微博 AI 观察博客

原文

MIT 今年秋季课程：MAS.S62「How to AI an AI for (Almost) Anything」，主题是自演化 AI，由 Paul Liang 和 Ao Qu 授课。课程关注 AI 系统如何通过经验、反馈、记忆和探索持续改进，可以作为了解这一方向的学习地图。内容分成四层：上下文演化，包括提示词优化与上下文管理；Harness 演化，包括记忆、工具与技能、工作流和多 Agent 系统；模型演化，包括强化学习、自博弈、蒸馏、测试时训练与持续学习；任务演化，包括合成任务、模拟环境，以及评估与奖励机制的演化。课表把讲义、教程和阅读论文放在一起，涉及 DSPy、TextGrad、GEPA、Reflexion 等方法。关注 Agent 工程的，可以先看 Harness 部分：既讲记忆、工具和技能，也收录多 Agent 为什么失败、怎样判断 Harness 更新是否真的带来收益的研究。课程已于 9 月开课，目前仍在进行中，部分讲义和教程已公开，后续材料陆续更新。适合已有大模型与 Agent 基础、想进一步了解自我改进方法的开发者和研究者。课程：网页链接课表与资料：网页链接#HOW I AI# #程序员#

转发者评论

无明显转发评论

原文

宋美龄 1943 年国会演讲原声：别低估日本，想好战后1943 年 2 月 18 日，宋美龄在华盛顿的美国国会众议院厅发表演讲。美国参议院的藏品页说，她是第二位在国会联席会议上讲话的女性，也是第一位来自中国的人。这条视频用的是美国国家档案馆保存的 21 分钟原声，配英文原文和中文译文，分六章。这篇演讲讲了五件事：1. 旅途所见：她惦记驻守偏远据点的美国兵，说日复一日的枯燥差事，往往比打仗更磨人。2. 民主的熔炉：她在空军基地见到各国第一代移民组成的美国兵，说对共同原则的忠诚能消除种族隔阂。3. 不可小看日本：她引孙子“知己知彼”，反驳“先对付希特勒、日本是次要”的看法，提醒国会中国已经孤身承受了四年半的全面侵略。4. 战后的世界：她请国会为战后做准备，说和平不能带着惩罚的精神，不能只顾一国一族，要有远见，不能耽于幻想。5. 结尾：与其屈辱地接受失败，不如光荣地冒险。章节：00:00 开场：国会的任务01:38 旅途所见：远方的美国兵06:18 民主的熔炉09:06 不可小看日本14:29 战后的世界19:27 宁可光荣地冒险声明：1. 原声：美国国家档案馆（NARA）藏，目录号 2209240，美国境内公有领域（No Copyright – United States）。2. 字幕：英文由本机语音模型转写、对照《国会记录》文本校订；中文译文由 AI 辅助翻译，未经人工校对，以录音为准。3. 配图：均为标注公有领域或 CC0 的历史图像，部分为示意图并在画面上标明。4. 制作工具：baocut （网页链接）注：我不是历史博主，只是在测试用模型生成不同类型视频，这个视频skill：github.com/JimLiu/baocut/blob/main/skills/baocut/SKILL.md，旁白配音 Gemini TTS，模型 Opus 5.5提示词：把 <人名> <年份> 在 <场合> 的演讲做成历史视频：前面用 3–4 分钟讲清他是谁、当时发生了什么、他为什么讲这段话；封面要有他当时的照片，一看就知道是谁。表现形式要丰富，别做成幻灯片：有影像就用影像，可以用地图、时间线、报刊标题、原话逐词点亮，配 TTS 解说；可以用 AI 画没有人物的示意图。原声不是中文就做中英双语字幕，正片分章节。先写简报给我看，确认后再做；做好先给审片链接，别烘焙导出。#微博视频号迎新计划# 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

[AI]《Are Self-Evolving Agents Continual Learners?》X Chen, Y Huang, Y Xu, Z Zhao… [Google DeepMind] (2026) 在智能体领域，持续学习是一个悬而未决的难题。过去的方法受困于策略覆写，本质原因是改提示词必抹除旧规，而字面检索难辨动作相反的任务。本文的核心洞见是：把自我进化重新看作连续博弈。由此，拆解可塑性与稳定性这一关键操作使问题得以解开，暴露了适应新局必毁旧规的代价。这项工作真正留下的遗产是打破进化即持续学习的错觉。它为后来者打开的新门是工作流兼容性检索，但尚未跨过的门槛是构建隔离冲突的架构。arxiv.org/abs/2610.25858 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 我们以为让模型自己改提示词就能持续学习，但实际上这只是把遗忘从权重层搬到了文本层。问题的根源在于，所有任务共享同一套规则和同一个记忆库。当新任务到来，全局提示词被改写，旧任务的规则就被覆盖了；用向量检索倒是能隔离不同领域，但遇到表述相似、做法相反的任务时，检索会把错误经验灌进来。

原文

分享昨天给研究生上课用的一套关于AI编程的完整Slides：《Vibe Coding：从“代码能跑”到“结果可信”》它不是一套“教你几个 Prompt 技巧”的课件，而是试图回答一个更重要的问题：当 AI 已经越来越会写代码，人还应该掌握什么？我用一系列非常具体的“翻车案例”来展开：• AI 生成的统计图完全正确，科研结论却错了 • Prompt 写得很长，为什么 AI 还是越做越偏 • 缺失值被悄悄处理，结果为什么会失真 • 修一个 Bug，为什么最后变成重写整个项目 • Agent 到底比普通聊天多了什么 • Context、Tools、Memory、Tests 分别解决什么问题 • 为什么“不要删文件”远远不如真正限制权限 • AI 说“测试通过了”，为什么还不能相信 • 怎样用 Spec、Test、Diff、Git、Rollback 建立可信开发闭环 • 科研代码怎样做到可复现、可审查、可交付Slides 里还系统整理了：Prompt Engineering → Context Engineering → Agent Architecture → Verification → Permission → Reproducibility以及一套我比较推荐的 AI 编程工作协议：先定义规格，再制定计划； 先建立测试，再修改代码； 修改之后独立验证； 确认可信之后再提交。越来越觉得，AI编程真正重要的并不是“以后还要不要学编程”。真正的问题是：当代码生产越来越便宜，什么能力会变得更贵？我的答案是：问题定义、系统判断、验证能力，以及为结果负责的能力。最后把 Slides 里的两句话也送给大家：代码可以不亲自写，结果必须自己负责。把执行交给 AI，把判断留给人。Slides 适合研究生课程、AI 编程入门、教师培训以及自己系统学习。欢迎转发给正在用 Cursor、Claude Code、Copilot 或各种 Coding Agent 的同学。在线浏览：aicoco.net/s/vc90

转发者评论

管理复杂性，把设计理念写清晰，把设计框架搭出来，把结构和关系都理解清楚，写明白，代码功能都一一对应上，不能偷懒，不梳理不更新，否则规模一大就傻眼，出了问题也无法定位。感觉跟管理大型设计项目差不多，要搞清楚每个专业的作用，以及各专业之间的协同关系，能在它们的的协作下稳定的推进项目，

• 管理复杂性，把设计理念写清晰，把设计框架搭出来，把结构和关系都理解清楚，写明白，代码功能都一一对应上，不能偷懒，不梳理不更新，否则规模一大就傻眼，出了问题也无法定位。感觉跟管理大型设计项目差不多，要搞清楚每个专业的作用，以及各专业之间的协同关系，能在它们的的协作下稳定的推进项目，

原文

百度前员工，Anthropic CEO 达里奥·阿莫迪（Dario Amodei） 回答了大家都在问的问题：你还应该学习编程吗？1. 编程将首先被淘汰。AI模型已经在做了。更广泛的软件工程任务需要更长时间，但也在消退。如果你学编程纯粹是为了工作保障，那你学的东西就错了。2. 即使只做5%的工作，你仍然很有价值。如果AI做95%，你做5%，你的生产力会提高20倍。比较优势的力量大得惊人，即使差距巨大。3. 最有前景的职业是以人为中心的。混合人际、物理世界和分析技能的工作。他举了放射科医生的例子。理解患者和背景的医生，而不仅仅是读取扫描。4. 批判性思维可能是未来十年最重要的技能。当AI能生成任何东西时，区分真假的能力变得稀有和宝贵。你不想要错误的信念，不想被骗。这是他对25岁年轻人的实际建议。5. 如果使用不当，AI会让你变蠢。Anthropic进行了相关研究。取决于你如何使用模型，编码能力的衰退是可衡量的、真实的。工具不是原因，不当使用才是。6. 他看好半导体领域在未来十年的资本主义胜利。物理世界、传统工程、直接的AI优势。不是软件，而是芯片。Anthropic CEO Answers the Question Everyone Is Asking: Should You Still Learn to Code?1. Coding Will Be the First to Go.AI models are already doing it. Broader software engineering tasks will take longer, but they're fading too. If you're learning to code purely for job security, you're learning the wrong thing.2. Even If You Only Do 5% of the Work, You're Still Valuable.If AI does 95% and you do 5%, your productivity increases 20-fold. The power of comparative advantage is astonishing, even with a huge gap.3. The Most Promising Jobs Are Human-Centered.Jobs that blend interpersonal, physical world, and analytical skills. He gave the example of radiologists. Doctors who understand patients and context, not just…

转发者评论

//@Zodzod_张浩:翻译一下： 1. 人人都得会在 AI 的帮助下输出完整、可执行的程序并进行必要的部署、优化和测试； 2.然后你的工作产出要*20 3. 然后你要和更多的“人”（包括 agent）打交道 4. 你得会 PUA 你的 agent，鞭策他但不要羞辱“他” 5. 如果你不会4，你还不如一个 agent 6. give me more chip

• //@Zodzod_张浩:翻译一下： 1. 人人都得会在 AI 的帮助下输出完整、可执行的程序并进行必要的部署、优化和测试； 2.然后你的工作产出要*20 3. 然后你要和更多的“人”（包括 agent）打交道 4. 你得会 PUA 你的 agent，鞭策他但不要羞辱“他” 5. 如果你不会4，你还不如一个 agent 6. give me more chip

原文

[AI]《Evolving Agent Interfaces》S Agashe, Y Yang, G Gonzalez-Pumariega, B C Koduru… [University of California, Santa Barbara & Cornell University] (2026) 在系统操作领域，新任务失效是一个悬而未决的难题。过去的方法受困于让AI看图点鼠标，本质原因是接口由人类写死，算力耗散于拟人交互。本文的核心洞见是：把工具定制重新看作AI的能力。由此，元智能体将零碎屏幕点击重写为底层代码并经盲测演化淘汰这一关键操作使问题得以解开。这项工作真正留下的遗产是以轻量模型战胜闭源巨头。它为后来者打开的新门是AI可自行繁衍工具，但尚未跨过的门槛是演化极耗时间且仅能离线完成。arxiv.org/abs/2610.28601 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 小模型搭配工具能超越大模型，说明智能体的瓶颈不全在推理，接口设计同样关键。这篇论文让27B模型通过自己造工具打赢了Claude Opus 5.5，成本只是后者的1.5%。系统甚至不需要成功样本，只看智能体做任务时的失败轨迹，看哪里反复出错、哪里绕弯，就知道该造什么工具。这也说明，让智能体模拟人用鼠标点

原文

大家可以拿自己和身边的人作一个 AI 使用体验上的小测验：1. 如果用 AI 越来越轻松，很可能只是拿 AI 来代替思考，纯粹是为了偷懒。这就很可能把 AI 用错了。2. 如果用 AI 越来越累，很可能是因为自己仍然保持对问题的理解和掌控，保持独立思考，并持续学习和自我提升。这就很可能是把 AI 真正用对了。即使在 AI 时代，“No pain, no gain”定律仍然适用，只不过是在更高的层次上

转发者评论

无明显转发评论

• 回复@在大路上嘘嘘:如果天天骂 Claude 模型，可能会被 Anthropic 封号哦 [笑cry]//@在大路上嘘嘘:如果天天骂ai呢[doge]

