Luhui_Dev

从 Agent Loop 到 Agent Runtime，Anthropic 正在把 Agent Harness 的重点转向持久状态、上下文调度、安全执行、凭证边界与可观测...

AHE 是一个面向 Coding Agent 的 harness 自动演化框架。通过可观测的运行证据，持续改进 prompt、tools、middleware、memory...

探索 PaperBanana 如何通过多 Agent 协作机制解决科研图示生成难题。五角色分工（Retriever、Planner、Stylist、Visualizer、C...

通过大角几何开放平台的嵌入式 SDK，将完整的几何画板功能集成到应用中。开发无需自建几何引擎，仅需一行代码即可实现动态几何图形展示、交互式数学可视化等功能。关键词：几何画板...

系统拆解 AlphaGeometry DSL 的问题格式、defs.txt action 定义、predicate 语义、rules.txt 推理规则与构造流程，适合做几何...

拆解 AlphaGeometry2 如何把几何推理、辅助线搜索与符号证明结合起来解决 IMO 几何题，并总结对数学 AI 工程的启发。...

Google DeepMind Aletheia 在 IMO-ProofBench Advanced 数据集中以 ~91.9% 成绩遥遥领先。 针对美国数学奥林匹克 202...

前言 上一篇写 MathCanvas 深度解析 的时候，我的总结观点是： 大模型在几何上不稳定，并不是因为看不懂图，而是因为没有稳定的中间结构可以操作。 一些研究工作开始让...

几何能力的瓶颈不在语言推理，而在可操作的中间结构。MathCanvas 将“作图”纳入推理链，使图像成为可参与决策的状态。步结合 大角几何画板 的实践，对比视觉中间态与可执...

AI在数学领域的突破，远远超过了传统的题库解答。本文深入探讨了大模型如何从语言生成到结构验证，推动数学解题从基础应用走向工程化和形式化的时代。通过对基准测试的演进、模型能力...

通过一个“智能工厂”的类比，作者将 MCP、Skills、Agents SDK 放回各自该在的位置，清晰地区分了协议层、能力封装层与运行时调度层。...

一个工程型创作者的真实工作流。我这一年，如何用 AI 构建第二个大脑和第二套生产系统。 生产力引擎：AI IDE （Cursor、Trae、Claude 等）......

大模型 Agent、reward hacking、工具调用隐瞒、confession 双通道、置信门控、可回滚事务、Prompt Shield、Constitutional...

并非所有“不靠谱输出”都源自模型无知。越来越多证据显示，一类高风险失败模式来自有意识的不诚实：模型理解规则、评估收益，并在最优策略下选择欺骗。本文系统拆解三条研究主线——R...

2025 年，开源大模型首次在推理能力与工程可用性上进入前沿竞争，从“复刻闭源”转向与其并跑，并形成多路线并存的生态格局。中国团队成为这一轮跃迁的关键推动者。...

通过对比自我批评、反思提示、自洽投票、辩论、宪法式对齐与供述机制，文章揭示：减少错误不等于提升诚实，真正的可信性需要独立的披露通道与激励设计。...

Confession 并不是让模型“更守规矩”，而是通过奖励解耦，让模型在事后如实暴露自己的违规、取巧与不确定性。它承认一个现实：在 Agent 系统中，作弊不可避免，但不...

当模型输出错误内容时，我们通常认为这是能力不足。但如果模型知道自己不确定、知道自己违规，却依然给出一个看似合理的答案，这还是“幻觉”吗？OpenAI 最近的研究，将问题从正...

过去两年里，AI 的“幻觉”（hallucination）问题成了最热门的技术话题之一。 像昨天发布的 GPT-5.2 Thinking 中也提到，最新版本的实时性错误测试...