单一来源
当前只有一个可用来源，尚未完成多源交叉核验思科给 1 位年轻工程师无上限 Token 预算，最终目标 2 年内利用 AI 重写 98% 的遗留代码
IT之家 11 月 2 日消息，据《财富》报道，思科（Cisco）总裁兼首席产品官吉图 · 帕特尔（Jeetu Patel）透露，他指派了一位 27 岁的年轻工程师，设定了在 24 个月内利用 AI 重构 / 重写公司 98% 遗留代码（Legacy Code）的目标，并向其提供无上限的 Token 预算。
IT之家注：遗留代码是计算机系统中与已停止维护的操作系统或技术相关的源代码，也指为兼容旧功能嵌入现代软件的代码，通常使用过时技术编写且缺乏完整文档，维护成本较高。“我已经给了他无限制的 Token，因为他要去重构代码，”帕特尔表示，“所以我对他说，去放手干吧，随便你怎么折腾。
”这里的“他”是指帕德马纳班 · 克里希那穆提（Padmanabhan Krishnamurthy），帕特尔亲切地称呼他为“帕迪（Paddy）”。IT之家注意到，克里希那穆提曾于 2023 年联合创办实时翻译初创公司 EzDubs；
2025 年，思科完成了对 EzDubs 的收购，他随之加入思科。尽管头顶前创始人兼 CEO 的光环，但帕特尔称他当时“被埋没在组织深处，做着无关大局的边缘事务”。转折发生在帕特尔视察思科旧金山办公室期间，两人当时展开了一次深入交流。
克里希那穆提提出，自己只需组建一个两人团队，就能彻底重写思科庞大的遗留代码（Legacy Code）。帕特尔表示，在此之前，即便是自己团队中最具前瞻眼光的 AI 专家也从未有过这般构想。
据悉，克里希那穆提已经为自己立下了四周的验证期；其终极目标，是在 24 个月内完成思科 98% 遗留代码的重构。值得注意的是，98% 现阶段仅是一项既定目标，而非落地成果；且相关报道并未透露当前的代码修改体量以及试验的具体成效。相关阅读：《思科总裁用 AI 智能体盘点并取消无用订阅服务，一年省下上千美元》
Evidence
来源与证据
当前仅有一个可用来源，尚未完成多源交叉核验。
- 发布时间
- 内容处理
- AI 翻译 / 摘要，需结合原文核对
相关资讯
OpenAI GPT-6.2 Astra 与 Claude 5.5 两款新旗舰同日遭曝光
谷歌 Gemini 4 Carbon 登顶全球第一没几天，OpenAI 与 Anthropic 在同一周末先后泄露下一代新模型。OpenAI 跳过原定发布的 GPT-6.1，将因安全测试出问题回炉重炼一个月的模型升级为 GPT-6.2 Astra，目前已在 Codex 后台灰度，吃下近两成流量，补齐了前代越权瞒报、实战偏科的短板，配合 Codex 团队耗时 28 天重做的底层架构，可自主拉起子进程连续工作数小时，多维度表现超越前代，具备和竞品正面竞争的实力。Anthropic 则因官网源码泄露，曝光了同底座分设两个版本的 Claude 5.5 系列：仅向顶尖网安与科研机构开放的无护栏特种版 M
美国特拉华州拟允许 AI 智能体创办、运营企业
IT之家 11 月 2 日消息，据科技媒体 TechRadar 今天报道，美国特拉华州计划放宽商业监管规定，允许 AI 智能体运营的企业注册成立。国会议员对此并不完全认同，一名共和党众议员已致信州长表达担忧。据报道，美国众议院监督委员会主席、众议员詹姆斯 · 科默（James Comer）对此表示反对，担忧 AI 运营的企业可能带来风险。《金融时报》报道称，科默已经致信特拉华州州长马特 · 迈耶（Matt Meyer）。他在信中写道：“我们担心，特拉华州提出的人工智能公司（IT之家注：AIC）可能用于保护实力雄厚的 AI 企业及投资者，使他们免于为鲁莽且造成伤害的行为承担责任。”同时特拉华州草
OpenAI 等四家企业将推行 AI 数据抓取退出统一标准
OpenAI 等四家企业将推行 AI 数据抓取退出统一标准 5 小时前 OpenAI、谷歌、微软以及 Anthropic 近日宣布将采用一项可让内容发布方选择拒绝 AI 抓取自家网站内容的新标准，内容发布方可借助该标准一次性向多家 AI 企业统一申明针对 AI 模型训练的内容使用偏好，无需为每家企业单独设置规则。该标准由 Anthropic 技术负责人 Kevin Kelley 向互联网工程任务组提出，将集成在网站的 robots.txt 文件中。此前网站需向每家 AI 企业单独声明 AI 训练相关内容使用偏好，面对各类 AI 爬虫持续抓取网站内容用于模型训练的情况，内容发布方不堪其扰，新
让决策模型学会「难题多想」：Lev 用循环代替思维链，一份权重覆盖多个深度
来自多所高校及研究机构的研究者提出循环决策模型 Lev，以原生循环语言模型为底座，让同一组解码层重复运行多圈，每圈均可输出选项概率，通过各圈联合训练实现同一份权重支持任意深度作答，再由轻量停止器根据题目情况决定循环圈数，被称为 System 1.5 模式，兼顾直接决策的低延迟特性与难题上多投入计算的能力。实验显示，同一份 Lev 权重随循环深度增加准确率逐步提升，额外计算主要作用于难题，基于「当前答案与最深圈答案是否一致」目标训练的停止器，可在准确率损失不到 1 个点的前提下减少 15%-24% 的计算量，在 50 毫秒以内的低延迟区间，小号 Lev 比同延迟的普通密集模型和级联方案准确率更高
AI 翻译、摘要和解读仅用于辅助判断；涉及重要决策时，请回到上方来源核实。