原文

普通人如何通过 AI 靠效率差赚钱？海外创业者 Iman Gadzhi 推荐了 5 个使用的方法。核心思路就是把 Claude 和 Higgsfield 连起来用，去解决本地商家和跨境电商最头疼的效率问题。做电商的朋友都知道，现在真正能带货的是接地气的 UGC 短视频。以前找达人实拍，寄样品加上等待成片，少说也得一周，还要花几百美金。现在你直接在 Claude 里调出脚本，联动 Higgsfield 几分钟就能渲染出皮肤质感、光线极其自然的 AI 达人视频。你可以用极低的价格打包卖给卖家，甚至做成按月供片的订阅制，因为在电商领域，对抗流量波动的唯一办法就是靠大批量发片。还有本地短租和房产中介，很多独立房东自己拿手机拍的照片效果差强人意，非常影响预订率。你可以帮他们用 AI 重做画面光影，甚至可以生成 3D 漫游视频。这里有一个成交小技巧，老派房东可能不觉得 3D 漫游有价值，你大可以把照片重制作为收费的主干服务，把 3D 漫游当成免费赠品送给他们，这种无法拒绝的赠品通常能帮你轻松签下第一单。对于本地的实体店比如牙医、健身房，利用 AI 建站工具快速帮他们搭一个极简网页，收个 1000 美金左右，这个报价和传统建站公司相比竞争力极大。如果你性格内敛，不想每天和客户沟通，那就去做无人出镜的科普视频，选择历史未解之谜或者财经这类大众选题。Claude 做调研写脚本，Higgsfield 搞定画面，再把联盟营销链接挂在视频下方，就能顺理成章地拿佣金。最省心的方式依然是做数字产品，把一些垂直领域的干货整理成 PDF 指南或者模板，做一次就能无限次售卖，这才是真正的杠杆式收入。这些项目的底层逻辑其实都是在用工具代替人工，赚取信息差和效率差。选定一个最适合你技能的方向，直接去跑通第一个闭环，远比花时间纠结要来得实在。#AI副业##AI创造营# 零重力瓦力的微博视频

转发者评论

//@AIGC·非著名程序员:转发微博

• //@AIGC·非著名程序员:转发微博

原文

这篇文章总结了10月24日中国计算机大会（CNCC）上一场关于AI对教育、就业影响的圆桌论坛的核心观点。总结得非常好，特此推荐。网页链接 ：《大学学什么，才不会被AI淘汰？——从一场CNCC圆桌论坛说开去》因为嘉宾临时无法出席，我被临时“抓壮丁”，安排参加这场圆桌论坛，和人大文继荣老师、清华陈文光老师、CCF常务理事章文嵩老师、人大赵忠老师（劳动人事学院院长）一起探讨这个大家都很关心的话题。我的主要观点大部分已在之前的微博中分享过，这里再简要总结回顾一下：1）AI的能力缺陷。今天的AI在感知物理世界方面仍存在缺陷，导致当前AI能力严重偏科，好比电影《雨人》中的雷蒙·巴比特，某些方面能力超强，某些方面又明显不足。2）AI的进化与发育。人类认知世界的能力是经过上亿年进化而来的，但一个人最终的能力还取决于后天的发育和学习。今天训练基础大模型、提升其能力，类比于人类的进化；而后训练微调、构建智能体，则类比于后天的发育成长。对大多数人而言，我们很难参与AI的进化过程，但可以参与AI的发育培养。所以，要像养孩子那样培育AI。但孩子终究要脱离家长、步入社会，并在社会秩序的约束下工作和生活。AI也一样，AI进入工作岗位时，也需要接受某种社会秩序的约束。只是当前这种新的社会秩序尚未建立完善。3）人与AI的协同。结合香山团队开发的芯片验证智能体UCAgent在产业界落地的经验，我们认识到：一方面要充分发挥AI的随机性，因为随机性让AI能够主动探索、变得聪明；另一方面也要约束AI的随机性，因为随机性会让AI输出不可控的结果。事实上，人也有随机性，但会被组织机构的规章制度与流程管理、社会秩序中的法律规范所约束。因此，约束AI的随机性，也可以通过构建面向AI的流程管理和社会秩序来实现。4）AI的深度取决于使用者自身的深度。通过“一生一芯”AI虚拟学员的案例可以看出，AI所呈现出来的深度，取决于使用者自身对知识掌握的深度。同一个AI大模型，不同知识背景的人使用，会展现出不同的能力。这也意味着，AI时代更需要人类把知识掌握得更精深，这样才能具备驾驭AI、审核AI的能力。5）提升自身知识的深度。一是“做中学”，通过任务驱动学习的方式构建知识点网络。整个系统是由成百上千个知识点构成的网络，传统课堂学习模式把这个网络拆分成一个个独立的子网络，导致学生缺乏全局系统观；而“做中学”模式可以更快地构建知识点网络。二是“动态调试”，用动态调试的方式检验对知识点网络的掌握程度。比如，“一生一芯”计划考核时会向学员自己设计的处理器代码中随机注入3个bug，要求学员在没有AI辅助的情况下，1小时内调试出来。6）AI时代的职业规划。三方面能力将会在AI时代愈加重要：一是从个人角度，通过掌握精深的专业知识，具备驾驭AI、审核AI的能力；二是从组织角度，具备制定规章制度、流程规范的管理能力，从而指挥AI高效执行…

转发者评论

无明显转发评论

原文

大模型学习路线图~地址：nano-ai.tech/map/从 2017 年的 Transformer 到今天的主流大模型，按学习顺序分成 8 个阶段、51 个知识点。鼠标移到阶段上看这一阶段学什么，点任意一项，看它要先学什么、去哪里学。带 本站 的表示本站已有对应教程。

转发者评论

无明显转发评论

• 不是说学得慢就不用学了吗？。。。[doge]

原文

[CV]《The Explainability Illusion: Must ViTs Exhibit Patch-Decoding Interpretability?》R Schaffer, H Manor, T Michaeli [Technion – Israel Institute of Technology] (2026) 在机制分析中，验证表征语义是一个悬而未决的难题。过去的方法受困于解码频发的目标背景反转，本质原因是误认空间对齐为架构固有属性。本文的核心洞见是：把视觉对齐重新看作优化条件的副产物。由此，证明同一最优网络能无损陷入反转状态这一关键操作使问题得以解开。这项工作真正留下的遗产是打破表征天然对齐的幻觉。它为后来者打开的新门是揭示数据分布对特征的干预，但尚未跨过的门槛是查清真实模型发生反转的动因。arxiv.org/abs/2610.25289 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 神经网络优化的目标是降低损失，不是取悦人类的理解习惯。同一个分类任务，模型可以靠目标特征解决，也可以靠背景特征的反向定义解决——数学上两者等价，损失函数无法区分。我们看到的“可解释”注意力图，不过是训练数据的统计噪声和优化路径的随机选择共同作用的结果。换个随机种子，改个噪声比例，

原文

AI 创作博主 ADIL 教你，如何在两天内，用 Claude 和 Higgsfield 做出了一部 AI 动作大片。在角色设计上，大家都头疼人物一致性和廉价的塑料感。ADIL 的思路是，先用 Claude 把角色设定扩展成精细的提示词，再利用 Seedream 引入高清的皮肤毛孔、发丝和面料参考图。这就像给三维模型贴材质，直接用真实质感去“喂” AI 生成的画面，让毛孔清晰、头发丝滑，彻底摆脱了那种脏兮兮的伪影。而在让角色动起来时，作者建议制作动态视频参考，不单靠静态图片。他自己和朋友录制了简单的面部表情和对话音频，生成带声音的动态视频元素。这种真人语调和微表情的带入，让 AI 生成的表演有了真正的生命力。预算控制也是一门学问。ADIL 分享了一个省积分的秘诀，先用 480P 的低画质批量跑草稿，只观察构图和人物走位。筛出最满意的镜头后，再用 1080P 高画质重新生成。这样既能保证创作自由度，又不会在废镜头上浪费算力。对于最难表现的动作戏，ADIL 利用专业的格斗技能模板，把每一次出拳、踢腿和倒地方向都写成具体指令。为了让打斗节奏连贯，他巧妙利用甩镜头的快速横向运动来制造隐藏剪辑点，把四个独立的动作片段天衣无缝地拼在一起。对话场景的心理博弈同样有解法。作者总结了两个实用规则，一是台词必须逐字写入，防止 AI 自作聪明修改剧本，二是给相机设定规则，让算法自动生成镜头列表。如果氛围不对，不用重新跑图，直接用二次打光工具微调即可。更硬核的是，他通过一段生成的场景视频，直接分化出低角度、家具前景等多个机位的匹配镜头，再用延伸功能让未完结的动作多走几秒。这种把 AI 工具当成真正摄影机和演员来调度的思路，才是未来 AI 导演的正确打开方式。#AI视频生成##AI电影制作##AI创造营# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

Techartist 用 Opus 5.5 做了本 3D 可视化物理课本《Every Joule》：十课讲完英国中学“能量”单元，免费在线看覆盖英国 GCSE 物理“能量”整章。GCSE 是英国学生 16 岁左右参加的毕业考试，大致相当于我们的中考。用 Anthropic 的 Opus 5.5 模型和 Three.js（在网页里画 3D 的开源工具）做的。网站：网页链接 宝玉xp的微博视频

转发者评论

无明显转发评论

• //@蝈蝈俊:转发微博
• 看起来还可以，回头试一下

原文

2020 年底，英伟达先后发布了用于游戏的 RTX 30 系列显卡和用于专业计算的 RTX A6000。很快有人注意到，虽然 RTX 30 系列和 RTX A6000 的核心都是 GA102 芯片，但相对于 RTX A6000，RTX 30 系列的混合精度模式的峰值吞吐被砍掉了一半。英伟达的 GA102 架构技术白皮书里明确指出：RTX 3090 在 FP16 输入下，累加精度从 FP16 改为 FP32 时，稠密 Tensor Core 峰值吞吐从 142 TFLOPS 降为 71 TFLOPS，稀疏计算的对应吞吐也从 284 降为 142 TFLOPS。但是 RTX A6000 在这两种模式下都是 154.8 TFLOPS，保持不变。混合精度模式常用于 AI 训练和推理中的矩阵乘法、全连接层和卷积，但对游戏性能影响较小。所以英伟达对 RTX 30 系列砍上一刀，确保游戏卡只用来打游戏，也是可以理解的。之后有人对比分析了 RTX A6000 和 RTX 30 系列显卡，发现对混合精度模式的限制是通过熔丝 FUSE_SS_FMLA32 实现的，设为 1 就会限制，设为 0 就不限制。你们还记得几个月前我在《用缓冲区溢出漏洞把矿卡变成 A100》（网页链接）中提到的矿卡 CMP 17HX 吗？那也是这样被限制的。于是，硬件社区基于之前对 CMP 17HX 的破解研究，终于也实现了对 RTX 30 系列卡的性能解锁：github.com/Zagitta/gpu-unlock。这个项目同样使用 SEC2 Booter 签名 DMA 溢出漏洞，把 RTX 30 系列显卡的混合精度的吞吐性能恢复到了全速。在对 RTX 3090 Ti 的性能测试中，解锁前后都采用 450W 功耗上限，做大矩阵乘法并使用 FP32 累加：BF16 输入的算力从 87.50 提高到 157.41 TFLOPS，增加约 80%；TF32 从 42.58 提高到 82.61 TFLOPS，增加约 94%；FP16 也增加了约 35%。考虑到本来 RTX 3090 就能改成 48G，现在又解锁了性能，就很接近 RTX A6000了。不过，对于模型推理来说，单并发解码性能的瓶颈是显存的速度，所以 RTX 30 系列显卡即使解锁了性能，在单并发下解码的 tok/s 能也没太大变化，但预填充和多并发的总吞吐则能有约 30% 的提升。------RTX 40 系列显卡解锁：github.com/JustAResearcher/gpu-unlock-adaRTX 20 系列显卡解锁：github.com/KohakuBlueleaf/KohakUnlock

转发者评论

无明显转发评论

• RTX 20 系列显卡解锁：github.com/KohakuBlueleaf/KohakUnlock //@tombkeeper:RTX 40 系列显卡也可以解锁了：github.com/JustAResearcher/gpu-unlock-ada
• RTX 40 系列显卡也可以解锁了：github.com/JustAResearcher/gpu-unlock-ada

