AI 资讯

据 Geeky Gadgets 于 8 月 26 日报道，DeepSeek 发布了开源模块化编程代理框架 DeepSeek Harness，采用 MIT 许可证，开发者可使用 Node.js 自定义插件。

MIT Technology Review发表分析文章指出，尽管AI行业普遍预期模型将实现递归自我改进（AI改进AI），但实际进展可能比预期慢得多。文章引用了多项研究证据，质疑了当前对AI能力指数级增长的乐观预期。该文于2026年8月18日发表。

著名安全专家Bruce Schneier于7月26日发表博客文章，警告MIT校园即将成为AI视频监控的密集部署区域。他指出，大规模AI监控系统将被部署在校园各处，引发关于学术自由、隐私权和AI监控伦理的广泛讨论。该文章在Hacker News上获得14个推荐，凸显了公众对AI监控的深切关注。

美团正式开源了 LongCat-2.0，拥有 1.6 万亿参数的接近前沿水平的编程模型，在 OpenRouter 排行榜上持续领先，且完全基于中国国产芯片完成训练，采用 MIT 许可证发布。据 VentureBeat 报道（2026年6月30日）。

据Forbes记者Josipa Majic于2026年6月10日报道，MIT最新研究发现AI编码代理虽将代码产出提升180%，但实际软件交付量仅增长30%。研究表明对私有数据的访问能力比基准测试分数更能构成AI投资的真正护城河，揭示了AI辅助编码从"量"到"质"的关键差距。

据Forbes记者Josipa Majic于2026年6月10日报道，MIT最新研究发现AI编程代理可将代码产出提升180%，但实际软件交付量仅增长30%。研究还揭示了一个重要洞察：私有数据访问能力（而非基准测试分数）才是AI工具真正的投资护城河。这一发现对评估AI编程工具的实际生产力具有重要参考意义。

据Forbes记者Josipa Majic于2026年6月10日报道，MIT最新研究发现使用AI编码Agent的开发者代码产出增长180%，但实际软件交付量仅提升30%。研究进一步指出，企业私有数据访问能力（而非基准分数）才是真正的AI投资护城河。这一发现意味着AI编码工具的ROI评估需要从根本上重新审视。

MIT推出MeMo（Memory Model）框架，通过训练一个紧凑的记忆模型来增强LLM的上下文利用能力，在不重新训练大模型的情况下将其性能提升最高26.73%。该方法对资源受限的团队意义重大，可大幅降低模型优化成本。

MIT 研究团队发布 MeMo（Memory Model）框架，通过训练一个紧凑的记忆模型来增强 LLM 的上下文记忆能力，无需重新训练原始模型即可将性能提升高达 26.73%。该方法对 AI Agent 应用有重大意义，特别是在需要长期记忆和复杂推理的场景中。