Databricks 用自己的合并请求出题,把验收用的测试藏起来。GPT‑6 Luna 和 Claude Opus 5.5 都通过了 89.1%,单次尝试的平均花费分别是 0.05 和 1.62 美元。看表时先盯住同一个分母,每发出一单就记一次费用,做砸的也算。采购前可以再把错题单独拿出来。两套的通过率相同,漏掉的未必是同一批 bug。一个总栽在团队最在意的那类问题上,便宜也得算上改错的工时。Databricks AI IndexMUSTTECHREADOFFICIAL
Pi Durable 用任务检查点保存进度,把模型生成和工具调用拆成各自任务。遇到可重放的调用,可以恢复或补跑。写到外部时,还要有一份业务记录来说明这张工单上这笔退款是否已成功。Foundry 的持久任务会在恢复时重新执行处理函数,应用管理自己的进度和外部效果。这里用测试环境里同一业务动作的唯一编号查结果,先查到已退再接着写回执。Pi Durable 官方文档GITHUBIgnite 后续 Foundry 发布记录OFFICIAL
在模拟退款系统里卡断三个时间点
把进程停在哪
醒来先做什么
独立验收读哪里
收到请求,尚未调用退款
按同一个请求编号恢复;需要审批时停在原审批点
待审批工单一条,退款流水暂为零
外部已退款,回执还没保存
先查该业务动作已有的流水,再补回执
退款流水正好一笔,编号与工单一致
回执已保存,通知发出后重启
找回已完成状态,按通知编号核对发送记录
退款和通知都只有一次,工单已关闭
先用固定模型响应把故障复现出来
Attest 作者给退款任务做了可回放的模拟仓库。把模型输出固定,再分别卡断上面三个时间点,能让 CI 每次复现同一条执行轨迹。固定响应适合查恢复逻辑。等模型或工具权限真的更换,再运行带真实推理的同一批任务,看看它会不会换一种路径并绕过审批。Attest 合成退款任务演示GITHUBAttest 作者的 CI 回放演示OFFICIAL
主动发来提醒,它怎么知道这事办过了?
北京时间 20 日早上,OpenAI 的 Thibault Sottiaux 在 X 说,dots 开始向小部分 ChatGPT Plus 用户测试,同时开始向 Business Standard 用户放量。这里说的是测试和分批开放,读者能否用到取决于账号。帮助文档列了主动跟进与持续处理任务的用途。把每天追一笔订单设成测试时,可以先让订单保持未结,再让用户在别处办完它,中途重启执行环境。查三件事就够了。确实需要提醒时有没有漏发,订单已结时能不能安静下来,恢复后会不会补发两次。主动发现一件事和准确记住它办完了,是两份验收记录。Thibault Sottiaux 的 dots 放量帖XChatGPT 的 dots 帮助文档OFFICIAL
同一周公开的 Code World Model 2.0 把几何和运动代理交给渲染模型做条件,再流式生成 RGB 帧。要测转一圈还能不能认出原来的店,就把镜头怎么走、每一步传给模型什么、最后生成了什么画面都存下来。到了同一个位置,门上的招牌却挪了,就顺着记录查,是前面把店的位置记错了,还是最后画面画偏了。论文的自测、产品演示和 StrideWorld 排名各有自己的样本。Code World Model 2.0 技术报告OFFICIAL
让 AI 写个程序,准备一对纠缠的量子比特。程序跑完,屏上 00 和 11 各占一半,看起来交卷了。但两项振幅之间的相对相位要是写反了,眼前这份统计完全不变。换一个测量基底,才看得出它交的是另一个态。上期问的是 AI 写出的量子研究证明谁来验,本期顺着这道小题走到另一件事,AI 写的量子电路要验到哪一步。EP.111 · AI 做研究,谁来验SELF
Ho 与 Li 给四个模型的 Agent 一份明确接口和量子语义的 YAML 约定,保留同一题、评测器与修复预算。主实验两组各 120 次,评测流程完成率从 80.0% 到 99.2%。在求氢分子基态能量的 VQE 题里,达到预设化学精度的次数从 16/40 到 29/40。同一研究里,用 QAOA 做 MaxCut 的近似比在修正后基本持平,还有通过接口检查却不能区分输入的量子分类特征映射。看这些成绩时,先数清楚哪一栏在算能跑完的次数,哪一栏在算答案做对了多少次。Ho 与 Li · 生成、选电路和 IBM 真机实验OFFICIAL背景 · 2026 年早前实验
作者另外采集一批氢分子候选,筛选后放到三台 IBM 量子设备,完成 210 次重复运行。这条链路走到了真机。两组使用各自的筛选过程,校准时段也没有同步。观察到的重复性差异只能归到整个流程。下一轮要测生成方法带来的硬件收益,可以用同一套筛选器、同型号后端同一校准窗口,拿相同抽样预算对比独立专家写的电路,报告误差和运行开支。Ho 与 Li · 生成、选电路和 IBM 真机实验OFFICIAL背景 · 2026 年早前实验
请求仍从原来的接口发出,平台按实时价格、速度和可靠性转给供应商,失败时能换一家。需要团队自己挑时,可以指定便宜、最快或者固定供应商。公告还写明,语言模型接入的自带供应商 Key 不再适用。如果公司的数据只能交给指定供应商处理,先打开设置确认还有没有锁住这家。Hugging Face 推理供应商变更公告OFFICIAL