2026-10-12 AI动态

评投稿量两年翻倍、cs.AI 增长逾 6 倍，直接把志愿者审核压垮——这是 AI 生成论文挤占公共科研基础设施的第一个硬约束。被拒稿也占额度、删稿才能拿回名额，等于把「多产」从优势变成成本：靠堆数量刷存在感的团队会最先感到痛。

评五个 Skills 覆盖一条链：/peanuts 补遗留代码文档、/elephant 先设计后编码、/goldfish 用零上下文验证文档、/egm-implement 设实现围栏、/mean-review 做对抗式评审。

评官方称 Pro 版在 Physics-IQ 视频基准登顶 66.1 分，但那是单次运行、用筛选法从 8 个生成视频挑 1 个的结果，基准要求四次运行报标准差，不做筛选时四次平均 63.37 分。

评合作方是 CMU、MIT、牛津与 UCLA，论文在春季预印本阶段已被 WIRED 与《纽约时报》报道。它把「AI 帮得越多、独立解题能力越弱」从直觉变成可复现的实验室结论：企业采购 AI 助手、学校定使用规范时，这组数据比任何立场更难反驳。

评这是 Codex 负责人 Tibo「28 天改进计划」第 7 天的交付：默认值翻倍比放开上限更实用——多数人不会去改配置，272k 时长任务频繁触发压缩、丢掉早期细节，把默认提到 500k 等于替用户吃掉这项调优成本。

评数字出自 Anthropic 7 月 23 日的透明度报告，本期是它在假期被重新翻出后引爆讨论。真正的问题不是封禁量，而是 10.5% 的申诉成功率——账号承载整条 Agent 工作流后，封号的代价已从换号变成生产力归零。

评这门课从软件工程而非机器学习视角讲 Agent，讲义与视频全部公开。第 5 讲讲工具：一个调用从定义到执行要经过哪些环节、五种交给 Agent 的方式（函数、shell、skill、MCP server、代码）各自把组件放在哪。