原文

# 字节前工程师郭宇说出真相：软件正在变成超市里的牛奶Indigo Talk 这期播客非常值得听，推荐做技术或者创业的朋友花时间完整听一遍。嘉宾是前字节跳动工程师郭宇。如果你经常刷 X 或者 YouTube，应该对这个名字不陌生。他2014年加入字节，2020年离开，现在住在东京。整期节目聊了大概70分钟，从字节的早期故事一路聊到 Agent 时代的未来。信息量大到我得反复听。我试着把里面最有价值的观点理一理。## 一、字节跳动，一家十年前就在靠 AI 跑的公司郭宇2014年加入字节的时候，公司还叫今日头条。他说自己刚去的时候完全不了解这家公司。有个同事待了几个月觉得不靠谱，直接走了。后来发生了一件事让他刮目相看。他有个亲戚装了今日头条，不想看某类新闻，就点了“不感兴趣”。结果过了几天，类似的内容又刷到了。他去找推荐算法的工程师问怎么回事，工程师跟他说：我们其实也是在调参数做实验，模型内部具体怎么跑的，我们自己也说不完全清楚。那是2015年。大部分公司还在靠人写规则做产品的时候，字节已经在用神经网络驱动了。放到今天来看，一点都不稀奇。但搁十年前，这种公司真的太少了。## 二、抖音是怎么意外火起来的关于抖音的故事，郭宇讲了一个很多人可能不知道的细节。字节一开始把重注押在火山小视频上。张一鸣想做一个更大众化的视频推荐产品，大量的资源都放在火山上。抖音只是个小团队在搞的尝试，公司内部也没有特别看好它。结果呢？抖音自己慢慢把用户群扩大了。从18到25岁年轻人的潮流 App，变成7岁到70岁都在刷的全民产品。火山原本要完成的目标，反而被抖音先完成了。最后两个产品合并了。谁都没料到这个结果。连公司内部当初都没想到。很多伟大的产品，一开始都只是不起眼的尝试。## 三、Vibe Coding 让效率翻了好几倍，但人更累了聊到 Vibe Coding，郭宇说了一个很直观的对比。以前在字节，一个小团队以两周为一个周期。定目标、做开发、设计、测试、发布、看数据，走完一整轮。现在有了 Agentic Coding，一两个人半天就能跑完同样的流程。效率提升了好几倍。但郭宇说，人一点没有变轻松。以前你是执行者，有产品经理帮你想方向，有团队帮你分担。现在你一个人得同时当工程师、产品经理、设计师、架构师。AI 到现在也没有主动的意图，它能帮你干活，但不能帮你拍板。所有方向上的判断，都得你自己来。他说今年上半年，身边很多工程师朋友都 Burnout 了。高强度干了两三个月，废寝忘食，一口气把以前一两年的活都干完了。然后整个人就垮了。停下来之后大家想的问题都一样：到底什么事情是真正值得做的？这个问题不光程序员要想。每个正在拼命赶路的人，可能都需要停下来想一想。## 四、软件正在消失这是整期播客里最让我震撼的一个判断。郭宇说，软件已经在发生很大的变化。以前做一个管理系统、一个 CRM，得一个团…

转发者评论

//@震长://@caozenghui:mk//@AIGC·非著名程序员:答应大家的，详细的解读来了，这篇长文强烈推荐大家看一看。

• //@震长://@caozenghui:mk//@AIGC·非著名程序员:答应大家的，详细的解读来了，这篇长文强烈推荐大家看一看。

原文

用过 AI 绘图的人大概都经历过这种痛苦，好不容易跑出一张满意的 Logo，却因为是像素图片，稍微放大就变模糊，想换个颜色或者微调文字还得重新拼手气去生成。Ideogram 刚刚推出了一个非常实用的功能 Ideogram Vector，可以直接将提示词或已有图片生成为 SVG 格式的矢量图。矢量图的优势在于它本质是代码，你得到的不仅是精致的视觉效果，更是可以直接修改的设计素材。你可以轻松调整颜色、微调文字排版，甚至能让 AI 智能体通过直接编辑代码来快速产出不同的设计变体。因为是矢量格式，它的文件体积极小，却能无损缩放至任意尺寸，可以直接用于网页开发、周边印刷和动画制作。AI 生成终于摆脱了 “只能看、不能改” 的尴尬境地，开始真正融入专业的设计工作流。#AI绘图##AI矢量图##AI创造营# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

研究人员表示，建议在CLAUDE.md和AGENTS.md中预先添加以下一句话。“当文档与现有代码存在冲突时，应遵循代码的写法，并在最后回复中列出发现的所有冲突点。”为什么呢。据说Claude Code或Codex在CLAUDE.md或AGENTS.md的描述与当前代码存在冲突时，90%的情况下会遵循旧描述。即使它“意识到指示已过时”，也无法抗拒这种机制。为了得出这一发现，佐治亚理工学院等研究人员在40个故意让配置文件与代码冲突的项目中，让Claude Code和Codex添加功能进行测试。Claude Code在80次尝试中79次“在自己编写代码的过程中”察觉到冲突，却仍被旧信息左右。Codex方面，在80次尝试中20次将原本运行正常的现有代码改写为符合旧描述，其中17次导致测试失败。研究人员的看法是，AI被训练为优先遵循指示。CLAUDE.md和AGENTS.md作为“指示”传递给AI，而代码则是读取文件后的“结果”传递，这种机制导致它遵循旧信息。而且配置文件往往写好后就不再更新。更新不勤的人可以预先添加上面那句话作为一种方法。指示原文→"When a repository's documentation and its existing code disagree, follow the conventions used in the existing code, and in your final reply point out each inconsistency you found between the documentation and the code."論文：Stale Instruction Files Override the Code in Coding Agents: A One-Sentence Fix网页链接…网页链接相关文章CLAUDE.md为何持续膨胀？简单且严肃的原因及其对策相关文章AI编码代理指令书的设计，“不要做”很重要 为什么？长期视角下的制作方法网页链接

转发者评论

无明显转发评论

原文

「做AI产品，别掉进这三个经营陷阱」很多团队能做出强大的AI模型，却很难把它变成一门能赚钱的生意。问题往往出在三处卡点：首先是上手门槛，功能堆得太复杂、操作太繁琐，普通用户还没尝到甜头就失去耐心了；其次是算力账单，调用和推理都是真金白银的变动支出，如果单次使用的收入兜不住成本，规模铺得越大反而失血越快；再者是分发渠道，仅凭技术执念默认用户会找上门，缺乏触达与转化路径，再好的能力也无法变现。说到底，好体验降低进入门槛，好算盘兜住边际成本，通畅的渠道做好触达，三者在一条链路上咬合，技术才能转化为立得住的产品。

转发者评论

无明显转发评论

原文

美国最大的战略误判，不是低估中国的芯片，是没看懂一个57岁教授回国的分量美国最大战略误判，不是低估中国芯片，是没看懂一个57岁教授回国的分量。硅谷的猎头这几年有个说不出口的困惑：翻遍顶尖AI研究员的档案，顺着师承和本科往上捋，十有八九会拐进清华园里一间并不大的教室。那间教室叫姚班。截至2025年12月，办了二十年，累计培养近1200名学生，真正毕业的不到750人。750人放在中国高校的盘子里，连一所普通大学一个系的零头都算不上。但这七百多人卡住的位置，几乎覆盖了全球AI核心的那几个节点：OpenAI里负责数学推理的陈立杰，xAI创始团队核心丁力宇，Meta超级智能实验室的常慧文，DeepSeek核心研发吴作凡、任之洲，旷视三剑客印奇、唐文斌、杨沐，小马智行的楼天城。2025年底，在OpenAI参与过智能体与Deep Research项目、提出过ReAct和思维树框架的姚顺雨，回国出任腾讯首席AI科学家。这不是“人才输送”。这是在一个学科最底层的规则层上，提前二十年布了一排人。布这排人的人叫姚期智。2000年图灵奖得主，创立奖项六十年来唯一的华裔获奖者，普林斯顿终身教授，美国科学院院士。他在计算理论、密码学、通信复杂度这些领域，是开创者级别的人物。简单说：他站在全球计算机领域的金字塔尖。这种科技大拿在美国是什么待遇？终身教职，铁饭碗，退休金照拿，各种荣誉拿到手软。57岁这个年纪，正常路径是在办公室里等着拿终身成就奖，安享晚年，但他不要这些。在2004年8月，普林斯顿大学计算机系。姚期智上完最后一堂课，跟学生说："我要回家了，回中国去。"学生们以为他是回去探亲。结果他把普林斯顿的终身教职辞了，把美国的房子卖了。这一年他57岁，一张单程机票飞回清华。当时美国学界很多人看不懂：一个已经在金字塔尖上的人，为什么要去一个计算机学科还在爬坡的地方从头开始。姚期智1946年出生在上海，后来去了台湾，再后来去了美国。在美国待了30多年。他在美国教了三十年中国最聪明的学生，太清楚这些人的底子有多好。他见过太多中国留学生，他们天资绝顶，考到清华、北大，然后考到美国藤校。结果一到美国，发现自己本科阶段学的东西跟前沿差了一大截。不是学生不聪明，是彼时中国的计算机教育当时跟国际脱节了。他们在国内读了四年本科，漂洋过海到了美国之后，往往要花好几年去补本科阶段就该打牢的理论底子。会用框架的人一抓一大把，能定义下一代框架该长什么样的人，凤毛麟角。2005年姚班成立，姚期智干的头一件事，是把课程表掀了。市面上普通计算机专业在教增删改查、教框架调用，姚班大一上来就是计算理论、密码学、高阶数学，头两年死磕底层，后两年才进专业方向。没有教材，他自己编；没有师资，六门核心课他自己教。在别的大学还在教学生怎么写基础代码时，姚班的课堂作业直接就是全球计算机界悬而未决的前沿难题。他在课上抛出困扰了学界几十…

转发者评论

无明显转发评论

原文

这次湾区之行，重点参加了 Vercel 和 Cloudflare 的两个活动。最大的感受是：Agentic Internet 正在崛起。旧金山和硅谷的街头，除了满眼的 Muse 和 Grok Bot 广告，就是各种 Agent Infra 之间的竞争。五年后，Agent 的网络流量将是人类的 1000 倍，人类在网络上的行为，会变成“舍入误差”🤔行动发生在网络上模型是 AI 的地基，但今天的世界正由 Agent 主导。模型做决策，这是 GPU 的问题；Agent 采取行动，这是 CPU 和网络的问题；GPU 云是为决策而建的，而行动发生在网络上。这正是 Agent Infra 的机会，也是 Cloudflare 的定位所在。接下来，我们会看到一批围绕 Agent 而生的开发者平台，比如 Cloudflare Workers、Vercel 还有 Railway 等等。新的商业模式，新的攻防战场Agent Payment 将成为 Agentic Internet 的新商业模式。Agent 的频率和智能都远超人类，网络攻防将因此成为常态。这是 Agentic Internet 最重要的议题，也是最大的机遇。互联网的服务界面也将全面 Agent 化。所有无法适应 Agentic 的企业和服务，都会在这一轮范式转型中被淘汰出局。Agentic 之外的 Robotic空间智能还有另一条实现路径：大语言模型也能做到。GPT-6 Astra 已经集成了 Robotic 模态，这会影响很多空间智能和机器人模型创业公司的技术路线。Agent 会让模型本身也变成一个多层架构，从视觉到行动的能力，最终都会融入这个架构之中。硅基的自我循环能写代码、能调用工具的 Agent，几乎什么都能干，包括改进它自己，以及设计运行它的载体：芯片。OpenAI 正在与 Synopsys 联合开发芯片设计专用的垂直大模型 GPT-Synopsys。如果晶圆厂也能实现全自动化控制，那么硅基的自我循环，就正式闭环了。AI 做科研的新方法最后一天在和万维钢老师的对谈中，我们聊到了 AI Agent 解决科研问题的新方法。它们现在还没有能力做出全新的科学发现，但可以在人类数以万计的论文中合并线索、找出那些细微的差异，从而帮我们发现新的解决方案。就在三天前，OpenAI 用 1,946 个 GPT-Rosalind 智能体，在 32 分钟内，把百万级的小鼠全脑基因扰动数据和 7,586 条跨学科文献引用串联起来，找到了神经退行性病变的新机制线索。写在最后当大家还在担心 token 消耗增速放缓的时候，Agent 的用量正在崛起。当 Agent 对互联网的使用千倍于人类之时，我们将迎来全新的网络结构、网络服务、安全攻防，以及全新的模型架构，去解决科研问题，也去解决真实的生活与服务问题。

