DeepMind这次的主角是AlphaProof Nexus，一套由Gemini驱动的AI数学证明Agent框架。它解决了9道埃尔德什开放问题，其中两道题足足悬了56年。 AI数学圈最近是真热闹。 OpenAI前脚一口气甩出722份数学证明遭到数学圈集体抵制，后脚谷歌DeepMind的数学研究就登上了《Science》。 一个是批量抛出待核验手稿，把校对重担甩给数学家； 另一个老老实实等了几个月， ...

据 Business Insider 看到的内部文件，Google 打算从今年下半年开始，在软件工程师面试的代码理解轮里，让候选人用上 AI 助手。这一轮的名字叫 code comprehension，翻译过来就是代码理解。 Google 招聘副总裁 Brian Ong 对 Business Insider 表了个态，大意是:这次试点是为了让软件工程面试，更贴近团队在 AI 时代的真实工作方式 ...

对抗式评审无法保证事实层是完整的，而且用同一模型、同一上下文的评审者，很容易“一个观点算两遍”。更好的用法是让它去找反例、做排除，并要求每条结论附上证据引用。作者发现，被她追问的结论里，大约三分之一给不出引用，直接被剔除。

在更早的设想里，不同领域的 Agent 会长得很不一样，每个都需要专属的工具和脚手架，于是每遇到一个新场景，就要新造一个 Agent；真的动手做下来，他们发现事情反过来了，领域的定制化依然重要，但底层那个 Agent ...

虽然尽可能化解攻击并在发生成功入侵时将损失降至最低一直是CISO的首要职责，但研究表明这依然是一个让他们倍感吃力的领域。安全软件厂商Sygnia发布的《2026年事件响应就绪状态》报告显示，73%的CISO尚未对重大的网络攻击做好充分准备。

近日，Stripe联合创始人John Collison在他的播客《Cheeky Pint》中，把扎克伯格和 Alexandr Wang 请进了一家爱尔兰风格的酒吧。在两小时的推杯换盏中，不少猛料被曝了出来。 在开发 Muse Wonder 时，我们的目标是构建一个对真实世界、真实人类执行真实任务有用的模型。我们关注的是那些在推特上看起来不那么『光鲜亮丽』的东西（比如不去做那些花哨的3D游戏演示）。

近日，清华大学电子工程系数据科学与智能实验室在 AI for Science 方向提出面向智能体符号回归（agentic symbolic regression）的运行时框架 SRHarness [1]，让 AI 更可靠地从观测数据中发现公式；同时构建机制发现基准 MechBench [2]，系统评测 AI 能否进一步揭示公式背后的机理。

2026 年 9 月，三篇 RSI（递归自我改进）前沿论文几乎同时爆发：Google DeepMind 的 Dream-RSI 让 AI 把历史试错冻成"回放模拟器"，在梦里练出更优探索策略，算力开销最多降 162 倍；Google Cloud AI ...

传统 IDE 的使用频率或时长虽然下降了，但彻底卸载它的还是少之又少。IDEA 被 AI “干碎了”，它其实比程序员还慌！曾经的王，IDEA 可能要倒下了吗？谁知道呢，一切交给时间吧。

现在的科研 Agent 已经能查论文、分析数据、调用工具，甚至生成完整的研究报告。但有个问题一直没解决：研究者明明纠正过 Agent 的错误，下一次遇到类似任务，它可能还是会犯同样的错。最近，PhAI Labs 团队发布了 ScienceBuddy，尝试让科研 Agent 真正从使用过程中积累经验。这项工作的特别之处在于，它没有只盯着模型本身，而是将 Harness 自进化和模型强化学习结合起来 ...

10 月 12 日，Cursor 官方账号发布公告，宣布 Cursor 并入 The X Subscription——用官方的话说，是把 Grok、Cursor 和 X Premium 的订阅方案统一到了一起。 另一条直接关系到每个月的账单：新方案下，第三方模型不再包含在订阅额度里，改为按 API 定价计费。说白了，如果你习惯在 Cursor 里用 Claude 或 GPT ...

注意第二层：malloc 是 glibc 提供的库函数，不是系统调用。 它更像一个"批发商"：先向内核批发一大块内存，再在用户态自己零售给你。下面用 strace 亲眼验证。