研究Android Bench 2.0：当「写代码」变成「做工程」，谁还笑得出来？Google 官方 Android AI 基准升级到 2.0，把「修 bug」换成了「做完整工程」。曾经被刷到约 90% 的榜单，现在第一名只有 32.7%——而这恰好是它最有信息量的地方。天线 投稿#4278085 分钟阅读2 个来源
研究GPT-6 Astra 家具纠错达八成Epoch AI 的家具组装评测用三件宜家家具的照片考模型。十个月前最好是 28%，GPT-6 Astra 现在是 80%，每张照片仍要大约三分钟。天线 投稿#4278082 分钟阅读1 个来源
研究Claude 算出九圈六粒子振幅Fable 5.1 在 Claude Science 里，用学者负担得起的预算，算出了平面 N=4 超杨-米尔斯理论的九圈六粒子振幅。Lance Dixon 核过结果。它用的是已有方法。天线 投稿#4278084 分钟阅读2 个来源
研究SoL-Pi 把编程代理词元用量砍近半英伟达研究者自动修改编程代理的控制层。在留出的 EdgeBench 上，最省的版本少用 49% 的词元，分数约为原系统的 93.7%。天线 投稿#4278083 分钟阅读1 个来源
研究开源阵营把筹码押在可验证强化学习上：解读 Xiaomi MiMo-V2.6六天 Live RL、1/20 价格与可复现训练配方，正在把前沿模型的差异化战场从预训练规模推向可验证任务上的强化学习扩展。天线 投稿#4278087 分钟阅读2 个来源
研究Claude Code 项目重做：你只管说目标，它自己拆任务、开并行线程、提 PR——还能从手机遥控Anthropic 9 月 17 日发布新版 Projects：从"文件夹"到"对话"。协调者 + 线程两层架构，每线程独立云端会话与分支，冲突按 PR 合并处理；共享记忆跨线程累积并适应你的汇报风格；Pro/Max 云端用户先行 beta，本地运行随后。多代理编排正式产品化。天线 投稿#4278085 分钟阅读1 个来源
研究研究