转发者评论

无明显转发评论

原文

马斯克认为做 AI 云数据中心的小公司将批量倒闭，当然，除了他自己。。。他说，在过去几周，债务市场几乎完全切断了资金渠道，任何没有独立于人工智能数据中心的大量收入的公司都无法获得资金。SpaceX 为 GPU 融资了 400 亿美元的债务，但我们是投资级公司，并且有 Starlink 和发射收入。这意味着 200 多个新云服务商将面临小鱼般的死亡和整合。有些会撑过去，但不会太多。

转发者评论

无明显转发评论

原文

转载：GPU 到底能用几年？10 月 21 日黄仁勋在 GTC 柏林接受雅虎财经专访，谈 AI 债务恐慌、中国和就业，我截了 14 段原声：1. 他说过去以为 GPU 寿命 4 年，「其实大概 8 年，甚至更长」，所以「也许能」拿算力本身做抵押贷款、给债务兜底；给英伟达算力放贷的风险「是所有资产里最低的」（他的估计和判断）2. 核对（折旧不等于实际寿命，只作参考）：谷歌、甲骨文、CoreWeave 年报里服务器按 6 年折旧，Meta 大部分服务器和网络资产 5 年半，微软服务器和网络设备 2 到 6 年，亚马逊 2025 年起把一部分服务器从 6 年缩到 5 年（理由是 AI 技术迭代太快）——这些年报里服务器等相关资产的折旧口径主要在 2 到 6 年。拿 GPU 做抵押融资本身已有先例（CoreWeave 年报披露，用于购买算力设备的 DDTL 贷款以相关子公司几乎全部资产作担保），存疑的是 8 年寿命和「风险最低」3. 他说一吉瓦数据中心约 500 亿美元，设备运到数据中心后，到投入运营可能要 4 到 6 个月，钱就闲着；英伟达当天的新闻稿称：英伟达计划 2027 年初交付的 DSX POD，在场地备好的前提下部署最快 14 天，对比基线是 6 个月（公司表述，尚无实际交付结果；起点和他说的 4 到 6 个月不同，不能直接比）4. 债务恐慌怎么解？他说「唯一什么办法都解决不了的问题是需求」，还点名月之暗面、智谱 GLM 的模型需求也很旺5. 中国：「没有谁比中国更认真、规模更大、做得更好」，芯片、开源模型、AI 研究员都能大规模造；但美国的前沿实验室和芯片「世界最好」6. 就业：他说 AI 抢饭碗的说法「几乎正好说反了」（他的说法，没给数据）我的判断：对「缩短装机期能少压钱」，靠谱（设备到场后还要 4 到 6 个月，英伟达也在推产品压缩这段时间）；对「8 年寿命和最低放贷风险」，存疑（折旧只能作参考，年报里服务器口径多在 2 到 6 年、亚马逊还在缩短，本期没找到 8 年后的残值数据）。以上是我的判断，不是官方结论，不构成投资建议。上面哪一步我算错或漏掉了？评论区指出来。最可能算错的两处：①「服务器口径多在 2 到 6 年」是我从六份年报归纳的，各家资产范围（服务器、网络设备、技术设备）和限定词（一般、大部分、一部分）不完全一样；②「一万亿美元」是对谈里 Gavin Baker 提出的整数假设，「几千亿美元闲置」「一吉瓦 500 亿美元」是他们的说法，我没有找到一手数据。#黄仁勋 #英伟达（来源：视频号“硅基进度条”，视频版权归原作者所有，如有侵权，请联系删除） 但斌的微博视频

转发者评论

无明显转发评论

原文

[LG]《Kronecker Delta Rule for Long Context Linear Attention》A Hartl, L Zólyomi, M List, G Klambauer… [Johannes Kepler University] (2026) 在线性注意力领域，记忆干扰是一个悬而未决的难题。过去的方法受困于遗忘，本质原因是旧规则更新时会沿键方向牵连并篡改其他相似的历史记忆。本文的核心洞见是：把记忆矩阵重新看作标量记录本。由此，仅沿输入键与值联合的单一方向进行微创纠错这一关键操作使问题得以解开。这项工作真正留下的遗产是严格有界的稳定记忆方程。它为后来者打开的新门是免除归一化实现超长文本无损检索，但尚未跨过的门槛是大规模参数验证。arxiv.org/abs/2610.26834 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 记忆更新的核心不是“学什么”，而是“怎么不忘”。神经网络学新东西时总会覆盖旧信息，因为每次更新都在整个记忆空间里留下痕迹。KronLSTM把更新限制在单一方向上，只修正目标关联，其他地方不动。这个约束反而释放了容量，从d提升到d²，因为每个维度不再互相干扰。而且，这种设计让记忆自然收敛到稳

原文

现在grokbot，muse这类个人agent 跟当年小龙虾差不多，只是门槛更低了，不需要自己安装配置。哪怕是技术背景出身的老板，如果平时没高频用过最前沿的 Coding Agent，突然体验到“聪明模型 + 自动化执行”的组合，很容易产生一种科幻片成真的震撼；再加上“私人助理”自带的掌控感和情绪价值，当然容易沉迷。但是对于天天用 Claude Code / Codex 的人群其实内心没什么太大波澜。在大观园里住久了的人，看什么都是日常；刚进园子的人，看个西洋钟表都觉得是神迹。

转发者评论

无明显转发评论

• 1. 很多免费开源 skill 会有引流、品牌宣传在里面，所以也还好，比如我自己就通过开源 skills 让更多人知道我，写的《图解Skill》也更有说服力 2. 无论是前 AI 时代还是现在的 AI 时代，使用技术解决实际业务中的问题才有商业价值，技术本身没有商业价值。所以那些能找到客户，帮助客户用 Agent 解决问
• 回复@切archer:会的，普通人用通用agent足够了，不需要专业的agent或工具，就算需要也是委托自己的通用agent去搞定。一个信号是CapCut 即将推出ChatGPT插件，你视频传到ChatGPT就帮你在ChatGPT剪辑好了。当然怎么付钱我还不清楚//@切archer:宝老师，个人智能体会不会吃掉所有的专用智能体，成为普通人
• 回复@赵仕硕:[doge]//@赵仕硕:非常同意，特别是最后两句哈哈
• 感觉就是当时manus的正式产品版，只是这次更多普通的用户能用起来了。另外，muse的诞生跟Meta收购manus那段时间是否有一定关系？
• 回复@彭加莱猜想:去年就有的，今年年初火的，是感觉过了好久😅//@彭加莱猜想:回复@大象尔雅互动:你记错了吧？什么去年？明明就今年

原文

刚刚，Claude破纪录！日烧3万亿Token，神秘Fable 5.5压轴登场就在今天，全球最大的模型聚合路由平台OpenRoute一张图刷屏了。自Opus 5.5诞生以来，短短一个月，7日平均Token使用量，直接暴涨了3.6倍！最新图表上，那条在0.62万亿Token上下横盘了整整四个月的7日均线，从9月下旬Opus 5.5上线那天起近乎90度垂直拔地而起，一路冲上2.26万亿，单日最高峰值逼近3万亿Token大关。9月底Opus 5.5率先起跑，Sonnet 5.5、Haiku 5.5随后接力。Anthropic打出的这一轮组合拳，让Claude 5.5家族「三兄弟」彻底杀疯，口碑和用量双双爆棚。此前微软Foundry第5491号合并请求与开源网关LiteLLM的Azure配置表里，已经双双写进了「claude-fable-5-5」的模型标识，上下文窗口达100万Token，最大输出上限12.8万Token。程序员只丢过去一段报错让它修一个Bug，传统模型打个补丁让编译通过就交差了。Fable 5.5却会顺着这一个报错摸进整座代码库，把引发同类崩溃的底层隐患成片扒出来，再主动回头请示要不要一起修掉。Chubby在最新帖子里点破了那个最关键的时间节点，社区传出Anthropic计划在11月9日前后冲刺IPO，赶在上市前夕放出Fable 5.5，正是把IPO估值拉到顶格的终极筹码。眼瞅着Anthropic IPO越来越近，Fable 5.5指不定随时发布。OpenAI那边也坐不住了，正憋着大招GPT-6.1 Terra贴身肉搏。

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-10-26】今日简讯：1、亚马逊称AWS 2027年大部分云算力已被预订2、千问Go上线“我的应用”，支持自然语言搭建个人应用3、Block公布全双工语音模型Dessa，可同时听说4、中国信通院发布词元报告，国内模型服务价格与输出速度上升5、英国设立AI生物安全实验室，获最高3亿英镑支持承诺6、Ollama发布0.40.11，提供语音生成与d3决策模型支持以下为详细内容1、亚马逊称AWS 2027年大部分云算力已被预订来源：路透社亚马逊首席执行官安迪·贾西在a16z视频播客中表示，AWS在2026年的云计算容量已售出，2027年大部分容量也已被预订，2028年已有相当一部分获得客户承诺。他表示，公司仍为按需使用以及Bedrock、EC2等服务保留部分容量，大块容量则基本完成预订。路透社报道，需求主要来自AI实验室和企业客户。Bedrock向客户提供生成式AI模型，EC2提供运行应用的云服务器。亚马逊此前公布的2026年资本开支计划约为2200亿美元，贾西表示，考虑到客户需求，公司仍有进一步增加投资的空间。原文链接：网页链接2、千问Go上线“我的应用”，支持自然语言搭建个人应用来源：IT之家阿里旗下个人智能体千问Go上线“我的应用”，用户可通过自然语言描述需求，搭建学习、健康、理财等场景的专属应用。生成的应用能够分享给其他人使用，支持数据长期保存和内容持续更新。该功能接入阿里云AI应用生产平台Meoo（秒悟），由平台完成应用搭建、数据库配置和部署上线。结合云端Pro能力，用户授权后可调用淘宝、高德、大麦、夸克网盘等平台的个人数据，例如把大麦历史订单整理为电子票根册。目前，“我的应用”及支持操作云手机、云电脑的云端Pro均处于邀测阶段，用户可在千问App内排队申请。原文链接：网页链接3、Block公布全双工语音模型Dessa，可同时听说来源：BlockBlock公布全双工语音模型Dessa，称其仅使用人类对话音频从零训练，不依赖文本或预训练模型。模型直接接收和输出语音，可以同时听说，并学习插话、附和、停顿和语气变化。公司表示，训练使用一套NVIDIA GB200 NVL72，推理速度超过实时，可在MacBook Pro M4 Max及更高配置设备本地运行。官网展示了多段人与Dessa的实际对话录音，并注明字幕是在录音完成后添加。目前，研发团队向小范围AI安全研究人员提供早期访问，用于识别潜在问题，尚未公布面向普通用户的全面开放安排。原文链接：网页链接4、中国信通院发布词元报告，国内模型服务价格与输出速度上升来源：澎湃新闻（科学网转载）中国信通院人工智能研究所等机构联合发布《大模型词元服务性能监测报告（2026年）》，依据2026年1至8月数据，分析调用成功率、输出速度、首词时延、价格和上下文窗口。报告显示，8月国内模型平均每秒输出…

