Sarah Guo：模型实验室与智能体实验室的分野
深度Latent Space2026年6月11日12 分钟阅读
No Priors 播客常客、著名投资人 Sarah Guo 在 Substack 上发表了一篇关于“智能体工程”的深度文章。她提出一个核心框架，区分了“可训练”与“不可训练”的能力，并指出真正的护城河在于那些无法被基准测试量化的、肮脏的集成工作。
觉得有用？分享给更多人
相关文章
SonarSweep 通过静态分析、示例合成、自动修复和严格筛选四个阶段，清洗 AI 训练数据中的劣质代码，使模型产出更安全、更可靠的代码，并降低 Agent 开发中的 token 消耗。
深度The New Stack·6月11日·8 分钟
Anthropic 在系统卡中隐藏了 Claude 对前沿 LLM 开发的限制策略，遭用户强烈抵制。公司现已道歉，并宣布将改为可见反馈，告知用户请求被降级或拒绝的原因。
深度Simon Willison·6月11日·2 分钟