ai-daily-feed

AI Daily Harvest — 2026-02-23

Overview

Must Read — MIT提出的注意力匹配范式将KV压缩转化为线性回归问题 · 深度访谈OpenAI Codex团队 · 港大、清华等团队首创CLAP系统，利用忆阻器在同一芯片上实现安全认证与高效计算 (+4 more)

25 articles: 7 must read · 7 worth reading · 11 neutral

Top sources: DeepTech深科技 (3) · The Algorithmic Bridge (2) · PaperWeekly (2)

95 无限上下文的尽头是线性回归？MIT提出注意力匹配，KV压缩提速百倍 — PaperWeekly
90 How Codex is built — The Pragmatic Engineer
90 安全与算力不冲突！港大清华等首创忆阻器共位认证处理系统 — 新智元
90 初创用3000万美元造一颗不可编程的AI芯片，推理速度却是Nvidia最强GPU的50倍 — DeepTech深科技

87 [学术插图新神器！万字材料秒出SVG，西湖大学出品

ICLR’26](https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247870129&idx=3&sn=f890f7b362b53d562b27eef78256e83c) — 量子位

Must Read

无限上下文的尽头是线性回归？MIT提出注意力匹配，KV压缩提速百倍 — 95/100

PaperWeekly · AI/Tech · 收藏

MIT提出的注意力匹配范式将KV压缩转化为线性回归问题，极大地提升了长上下文处理效率。

How Codex is built — 90/100

The Pragmatic Engineer · Builder 实践 · 收藏

深度访谈OpenAI Codex团队，揭示了多智能体编程助手的设计架构及自进化模型的开发内幕。

OpenAI的智能编码助手Codex用户增长迅速，每周有超过一百万开发者使用，自1月初以来使用量增长了5倍。OpenAI在2月初推出了Codex桌面应用，并发布了GPT-5.3-Codex模型，该模型被描述为第一个帮助创建自身的模型。文章通过采访OpenAI内部人员，深入探讨了Codex的构建过程、团队使用情况以及对ChatGPT制造商软件工程实践的影响。

Codex每周有超过一百万开发者使用，自1月初以来使用量增长了5倍。
OpenAI推出了Codex桌面应用（macOS），CEO Sam Altman称其为“我们内部最受喜爱的产品”。
OpenAI发布了GPT-5.3-Codex模型，这是第一个帮助创建自身的模型。
OpenClaw的创建者Peter Steinberger透露他完全使用Codex编写OpenClaw，并已加入OpenAI从事下一代智能体开发。

安全与算力不冲突！港大清华等首创忆阻器共位认证处理系统 — 90/100

新智元 · AI/Tech · 收藏

港大、清华等团队首创CLAP系统，利用忆阻器在同一芯片上实现安全认证与高效计算。

初创用3000万美元造一颗不可编程的AI芯片，推理速度却是Nvidia最强GPU的50倍 — 90/100

DeepTech深科技 · AI/Tech · 收藏

报道了 Taalas 极致专用化的 AI 芯片 HC1，探讨了‘存算合一’与‘不可编程’如何带来 50 倍性能提升。

学术插图新神器！万字材料秒出SVG，西湖大学出品 | ICLR’26 — 87/100

量子位 · AI/Tech · 收藏

西湖大学出品的学术绘图智能体AutoFigure，解决了AI生成科学插图逻辑差且不可编辑的痛点。

304个中文大模型实测出炉！首个动态诊断系统ReLE发布，评测降本70% — 87/100

PaperWeekly · AI/Tech · 收藏

发布ReLE动态诊断系统，通过方差感知调度显著降低模型评测成本并揭示能力不平衡问题。

斯坦福团队开发通用鼻喷疫苗，喷一次，管三月！挑战230年疫苗学铁律 — 85/100

DeepTech深科技 · AI/Tech · 收藏

详解斯坦福团队在 Science 发表的通用鼻喷疫苗研究，揭示了先天与适应性免疫协同的新机制。

Worth Reading

Build Hour: Prompt Caching — 82/100

OpenAI YouTube · YouTube · 精读

OpenAI 官方关于 Prompt Caching（提示词缓存）的技术原理与实操优化指南。

OpenAI的Build Hour视频介绍了提示词缓存技术，该技术旨在帮助开发者构建更快、更便宜、延迟更低的应用程序。视频解释了提示词缓存的工作原理，并指导如何设计提示词以最大化缓存命中率。内容涵盖了缓存的实际内容、适用场景，以及提示词的微小变化如何对成本和性能产生重大影响。

提示词缓存技术用于构建更快、更便宜、延迟更低的应用程序。
视频讲解了缓存命中的工作原理（前缀、令牌阈值和连续性）。
介绍了最佳实践，如使用Responses API和prompt_cache_key。
展示了如何测量缓存命中率、延迟和令牌节省量。
以客户Warp为例，说明了提示词缓存的实际影响。