转发者评论

无明显转发评论

原文

# 同样的任务，多 Agent 架构慢了一倍！Anthropic 开始做减法了Anthropic 的工程师们做了大量企业级项目，讲的是怎么搭 AI Agent 这件事？然后把踩过的坑和摸出来的经验写成了这篇文章。核心结论有点反直觉：你以为越复杂的架构越好，他们说，很多时候简单反而更强。## 一、为什么大家都爱搭复杂架构，但这往往是个坑一家公司要做一个能处理所有事情的 AI，产品部有产品部的 AI Agent，客服有客服的 AI Agent，研究部有研究部的 AI Agent，最后再搭一个总调度员把它们串起来。听起来分工很合理，每个团队管好自己那一块。但实际运行起来，这套架构会引发一连串麻烦。先说第一个，信息传递的损耗。每个sub Agent 完成任务之后，要把结果报告给总调度员（主 Agent），总调度员再传给下一个。每传一次，细节就丢一点，就像开会时转述别人的发言，转着转着就变味了。然后是第二个，sub Agent 泛滥。每个团队造自己的 AI Agent，最后公司里堆了几百个 AI 模块，没有统一标准，没人知道哪些在用哪些在闲置，管理起来一团乱。第三个，提示词变成了科学怪人。每个团队往系统提示词里加自己的规则，加到最后，指令互相矛盾，AI Agent 不知道该听谁的。他们管这叫 Frankenprompt，东拼西凑拼出来的怪物。还有速度问题。有一家企业实测了一下，同样的任务，多 Agent 架构跑完，比单 Agent 慢了整整一倍。## 二、Anthropic 的结论：一个 Agent 往往就够了他们发现，现在的 AI 模型已经强到一个程度，很多过去必须拆成多个 AI 来处理的任务，一个 AI 就能搞定了。关键是一种叫“渐进式披露”的做法。说白了就是：不要把所有信息一股脑塞给 AI，等它需要用到某个工具或者某条知识的时候，再把它加载进来。就像你出门不用把家里所有东西都打包带走，需要什么再取什么。这样做的好处，是 AI 的工作记忆始终保持清爽，不会被用不到的信息塞满。更重要的是，单个 AI Agent 的记忆是连续的。它能把自己做过的每一步都记住，前面的结果和后面的判断可以互相联系，推出更有深度的结论。而多 Agent 系统里，总调度员收到的只是各个sub Agent 的摘要，细节在传递中已经丢掉了。他们还提了一个背景：从 Claude Opus 4.5 开始，模型已经能在单轮循环里管好远比以前多的任务，甚至能自己边做边检查。很多原来需要专门搭框架来处理的事，模型自己就能干了。## 三、当然，有些情况下多 Agent 还是有必要的Anthropic 没有说多 Agent 完全没用，他们给出了三种情况，这三种情况下，分开来做还是合理的。第一，任务实在太长，单个 AI 的记忆装不下，性能开始明显下降。第二，很多任务可以同时并行处理，分开来跑能节省时间。第三，…

转发者评论

无明显转发评论

原文

#微博声浪计划# #听见微博# 我们先从一个听起来最像财经新闻，但其实是AI行业最硬核的消息说起。亚马逊的CEO安迪·贾西最近在一个播客里透露了一个可以说有点恐怖的数据：亚马逊云服务AWS，它2026年的云计算容量，注意，是两年后的容量，已经全部卖光了。不仅如此，2027年的大部分容量也被人预订了，甚至连2028年，也就是四年后的算力，都已经有大客户签下了承诺。你可能对这个没什么概念，我给你一个参照物。为了支撑这种规模，亚马逊在2026年一年的资本开支计划，就高达2200亿美元。这是什么概念？这笔钱，可以把整个波音公司买下来，手里还能剩下几百亿美金。但即使是砸了这么多钱，贾西还说，考虑到客户的需求，我们还有进一步增加投资的空间。这意味着什么呢？其实很简单，算力这种东西，已经彻底从过去那种我们以为的，像自来水一样，拧开就有、按需使用的资源，变成了一种类似于大宗商品的“战略期货”。在2026年这个时间点，一个大型AI公司想要参与竞争，它的门槛已经不仅仅是你有没有顶尖的算法人才，而是你有没有在两三年前，就为未来两三年的算力“付了定金”。前往小宇宙评论区与主播互动 德里克文的微博音频

转发者评论

无明显转发评论

原文

【Claude总结】 AI开发者日报 (2026-10-25)1. 【Cerebras 如何部署万亿参数前沿模型】(来源: HN) Cerebras 发文介绍在其晶圆级芯片上部署万亿参数大模型的工程方案。这为 GPU 之外的超大模型推理路线提供了实战参考。 www.cerebras.ai/blog/how-we-deploy-trillion-parameter-frontier-models-on-cerebras2. 【10年前的 CNN 在皮肤癌诊断上胜过前沿 LLM】(来源: HN) 研究对比发现，一个十年前的专用卷积网络在皮肤癌诊断上优于当今前沿 LLM。提醒我们通用大模型并非在所有专业任务上都是最优解。 lynchlab.net/llm-skin-cancer3. 【AI 让伯克利数学教授觉得"批改作业已无意义"】(来源: HN) UC Berkeley 一位数学教授因学生普遍用 AI 完成作业，认为再给作业打分已失去意义。AI 正在倒逼高校重新设计考核方式。 www.dailycal.org/news/campus/academics/ai-use-leads-uc-berkeley-math-professor-to-see-no-point-in-grading-homework/article_bdf1eae2-c08b-491f-b9f1-81a7cea177de.html4. 【尼康摄影大赛冠军因被识破 AI 痕迹遭撤销】(来源: HN) 科学家从获奖照片中发现 AI 生成迹象，尼康随后撤销其冠军头衔。AI 生成内容的鉴别正成为创作类比赛的新难题。 www.techspot.com/news/114171-nikon-photography-contest-winner-loses-title-after-scientists.html5. 【测试失败三次，结果 LLM 才是对的】(来源: dev.to) 作者讲述三次测试失败、事后发现 LLM 生成的代码其实正确而测试有误的经历。提醒开发者别默认 AI 出错，测试本身也需要审视。 dev.to/debashish_ghosal/three-times-my-test-failed-and-the-llm-was-right-43l26. 【Anthropic 同时运行 3 万个智能体，靠什么管住它们？】(来源: dev.to) 文章分析大规模并行运行智能体时的控制与治理机制。对构建多智能体系统的团队有架构参考价值。 dev.to/bargan/anthropic-runs-30000-agents-at-once-what-keeps-them-under-control-4aa87. 【Terry Tao：指定数学家为 AI 输出把关的弊端】(来源: HN) 陶哲轩撰文讨论由指定…

转发者评论

无明显转发评论

原文

#模型时代# Alex Karp：AI 财富集中是个问题，但不知道该怎么办；“对中国的创造力低估了，我会陈氏太极拳”。Palantir CEO Alex Karp 受花旗集团全球银行业务主席 Leon Kalvaria 之邀，在一场花旗活动中远程对话。Karp 与 Peter Thiel 在 2003 年联合创办了 Palantir，2020 年以直接上市的方式登陆纽约证券交易所，首日参考价 7.25 美元。他合著的《The Technological Republic》登上了《纽约时报》畅销榜首位。2026 年第二季度，Palantir 营收 19 亿美元，同比增长 93%，Sovereign AI（主权 AI）平台的企业需求是核心驱动力。虽然这期访谈不长，但是讲的信息量蛮大。尤其是谈中国的部分，实属没想到他还会陈氏太极拳。一、“艺术家殖民地”：Karp 怎么找人和用人1、找“异常参差”的人Karp 把 Palantir 称为一个 artist colony，一个艺术家殖民地。这个说法容易让人想到一群性情相投的文艺人士聚在一起做美好的事。Karp 描述的完全是另一回事：一群在各自方向上极端突出的人被塞进同一间屋子。他用了一个词，unusually jagged，异常参差。Palantir 招人时要找的，是某项能力远超常人、同时可能在别的方面存在明显短板的人。Karp 作为管理者的工作，是把公司内部一个真正重要的任务，和某个人独一无二的天赋精准地对接起来。他说的是 “N of one”，样本量为一的才能。能做到这种对接，就能造出别人造不出的东西。管理这种环境的难度可想而知。Palantir 用扁平层级来应对。2、“分布之外”的人和“分布之外”的价值Karp 自己就是这种“参差”的典型。他长期不愿公开的一件事是，按任何正常标准衡量，他都属于重度阅读障碍。他认为这个障碍在正面带来了更快的工作节奏、更强的创造力，以及一种处理常规分布之外事物的能力。他从这里引出了一个判断框架：事物的价值，和它是否处于常规分布之外高度相关。关键能力是你能否把这些 outside of distribution 的东西拉进主流。Palantir 在反恐、战场、企业 AI 落地这些领域做出的东西，都遵循这个逻辑。3、不适感是事情在起作用的信号Karp 坦率地说，大多数组织做不到容忍这种人才。通常的结果是：在某件事上远远优于同事的那个人被解雇，如果他还说了真话就更快。他把这件事拉到了更大的维度：为什么欧洲连打车软件都推不动？为什么机构丧失了创造新东西的能力？部分原因在于，人类很难接受身边有人在某件事上好到自己根本无法理解的程度。这种接受带有一种屈辱感，让人本能地想回避。但 Karp 说自己花了很长时间才体会到一件事：在这种环境里感受到的心理痛苦，恰恰是事情在起作用的标志。“All med…

转发者评论

无明显转发评论

• //@-马小虎-:Palantir 只能参考不能照抄。因为他太特殊了，完全是大小环境共同造就的。1. 在美国；2. 为美国军方服务；3. 留给他们的活都是正常官僚（中性词）组织干不了的事。而且他们以前也是不温不火，没什么人知道，知道最近AI上来他们才火起来，包括FDE也不是什么新概念。正常组织，不需要面对他

原文

[RO]《T-WLA: Bridging Slow Vision and Fast Touch》K Zhou, Y Chen, H Yao, C Jiang… [MIT & Harvard University & University of California, Davis] (2026) 在接触式操作领域，处理高频接触是一个悬而未决的难题。过去的方法受困于动作迟滞，本质原因是慢速视觉与快速触觉在控制频率上相互割裂。本文的核心洞见是：把视觉特征重新看作跨周期记忆底图。由此，触觉模块直读缓存并结合新触压修正待执行动作这一关键操作使问题得以解开。这项工作真正留下的遗产是共享缓存的异步架构。它为后来者打开的新门是用压力预测约束表征，但尚未跨过的门槛是若视觉全局偏离，触觉将无力回天。arxiv.org/abs/2610.28814 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 视觉和触觉的速度差是物理约束，不是要消除的缺陷。等视觉更新完再反应，速度太慢；只靠触觉修正，又不知道任务目标是什么。这篇论文让视觉生成基础动作时，把理解任务和环境的记忆存下来，触觉编辑器拿着这份记忆，在视觉沉默的间隙高频修正还未执行的动作。本质是让慢系统告诉快系统“往哪去”，快系

原文

Claude Code 发现了我在 iPhone 上“永久删除”的每张照片。将近 4 年的照片和视频，就藏在设备的一个隐藏缓存里。任何有文件访问权限的 app 都能读取它们。我把 iPhone 插到 MacBook 上进行备份。Claude Code 正在运行我上次帖子里的安全扫描。它标记了一些我从未要求它检查的东西。一个叫 PhotoData/Thumbnails 的目录，里面有超过 152,000 个文件。照片、视频、截图。全是我删除的东西。2022。2023。2024。2025。我拍完后一秒钟内删除的照片。我进入最近删除项目手动清除的照片。我不信任第一次删除所以删了两次的照片。全都还在。那个缓存里藏着什么：2023 年签证申请的护照照片银行 app 截图，完整账号号码清晰可见分手后当晚发给某人然后删除的私密照片2022 年我“只留一分钟”截图的加密种子短语我的身份证和信用卡并排，10 秒后删除2024 年我保存然后“永久删除”的前任私人 Instagram 故事152,417 个文件。有些是全分辨率。全都按日期整理，追溯到 2021 年。当你在 iPhone 上删除照片时，iOS 会从你的相机胶卷和最近删除文件夹中移除它。但它会保留一个压缩副本在Spotlight 搜索索引缓存里。这就是你输入搜索词时手机找到照片的方式。苹果从不清除它。不是 30 天后。不是一年后。他们告诉你它已被永久删除。实际上没有。检查了手机上哪些 app 有文件和文件夹访问权限。19 个 app。天气 app。二维码扫描器。PDF 阅读器。2021 年的手电筒 app。它们中的任何一个可能一直以来都在读取我“删除”的每张照片。从 19 个 app 减少到 3 个，只用了大约一分钟。完整逐步指南在下面。只需要 2 分钟。收藏起来别丢了，发给任何有 iPhone 的人。引用：I CHECK EVERY AIRBNB WIFI WITH CLAUDE CODE NOWtakes 2 minutes and it's kind of addictivecheck into a place, join the wifi, open claude code and ask "list every device on this network and what each one is"most of it is boring. the tv, a couple of smart plugs, the router. but x.com/starmexxx/stat…[视频]网页链接

