在AI智能体（AI Agent）的开发浪潮中，许多团队正面临一个共同的困境：“修复一个问题，却引发三个更隐蔽的Bug”。这种“按下葫芦浮起瓢”的现象，本质上是缺乏系统化评估体系导致的开发失控——团队像在迷雾中驾驶飞机，只能依靠“肉眼观察”和“事后补救”，无法预判风险，更难以自信地推进迭代。

当 Vibe Coding 正在改变代码生成的范式时，斯坦福政治经济学教授 Andrew B. Hall 已经把它进化到了一个新的维度——Vibe Researching。 他利用 CLI 工具 Claude Code，在约一小时内，全自动复现并扩展了他 2020 年发表在 PNAS 上的一篇关于“邮寄投票（Vote-by-Mail）”的经典实证研究。

机器之心发布当 OpenAI 前 CTO Mira Murati 创立的 Thinking Machines Lab (TML) 用 Tinker 创新性的将大模型训练抽象成 forward backward，optimizer step ...

以DeepSeek‑R1为例，仅靠强化学习训练，模型在AIME数学推理基准上的pass@1从15.6%提升至 77.9%，充分展示了RL在低数据量条件下即可实现大幅能力跃升，迅速成为后训练赛道的新范式。