快讯｜arXiv 2606.07299：国产 DuMate-DeepResearch 拿下 DeepResearch Bench 58.03%
中文 AI 圈里程碑：开源深度研究代理 DuMate-DeepResearch 在 DRB 上拿到 58.03%，与 OpenAI Deep Research 差距缩小到 6 个百分点。
快讯｜arXiv 2606.07404：单 8 GPU 节点训出 120B 稀疏 MoE，激活参数仅 5.93B
LightningLM 0.1V 在单 8 卡节点上完成 120B 稀疏 MoE 全流程训练，激活参数只占 5%，训练 loss 1.78。
快讯｜arXiv 2606.07410 揭示 DeepSeek-R1 数学推理是「拓扑模仿」
研究者把 DeepSeek-R1 在 AIME 2025 的 10247 个推理步骤全部标注分类：模型频繁在「回访中间结果」上打转，缺乏真正的回溯修正能力。
论文解读｜Socratic-SWE：用历史轨迹自演化「技能」的编程代理
arXiv 2606.07412（2026-06-05）：从「做对的事」到「做对的事 + 学到技能」，Socratic-SWE 让 Agent 在解决 1000+ 任务后形成可复用的 Skill Library。
论文解读｜LLM 引导 MAP-Elites 进化：在医疗决策工作流中击败手动设计
arXiv 2606.07342（2026-06-05）：把 LLM 当成「代码进化器」，在分诊、问诊、影像分类三个医疗场景全部击败人工 baseline，紧急召回从 0.60 提到 0.97。
论文解读｜SETA：用稀疏子空间-专家共享解决 LLM 持续学习的稳定性-可塑性两难
arXiv 2606.07500（2026-06-05）：SETA 把 LoRA 类持续学习推上新台阶——在 LLaMA-2 7B 和 Qwen3-4B 上同时提升新任务性能和早期任务保留。
论文解读｜SWE-Explore：把「代码仓库探索」作为独立能力来评测
arXiv 2606.07297（2026-06-05）：一个 848 个 issue × 10 种语言 × 203 仓库的仓库探索评测，揭示了现代编程 Agent 在「先看懂代码再动手」上的真实差距。
论文解读｜DuMate-DeepResearch：国产 DeepResearch 代理在 DeepResearch Bench 拿下 58.03%
arXiv 2606.07299（2026-06-05）：国产团队推出开源深度研究代理，在公认最难的 DeepResearch Bench 上拿到 58.03%，与 OpenAI Deep Research 差距缩小到 6 个百分点。
论文解读｜DeepSeek-R1 数学推理深度解剖：是真正推理，还是「拓扑模仿」？
arXiv 2606.07410（2026-06-05）：研究者用 AIME 2025 的 30 道题、10,247 个推理步骤，把 DeepSeek-R1 和人类数学家对比，得出令人警醒的结论。
2026 上半年十大 AI 编程工具榜：从 Copilot 到 Agent 的工具生态
2026 H1 AI 编程工具完整榜单。基于 150+ 工具实测、200+ 开发者调研、10+ 维度评分。Cursor / Claude Code / Codex / Windsurf 谁是真王者？
本周 AI 大事记（2026-W23 / 06-01 ~ 06-07）
本周 AI 圈 10 条最值得记住的事：GPT-5 SWE-bench 突破 80%、Claude 4 系列发布、Llama 4 重回开源、Mamba-3 长上下文新方案、欧盟 AI Act 半年观察。
欧盟 AI Act 实施半周年观察：监管的现实与企业的真实代价
欧盟 AI Act 2025 年 8 月生效、2026 年 2 月起 GPAI 条款强制执行。本文用半年真实数据观察：监管的实际执行强度、企业合规成本、灰色地带。
Ollama + DeepSeek R1 本地部署完整教程：从 0 到能跑 7B 模型
DeepSeek R1 是当前最值得本地部署的开源推理模型之一。本文用 Mac M3 Pro / Linux 4C8G 两套环境实测，给出从 0 到能用的最小路径。
Claude Code 完全上手：把日常开发效率提升 3 倍的 12 个工作流
Claude Code 1.0+ 是当前最成熟的 Agent 编程工具之一。本文整理 12 个真实工作流，覆盖代码理解、修改、测试、调试、重构全流程。
Claude 4 Sonnet 全方位实测：百万上下文、代码能力与性价比的真实数据
Anthropic Claude 4 Sonnet 公测两周，我们用 12 个真实任务做横向对比。重点关注：100 万 token 检索准确率、代码能力、工具调用稳定性、定价。
快讯：GPT-5 在 SWE-bench Verified 突破 80%，OpenAI 内部目标 85%
OpenAI 内部路线图泄露：GPT-5 主线任务（SWE-bench Verified）目标 85%，目前已达 80.3%。Codex 团队被要求把失败案例重做一遍。
深度专题：AI 编程的范式转移——从 Copilot 到 Agent 到 SWE-bench 通过率 80%
回顾 2022-2026 AI 编程的四个阶段、关键技术转折点、对工程师工作流的真实影响；预测 2027 年 Agent 自主开发 1 周内小项目的可能路径。
行业案例：协和医院用 LLM 把病历摘要效率提升 4 倍
协和医院联合清华团队，把 GPT-4 级别的模型部署在私有化环境，3 个月试点让 120 位医生的病历摘要平均时间从 12 分钟降到 3 分钟。
论文解读：Mamba-3 把状态空间模型推到 100 万 token 上下文
Mamba 系列第三篇正式论文，引入动态内存路由与稀疏注意力混合架构，在 100 万 token 检索任务上首次击败同等规模 Transformer。
Cursor 实战：用 Claude 4 把一周的代码 review 工作流搭起来
本文用一个真实案例演示如何用 Cursor + Claude 4 Sonnet，把代码 review 从「看 PR → 提意见」升级为「AI 先过一遍、人只看关键点」，提效约 60%。