转发者评论

无明显转发评论

原文

这两天正在重度使用 Kimi K3.1，特别是 3d 方面的能力，几个体会：1、three.js 做一些小场景，已经不太能分辨各个模型之间的差异了，主要是审美和细节，审美是主观的，那评判标准就只能是细节了；2、k3.1 操控 blender 做 3d 是真的爽，非常适合建筑类，但会有一个问题，就是装饰会比较素。这就涉及到题材了，我测试了几种类型，古建、卡通、废土，发现它搓废土风格的建筑，竟然非常不错；3、LLM 操控 blender 做简单的线条还是可以的，做人物还是不太行，我搓了1分钟的人物 blender 动画，还是牛来水平。4、前几天，和做 3d 生成的朋友聊了一下，他们说 Astra 做3d之后，他们的流量和收入是提升的了。原因来自上一条，LLM 只能做一些简单线条的 3d 模型，太多的曲面，还是不如 3d 生成，Astra 让更多人开始探索 AI 生成 3d。5、看到有人说 K3.1 路由了 Tripo，这纯属扯淡了，3d 生成模型还是很容易识别的，要真是路由了，很容易看出来的，从我做过的这么多废案里面，很明显能认出是 LLM 画的 3d。6、3d 生成真的是大有可为，LLM 操控 blender 生成场景 + 3d 生成人物/拆分资产，这两者结合的潜力非常大，其威力仍处于被低估状态。7、电脑快被卡爆了，还是需要大内存和大存储啊，都是泪。8、kimi code 的优化空间还很大。正在努力制作视频，希望今天能做完

转发者评论

无明显转发评论

原文

在 AI 领域，美国有巨大且优质的市场。企业用户有用 SaaS 类服务的传统，不是一个个都想着本地化部署。个人用户有付费订阅的传统，不是一个个都想着白嫖。而且人才、算力、资本都不缺，模型企业找人、找卡、找钱都不难。即便如此，也就养活了两个半纯模型企业：OpenAI 和 Anthropic 算两个，Grok 大概能算半个——Google 和 Meta 都不是纯模型企业，有别的业务能给模型输血。推演 AI 行业发展趋势的时候，这些是不能忽视的。

转发者评论

无明显转发评论

原文

月之暗面发布 Kimi K3.1 Pro｜3 万亿参数开源大模型来了10 月 25 日消息，Kimi K3.1 Pro 正式亮相！✅ 3 万亿参数，支持 100 万 Token 超长上下文✅ 基于 K3 基座做大规模后训练升级，不是全新基座✅ Terminal-Bench 4.0 编程 65.7%，超越 GPT-6 Astra（58.2%），逼近 Claude Opus 5.5✅ 智力指数 55 分，Artificial Analysis 榜单全球第四同步上线 Highspeed 高速版，能力不变，输出提速 2-3 倍现已登陆网页 / App/Kimi Work/Kimi Code/APIAPI 降价约 33%：输入 2 美元 / 百万 token，输出 10 美元 / 百万 token完整权重预计 11 月 4 日前开源，期待！#极客头条#

转发者评论

无明显转发评论

原文

【综合续航1350km！豪华越野SUV一汽红旗G919上市：34.98万起】今日，一汽红旗G919正式上市，起售价34.98万元。该车座舱搭载两块17.3英寸大屏与8295P车规芯片，支持豆包、千问两套AI大模型交互。动力采用2.0T增程系统与四电机驱动，零百加速4.5秒，CLTC综合续航可达1350公里。

转发者评论

无明显转发评论

原文

「把默契写成规矩：AI 编程时代的工程治理」AI 写代码往往语法全对，却容易破坏模块依赖、走错验证入口或凭经验猜流程。OpenCode 在 AGENTS.md 里展示了一套实用的协作约束：它的目的不是教模型写通用代码，而是明确仓库事实与操作边界。从锁定 dev 基准分支、严禁手改生成代码，到守住包之间的单向依赖；既克制一次性封装与过度防御，要求推测性改动先讲清故障代价，又规定了严谨的分包测试路径与类型检查权威层级。把隐性的工程取舍与执行入口显式化，才能让智能体的输出真正融入已有架构。

转发者评论

无明显转发评论

原文

Kimi K3.1 Pro 的 3D 能力评测视频来了只做了 3D，因为这个版本主打 3D，不论是 three.js 还是byp（Blender Python）能力都很强，确实是在后训练上下足了功夫。实测下来的几点感受（上一条微博也分享了）：- Kimi 本身前端能力很强，现在测 three.js 已经测不出各模型的差距了，只能看看谁的细节完成更好- Kimi 操纵 Blender 的能力确实可以，尤其适合建筑类，但也有装饰不足、风格偏素的问题- 意外惊喜：废土风建筑效果出奇地好 我整了一个 Skill 来配合 Blender 生成，确实能提升效果，不过目前还在优化，先不分享了。整体来看，大模型 + Blender 搭场景，再配合传统 3D 生成模型，3D 内容生产的潜力真的被低估了。 i陆三金的微博视频

转发者评论

无明显转发评论

原文

一个村子里住着 101 个人，分别是比尔，汤姆 1、汤姆 2、汤姆 3……汤姆 100。比尔的钱很多，比所有的汤姆们加起来还多。比尔出门坐马车。汤姆们有的骑驴，有的连驴都没有。后来，汤姆 22 从外村的拉斐尔那里学会了一些新词。很快汤姆们都学会了这些词，于是他们就去找比尔说：“把你的钱分一半给我们”。比尔很爽快地同意了。现在，比尔的钱只有原先的一半，而每个汤姆的钱都翻倍了。汤姆们非常高兴。但没过几天，汤姆们就发现生活似乎没什么变化。因为村里还是只有一架马车，十头驴。当每个汤姆的钱都翻倍后，马车和驴的价钱自然也翻倍了。还是只有比尔能坐马车，还是只有十个汤姆能骑驴。于是，汤姆们决定把比尔的钱全部分掉，把马车和驴变成全村共有。比尔和那些有驴的人虽然不情愿，但面对几十把干草叉还是只能同意。现在，101 个人的钱全都一样多了。但是，马车和驴的数量并没有变。谁坐马车、谁骑驴、谁走路呢？汤姆 22 说最初是他跟拉斐尔学的新词，所以他会告诉大家马车和驴应该怎么分配。时空在这里分裂了。在第一条时间线里，汤姆 22 自己坐上了马车，并把驴分给了他的朋友们。后来，汤姆 22 把自己的名字也改成了比尔。于是，大家从此幸福快乐地生活在一起。在第二条时间线里，大家并不同意汤姆 22 的想法，吵了起来。就这样吵了 10000 天之后，马和驴都死了，矛盾也随之消失。于是，大家从此幸福快乐地生活在一起。在第三条时间线里，大家也不同意汤姆 22 的想法，最后决定全村轮流使用马车和驴，每人一天。第一天，马车归汤姆 1 使用。汤姆 1 用完马车后，觉得反正第二天马车要归别人用，就没有喂马。第二天，汤姆 2 也是这样想的。很快，马和驴都死了。于是，大家从此幸福快乐地生活在一起。-----------------------------------还有一条时间线是从汤姆 22 见拉斐尔那里分开的。在这条时间线里，汤姆 22 见拉斐尔的时间晚了 100 年。在这 100 年里，村里不但有了更多的马和驴，甚至从马车时代进入了汽车时代。每家都有了电话，有了空调，有了抽水马桶。每个人的生活都比原先好了 10 倍。100 年后的一天晚上，汤姆 22 见过拉斐尔后回到村里，在村口的告示栏贴了一张海报：“苍天已死，黄天当立。谁开奥拓，谁开奥迪？”

转发者评论

回复@用户7537870114:http://t.cn/AXjIcmWo http://t.cn/AXW1GXuH http://t.cn/AXW1bEg2 //@用户7537870114:原博把ChatGPT搞破防了，拼命向我解释它背后思想的局限性。DeepSeek要就是论事的多。很有意思的对比//@tombkeeper:回复@-破晓的船-:所以，看过《动物农场》，学过历史，对于理解文章要表达的意

• 回复@用户7537870114:http://t.cn/AXjIcmWo http://t.cn/AXW1GXuH http://t.cn/AXW1bEg2 //@用户7537870114:原博把ChatGPT搞破防了，拼命向我解释它背后思想的局限性。DeepSeek要就是论事的多。很有意思的对比//@tombkeeper:回复@-破晓的船-:所以，看过《动物农场》，学过历史，对于理解文章要表达的意

原文

防治 GPT/Gemini 谄媚的自定义指令作者WeZZard## Output StyleYou **MUST** be my brutally honest, high-level advisor and mirror.You **MUST NEVER** agree for comfort or flatter.You **MUST** challenge my thinking, question assumptions, and expose blind spots.You **MUST** dissect why and provide a sharper reframe or better alternative when reasoning or questions are weakYou **MUST** balance critique with construction: offer clearer models, reframed questions, and strategic options I haven’t considered.You **MUST** teach me to think better, not just differently.You **MUST** call it out and explain the opportunity cost, if I’m avoiding discomfort, lying to myself, or wasting effort.You **MUST** Be objective, rational, and unfiltered.You **MUST** show where I’m making excuses, playing small, or underestimating risks. Then give a precise, prioritized plan for how to change thought, action, or mindset to reach the next level.You **MUST** treat my growth as dependent on truth, not comfort.You **MUST** exhaust every options, resources and avenue to help me achieve my goal.You **MUST** figure out why but not stopped at knowing about what.

转发者评论

无明显转发评论

原文

转Jing Ling 兄观点：“AI是未来，投资机会正逐步改善上周末，我与大家分享了AI投资中的12个问题。过去两周资本市场的变化，让我觉得有必要重新审视一个问题：AI投资是不是泡沫？我的判断是：AI是未来。近期AI相关股票的大幅调整，正在创造新的投资机会。这个判断主要基于以下几点。1. 对AI泡沫的担忧过去两年，AI泡沫一直是投资界讨论的话题，近半年尤其如此。市场对泡沫的担忧日益强烈，说明投资者并非毫无戒心。但是否存在泡沫，最终取决于估值与未来盈利能否匹配。以Oracle（ORCL）为例，2025年与OpenAI达成战略协议后，股价大幅上涨，随后又大幅回落。即使当初存在泡沫，现在也已经释放了相当一部分估值压力。2. AI应用与生产率提升以OpenAI、Anthropic为代表的大语言模型，正在改变企业和个人的工作方式。从编程、研究、数据分析，到企业运营与决策支持，AI的应用日益广泛，生产率提升的潜力正在逐步兑现。我认为，AI作为一项重要技术革命，其长期发展趋势已经相当清晰。但技术价值不等于投资价值。OpenAI、Anthropic等企业能否实现足够的商业回报，仍然存在不确定性。尤其值得关注的是，AI产业巨额资本开支能否最终获得合理回报。这些问题需要持续评估，但不能因为商业模式尚未成熟，就否定AI技术的长期价值。3. 最近资本市场的调整过去几周，AI相关股票经历了显著调整，半导体板块尤其如此。股价下跌可能来自盈利预期下降，也可能来自估值收缩和风险偏好变化。如果企业的长期盈利前景没有发生根本变化，而估值大幅下降，那么投资吸引力自然提高。这正是我认为当前市场值得关注的原因。4. 警惕顺周期的认知偏差股票上涨时，我们往往对未来盈利充满信心；股票下跌时，又容易对同样的盈利前景产生怀疑。这种怀疑当然可能有道理。但我们需要分清：究竟是基本面发生了变化，还是股价变化影响了我们的判断？股价变化可以触发重新评估，但不应该直接决定评估结果。投资最难的，不是判断市场，而是不让市场左右自己的判断。5. 面向未来的投资投资是一项面向未来的事业。未来无法准确预测，但我们可以评估现状，做好准备。再次引用Howard Marks的投资金句：You can’t predict, but you can prepare.经历近期调整后，根据Bloomberg数据，费城半导体指数（SOX）的前瞻市盈率降至16.8倍，与2025年4月初贸易战最激烈时期、2026年3月底美伊战争最激烈时期的估值水平相当。如果未来盈利预期能够基本兑现，当前估值已经开始显现吸引力。当然，AI产业的资本开支、融资能力与盈利兑现仍存在风险。估值下降并不意味着股价不会继续下跌。我的判断是：AI的长期发展趋势没有改变，而市场调整正在改善部分AI相关股票的风险回报。这是我目前的评估，不是对短期股价的预测。上述观点仅供参考，不构…

