编码智能体取代不了数十年积累的系统研究方法论
charles_irl · x · 2026-09-27
charlesirl 在一系列推文中强调：很多人以为编码智能体（coding agents）让几十年积累的「分工协作 + 逐步探索」式系统研究变得多余，他的团队认为恰恰相反——AI 时代依然需要这种长期打磨的人机协同研究流程。
他同时列出了团队借鉴的高质量开源软件与研究工作，包括：
- NVIDIA FlashInfer 的 cascade attention
- Hydragen attention（Scaling Intelligence Lab 等人）
- Hellerstein & Stonebraker 关于 selectivity ordering 的工作
- IBM 的经典 System R 论文
核心论点：扎实的研究方法论与昂贵的人类支撑体系在智能体时代依然不可替代。
所属事件:团队借开源生态与 agent 辅助快速打造专用推理引擎(3 条相关)→
「漫话AGI」频道最新
- 「随机鹦鹉」再起争端：研究者称该论文犯下核心语言学错误 — FlorianGallwitz · 2026-09-27
- 「智慧盒子」讽刺文热传：把 scaling 路线的逻辑推演到荒诞 — ludwigABAP · 2026-09-27
- NBER 论文：认知技能生产率提升解释美国职业内工资分化 — soumitrashukla9 · 2026-09-27
- David Deutsch 谈 AI 风险,天体物理学家推荐必看讨论 — irinarish · 2026-09-27
- 编程真的需要高智能吗?网友称 coding agent 靠暴力搜索绕过智力 — ivan_bezdomny · 2026-09-27
- AI 安全圈兴起「具体派」:要数据要机制,拒空想实验 — random_walker · 2026-09-27