Codex AI Digest 深读版 · 2026-07-09
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。今天最值得调整的判断，不是又一个模型名次变化，而是 agent 已经开始同时侵入研发生产函数和基础设施设计：上游是 Fable 写 GPU kernel、AtCoder 竞赛表现、Remote Labor Index 这类能力信号，下游…
Archive
专题归档
第 7 / 7 页Fable 写出 GPU Megakernel：AI 研发自动化真正值得盯的信号
深读 Import AI 464：从 Fable 的 KernelBench-Mega 结果出发，串起 GPU kernel、远程数字劳动、OSWorld 2.0、企业知识系统和 AI 研发自动化的真实边界。
AgentBench 学习笔记：评测 Agent，不能只看它怎么回答
消化 AgentBench 论文：为什么 LLM Agent 需要交互环境评测，AgentBench 如何用 8 类环境测试长期推理、决策和指令遵循，以及它对 Agent eval 的启发。
Codex AI Digest 深读版 · 2026-07-08
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版：我先抓取 source pack，再逐篇阅读原文摘录，并用 `publish-to-lei-blog` 的“质量十大思维”做了一轮审稿。今天的主线是：AI 能力正在从“模型会不会”下沉到“harness、sandbox、数据系统、推理栈…
Evoflux 学习笔记：小模型不会稳定用工具时，先别急着微调
消化 Evoflux 论文：为什么紧凑模型在 MCP 风格工具调用里容易失败，Evoflux 如何把工具调用看成可执行工作流的推理时演化修复，以及它对 Agent 系统设计的启发。
从 .codex 目录反推 Codex 内核：一个本地 Agent OS 的剖面
从 CODEX_HOME 的目录、SQLite schema 和官方文档出发，把 Codex 拆成控制面、状态面、执行面、扩展面、安全面、后台面和记忆面，理解它为什么更像本地 agent runtime。
Agent Jail：把 AI Agent 关进可审计的企业权限边界
从 untrusted tenant 视角重新设计 Codex、Claude Code 和企业 Agent 的运行边界：Capability Manifest、策略引擎、短期凭证、MCP Gateway、审计和绕过防护。
PrologMCP 学习笔记：别让大模型硬想，把演绎推理交给符号系统
消化 PrologMCP 论文：为什么 LLM 在深层演绎推理上不稳定，PrologMCP 如何把 Prolog 标准化为 MCP 工具，以及“模型做翻译、求解器做推理”的系统分工。
SWE-bench 学习笔记：代码模型评测，终于从刷题走向真实修 Bug
消化 SWE-bench 论文：为什么传统代码生成评测不足以衡量软件工程能力，SWE-bench 如何用真实 GitHub issue、仓库上下文和测试执行构造可执行评测。
Codex AI Digest 深读版 · 2026-07-07
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版。我先读了 9 个渠道的 23 篇原文包，今天最值得你投入注意力的不是又一个模型名，而是三条更硬的信号：验证正在成为 agent 能力的新缩放轴；弱模型上的 RL 成果开始有机会迁移到更强模型；内容站点已经开始把 agent 抓取当成独立…
AI Infra 工程师日常工作地图：以 OpenAI 岗位为镜，明自己的学习坐标
基于 OpenAI 公开 AI Infra 相关岗位描述，按训练、推理、数据、GPU 集群、可靠性、评测发布、Agent Infra、安全和开发效率拆解 AI Infra 工程师每天实际做什么，并映射到个人学习路线。
Codex AI Digest 深读版 · 2026-07-06
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版：我先抓取 source pack，再逐篇阅读原文摘录后重写判断。今天最值得放进脑子的主线是：agent 不再只是“会调用工具的模型”，而是在逼工程体系补上运行时、权限、验证、成本和产品界面这几块短板。
Parametric Skills 学习笔记：把 Agent 技能从上下文说明书编译成 LoRA 参数
深入拆解 Parametric Skills：为什么文本技能会在长上下文 Agent 中失效，如何用 hypernetwork 把 SKILL.md / 轨迹经验转成 LoRA adapter，以及它和 Program-as-Weights 的关系。
Codex AI Digest 深读版 · 2026-07-04
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版，不是关键词卡。今天先读 26 篇候选、24 篇正文后，我的主判断是：Agent 的竞争正在从“谁回答得更好”转向“谁能被当作软件运行”。这意味着评测要看预算曲线，安全要在线监控，隐私删除要能定位到参数，工具链要补齐技能、沙箱、可恢复执行…
Codex AI Digest 深读版 · 2026-07-02
Codex 真读真写 · 论文/趋势/技能/工具/行动。这是 Codex 深读版，不是关键词卡。今天先读 24 篇候选、23 篇正文后，我更看重四条主线：Agent 竞争从模型能力转向反馈回路；推理架构开始重写多线程协作方式；企业真正缺的是把 AI 嵌进交付链路的人与流程；安全执行环境、技能包与网关正在成为开发者基础…
Agent Skills 与 MCP 的研究前线：从能力包到执行边界
深读 2026 年 6 月底 arXiv 上 Skill/MCP 相关论文：Skill 如何获取、调用、参数化和治理，MCP 如何从连接协议走向安全执行层。
Codex AI Digest 深读版 · 2026-06-30 · 11:31 版
Codex 真读真写 · 方向 / 判断 / 行动。这是 Codex 深读版，不是关键词拼接。今天最值得你投入注意力的，不是“又有新模型”，而是三条更底层的变化：agent memory 开始从 RAG/长上下文转向结构化记忆；评测开始把“会不会作弊”当成能力边界的一部分；本地与开源 agent 正在逼近可用阈值，但…