用 AI 后，我效率翻 3 倍，人却更疲惫，别再掉进这个陷阱了 — 82/100

APPSO · AI/Tech · 精读

从资深开发者视角探讨‘AI 疲劳’现象，揭示了产出效率与认知负荷之间的矛盾，并给出心理建设方案。

Bitter Lessons in Venture vs Growth: Anthropic vs OpenAI, Noam Shazeer, World La… — 80/100

Latent Space · AI 使用 · 精读

a16z合伙人深度拆解AI投融资新逻辑及行业未来格局的演变。

a16z的合伙人Martin Casado和Sarah Wang讨论了AI领域新的融资模式，指出当前的融资轮次实质上是伪装的计算合同。他们解释了“融资→训练→发布→更大规模融资”的飞轮如何运作，并探讨了基础模型公司是否能够超过建立在它们之上的整个应用生态系统的支出。他们还分享了被低估的领域（无聊的企业软件）和过热的领域（人才战争和薪酬螺旋）。

当前的融资轮次实质上是伪装的计算合同。
模型实验室将资金直接转化为能力提升，然后转化为以周（而非年）为单位的收入增长。
风险投资和增长投资已经融合，出现了1亿至10亿美元的混合轮次、战略投资者、计算谈判和复杂的交易结构。
讨论了AI市场结构的两种截然不同的未来：无限碎片化和新软件类别，与少数通用模型寡头垄断并吞噬其上一切。

科幻小说，究竟是AI的预言书，还是我们集体掉入的陷阱？| 万字访谈刘宇昆、《雪崩》作者、AI科学家与投资人 — 80/100

追问nextquestion · AI/Tech · 精读

汇聚刘宇昆、尼尔·斯蒂芬森等顶尖科幻作家与科学家的万字访谈，深度探讨叙事与 AGI 的本质。

春节读过最透彻的思考：《大事正在发生》 — 78/100

PaperAgent · AI/Tech · 精读

梳理了 Matt Shumer 火爆全网的 AI 生存指南，提供了从认知到职业、教育的具体应对策略。

Head of Claude Code: What happens after coding is solved | Boris Cherny — 77/100

Lenny’s Newsletter · AI 使用 · 精读

Claude Code负责人分享的产品原则、开发内幕及AI驱动下的编程未来。

Anthropic的Claude Code负责人Boris Cherny讨论了Claude Code如何从一个简单的终端原型成长为占公共GitHub提交4%的产品，并且其上月日活跃用户翻了一番。他分享了推动Claude Code成功的反直觉产品原则，并解释了他为何认为编码问题“已解决”。他还谈到了塑造Claude Code和Cowork的潜在需求，以及为团队提供无限令牌如何导致更好的AI产品。

Claude Code占公共GitHub提交的4%，其上月日活跃用户翻了一番。
Boris Cherny认为编码问题“已解决”。
为团队提供无限令牌和资金不足反而能催生更好的AI产品。
Boris Cherny曾短暂离开Anthropic加入Cursor，但两周后便返回。

A Guide to Which AI to Use in the Agentic Era — 75/100

One Useful Thing · AI 使用 · 精读

文章提出了“模型、应用、外挂/环境（Harnesses）”的三维评估框架，定义了智能体时代选择AI的新标准。

文章指出，“使用AI”的含义在过去几个月发生了巨大变化，从与聊天机器人对话转变为将AI作为智能体来分配任务。因此，在选择使用何种AI时，需要考虑三个要素：模型、应用程序和约束框架。同一个模型在不同应用程序和约束框架下，对相同问题的回答质量和形式会有显著差异。

“使用AI”的含义已从聊天对话转变为使用AI作为智能体来执行任务。
选择AI需考虑三个要素：模型、应用程序和约束框架。
以Claude Opus 4.6为例，在无约束框架、Claude.ai网站和Claude Cowork三种环境下，对“比较ChatGPT和Claude和Gemini”的回答在信息时效性、分析深度和格式上截然不同。
核心的三大模型是GPT-5.2/5.3、Claude Opus 4.6和Gemini 3 Pro，它们决定了系统的智能程度、推理能力、专业能力（如写作、编码）和多模态能力。

Neutral

How I think about Codex — 72/100

Simon Willison · AI 使用 · 精读

OpenAI 工程师解读 Codex 的核心架构（模型+外壳+界面），揭示了其作为工程 Agent 的本质。

OpenAI的开发者体验工程师Gabriel Chua澄清了“Codex”这一术语在OpenAI生态系统中的多重含义。他将Codex定义为OpenAI的软件工程智能体，由模型、约束框架和交互界面三部分组成。他首次承认，Codex模型家族是直接在Codex约束框架下进行训练的，工具使用、执行循环、压缩和迭代验证等行为是模型学习操作方式的内在部分。