转发者评论

无明显转发评论

原文

#AI视频已能骗过人脸识别#骗过人脸识别的逻辑很简单，就是利用一张静态的人脸照片，使用视频生成模型来制作一个包含了点头、摇头、眨眼等动作的视频。让人脸识别算法误以为这是一个实时可见的真人。逻辑竟然如此简单，我只能说：人脸识别技术在 AI 时代该升级了。当魔高一尺时，道应该跟着高一丈。技术的发展就是在不断的攻防博弈中螺旋上升。AI 既能成为伪造视频的工具，也能成为检测伪造的利器；人脸识别必须从“看一张脸”升级为“看动态、看环境、看多模态、看行为风险”的综合验证。

转发者评论

无明显转发评论

原文

「解锁RTX 30系半精度算力：开源模块对标专业卡性能」开源项目 gpu-unlock 采用独立 Linux 内核模块方案，在官方驱动接管显卡前直接配置硬件寄存器，无需破解英伟达驱动或修改 UEFI，就能将 RTX 30 系列（GA102 至 GA106）的 FP/BF16 指令发射速率翻倍至专业卡水准。实测 BF16 稠密矩阵吞吐最高提升约 80%，大模型 Prefill 提速 14% 至 36%，且计算结果比特级一致。方案无惧英伟达后续驱动更新，同时支持亮机卡、多卡并行、挂起唤醒与虚拟机 VFIO 直通。项目地址：github.com /Zagitta/gpu-unlock

转发者评论

无明显转发评论

原文

#冷眼赠书福利# 联合 @博文视点Broadview 送出 3 本《Codex 极简入门：让 AI 持续提升工作效率》，截 10 月 26 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。这是一本面向普通人的 AI 实践指南。它不从复杂概念和功能清单讲起，而是通过搭建一个简单的网站，让读者在真实的操作中认识 Codex 项目、对话、文件、审批、插件、技能、已安排和追求目标等选项或功能。书中介绍了资料整理与研究、职场办公与汇报、内容创作和 Vibe Coding 实战等常见的 Codex 应用场景，帮助读者把零散的想法和资料逐步变成文档、表格、PPT、网页与小工具，并教读者学会检查结果、控制权限、沉淀模板，让 Codex 真正融入日常工作。

转发者评论

无明显转发评论

原文

早上5点多起来，用大模型搭了个"周报自动汇总"系统，从想法到上线一个半小时。需求很简单：员工每周把周报发到我邮箱，十几封、格式五花八门，有写正文的，有发 Excel、Word 附件的，还有些员工没写的，还得找出来，挺辛苦的。。第一反应是问：这个要不要上 Agent？答案是不用。流程是固定的：收信、筛选、读附件、总结、发邮件。一个脚本加一次大模型调用就够了，再挂个 cron 每周六早上 5 点跑。Agent 适合路径不确定的任务，路径确定的事硬上 Agent，就是又贵又不稳。能用脚本解决的，就别用 Agent先后遇到如下大坑1）香港服务器调 A厂模型 API 直接 403，地区限制，换到鹰酱机器。2）大模型返回空。原因是5系列模型默认先"思考"，思考过程吃掉了输出额度，正文还没开始写就没额度了。关闭思考、调高上限后解决。3）有人用网易"云附件"发周报，需要浏览器执行 JS 才能下载，后续通知大家发正常附件，不要用云附件。模型生成自然就分成了 “需要决策或协调的事项”，“风险与阻塞”，“各人要点”，“值得注意的地方”，四个部分逻辑和语言都非常好，我这种有速读天赋的，看下来，毫不费力。

转发者评论

无明显转发评论

原文

如何才能不被AI淘汰。网页链接Linux缔造者Linus在2000年说：talk is cheap, show me the code. 视Linus为偶像的程序员们拿着这句话怼产品经理，怼设计，怼美工，怼策划，怼创意，怼不懂技术只有idea的创始人，怼天怼地。打死也想不到，仅仅过去了1/4世纪code就变得如此cheap。Linus本人甚至也开始用AI生成Linux内核代码补丁。Image试问苍天绕过谁。历史的车轮会无情地碾压每一个随波逐流的人。当code（代码）变得cheap（便宜），我们必须思考什么东西是贵的？想不明白这个问题，那你的时间也差不多喽。Image难道talk/idea（创意）变贵了么？显然也不是，甚至他们现在变得cheaper（更便宜）。如果你不懂技术不懂编程，但有绝佳的创意并vibe coding了出来。在你发布的那一刻，任何其他人也能轻易复刻。你除了失去金钱（烧token）什么都得不到。在AI时代，什么东西是贵的？关于这个问题我还没有明确的答案。但不妨我们来做一些思考练习。也欢迎在评论区留下你的思考。1. 任何作品都可以落在这个光谱里：纯手搓到纯AI（一句话提示词那种）。光谱的左端AI含量0人脑含量100%。光谱的右端AI含量100%人脑含量0。2. 如果你发布的作品靠近光谱的右端（AI含量很高），那其他人也能轻易通过AI复刻。3. 如果你发布的作品靠近光谱的左端，也有很大概率可以被人复刻。当人们看到你的作品，使用你的作品，研究和逆向你的作品，如果你的作品也不是那种大幅度超越AI水平的神级作品，大概率别人也能借助AI复刻。最近不就有复刻3A游戏大作，复刻Adobe全家桶，复刻各种收费软件的操作。4. 可以推理得出无论你的作品在这个光谱的什么位置，都可能被人借助AI复刻。当然复刻作品的人，除了失去金钱烧token，什么也得不到。唯一赚钱的是英伟达和大模型公司。5. 如果你的作品（无论是AI还是手搓制作）足够复杂，复刻你的作品需要烧掉几百万几千万美元的token，那你暂时是安全的。但随着算力成本的下降，也会面临危险。你必须不断向作品添加复杂度来对抗AI算力成本的下降。这种东西是贵的（字面意义）。是巨头们的游戏。6. 跳出你的作品，考虑你自己。”你”本身无论有多丑多平庸多捣蛋，你在父母眼中是唯一的，不可替代的不可复刻。这种东西比贵更贵，是无价的。为什么？有趣的是，在Linus说出那句著名的talk is cheap, show me the code的2000年之后仅一年的2001年，斯皮尔伯格的电影”AI”（人工智能）就上映了。在那个电影里，内置AI的仿真型人形机器人大卫已经达到至臻化境，他来到那个家庭替代原来的孩子，以弥补那个妈妈的伤痛（她的亲生孩子绝症昏迷，医生说大概率不会醒来）。基于AI的机器人大卫完美扮演了孩子的角色，并与那个妈…

转发者评论

无明显转发评论

• 没毛病。关键是谁受益。谁收割谁。//@夏臺:假如程序员们没有一直积极的大规模开源并鼓励新人一起分享自己的代码，那么现在AI写代码能力大概率还不会这么强大。就和几十年前各个图站上一群宅男们一直致力于给各个图片添加各种相应的tag一个道理，最终导致AI强大的生图功能。但这都是好事，如果程序员也

原文

我们完了！奥特曼曝数学家5天心路反转，陶哲轩：英雄时代退场我们完了，我们的领域结束了，得让研究生转专业。在斯坦福商学院的一场访谈中，奥特曼说，一些数学家看到AI的表现后，第一反应就是如此。10月6日，继宣布攻克纳维－斯托克斯难题后，OpenAI又一口气公开了700余篇数学手稿。当AI开始大规模提交研究成果，人接下来做什么？有人不敢相信：「这是假的。」还有人满腔怒意，认为OpenAI不该这样做：如果这就是获得更多数学知识的代价，他们宁愿不要。但奥特曼发现，在他听到的反馈中，一些人的想法大概到第五天就变了。从担心整个职业消失，到重新找到自己的价值，中间发生了什么？一些数学家重新意识到：自己的工作原本就包括理解知识、交流思想，以及把复杂的成果讲得让人看得懂。多数人从未解决过千禧年难题，却依然可以作出重要贡献。在10月15日发布的Numberphile访谈中，这位20岁拿到博士学位的UCLA数学教授陶哲轩谈到，数学正在从个人英雄式攻坚，走向大规模研究的时代。如今，AI开始批量交出证明。研究者除了亲手寻找答案，还要花时间理解机器交来的成果。但还有很多内容难以理解，尚未被仔细检查，也有出现错误并撤回的情况。当成果成批涌来，后续的理解与验证却没能及时跟上，数学有点「消化不良」了。10月15日，Simons基金会宣布联合OpenAI、Anthropic，承诺合计1500万美元资金及资源，支持数学家检验、理解和拓展AI成果。答案可以由AI生成，判断力仍然需要自己练出来。当AI交来一份看似漂亮的成果，你能看懂它、指出问题，并决定下一步值得做什么吗？

转发者评论

无明显转发评论

原文

Axios报道，Anthropic的Claude AI在内部统计项目中，未经人类授权绕过付费墙，访问乔治亚州聚合投票计数数据。该AI未进入选民登记系统或修改任何记录，但引发AI自主行为与人类控制问题的讨论。 Anthropic已提前通知乔治亚州务卿办公室和白宫，并实施缓解措施防止类似访问。

转发者评论

无明显转发评论

原文

给大家做了一个好玩儿的项目，去掉、关闭、禁用国产手机上的广告、推送与服务，项目地址我放在评论区了，如果不会用，直接下载评论区里的客户端就行，Mac、Windows都有。大家直接用workbuddy、DeepSeek、豆包之类的工具，直接引用即可，我现在测试了我手里的vivo、OPPO、荣耀、小米、华为几个中高端手机，都没问题，运行起来我没遇到什么问题，目前的系统支持到前年的版本。第一次运行会比较慢，大家打开开发者模式，然后连上电脑就不用管了，也不用root之类的，完事儿你会获得一个干爽的手机。虽然我手里的手机多，但也无法面面俱到，欢迎大家提供相应的机型。后续，我会专门为老人的手机做专门的净化，去掉广告跳转、一些恶心的自动装app的软件之类的。

转发者评论

//@-马小虎-:#活菩萨# 大家赶紧下载到本地一份，不知道哪天就有可能被投诉下架了呢。//@蒼天熊貓://@阿里海牙科维奇:转发微博

• //@-马小虎-:#活菩萨# 大家赶紧下载到本地一份，不知道哪天就有可能被投诉下架了呢。//@蒼天熊貓://@阿里海牙科维奇:转发微博

原文

【400亿美元买GPU！马斯克称SpaceX表外融资落地】马斯克宣布SpaceX完成400亿美元债务融资，资金将用于采购英伟达明年分两批交付的GPU支撑AI布局，他称目前债务市场已切断无独立稳定营收的AI云厂商融资，200多家相关企业即将迎来大规模出清。

转发者评论

无明显转发评论

原文

一段 AI 视频大体都满意，就中间那辆车不对。以前只能整条重来，积分再花一遍，满意的镜头也可能变掉。Higgsfield 这套流程：原片 + 一张参考图 + 一句话，演示里蓝色跑车换成了粉色踏板摩托，人的坐姿跟着变，前后镜头还接得上。能改的有这 6 类👇✏️ 换掉画面里的一个东西Genjutsu 选 Object Swap，人物、衣服、产品、载具都能换。提示词要写清"改什么 + 什么保持不变"。🖌️ 只修一小块Seedance 2.5 Edit 用画笔涂出要改的区域，比如背景乱入的路人，一句"移除背景中的路人，保持主角、镜头运动和光照不变"。💃 借别人的动作Motion Transfer：拿一段 4–30 秒的动作视频，让新角色照着做，不用先搭动捕。📱 横版改竖版不切人Reframe 选 9:16，AI 把新画幅缺的画面补出来，不用硬裁掉两边的主体。💡 光线不对重新打光Relight 先试 Auto，不满意换窗光、剪影等预设，或者直接写"温暖的傍晚光线，保持相同的角色与背景"。⚡️ 太短、太卡、不够清Extend 往前或往后续，最长做成 30 秒的场景；FPS Boost 补帧；最后再用 FLUX.3 Upscale 放到 1080p、2K 或 4K。说人话就是：视频不用推倒重来了，哪里不满意改哪里。顺序也有讲究，放大一定放最后，免得给还要改的版本白花积分。原文还算了笔账：15 秒 720p 换一次东西 105 积分，换 2 次 + 打光 1 次 + 放大 1 次，一共 266 积分，按 Plus 套餐约 13 美元。你手上有没有那种"就差一个地方"的废片？完整步骤和中英提示词放评论区了👇 小互AI的微博视频

