Agent12 分钟评分 86
前沿实验室在买什么数据：深入 Handshake AI 的 RL 环境与评测
Latent Space · 工程访谈 ·
- Agent 能口头解释税务规则，却在代码里认不出该套用规则的那一行
- VIALS 用科研图像出题：模型选对两张坏死切片，还多选了 G
- 评分器设有惩罚陷阱、依赖门与部分给分，曾有 agent 设法钻空子
为什么值得看：对做 Agent 评测与训练数据的人，这里有一手的评测环境搭建细节、评分器设计和真实失败案例，可长期参考。
资料库
海外 AI 文章、播客与资讯，挑值得以后回头再读的，附中文要点和推荐理由。
- 本周入选
- 33
- 来源数
- 10
本周必读
Agent13 分钟评分 82为 Agent 设计：Resend CEO Zeno Rocha 谈 AEO 与 MCP 工具设计
Latent Space 访谈 Resend 联合创始人兼 CEO Zeno Rocha，讨论开发者工具如何被 Agent 选中：在一项 AEO 研究中，Claude Code 在可提取的 102 次邮件推荐里有 64 次首选 Resend。他讲了几个具体做法——先用 React Email 模板进入开发者仓库获得分发，在定价页 URL 后加 .md 让 Agent 一次请求就能读到价格表，以及 MCP server 工具数从 20 个左右扩到 80 多个的取舍。访谈后半段转向「发送之后」的投递问题：共享追踪域名一旦被钓鱼滥用遭封禁，会连累其他客户的正常邮件，因此 Resend 推出自定义追踪域名。
Latent Space · 工程访谈- SWAgent25 分钟评分 82
用 Claude 定位神秘蜂鸣声：一次多设备声源三角定位的实战
Simon Willison 用 Claude Code 搭建了一个名为 Beep Locator 的系统，让多台设备通过浏览器麦克风和 WebSocket 协同，对房间里的神秘蜂鸣声做声学三角定位。系统基于 2007 年的 BeepBeep 论文，通过设备间互相播放 chirp 对齐录音，最终把声源定位到约 40cm 范围内，作者据此找到了一台需要换电池的一氧化碳探测器。文章还记录了用 Claude 边运行边热更新代码、逐步加功能（粗略模式、拍手测试、录音回放）的过程。
Simon Willison · 新用法、实测、工具发现 
Agent357 分钟评分 82斯坦福如何教 AI 原生工程：Mihail Eric 谈 CS146S 与 Monaco 实践
Latent Space 访谈斯坦福讲师、Monaco AI 负责人 Mihail Eric，介绍 CS146S《现代软件开发者》课程第二年的改版：学生已普遍用 agent 写代码，作业改为向开源项目提交补丁并由维护者评审。他还分享 Monaco 的工程取舍——代码评审买 Devin、agent 工作区自建，以及“买来学、自建来留”的原则。
Latent Space · 工程访谈
播客 · 可以边听边看要点
全部播客 →
Latent Space Podcast76
斯坦福如何教 AI 原生工程：CS146S 与 Mihail Eric 的对谈
- coding agent 能一键完成旧作业，倒逼课程重设任务
- 学生需读懂陌生开源仓库并提出改动
Latent Space Podcast72
为 Agent 设计：Resend 创始人谈 AEO 与 Agent 选择产品的逻辑
- 编码 Agent 会自行替换开发者已接好的服务，技术选型权部分转移给 Agent
- AEO 要从被 Agent 选择的一方倒推产品与文档设计
Latent Space Podcast72
看不见数据时如何构建法律 Agent：对话 Legora CTO Jacob Lauritzen
- 客户数据不可见，Agent 的构建与测试必须换一套方法
- 法律场景对可靠性和数据边界的要求高于通用场景
Latent Space Podcast72
用 Agent 做长周期金融工作：专访 Arca AI 负责人 Aman Singh
- 财富管理公司按 AI 原生方式搭建，而非给旧系统加 AI
- 长周期金融任务靠自研 harness 承载，而非通用 agent 框架
资讯速览
全部资讯 →从零构建推理模型：Ahead of AI 发布 11 小时配套视频课程
论文、原理、架构 · 值得收藏：这是一手实操课程，把推理模型的评测、推理时扩展、RL 和蒸馏都落实到可运行的代码上，适合想真正搞懂原理而不是只读结论的工程师长期参考。
88斯坦福 CS146S：当编码 Agent 能做完作业，AI 原生工程该怎么教
工程访谈 · 值得收藏：对做 AI 工程和带团队的人，它提供了一套可借鉴的课程设计与团队落地思路：如何训练人读懂 diff、如何让仓库对 agent 友好、代码审查成为瓶颈后怎么办。
82Artificial Analysis v5 与基准测试者的两难
模型与研究进展解读 · 值得收藏：对做模型评测和选型的人，这篇提供了关于基准设计取舍、开源与闭源差距成因的长期可参考判断。
82如何用决策模型做评测：阈值调优与成本性能对比
Agent 评测与可靠性 · 值得收藏：给出决策模型用于自动评测的阈值调优方法和多模型实测对比，对搭建评测流水线的团队有可复用的参考价值。
82Meta 搅动前沿格局：开源与闭源双线出击
模型与研究进展解读 · 值得收藏：对开源权重模型竞争格局、许可证限制与实验室组织方式的判断，过一段时间仍可作为参考框架。
80用 <details><summary> 折叠 AI 生成的 PR 描述
新用法、实测、工具发现 · 值得收藏：一个成本很低、可直接照搬的 PR 写作习惯，解决的是 AI 编码 Agent 普及后普遍出现的评审负担问题。
78控制生物学：专访 Helmholtz Munich 的 Fabian Theis
工程访谈 · 值得收藏：由虚拟细胞一线研究者解释该领域评测失效的原因和下一步方向，对关注 AI for Science 的读者有长期参考价值。
78ArtCraft 用 AI 克隆 Photoshop，还想「重建一切」
工程访谈 · 值得收藏：这是一份来自一线团队的经验记录，讲的是用 Agent 重写大型桌面软件的路径、数据与分工边界，对做 AI 编码和 Agent 工程的人有可复用的参考价值。
74NaiveAI 宣称每秒 2100 token，实测 Naive-N0.5-Flash 编码表现
工程访谈 · 值得收藏：提供了一套可复用的“速度 vs 冗长度”实测方法（同时看均值、中位数和端到端时延），但样本仅 30 题且未评答案正确率，结论需谨慎参考。
74Agweb：为编码 Agent 打造的 macOS 不抢焦点浏览器
新项目早期发现 · 值得收藏：对同时跑多个浏览器 Agent 的工程师来说，它给出了一个解决焦点抢占、资源占用和登录共享的具体工程方案，也提供了与 Playwright 方案的取舍对照。
72The Batch 周报：GPT-6 Cyber 修补 Linux 漏洞、LLM 搜索的问题与 Agent 文档检索
每周行业与研究补漏 · 值得收藏：GPT-6 Cyber 的多 Agent 漏洞挖掘流水线（侦察、分析、验证、利用、修补）是一份可复用的 Agent 编排与评测案例，值得做 Agent 工程的人回头细读。
72AgentRun：开源、可自我改进的托管 Agent 平台
新项目早期发现 · 值得收藏：展示了“agent 跨运行积累经验”的具体工程机制（学习内容如何校验、评分、提交与淘汰），对做 agent 记忆和可靠性的人有参考价值。
72