊断属性，让通用视觉语言预训练模型难以直接适配，且现有医疗跨模态数据中超声样本占比不足5%，成为领域研究的核心瓶颈。 △ 超声图像统计数据跨越主要基准点的分布情况。 上图红色区域和内部百分比显示了超声图像所占的比例，而蓝色区域则展示了其余模态的占比情况。顶部标签表示绝对数量（以千为单位）。论文中所提出的US-365K是首个大规模、100%专用于超声影像的数据集。 针对这一问题，浙大城市学院联合浙江大学、香港城市大学、香港浸会大学、浙江大学医学院附属第一医院、浙江大学医学院附属妇产科医
ICLR 2026｜隐式思考模型LRT：「隐式思维链」推理，更快更强！（在新窗口打开）
近日，哈尔滨工业大学（深圳）联合深圳河套学院、Independent Researcher提出了隐式思考模型 LRT（Latent Reasoning Tuning），通过一个轻量级的推理网络，将大模型冗长的「思维链」压缩为紧凑的隐式向量表征，一次前向计算即可完成推理，无需逐 token 生成数千字的中间推理过程。
小模型用不好Skill？新范式SKILL0让模型学会Skill的底层逻辑，3B模型推理token省5倍（在新窗口打开）
浙江大学联合美团龙猫团队、清华大学推出全新研究成果——SKILL0，并提出技能内化（Skill Internalization）——小模型真正需要的，或许不是推理时的“外挂技能”，而是将技能内化为本能。
Anthropic 官方指南：怎么给 Agent 设计工具（在新窗口打开）
本文翻译自 Anthropic 官方博客「Seeing like an agent: how we design tools in Claude Code」，作者 Thariq Shihipar，Claude Code 团队工程师，今天发布。以下为逐段中英对照翻译
循环即实验室：八个AI自主研究系统横评（在新窗口打开）
今天 Interesting Engineering++ 发了一篇长文，把这些系统放在同一个分析框架里做了横评，回答的就是这些问题。原文地址：interestingengineering.substack.com/p/the-loop-is-the-lab
OpenClaw的风刮到了多模态生成，6B小模型超越Nano Banana 2！（在新窗口打开）
近日，上海人工智能实验室联合南京大学、香港中文大学及上海交通大学，将OpenClaw的成功应用于多模态生成领域。他们提出GEMS（Agent-Native Multimodal Generation with Memory and Skills），激发小模型潜力，甚至让6B小模型在部分任务超越了Nano Banana 2。
大模型能“原地”改参数了！字节Seed&北大新论文：测试时推理无需加层重训练（在新窗口打开）
字节Seed最新研究，让大模型能“原地改参数”了。既不用改模型结构，也不用重新训练，还跑得很快。具体是这么个情况。智能体时代嘛，大家都知道模型们面对的任务开始变得越来越复杂、上下文越来越长。
多模态幻觉的病因「高熵节点」找到了！全基准幻觉率下降（在新窗口打开）
多模态大推理模型的幻觉，很多时候并非「没看见」，而是在最不确定的推理阶段想偏了。最新研究发现，模型在生成because、however、wait等transition words时，往往处于高熵关键节点，更容易脱离图像证据、转向语言脑补。LEAD在高熵阶段不急于输出单一离散token，而是先在潜在语义空间保留多种候选推理方向，并通过视觉锚点持续拉回图像证据，显著缓解幻觉。
2026年第一季度，AI Agent完成了它的成人礼｜2026 Q1 AI趋势白皮书（在新窗口打开）
2026 年第一季度，它和另外四种完全不同的 Agent 产品形态在同一个窗口期同时冒了出来。OpenClaw 走个人助理、Cowork 走办公协作、Codex App 走长程工程任务、Perplexity Computer 走统一工作站、腾讯云 ADP 走企业平台。
库里被「采访」、杨紫被「演」短剧？别慌！蚂蚁AI鉴真拿下CVPR 2026冠军，专治黑产（在新窗口打开）
最近，计算机视觉领域的顶级会议 CVPR 2026 的 NTIRE 鲁棒性 AIGC 图像检测挑战赛（ Robust AI-Generated Image Detection in the Wild Challenge ）结果出炉。蚂蚁集团 AI 安全实验室的队伍 MICV 凭借在鲁棒性测试样本上 ROC AUC 达到了惊人的 0.9723，成功摘得「复杂真实场景鲁棒性样本测试」挑战赛的冠军。
参与交流
查看 AINRK 交流群说明
了解加入交流群的方式，阅读内容无需登录。