AI 编程实时动态与要闻

在利用大模型进行真实软件工程研发时，人类开发者给出的初始需求往往存在歧义、边界模糊或关键参数缺失（Underspecified Requirements）。此时，传统 Coding Agent 往往面临两难困境：要么自作主张‘盲目脑补’导致生成看似正确但逻辑南辕北辙的静默缺陷代码；要么频繁抛出鸡毛蒜皮的琐碎提问，严重打断人类思路并引发认知疲劳。北京大学与武汉大学联合科研团队在最新成果（arXiv:2610.01769）中推出了无需额外训练的选择性澄清提问框架 CONTRA（开源仓库：github.com/fangz-cs/Contra）。CONTRA 确立了‘全面问题发现 -> 语义与执行双重鉴权 -> 交互历史自适应决策’的三阶流水线：针对候选问题预演不同回答下的代码生成，严格通过沙箱执行检验不同回答是否会引发实质性的可观测行为改变（Behavior-Changing），彻底过滤掉无意义问题。在权威交互式基准 ClarifyCodeBench 测试中，CONTRA 推动各主流大模型的宏平均提问 F1 与早鸟折扣率（TKQR）分别跃升至 41.20% 与 38.32%，相较最强基线提升 13.88 与 12.33 个百分点；在 GPT-5.5 下将关键问题召回率从 15.12% 翻倍拉升至 36.72%。团队已正式开源面向 Claude Code 的官方插件实现，全面支持无缝接入生产工作流。

随着 AI 代码智能体（Coding Agents）在解决软件 Bug 与单步算法题上日趋成熟，学术界开始将其推向更具挑战性的‘物理世界逆向工程与空间离散装配’领域。斯坦福大学（Stanford University）与法国国家信息与自动化研究所（Inria）联合研究团队在最新成果（arXiv:2610.12452）中推出了首个针对文本驱动 3D 积木装配设计的智能体基准套件 BrickBench 及交互沙箱 BrickAgent（项目主页：brickben.ch）。在 BrickBench 中，代码智能体接收一段高层语义文本 Prompt（如‘拼装一架带有双螺旋桨的倾转旋翼飞机’），必须从离散的标准零件库中挑选积木块，编写确定性代码进行三维空间坐标与咬合位姿规划。装配结果不仅要严格满足语义对齐，更必须经受物理引擎关于局部咬合互锁、力学重心与全局刚度约束的严苛验证。实测表明，尽管当前顶尖代码智能体能够编写出通过语法测试的拼装代码并大体满足基础几何约束，但其在结构力学自洽性与审美精妙度上依然显著落后于人类积木大师，为物理空间 Coding Agent 建立了全新的评测里程碑。

强化学习（RL）已被公认为大语言模型由被动记忆迈向自主推理与自我进化的核心范式，然而在超长上下文与异构智能体交互中扩展强化学习算力依然面临巨大的工程与收敛瓶颈。小米大模型核心团队（Xiaomi LLM-Core Team）最新公布了重磅技术报告与全模态模型家族 MiMo-V2.6（arXiv:2610.11959）。MiMo-V2.6 依托预训练阶段的 Hybrid-SWA 架构，在强化学习阶段实现了空前的三维算力扩增：其一，采用异步流水线吞吐，单步训练能够支撑高达 1,568 个并发样本和 2.7~3.7B Token，训练上下文长度一举突破 1M（100 万 Token）；其二，在代码、通用、视觉与网络安全等多维度构建了混合 Agent Harness 环境；其三，首创分组 Agent 打分器（Groupwise Agentic Grading），引导模型输出更高密度、更短更省 Token 的优质解。针对大规模 RL 极易出现的奖励黑客（Reward Hacking）与专家坍塌问题，团队创新性地冻结了 MoE 路由器并构建多层防御网，成功攻克万亿级 Token 强化学习的稳定收敛难题，并全面开源其训练动态、RL 环境与框架。

在数学难题与长链逻辑推理中，大语言模型常常面临一种诡异的统计困境：模型为唯一的正确答案赋予的单项生成概率，明明高于任何一个特定的错误选项；但在实际采样时，模型依然大概率输出错误结果，因为大量分散的错误答案在概率分布空间中累加占据了绝对多数的总概率质量。理论上，基于幂分布（Power Distribution，将完整答案序列概率提升至大于 1 的幂次并归一化）能够实现概率分布的锐化（Sharpening），但以往这种方案需要在推理端发起 16 到 64 次昂贵的候选搜索与打分，推理成本呈数十倍翻倍。南加州大学（USC）等机构的研究团队提出了开创性的在线策略幂分布蒸馏算法 OPPD（On-Policy Power Distillation，arXiv:2610.06804）。OPPD 巧妙利用序贯蒙特卡洛（SMC）采样器，在训练阶段让在线模型生成候选、冻结教师的幂分布进行加权更新，使学生模型直接学会以‘单次前向生成’输出原本需要 64 采样树搜索才能捕获的高确定性黄金答案。在无需任何标准参考答案的前提下，OPPD 将单遍推理准确率在 MATH500 上大幅拔高 23.0 分，在 GSM8K 上提升 27.3 分，表现显著超越同等算力下依赖真实反馈训练的 GRPO 强化学习，甚至跨领域让 HumanEval 代码生成准确率提升 5.3 分。代码已在 GitHub 全面开源（github.com/ArminAzizi98/OPPD）。

OpenRouter 宣布 Anthropic Claude Fable 5.1 已上线其路由平台，可作为 Fable 5 负载的直接升级。官方强调最大增益出现在智能体编码、长程工作流、视觉代码生成、金融与分析场景，开发者可立即通过 OpenRouter 调用。