搜索
刚刚，北美具身初创Skild AI又发布了全新机器人基础模型S1，直接把机器人上下文学习的任务长度拉到了10分钟往上。这次的S1主打上下文学习（in-context learning，ICL）：无需在后训练阶段专门学习新的操作数据，只需看一段人类示范视频，就能“照猫画虎”，直接完成一整套从未见过的复杂操作流程。
面对这些问题，通用 AI Agent 往往难以给出基于乐鑫官方资料和专业排查流程的针对性解答方案。为此，乐鑫推出 MCP Server「Espressif Engineering」，将针对不同工程问题整理的专业流程接入 Agent。
加州理工学院 Anima Anandkumar 团队 8 月 24 日发了一篇论文，用一个 AI 模型把这类计算的复杂度从立方级压到了近线性级。效果相当震撼：在单块 GPU 上完成了一个含 82500 个电子的金属缺陷模拟，2019 年同类计算用了约 7800 块 GPU。
这款产品叫 Knowt。官网显示，目前已有超过 500 万名学生和教师使用 Knowt；2025 年 AP 考试季，公司称至少有 70 万名学生使用平台。而在 2022 年，Knowt 的用户还只有约 1.8 万。
本文编译自 Anthropic 官方博客《The AI-Native SDLC Playbook》，2026 年 8 月 21 日发布，作者 Louis Claxton。全文约八千字，保留了原文全部代码示例和配置样板，对部分章节做了适合中文读者的表述调整
4 人团队，靠“毒舌”在语言学习赛道“突围”。
临近开学，对于现在的大学生来说，需要准备的往往不只是电脑平板或者新的教材，还有必备的赛博文具——各种 AI。
Anthropic 最近发布了一篇博客文章《The AI Native SDLC playbook》，讨论AI进入软件开发之后，整个软件开发生命周期（Software Development Life Cycle，简称 SDLC）应该怎么重做。
今天不光分享产品，还有产品背后一个有趣的年轻人：Rafael Kramer。
从 Scale AI到 Surge AI，再到异军突起的 Mercor，在北美，一批AI Data公司的价值已经被验证。