一分钟读论文：《最佳选手未必是最佳教练》

Aug 20, 2026 · 1 min read

加州大学伯克利分校哈斯商学院数据创新与人工智能实验室（DIAL）的论文《CentaurBench: Benchmarking LLM Capabilities on Augmenting vs. Automating Real-World Work Tasks》发现，大语言模型的”自动化”能力与”增强”能力几乎不相关：最会自己干活的”选手”，未必是最会指导别人干活的”教练”。论文用统一框架在 7 个真实工作任务上评测 9 个助手模型，每任务独立重复 10 次，两种角色排名的模型级 Spearman 相关仅 0.48（p=0.187），在常规显著性水平下与零不可区分。

一分钟读论文：《贝叶斯伙伴建模与 LLM 协同重规划》

一分钟读论文：《贝叶斯伙伴建模与 LLM 协同重规划》

In AI, MultiAgent, 1 min read
AI 智创简报：《标签可撕，凭证要验：内容溯源的打标缺口》

AI 智创简报：《标签可撕，凭证要验：内容溯源的打标缺口》

In AI, InnovationBrief, 1 min read
一分钟读论文：《工具调用的苦涩教训》

一分钟读论文：《工具调用的苦涩教训》

In AI, LLM, 1 min read

一分钟读论文：《Scratch Copilot：用 AI 支持青少年创意编程》

Google DeepMind 研究科学家和华盛顿大学教授合作的一篇论文《Scratch Copilot: Supporting Youth Creative Coding with AI》，首次提出了专门为儿童设计的 AI 编程助手——Scratch Copilot，这是一个集成在类 Scratch 环境中的 AI 助手，为青少年提供创意编程支持。

Read More

All

一分钟读论文：《最佳选手未必是最佳教练》

加州大学伯克利分校哈斯商学院数据创新与人工智能实验室（DIAL）的论文《CentaurBench: Benchmarking LLM Capabilities on Augmenting vs. Automating Real-World Work Tasks》发现，大语言模型的”自动化”能力与”增强”能力几乎不相关：最会自己干活的”选手”，未必是最会指导别人干活的”教练”。论文用统一框架在 7 个真实工作任务上评测 9 个助手模型，每任务独立重复 10 次，两种角色排名的模型级 Spearman 相关仅 0.48（p=0.187），在常规显著性水平下与零不可区分。

In AI, LLM, 1 min read
一分钟读论文：《最佳选手未必是最佳教练》

一分钟读论文：《贝叶斯伙伴建模与 LLM 协同重规划》

论文《Bayesian Partner Modelling enables Adaptive Replanning for LLM Coordination》针对多智能体大语言模型系统的一个常见问题：队友会在任务中途切换策略，智能体却常常在公开证据表明伙伴已更换技能之后，仍继续执行过时的计划。现有方法要么把伙伴追踪当作被动上下文，知道变化发生但反应迟缓，要么不加区分地频繁重规划。论文提出 BayesBeliefAgent，将基于 GPT-4o 的分层大语言模型规划器与一个贝叶斯追踪模块配对，仅当伙伴的实际动作与推断技能直接矛盾时，才中断当前技能并触发重规划。除标准奖励外，论文以重规划效率与 belief-action gap 作为核心评估维度。

In AI, MultiAgent, 1 min read
一分钟读论文：《贝叶斯伙伴建模与 LLM 协同重规划》

AI 智创简报：《标签可撕，凭证要验：内容溯源的打标缺口》

2026 年 AI 内容溯源与水印主题的美国申请至少公开 6 件，其中 3 件在近 90 天内。8 月 2 日 EU AI Act 透明度条款生效，AI 生成内容必须机器可读标记。「标签可撕」与「可验证凭证」之间的缺口，是一个能接的活儿。

In AI, InnovationBrief, 1 min read
AI 智创简报：《标签可撕，凭证要验：内容溯源的打标缺口》

一分钟读论文：《工具调用的苦涩教训》

普华永道美国（PricewaterhouseCoopers U.S.A.）的论文《The Bitter Lesson of Tool Calling》（v1 提交于 2026 年 8 月），在伯克利函数调用基准（Berkeley Function-Calling Leaderboard，BFCL）v4 上用 14 个模型系统对比了两种工具调用范式：JSON tool calling（模型输出 JSON 函数调用）与 programmatic tool calling（PTC，模型写 Python 代码调用类型化 stub）。核心发现是 PTC 在 11/14 的模型上持平或更优、长链任务领先 18.8%，但全模型宏平均反而略低——优势随模型代际而非厂商分化。

In AI, LLM, 1 min read
一分钟读论文：《工具调用的苦涩教训》

一分钟读论文：《近端文本梯度下降驱动的智能体技能自进化》

香港科技大学与澳门大学的论文《SkillProx: Self-Evolving Agent Skills via Proximal Textual Gradient Descent》，针对智能体技能（由主指令文件 SKILL.md 和可选引用资源目录构成的结构化文本工件）提出受近端梯度下降（交替执行任务损失方向步与正则约束子问题求解的优化算法）启发的”前向-后向”双阶段框架：前向闭环诊断演化验证每次编辑的实际效果，后向效用感知近端精炼审计并收缩累积知识。在 SpreadSheetBench、WikiTQ 和 HiTab 三个基准上，SkillProx 相比最强基线 SkillGrad 平均提升约 3.0 个百分点，且分布外（OOD）泛化显著更稳：Qwen3.5-4B 下 SkillOpt 的 OOD 得分在 WikiTQ、HiTab 上分别跌至 26.0 和 16.0，SkillProx 则达到 78.5 与 69.2。

