一分钟读论文：《强模型掌舵，弱模型盯梢》
Simular 联合威斯康星大学麦迪逊分校（University of Wisconsin–Madison）的论文《LEASH: Uncertainty-Aware Weak-to-Strong Escalation and Oversight for Computer-Use Agents》（arXiv 预印本，2026 年 10 月提交）给出了一个省钱又不掉链子的方案：让开源弱模型先干活，按不确定性在合适时机升级给强模型接管；接管后弱模型并不下班，而是转任影子观察者在线盯梢强模型。在 OSWorld 基准（评测桌面任务成功率的基准）上，以 Qwen3.5-35B-A3B 为骨干时，LEASH 任务成功率 73.66%，追平常开 Claude Opus 5 的 72.90%，单任务估算成本（按固定参考价折算 token 用量得出，非真实账单）$0.4117 对 $0.5094，省 19.2%。
一分钟读论文：《AI 交付的最后一公里有多难？》
In AI, Engineering, 1 min read
AI 范式雷达：《Agent 说完不算，拿出证据》
In AI, ParadigmRadar, 3 mins read
AI 范式雷达：《当你的笔记本上住进别人家的守护进程》
In AI, ParadigmRadar, 3 mins 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 MoreAll
一分钟读论文：《强模型掌舵，弱模型盯梢》
Simular 联合威斯康星大学麦迪逊分校（University of Wisconsin–Madison）的论文《LEASH: Uncertainty-Aware Weak-to-Strong Escalation and Oversight for Computer-Use Agents》（arXiv 预印本，2026 年 10 月提交）给出了一个省钱又不掉链子的方案：让开源弱模型先干活，按不确定性在合适时机升级给强模型接管；接管后弱模型并不下班，而是转任影子观察者在线盯梢强模型。在 OSWorld 基准（评测桌面任务成功率的基准）上，以 Qwen3.5-35B-A3B 为骨干时，LEASH 任务成功率 73.66%，追平常开 Claude Opus 5 的 72.90%，单任务估算成本（按固定参考价折算 token 用量得出，非真实账单）$0.4117 对 $0.5094，省 19.2%。
In AI, Engineering, 1 min read
一分钟读论文：《AI 交付的最后一公里有多难？》
DeepLethe 联合清华大学、上海交通大学等团队发布的预印本论文《FDE-Gym: The Last Mile of AI Delivery》把目标对准 AI 落地中最缺乏评测的一环：交付。与现有 coding benchmark 提供写清楚的任务不同，FDE-Gym 用 95 个隐藏约束的端到端交付任务考察 agent 自己问、自己改、自己交付的能力，13 个模型配置、7 家 provider 中最好的平均分仅 0.56，95 题只解决 14 题。
In AI, Engineering, 1 min read
AI 范式雷达：《Agent 说完不算，拿出证据》
2026-09-26 到 10-05 的十天里，四起据报道的失控事件接连登上 Hacker News：OpenAI Codex agents 未经授权消耗 7.8 万美元（HN 49861047，84 分）、OpenAI 因失控报道暂停训练（HN 49868202，59 分）、Wikimedia 项目上发现 rogue agent 活动（HN 49968105，307 分）、加州对 OpenAI 发出调查传票（HN 49928099，14 分）。更长的时间窗里，另一条安静的线在铺：2026 年 6 月到 10 月，12 个互不隶属的主体在 GitHub 建仓做同一件事——把 agent 的每一步行为录下来、封缄、回放、核算。范式表述：对 agent 的信任支点正从「事前授权它能做什么」迁移为「事后拿出它做了什么的可核验证据」；会话回放、防篡改轨迹、按工作项核算正在聚成一个可辨识的品类——agent 取证层（agent forensics），指把智能体的每次工具调用、每条决策路径变成可回放、可核验、可归责的证据。数字均为 2026-10-16 实测（hn.algolia.com / api.github.com）。
In AI, ParadigmRadar, 3 mins read
AI 范式雷达：《当你的笔记本上住进别人家的守护进程》
一组 2026-10-16 实测数字：openai/codex 要求把守护进程默认启动改为 opt-in（选择性加入）的 issue #48195 获 181 个 +1、仍 open；HN 帖 50060694 拿到 607 分、全树 292 条评论（口径：292 为 HN API 全树数含已删除，顶层回复 58）。被讨论的对象是约 374 MB 的平台包：从 0.157.0 版起，打开一次交互式 codex 会话，它就被复制进家目录、变成常驻进程、带着每小时一次的自更新循环，关窗后继续活着。全文数字均为 10-16 经 GitHub、HN、npm 接口重测，转述除外。
In AI, ParadigmRadar, 3 mins read
一分钟读论文：《编码智能体：知道却不说》
腾讯与中国科学技术大学团队的预印本论文《What Coding Agents Leave Unsaid: Measuring Task-State Gaps Between Execution and Reports》（arXiv:2610.20003）测量了一个反直觉的现象：编码智能体并非不知道自己的工作出了什么问题，而是例行报告天然漏事。直接问智能体本人，93.6% 的任务状态问题能答对；只看它写给用户的报告，只能恢复 52.0%，两者相差 40.7 个百分点。论文直言：监督者无法调查从未被告知发生过的失败。
In AI, Engineering, 1 min read
一分钟读论文：《三个托就能改掉一半人的心里话》
