研究团队表示，三款模型基于相同的基础训练数据集，高一致率的结果符合预期。真正具备研究价值的是模型间25%的分歧部分，这种差异大概率并非源于模型对工具质量的独立判断，而是由基于人类反馈的强化学习（RLHF）调优策略不同，以及生成环节的专属微调差异导致。

前两天有个朋友问我最近在忙什么。我说翻了两本书。一本回忆录，542 页。一本讲 OpenAI 和 DeepMind 的，350 页。加起来四十多万字中文。他说你翻了多久。我说第一本花费半天，第二本半小时。他沉默了大概五秒钟，然后说：“你是不是在测试我的智商。”我把 Claude Code ...

还在纠结 Claude Code 的各种“黑魔法”怎么玩？Command、Subagent、Skills 到底有什么区别，各自适合什么场景？新出来的 Programmatic Tool Calling 又是啥，真的能提升「代码质量 + 开发效率」吗？因为一个工具不得不搭梯子，有没有体验接近、甚至更灵活的「平替」方案？本次分享将带你彻底搞懂～Claude Code ...

这正是现在越来越多开发者开始关注技能聚合这件事的原因。数据显示，在使用过标准化AI编程技能包的用户中，平均每周节省重复操作时间约11.3小时，其中前端开发人员对UI一致性检查类Skill调用量最高，而后端工程师最常使用的则是数据库迁移脚本生成类功能。目前平台上累计上线的48253个技能，覆盖从入门级语法提示到高阶工程实践，像Remotion动画编排、Supabase权限策略模板这类偏垂直的能力也在 ...

北京时间2026年3月2日，周一，晚8点。 这本该是一个平淡无奇的夜晚。 在这个时间点，东八区的写字楼里灯火通明，正是程序员们处理工单的高峰期。 而在地球另一端的纽约和旧金山，晨起的开发者们刚刚泡好第一杯咖啡，准备开始一天的构建。 数以百万计的对话框正在全球各地的屏幕上闪烁。 有人在请求优化一段 Python 代码，有人在试图让 AI 润色一篇即将提交的学术论文，还有人在寻求情感上的慰藉。 在这个 ...

Anthropic正在加速补齐其在 AI 智能体（Agent）领域的最后一块短板。2026年2月26日，据报道，Anthropic已正式完成对西雅图 AI 初创公司 Vercept 的收购。 这次收购的核心目标非常明确:通过 Vercept 顶级的视觉理解技术，让Claude能够像人类一样，真正“看懂”屏幕并精准操控各类软件。