刚刚！Karpathy又分享了有关“Vibe编程”的心得！
Andrej Karpathy 提出’Vibe Coding’，这是一种针对AI时代的新型编程范式。通过提供完整上下文和明确需求，AI能够生成更准确的代码。此过程中需要人工审查与测试以确保质量，并强调持续迭代开发。
Claude 3.5
大模型黑盒探秘：通过“电路追踪”（Circuit Tracing）揭示大模型内部推理机制？
2025年3月29日周六，北京晴天。文章提到了创业的观点和MCP的概念，并介绍了大模型推理可解释性的电路追踪分析方法及其应用实验。通过类比神经回路来揭示语言模型内部的计算机制，研究者构建了归因图以可视化模型的中间步骤，发现大模型在处理各种任务时具有多步推理、规划及复用不同语言特征的能力。
DeepSeek-V3-0324开源
DeepSeek-V3-0324 在数学推理和前端开发方面表现优于 Claude 3.5 和 Claude 3.7 Sonnet，这是 DeepSeek 最佳非推理模型。
港大开源全自动且高度自我进化的零代码AI Agent框架：AutoAgent
AutoAgent 是一个全自动且高度自我进化的框架，用户仅需自然语言即可创建并部署LLM Agent。它在GAIA基准测试中排名#1，并内置自管理向量数据库。支持多种LLM和灵活交互模式。
Grok还没热，OpenAI就来新基准：百万美元测试，Claude竟拿下40万！
OpenAI发布SWE-Lancer测试基准，评估AI代码能力。该基准基于真实项目任务，涵盖软件工程全栈开发和管理任务，价值100万美元。Claude 3.5 Sonnet表现最佳，但远不及人类开发者水平。
重磅！Windsurf Wave 3 来了：AI编程进入「一键完成」时代！
Codeium旗下Windsurf编辑器发布Wave 3更新，引入四项革命性功能，包括Tab to Jump思维跳跃捕捉器、Model Context Protocol（MCP）集成等，重新定义了智能编程的边界。
字节，悄咪咪做了个 Cursor
一年里，字节在 AI 编程领域取得显著进展，其中 Trae 是一款智能协作 Native IDE，其功能包括用户管理和模型调用量管理等，旨在成为一站式大模型管理平台。
打脸！GPT-4o输出长度8k都勉强，陈丹琦团队新基准测试：所有模型输出都低于标称长度
最新研究提出LONGPROC基准测试评估长上下文语言模型处理复杂信息并生成回复的能力。尽管主流模型声称能处理32K tokens，但在实际应用中的表现并不尽如人意，尤其是对于复杂的多任务生成任务。