AI投资人Aditya Agarwal:越深入使用AI,越珍惜真实线下时间

AI 投资人 Aditya Agarwal 在 X 上表示,深度使用 AI、让智能体替自己干活之后,他反而更珍惜与家人朋友的线下时间。这番个人感受在 AI 深度使用者中引发共鸣,也提示行业:自动化提高后,人的时间如何重新分配会成为真问题。

AI 投资人 Aditya Agarwal 在 X 上表示,深度使用 AI、让智能体替自己干活之后,他反而更珍惜与家人朋友的线下时间。这番个人感受在 AI 深度使用者中引发共鸣,也提示行业:自动化提高后,人的时间如何重新分配会成为真问题。

Anthropic 开发者关系负责人 Alex Albert 在 X 上公布了一份产品反馈对接人名单,按 Claude Code、Claude Managed Agents(CMA)、MCP、桌面端和 Duet 等产品分工,邀请用户直接反馈。这更像是团队对外沟通方式的调整,而非产品功能发布。

Cognition 将内部使用的漏洞修复流程打包成三款开源 Agent Skills,免费提供给 Devin 及支持 SKILL.md 的编码 Agent,针对本周三个远程代码执行高危漏洞。

微软研究院开源了多智能体协作框架 Agensh,它去掉常见的“总调度”角色,让每个编码 Agent 自行认领子任务;公开材料显示,团队在 ProgramBench 上把规模从 1 个 Agent 扩展到 1,024 个。

alphaXiv 上的论文 BrickWright 提出用工具和验证器引导预训练编码智能体写乐高拼装代码,在 512 条文本提示上把物理有效搭建率从最低 8.6% 提升到 100%,让 AI 生成的 3D 模型更接近能真实拼起来的零件组合。

OpenAI Codex 团队成员 Thibault Sottiaux 在 X 上称一项更新“已全量推送”,并预告次日适合“疯狂 codexing”、本周还有更多内容。但推文没有说明更新具体内容,暂不能视为正式产品发布公告。

alphaXiv 于 2026 年 10 月 25 日展示的一篇论文提出,在给定输出容差 ε 后,扩散模拟不必追踪所有单元,事件的影响范围可被证明地截断,且整体误差有显式上界。

南京大学与商汤等团队发布开源手机 Agent 项目 OpenMobile-2,在模拟超 110 个应用的训练环境中训练 90 亿和 270 亿参数模型,并公开训练环境、数据和复现说明;在真实 Android 设备测试中,较大模型得分超过此前开源模型,显示训练环境多样性比单纯堆数据更有效。

alphaXiv 收录的论文摘要提出一种免训练插件 AFTERGLOW,修补现有 KV 缓存淘汰方法只看答案开头、丢弃后半段的毛病。在 RULER-4K 检索任务、87.5% 淘汰率下,它把四种方法的准确率从 49–74 提升到 98–100。

据 The Information 报道,OpenAI 以最高 90% 的折扣从 Anthropic 手中争取企业客户,Rippling、Replit、DataCamp 等公司已调整采购份额。这表明大模型竞争正从能力比拼延伸到价格和客户绑定。