1
Don't generate your AGENTS.md with an LLM
不要让大模型替你生成项目文档，真实上下文才能保证任务成功率。
The counterintuitive finding Generating your AGENTS.md from a model feels efficient. The research disagrees: developer-written vs LLM-generated instru…
2
智元：精灵 G2 机器人平板量产产线直播作业 64828 件，成功率 99.99%
IT之家 6 月 29 日消息，智元今日宣布，6 月 23 日至 28 日，智元精灵 G2 机器人开启“平板量产质检工段全覆盖”真实产线直播， 机器人作业成功率 99.99% 。 官方表示，本次总直播时长 64 小时，产线累计产量 17625 件，机器人作业总数 64828 件，任务成功率达 99.…
3
4
AI coding agents can autonomously direct robot training
AI编码代理自主指导机器人训练，ENPIRE系统实现99%操作成功率，突破性自我改进策略
NVIDIA’s self-improvement program for robots enlists teams of AI coding agents.
5
Structural Grid Descriptors Predict Within-Task Solver Success on ARC-AGI
用网格结构描述符预测符号求解器在ARC-AGI任务中的成功率，为抽象推理任务提供新视角
arXiv:2606.09026v1 Announce Type: new Abstract: We ask whether structural properties of intermediate grid states predict whether a symbolic ARC-AGI so…
6
Amazon Buy Box Data Scraping in Python: A Complete Dev Guide (2026)
专为Amazon Buy Box数据抓取设计的API，突破JavaScript渲染与反爬机制，>95%成功率，提供结构化JSON输出，新鲜度5-15分钟。
TL;DR : Amazon's Buy Box data requires JavaScript rendering—standard HTTP requests won't work. DIY Playwright scrapers fail at scale (35–55% success r…
7
研究员测试 AI 漏洞挑战：GPT 5.5 成功率最高、Deepseek V4 Pro 成本最低
GPT-5.5解题率最高，DeepSeek V4 Pro成本仅对手1/15，AI漏洞攻防实战对比。
IT之家 6 月 4 日消息，安全研究员 Kasra Rahjerdi 昨日（6 月 3 日）发布报告，搭建了一个故意留有漏洞的图书评论 APK， 测试多款 AI 大语言模型的安全推理能力。 研究员模拟真实场景漏洞，在 APK 文件内放入暴露的 Firebase（谷歌移动端后端服务）凭据，模型只要解…
8
Beyond Attack Success Rate: Temporal Logit Observability for LLM Safety Failures
LLM安全评估新突破：用时间logit可观测性检测安全失败，超越传统攻击成功率指标
arXiv:2605.29629v1 Announce Type: new Abstract: Attack Success Rate (ASR) evaluates each jailbreak with a single yes/no label at the end of generation…
9
微软推出 Fara1.5 系列浏览器 AI 智能体模型，72% 任务成功率超 OpenAI Operator
微软Fara1.5浏览器AI智能体72%任务成功率碾压OpenAI Operator，基于Qwen3.5的“观察-思考-行动”闭环，同步发布转录与嵌入新模型。
IT之家 5 月 23 日消息，微软研究院 AI Frontiers 实验室最新发布 Fara1.5 系列模型，主要适用于浏览器场景下的计算机使用智能体， 涵盖 4B、9B 和 27B 三个参数规模版本。 该系列模型配套 MagenticLite（微软为此类智能体设计的沙盒浏览器界面）使用，可以直接…
10
Bito's AI Architect Boosts Claude Opus's task success rate by 35%
Bito AI Architect 通过系统上下文让 Claude Opus 在复杂代码库中的任务成功率提升 35%，实测数据亮眼。
Article URL: https://bito.ai/benchmarks/swe-bench-pro-evaluation/ Comments URL: https://news.ycombinator.com/item?id=48191369 Points: 2 # Comments: 0
11
Good to Go: The LOOP Skill Engine That Hits 99% Success and Slashes Token Usage by 99% via One-Shot Recording and Deterministic Replay
解决LLM重复任务中随机性失败与高成本痛点，LOOP引擎通过一次录制和确定性重放实现99%成功率并减少99%token消耗。
arXiv:2605.14237v1 Announce Type: new Abstract: Deploying AI agents for repetitive periodic tasks exposes a critical tension: Large Language Models (L…