文章介绍了普林斯顿大学等机构提出的多智能体推理框架 LatentMAS，旨在解决传统基于文本交流的多智能体系统效率低、信息易丢失的问题。LatentMAS 创新性地让智能体在潜在空间中直接协作，通过交换隐藏层表示和 KV-cache 工作记忆，而非依赖文本沟通。实验证明，LatentMAS 在数学、科学推理和代码生成等九个基准任务上，相比单模型和传统文本 MAS，准确率最高提升 14.6%，输出 token 使用量减少 70.8%-83.7%，端到端推理速度加快 4-4.3 倍。该框架无需额外训练，具有通用性，兼容任意 HuggingFace 模型，并揭示了潜在思维比离散 token 更丰富、更具表现力的语义能力。
文章整理了阿里巴巴集团董事长蔡崇信在香港大学的演讲内容。他回顾了阿里巴巴从 B2B 到 C2C 再到云计算的客户需求驱动发展历程，强调技术自立对国家和企业的关键性，这部分源于对当前地缘政治局势的应对。蔡崇信揭示了中国在 AI 领域的三大竞争优势：得益于大规模能源投资和清洁能源发展的低廉能源成本、数据中心建设与模型开发的整体成本优势，以及庞大的工程师人才红利。他特别强调了开源战略对加速 AI 普及和促进社会受益的重要性，并解释了阿里巴巴选择不直接依靠 AI 本身赚钱，而是通过提供云服务变现的商业逻辑。最后，蔡崇信为年轻人提供了学习编程、数据分析、心理学和材料科学等硬软技能，以及时刻准备抓住不对称风险回报机会的职业建议。
文章深入介绍了华为诺亚方舟实验室研发的全新 AI 模型架构 Nexus，旨在解决传统 Transformer 模型在复杂多步逻辑推理任务中表现力不足的问题。该架构通过引入“高阶注意力机制”，革新了传统 Attention 中 Query 和 Key 的生成方式，使其具备上下文感知能力，并通过递归框架构建多跳推理链。Nexus 的关键创新在于其在不增加模型参数量的前提下，显著提升了模型在数学、科学等复杂推理任务上的表现。实验结果表明，无论是从零训练的小模型，还是对已有大型模型（如 Qwen2.5）进行即插即用改造，Nexus 都能带来稳定的性能提升。文章强调，Nexus 不仅是一个新的训练范式，更是一个高效的架构升级套件，其思想具有普适性，有望应用于视觉、图神经网络和多模态任务中，预示着架构的精巧设计比单纯增加参数规模更为重要。
文章围绕淘宝直播 2025 双十一主互动玩法“花花乐”的 H5 动画实现，深入探讨了其高性能、高可用、可维护的落地实践。作者首先剖析了业务背景和动画需求，提出了结合 React、Phaser、Spine 和 Lottie 的混合技术方案，并重点介绍了 Spine 动画的优势及其在复杂形变和交互中的应用。文章详细讲解了红包飞行路径动画通过 AE 脚本导出分帧数据并动态补帧以实现平滑效果，以及破窗效果的层级管理。更重要的是，作者分享了在大促场景下动画实践的工程保障，包括素材交付标准、加载管控、动画降级策略、异常场景处理和全面的监控体系，为在大规模生产环境中运行复杂 H5 动画提供了宝贵经验。
文章详细阐述了 Figma 联合创始人兼 CEO Dylan Field 如何在 IPO 后，带领公司走出 Adobe 收购失败的阴影，并将其从单一工具发展为包含 Figma Design、FigJam、Slides 及最新 AI 工具 Make 的综合平台。文章从六个核心维度展开：首先，Figma 通过挤掉时间水分、警惕路径依赖和设立“Maker Week”来拒绝“大公司病”，保持创业敏捷；其次，通过对用户行为的深刻洞察和“有趣”的产品哲学，成功将 FigJam 从单一工具拓展为多产品矩阵；接着，深入探讨了 Figma 在 AI 工具 Make 上的定位与从“翻车教训”中吸取经验，强调质量和可编辑性；随后，阐述了 Figma“缩短价值时间”的产品打磨哲学，平衡基础体验与产品愿景；Dylan Field 分享了他对“品味”的理解，并预测 AI 时代工作流中“产品建设者”的崛起和设计师从美工转向架构师的新角色。
