搜索
过去两年，大模型写代码已经不再新鲜。从代码补全到 GitHub issue 修复，从竞赛编程到仓库级软件工程，人们习惯用一个简单标准评估 coding agent：代码能不能写对？测试能不能通过？
Meta 发布了一项令人震撼的研究工作 VLM³，首次揭示了三维视觉学习的 Bitter Lesson：标准的视觉语言模型 + scale 数据就是最简单有效的范式，针对特定任务的架构、损失函数以及数据增强的设计，甚至是 regression 的 formulation，均不是三维视觉学习的必要条件。
GitHub最新火爆仓库：OpenSquilla。
2026 年初，各大 AI 厂商在上下文窗口长度上展开激烈角逐。Google 的 Gemini 3 Pro 已支持 100 万级 token 上下文，Meta 的 Llama 4 Scout 更宣称可处理 1000 万 token。GPT-5 系列也在快速推进长上下文能力。
刚刚，The Information 曝光了 Meta 内部备忘录、说明年春天要推出一款 AI 吊坠，我的第一反应大概是，又来？但我发现，不只是 Meta，在之前苹果和 OpenAI 曝光的AI 硬件计划，你会发现那个两年前被判死刑的脖挂形态，正被行业巨头再次捡回来。
同一周，ClickUp 裁员 22%，同时宣布开出 100 万美元年薪的薪酬区间，专门用来吸引「AI 原生」人才。Wix、Webflow、Meta 随后也做了类似的举动。原文：How to become the AI-native hire every company wants, @anitakirkovska，May 2026
Meta曾被曝出向OpenAI研究员开出「1亿美元量级」薪酬包。奥特曼在播客里曝出这个数字时，硅谷一度怀疑自己听错了。普通博士后年薪不过5万美元，顶尖研究员年薪据报道超过1000万美元：差距接近200倍。这个数字背后，是45年前一篇经济学论文早已算清的逻辑。
编辑｜Panda 数学正在迎来 AI 革命。 最近几个月尤为明显。比如，就在前几天，Google DeepMind 新论文宣布其最新系统 AlphaProof Nexus 在一次自主运行中，解决了 3
说在前面：这又是一篇讲Harness的Survey，你最近可能已经看过了数篇讲Harness的文章、论文，其中还可能包括我上周解读的《Agent Harness Engineering：Agent的底盘工程综述｜CMU、耶鲁、Amazon》。
亚马逊给员工的AI工具装了计量器，官方说不考核，经理盯着排行榜不放。Meta内部榜单30天烧掉60万亿token，扎克伯格没进前250。然而Jellyfish数据打脸：刷10倍token，产出只多了1倍。谁在为这场荒诞游戏推波助澜？