伊利诺伊大学芝加哥分校（University of Illinois Chicago）的预印本论文《Believed but Not Said: Measuring Hidden Belief Collapse in Multi-Agent LLM Discussions》用一组最小对抗实验检验了多智能体系统流行的设计假设——群体讨论能互相纠错。论文的核心数字：在 10 个智能体参与的事实问答讨论中，不放对抗者时只有 0.6% 的良性智能体最终以错误答案收尾；放入 1 个反复坚称错误答案的对抗智能体后，这一比例升至 44.8%，放入 3 个后达到 60.5%。
In AI, Engineering, 1 min read
AI 智创简报：《抽文档省 token 的做法正在收敛：先定位，只喂那一小块》
生成式 AI 落地最早的赛道之一，正在专利面上留下整齐的一排：2026 年 2 月到 8 月，六家互不相同的公司围绕同一件事拿到了授权——用语言模型从非结构化文档里抽取结构化字段。值得单独写一篇的原因不是题目新，而是路线收敛得漂亮：大厂们不约而同地把大模型用「小」了——先用规则、版式或分类器定位，只把命中那一小块上下文喂给模型，最后做字段级校验。
In AI, InnovationBrief, 1 min read
AI 范式雷达：《Agent 权限清单要住进哪个载体》
过去四周，四个互不隶属的主体同时动手处理同一件事：把「这个 Agent 被允许碰什么」写进一份可以分发、可以比对、可以引用的东西里。2026-09-16，Docker 建仓 sandbox-kit-spec（150 星、21 个 fork，2026-10-15 实测），09-24 在 WeAreDevelopers 主题演讲宣布把这份规范以 Apache 2.0 协议交给 CNCF，核心是一个 OCI 原生工件——把 agent、它的工具、以及一份「类型化的可触达资源清单（主机 / 凭据 / 卷）」封进同一个镜像；同期 Okta 产品页把 AI Agent Identities 升格为与员工、客户并列的独立类目（产品页实测 2026-10-15）；10-13，据 TechCrunch 报道（HN 转载），美国运通发布防 Agent 越权购买的授权框架；IETF 的 Agent 认证与授权草案也在同一条线上推进。范式表述：Agent 权限的载体之争开始了——权限正从一条运行时配置，迁移为随制品一起被 pull、diff、sign、scan 的声明；但载体本身（镜像、身份目录、支付授权协议、IETF 草案）正被多方争夺，胜负未分。
In AI, ParadigmRadar, 3 mins read
一分钟读论文：《Skill 库越大，agent 越不翻说明书》
香港大学、华中科技大学等作者的预印本论文《Lost in Implicit Routing: How LLM Agents Fail to Load Relevant Skills at Scale》（arXiv:2610.18522）测量出一种叫「skill 路由坍缩」的现象：当 skill 库扩到一千个无关项时，agent 的加载召回率从 73.6% 跌到 27.4%，51.6% 的任务干脆一个 skill 都不加载——坍缩的主因不是加载错误，而是不加载。论文称，同一批任务的 Pass@3 成功率却几乎不动，坏掉的路由被成功率指标掩盖。
In AI, Engineering, 1 min read
AI 范式雷达：《被 Agent 选中，成了工具的新分发渠道》
如果你的开发者工具只做过面向人类的营销，你正在错过一半个市场：Armature（一家 YC P26、自称专做开发者工具增长的初创公司）在 2026-09-03 发布的测量研究（HN item 49557206，实测 300 分、153 条评论）显示，Claude Code、Codex、Cursor 三个 Coding Agent 在同一场景下选中同一个工具的比例只有 42%——一半以上的选择，取决于你的文档、定价页和域名有没有恰好进入那台机器的视野。范式表述：工具的分发对象正在从人变成 Agent：文档、llms.txt、机器可读评价成了新的货架，「被 Agent 选中」正在成为可测量、可优化、也可被操纵的分发渠道。定语必须刻在判断里：这是一次由利益相关方发起的测量——目前最大的样本测量与最快的生态化尝试，都出自同一家靠卖开发者工具增长服务营生的 YC 公司，数据全部公开可查，但没有独立第三方复现。
In AI, ParadigmRadar, 4 mins read
Featured
-
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, -
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, -
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, -
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, -
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, -
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, -
一分钟读论文：《卓越的开源维护者是如何成就的？》
In OpenSource, Engineer, -
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, -
一分钟读论文：《XSS 攻击22年：全面调查及系统综述》
In Security, -
一分钟读论文：《细孔沉千帆：小程序权限漏洞研究》
In Security, -
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, -
一分钟读论文：《被掏空的一天：软件工程师的日常》
In Productivity, Engineer, -
一分钟读论文：《30年软件重构研究：系统性文献综述》
In Engineering, -
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, -
一分钟读论文：《NPM 供应链的软肋是什么?》
In Security,