搜索
用强化学习（RL）优化文生图模型的 prompt following 能力，是一条被广泛验证的路径 —— 让模型根据 prompt 用不同随机种子生成多张图片，通过 reward model 计算 reward，再利用相关 RL 算法优化模型。
UC伯克利联合斯坦福提出的Combee，正是为此而来。它把Prompt Learning从低并发、顺序式更新，推进到高并发、分布式经验聚合，并已在ACE和GEPA中完成验证。
Anthropic 的工程师们写了篇技术博客，标题是：构建 Claude Code 的经验教训：Prompt Caching 就是一切。Anthropic 内部把 Prompt Cache 的命中率当作基础设施级别的指标来监控，地位跟服务器 uptime 差不多。一旦命中率下降，就会触发 oncall 告警，工程师得像处理线上事故一样去排查。
前阵子有个深夜，我同时开着五个Claude对话框。
AIFUT大会，两天四场，全部结束啦！
最近，harness engineering 又成了继 prompt engineering、context engineering 之后新一代的 buzzword。
来自阿里高德的一篇最新 ICLR 2026 中稿论文《Everything in Its Place: Benchmarking Spatial Intelligence of Text-to-Image Models》提出了面向文生图空间智能的系统性评估基准 SpatialGenEval，旨在通过长文本、高信息密度的 T2I prompt 设计，以及围绕空间感知
上篇文章别把整个 GitHub 装进 Skills，Skills 的正确用法发出去后，收到一些质疑：“说 skill 能做配图 prompt 不行。本来 skill 就是加载 md，没 skill 之前我们用 prompt 模板照样也是能做流程编排。” “现在大部分 skill 不就是长一点的提示词吗？为什么说'单纯靠提示词做不了'？”
就在最近，OpenAI 终于把"丹炉"和"配方"都端出来了。OpenAI Academy 悄悄上线了一个名为 Prompt Packs（提示词包） 的资源库。
比如说，最近有一个叫做 Unlucid.ai 的视频生成网站流量很好，排名窜的很快，在这个网站主页里，你能看到非常「像片儿」的 AI 生成视频：有人反复试错，研究哪些描述可以通过，哪些词语组合更容易出结果，怎样的写法既不触发拦截，又能让画面往“成人内容”的方向靠近。