In AI, Agent, 1 min read
一分钟读论文：《近端文本梯度下降驱动的智能体技能自进化》

一分钟读论文：《SABLE：智能体编排的先导化合物优化》

美国北卡罗来纳大学教堂山分校（UNC Chapel Hill）的论文《A Modular Agentic Framework for Synthetically Constrained Multi-Objective Hit-to-Lead Optimization》，提出开源智能体框架 SABLE（Synthetically-accessible Agentic Bayesian Ligand Exploration）：LLM 解析自然语言优化目标并路由任务，调度反应模板类似物枚举、ADMET 与理化性质预测、Boltz-2 结构亲和力打分、贝叶斯优化四类专用工具，构成药物发现「设计-合成-测试-分析」（DMTA）循环中分析与优先级排序阶段的计算孪生体。METTL3 回顾性案例中，单次运行即得到预测浓度 102.33 nM 的头部类似物（相对起始化合物约 95 倍预测活性提升），且论文明确该候选未经湿实验验证、属前瞻性优先级排序。

In AI, DrugDiscovery, 1 min read
一分钟读论文：《SABLE：智能体编排的先导化合物优化》

一分钟读论文：《G0.5：单流自回归统一机器人推理与动作》

上海机器人公司银河通用（Galaxea）的论文《G0.5: One Autoregressive Stream for Robot Reasoning and Action》，提出预训练自回归视觉-语言-动作模型（VLA）G0.5：单一 transformer decoder 在同一 token 流中同时输出推理与动作。主流 VLA 配方把预训练视觉语言模型（VLM）当上下文编码器、另配独立 flow-matching 动作专家（通过回归向量场生成连续动作），使 VLM 只负责编码上下文；G0.5 让 VLM 直接成为决策者。相对主流配方，这是架构层面的改变而非训练技巧。真机微调成功率 76.7%，超过 π0.5 的 53.3% 和 GR00T-N1.7 的 24.4%；模型权重已开放，为社区验证这一路线提供了可复现起点。

In embodiedai, robotics, 1 min read
一分钟读论文：《G0.5：单流自回归统一机器人推理与动作》

AI 智创简报：《Agent 纠错专利扎堆，一个人能做的护栏生意》

2026 年上半年集中公开的一批 Agent 专利，主题高度一致：让 Agent 记得住上次说过什么、别张口就编、出错了能自己爬起来。大厂圈的是平台，但这三件事的实现层薄到一个人一周就能做出可演示版本，接在别人的 API 调用链上收钱。

In AI, InnovationBrief, 1 min read
AI 智创简报：《Agent 纠错专利扎堆，一个人能做的护栏生意》

AI 范式雷达：《从代码补全到自主软件工程：Agentic Coding 的范式转移》

SWE-bench Verified 基准上，开源框架的成绩从 2023 年的不足 6% 跃升至 2025-2026 年的 50%-70%+，增幅超过 8 倍。这意味着 AI Agent 已经能够自主解决真实 GitHub Issue 中的复杂 Bug 修复任务——而这一切只用了不到三年时间。本文将带你理解 Agentic Coding 的核心原理、对比主流框架的适用场景，并给出从零搭建第一个自主编程 Agent 的实操路径。

In AI, ParadigmRadar, 3 mins read
AI 范式雷达：《从代码补全到自主软件工程：Agentic Coding 的范式转移》

一分钟读论文：《w-0：潜变量预测式世界动作模型实现人形机器人并发运动操作》

新加坡南洋理工大学、北京大学和北京智源研究院等机构合作的一篇论文w-0：潜变量预测式世界动作模型实现人形机器人并发运动操作 (w-0: A Latent Predictive World Action Model for Concurrent Humanoid Loco-Manipulation)，提出了一种将未来视觉潜在预测与全身动作生成联合建模的新范式。该论文在 11 个真实家庭任务上持续优于 9 种基线方法，并发布了目前最大规模的人形家庭操作数据集 w-HOME（40+ 小时）。

In embodiedai, robotics, humanoid, 1 min read
一分钟读论文：《w-0：潜变量预测式世界动作模型实现人形机器人并发运动操作》

Featured

  1. 一分钟读论文：《Scratch Copilot：用 AI 支持青少年创意编程》推荐
    In AI, 编程教育,
  2. 一分钟读论文：《技术债的普遍性、原因和影响：业界系统调查》推荐
    In Engineering, Architecture,
  3. 一分钟读论文：《玩转 GitHub 开源软件社区的必备技能树》推荐
    In OpenSource, Engineer,
  4. 一分钟读论文：《ChatGPT 提示模式：提高代码质量、重构、需求获取和软件设计》
    In AI, Engineering, Engineer,
  5. 一分钟读论文：《用 Rust 和 WebAssembly 补充 JS 实现高性能 Node、Web 应用程序》
    In Architecture, Performance,
  6. 一分钟读论文：《通过反思性目标设定培养工程师的好习惯》
    In Engineer, Productivity,
  7. 一分钟读论文：《卓越的开源维护者是如何成就的？》
    In OpenSource, Engineer,
  8. 一分钟读论文：《我们走了多远——WebAssembly 运行时的全面特征研究》
    In FrontEnd,
  9. 一分钟读论文：《XSS 攻击22年：全面调查及系统综述》
    In Security,
  10. 一分钟读论文：《细孔沉千帆：小程序权限漏洞研究》
    In Security,
  11. 一分钟读论文：《影响大规模敏捷软件开发按时交付的因素》
    In Productivity,
  12. 一分钟读论文：《被掏空的一天：软件工程师的日常》
    In Productivity, Engineer,
  13. 一分钟读论文：《30年软件重构研究：系统性文献综述》
    In Engineering,
  14. 一分钟读论文：《要不要上 TypeScript？GitHub 上 JS 和 TS 应用软件质量的系统比较》
    In FrontEnd,
  15. 一分钟读论文：《NPM 供应链的软肋是什么?》
    In Security,