文章详细介绍了中国团队最新登上 Nature 的 EyeReal 裸眼 3D 显示技术。该技术通过深度融合计算光学与人工智能，成功突破了传统裸眼 3D 显示在屏幕尺寸和观看视角上的物理限制。EyeReal 无需佩戴眼镜，即可实现桌面显示器大小的 3D 画面，覆盖超过 100 度的宽广视角，并提供连续顺滑的观看体验。其核心创新在于动态空间-带宽积（SBP）利用策略，结合实时眼球追踪，将有限的光学信息精准投射到观察者双眼。技术上，它通过物理精确的双目几何建模和眼球几何编码，将复杂的视角变化转化为标准化的平面图像，再由轻量级全卷积神经网络（FCN）进行逆向渲染，控制三层普通 TFT-LCD 面板的像素相位，利用马吕斯定律合成精准光场。EyeReal 实现了“全视差”和“聚焦视差”，有效解决了困扰用户的“晕 3D”问题，为沉浸式体验提供了低成本、高画质的新方案。该研究由复旦大学在读博士生马炜杰作为第一作者，并由上海人工智能实验室等机构联合培养完成。
文章详细介绍了 MetaGPT 团队（Foundation Agents 开源社区）提出的 ReCode 智能体新范式，旨在解决当前主流 AI 智能体框架在决策粒度上的固有局限。文章指出，无论是 ReAct 智能体的细粒度固定循环，还是带规划器的智能体中规划与执行的强行分离，都限制了智能体的适应性和泛化能力。ReCode 的核心洞察是“规划和行动本质上是同一件事，只是粒度不同”，并基于此提出通过递归代码生成来统一两者的方案。ReCode 将高层计划表示为占位符函数，低层动作表示为可执行函数，智能体能自由混合并递归展开，实现决策粒度的动态调整。实验结果表明，ReCode 在复杂决策环境下的平均性能从 47.4%提升到 60.8%，推理成本降低 79%，所需训练样本数减少 27%，显著优于 ReAct 等现有方案，为智能体学习和发展开辟了新路径。
本期科技爱好者周刊以“太空数据中心的争议”为核心议题，详细介绍了马斯克及北京市科委提出的太空数据中心设想，并引用美国宇航局资深工程师的观点，从能源供应、散热机制、粒子射线防护和数据通信四个方面深入分析了其面临的巨大技术挑战和高昂建设运营成本，指出目前实现难度较大。此外，周刊还推荐了七牛云的大模型接入服务，补充了其支持模型清单、请求频率限制和免费额度等使用细节。文章还涵盖了冰岛洋流危机、火星闪电声音、人造树叶等前沿科技动态，以及多款软件开发工具、AI 应用，并分享了来自“文摘”和“言论”部分关于大公司代码质量不高、大模型可能导致个人声音同质化等行业观点和思考。
本文深度解读了 Google DeepMind 的最新研究《Evo-Memory》，提出了一种无需修改模型参数即可实现持续学习的新范式。文章首先指出传统 RAG 系统在记忆能力上的局限性，即其静态检索机制缺乏自我反思和筛选能力，易被噪音淹没，难以真正积累经验。针对此问题，《Evo-Memory》引入核心概念“上下文即权重”，通过 ReMem 框架中的元推理（Refine）、修剪（Pruning）和重组（Reorganizing）机制，使模型在推理阶段动态调整和优化上下文，从而赋予冻结的 LLM 类似权重调整的学习能力。文章通过具体案例展示了 ReMem 框架在任务成功率和问题解决效率上的显著提升，并强调了元推理在其中扮演的关键角色。最终，文章将《Evo-Memory》与 DeepSeek V3.2 的规划能力结合，描绘了下一代 AI“系统 2 思维”的完整闭环，预示着参数不变但智慧持续增长的 AGI 原型。
本文介绍了 `DeepAgents CLI`，一个与模型无关的、基于 Python 的编码智能体，专为交互式终端使用而设计，具有 Shell 执行、文件系统工具和内存等功能。文章探讨了在隔离环境中评估编码智能体的关键挑战，因为编码智能体具有交互性，并且可能产生副作用。为了解决这个问题，作者利用 `Harbor` 框架，该框架支持可扩展的容器化智能体评估，并具有跨各种沙箱提供商的自动测试执行和奖励评分功能。他们专门开发了 `deepagents-harbor` 以将 `DeepAgents` 与 `Harbor` 集成。评估在 `Terminal Bench 2.0` 上进行，这是一个包含 89 个任务的基准，涵盖软件工程、生物学和安全等领域，旨在衡量智能体在终端环境中的操作能力。`DeepAgents CLI` 由 `Claude Sonnet 4.5` 提供支持，平均得分为 42.65%，使其成为一个具有竞争力的基线。文章最后强调了未来在系统追踪分析方面的工作，以进行性能优化。
