abstraction

本文引入了一个以概念为中心的基准，用于探测LLM对方向、距离和拓扑等地理空间概念的理解，测试不同模型架构和规模下的抽象性、组合性与接地性。研究结果揭示了当前LLM在概念理解上的明显局限。

讨论埃隆·马斯克的说法：随着AI直接从文本描述生成二进制文件，编程最终将消亡；文章将源代码与汇编进行比较，并思考可验证性和抽象层级的挑战。

这篇文章认为大型语言模型是软件抽象历史中的新一级，使自然语言成为接口，提升了人的能动性，但不会终结编程，而是延续了从意图取代实现的趋势。

一条科普推文，解释张量并非只是更大的矩阵，而是表示跨维度关系的数学对象，独立于坐标系，是物理学、工程学和深度学习的基础。

本文演示了如何在Gleam编程语言中使用延续来抽象不同的计算效果（如错误处理和异步），从而实现可重用的业务逻辑。

本文构建了一个框架，研究线性概念表示在神经网络训练过程中如何涌现，在线性网络中提供精确解，并分析非线性网络中的抽象动态过程。结果揭示了控制抽象的关键原则，并为可解释性和控制提供了启示。

本文介绍了CogniConsole，一种将LLM推理时控制外化的架构抽象，通过受控探针证明增加结构脚手架可降低输出方差和失败率，挑战了可靠性仅源自模型能力的假设。

本文从范畴论视角深入探讨迁移学习，提出深度流形理论，认为神经网络通过无属性数值计算学习关系结构，从而实现跨领域迁移，并解释了分类的内在逻辑。

本文认为，向AI代理授予广泛的工具权限对于生产环境而言是一种不充分的抽象，建议需要更细粒度的控制。

Memora 是一个可扩展的 AI 智能体记忆系统，它将存储与检索解耦，在长周期任务上实现了最先进的性能，同时使用的 token 数量减少了高达 98%。该研究发表于 ICML 2026。

本文批判了当前的编程实践和对大语言模型的依赖，反而主张通过更好的抽象、文档和软件栈来使代码更易于理解和维护。

文章认为，重复比错误的抽象代价更低，并建议开发者避免强行引入抽象，以免后续因条件判断而变得复杂。

本文介绍WorkflowView，一个利用大语言模型将低层次、嘈杂的用户操作序列抽象为可解释的高层次活动的框架，并在浏览器日志、MOOC辍学预测和隐私保护的文档工作流分析中展示了其有效性。

介绍了一种抽象的视觉编程语言，用于使用向量、标量、字形和栖息地来创作动画时钟，重点在于艺术表达和时间表示。

Anthropic 的 Boris Cherny 指出编程正迈向更高抽象层级，工作流从手动编写代码转变为让 Claude 自主决策，并预测今年将迎来下一轮范式转移。

反思性帖子认为，要在前沿AI实验室取得成功，需要在没有地图的情况下运作，研究是关于应对不确定性，而工程则是将复杂系统压缩成有用的抽象概念。

作者以个人经历引出AI时代架构师思维教程，强调在抽象泄漏发生时能理解底层本质的能力比工具使用更关键，分享汇编思维和面向对象思维两种模式。

介绍上下文相关的论证框架（CDAFs），该框架建模了智能体如何通过选择上下文来策略性地影响哪些攻击成功，从而实现基于价值的论证中不可能的操作场景。定义了ACTIVATION-MANIPULATION决策问题，并提供了基线复杂度界限。

本文介绍了一种基于回答集编程(ASP)的CARCASS框架实现，用于在强化学习中构建抽象，并在Blocks World和Minigrid领域展示了其有效性。

一位AI研究员断言，MCP（模型上下文协议）将被视为对智能体至关重要的技术，不仅用于工具连接，还能启用新的抽象，并提到基于它构建的一个新的自我改进系统。