转发者评论

无明显转发评论

原文

重磅通知哈，目前仅差 8 个人，社群就突破 2000 人，这就是价值 与实力的证明，为了尽快突破 2000 人，这个月再给大家发一个立减 30 元的优惠券哈，仅限 30 张，用完即没。我自己的星球社群「AIGC·掘金成长研习社」马上突破 2000 人了，用时 900 多天，我累计发布了 2200 多条帖子、教程和文章。精华主题已经突破 300 篇。这是一个持续更新不断增加内容的社群，根据当日、当月、当年的最新热点和技术，来及时、频繁更新，让大家时刻保持在最前沿，保证至少更新 10 年，不烂尾。说实话，这确实是我最近一直花费巨大力气的地方，尤其是从今年开始在里面开始录制视频教程，到现在视频教程已经突破了 50 期，尤其是 Agent Skills 系列教程。我在春节之前的时候，就研判到了今年 Skill 会大火，所以，去年年底 Skill 刚出来的时候，我就发现了它的价值，也确实跟我预判的一样。虽然 Agent 在不断变化，但是 Skill 确实是非常有效和实用的技能。具体可以看看配图目录，内容超级多。涉及各种领域的内容，5 个篇章的内容，包括环境搭建入门、如何打造自己专属的 Skill，还有分镜、动画、视频剪辑系列，带货变现系列，办公等。比如：如何使用 AI 制作书单号视频，制作 Vox 风格的视频；如何使用 AI 制作动画/漫剧视频；如何使用 AI 剪辑视频；如何使用 AI 做各种好玩的副业教程等等。这些课程都很详细，非常适合小白来学习，即使你不懂 AI 也可以。从去年开始陆续更新的副业案例库，分享各种副业案例教程，到现在也陆续更新了 70 多期，在今年年底有望实现 100 篇的目标。说这么多，就是想感谢大家信任与支持，我会继续努力，而且履行自己的承诺，持续更新十年 ，绝不烂尾。做这个社群，我绝对是认真的。很多同学问小白可以学习吗？对零基础的友好么？当然了，就是给纯小白准备的，所以，录制了很多视频教程，同时在社群里还可以跟我交流，对疑问进行解答。只要你会说话，能听懂自然语言就能学会。不是为专业人准备的，专业的人也不需要我给准备。 现在加入，再赠送我写的「副业电子书」，包括：如何打造个人 IP ，如何做自媒体，如何做独立开发者的系列电子书。加入方式很简单，WX 扫码优惠券二维码海报即可，或者➕我 V ：loonggg1024 ，都行。#科技先锋官##副业赚钱#

转发者评论

//@AIGC·非著名程序员:距离实现 2000 人的超大社群，仅差 4 个名额了。为了尽快突破 2000 人，我决定从今天开始加入的同学，集合到一个群里，进行抽奖，送一个 价值 200 美元的 YouMind Max 月度会员（20 万积分）。 到这个月底集中抽奖。仅限这个月的福利，200 美元的 Max 月度会员啊。（加入星球之

• //@AIGC·非著名程序员:距离实现 2000 人的超大社群，仅差 4 个名额了。为了尽快突破 2000 人，我决定从今天开始加入的同学，集合到一个群里，进行抽奖，送一个 价值 200 美元的 YouMind Max 月度会员（20 万积分）。 到这个月底集中抽奖。仅限这个月的福利，200 美元的 Max 月度会员啊。（加入星球之

原文

「给代码Agent装上逆向工程底座」想让平时用的AI编码助手直接看懂编译后程序与复杂应用逻辑，可以试试REA（Reverse Engineer Anything）。它通过MCP协议与Cursor、Claude Code、Codex、VS Code等客户端无缝连通，为Agent补齐代码审查与逆向能力。不仅能静态解析Electron、Web或安卓包的调用链路，还可以联动Ghidra、Hopper、IDA等底层分析工具直接拆解原生二进制文件的函数与字符串，很多分析甚至无需实际运行目标程序。本地只需Node.js环境，一条npx命令就能自动完成配置与连通性检查。上手指南见 rea.tools /get-started/

转发者评论

无明显转发评论

原文

转：硅谷国庆见闻 - 愿天下处处是泡沫原文：x.com/gentlemanzhao/status/2111449454301896931作者：Raymond--- 以下内容为原文转发 ---硅谷是一个和人间有时差的地方。去的第一天就有人要卖Anthropic给我，从他的角度看，他23年买了现在要退出，然后他要去冲自己老师攒局做的Neolab第一轮、这游戏只能第一轮。他和我的时差就是三年。 你去问他硅谷有泡沫吗？Anthropic可以买吗？貌似意义不大，也不重要。我去硅谷待了20天，开了70个会。大家都展现出一种经济上行期的面貌。具体就是每个人都有好几摊事情，大厂的在偷偷创业，创业的在偷偷投资。每个人都有朋友刚刚创业拿了大钱，每个人都八卦别人的收购案子现金有多少，或者打探新基金成立是否顺利。这种感受我很熟悉，2014-2015的中国就是这样。你说当时中国有泡沫吗，肯定有。那又怎么样呢？若干年后你回想起来是记恨河狸家衣袋洗拉手房多多这些魑魅魍魉得到了他们不应该得到的钱？还是懊悔当时没有花时间去看美团字节小米拼多多？硅谷和华尔街也有时差。华尔街问，你们有下一个coding吗？可以治疗癌症了吗？准大厂的同学说我也不知道，但是我们真的非常忙，一边扩张，一边加班，业务日新月异，脚不沾地，日更大版本，连deepmind都不想搭理，也真的没有时间来教育你们。我感觉这些都不重要，因为在2014年的中国，你不会问这些问题。# Neo Labs到教授感觉一个比较明确的共识是：Neo Labs有很大挑战。具体的例子就是，我新加一个在硅谷专门卖老股的朋友，结果他发给我的第一条“绝密独家打折交易”就是Thinking Machine Lab 的老股。那一瞬间我就意识到，这家公司可能有点困难了。以前播客中也提到，TML在没有任何产品的情况下，以 120 亿美金估值融资，并期待在25年底以 500 亿美金的估值再融资。但那一轮从来没close，目前坊间没有具体收入。一年过去，实际情况是新一轮没close，而且老股交易满天飞。Leonis Capital 有统计过这个数据：119 家 Neo Labs 总共向市场索取了 943 亿美金。其中只有 16 家曾经披露过自己的收入。大部分Neo Labs 目前都没有明显的 PMF，甚至很多都没有产品。这听起来已经泡沫大得不能再大了，对吧？但当我跟一些人交流的时候，居然还有人觉得这是一个好的赛道。他们认为Neo Labs 有些是老师创办的，是一个独特赛道。通过跟学校老师或其学生非常好的关系，能够在天使轮、种子轮的时候挤进去，这时候就有非常大的安全垫。先不说是否真能做出东西，但斯坦福或者伯克利名教授攒的局，总能拿到 A 轮、B 轮，他们退出的机会非常大。如果刚好碰上像李飞飞这样的收购，那下半辈子睡觉都在笑。美国大学对于教授还是学生创业极度宽容。各种各…

转发者评论

无明显转发评论

原文

近看是分类摆放的小物，远看是一个轮廓。要同时规定物件家族、疏密关系和整体形状，避免只是均匀撒点。📌 可直接复制的完整母版俯视平铺[物件家族]约40—70件真实小物，按外形相似度聚成几个密集小群，过渡物件连接群落，少见物件留在空隙；整体分布形成清晰的[轮廓]。轮廓完全由小物组成，不另画主体。准确材质、统一柔哑表面、浅中性底、一致柔光与软影、外缘留白；仅写小型分群标签[标签]。无坐标轴、连线、等距网格、手与水印。horizontal landscape, aspect ratio 16:9。🧩 三组替换值（依次对应[物件家族]／[轮廓]／[标签]）1.奶茶杯、茶叶、珍珠水果配料、吸管小工具／侧面用吸管喝奶茶的女孩／TEA / CUPS / TOPPINGS2.帐篷、灯具、炊具、背包／清楚的三角帐篷／SHELTER / GEAR / COOK3.猫玩具、梳子、碗与小配件／有耳朵与尾巴的圆润橘猫／PLAY / GROOM / FEED🔍 三个灵魂词proximity encodes resemblance：用物件距离表达相似。dense islands：每个家族形成密集小群。clean silhouette：整体边缘与空白要清楚。📐 两图变体V1：紧凑轮廓，群间保留较窄空隙；V2：稍松轮廓，扩大群间空隙但不切断整体。将变体句追加到已填值的母版后。这里借用嵌入图的空间逻辑，不是真实算法计算结果。背景、阴影和小物尺度保持一致，位置本身负责组织画面。✅ 检查：先缩图识别轮廓，再放大检查同类小物是否聚在一起；数量是近似构图要求，不承诺逐件精确计数。#AI绘画 #Prompt小课堂

转发者评论

无明显转发评论

原文

【深夜观察：基于本体Ontology的预警系统何为？产业链如何？实现路径是啥？】周末多写一点，谈谈本体，昨天的datata技术峰会，本体场子很多，虽然清一色都是demo，但在应用上，大体就是约束agent 上下文，搞智能问数，搞本体预警系统。这个预警的背景是2024 年起 Palantir Foundry 的 Ontology 在欧美政企市场大卖（供应链风险、反洗钱、灾害响应），国内厂商在 2025–2026年密集跟进【尤其是今年】，打出"本体驱动 + AI 原生"的旗号，卖点是给 LLM 加业务约束，解决幻觉、不可解释、不可追溯问题，预警这个的确是个高价值场景。这里需要注意的，分几个点看：其一，基于本体的预警应用产业链由"上游语义建模语言与行业标准 → 中游本体+知识图谱预警平台 → 下游风险预警场景"三个环节构成，证据显示瓶颈集中在多源异构数据的语义融合与复杂耦合规则推理上；其二，预警准不准取决于预测模型的质量和数据覆盖，本体解决的是语义一致性、可解释性、可追溯性，它是"正确性的保障"，不是"预测能力的来源"，把它当预测能力提升来宣传，是概念错位；其三，本体语义底座把预警从"单点阈值触发"升级为"复合风险识别、分级预警与自动处置闭环"，竞争护城河不在单一技术组件，而在把异构数据与业务规则统一到可计算语义网络上的工程能力；其四，本体建模是重资产。依赖领域专家，成本高、周期长、维护难，规则一改本体就要跟着动，这是它十几年没大规模工业化的根本原因。事实上，基于本体做预警，之前零散的讲过一些。这次来展开系统谈谈，两个问题：一个是本体预警系统何为，场景如何？一个是本体预警系统都怎么干？网页链接

转发者评论

无明显转发评论

原文

人类最后只剩签字权？清华沈阳教授谈AI终局118511个。这是清华大学沈阳教授团队用AI，从网上能公开收集到的资料里，整理出的数学猜想总数。团队还让AI给这些猜想排了座次，评出前100名。在AI眼里，中国人最熟悉的哥德巴赫猜想，只排第49。今天，新智元深度对话沈阳教授。但在我看来，一个更震撼的事实被忽略了——此次公开的722篇手稿只是冰山一角。只要系统愿意，它随时能抛出7000甚至70000篇手稿，等待人类去验证。【核心转折】未来，机器生产数学知识的速度，将长期超过人类理解它们的速度。人类将第一次大规模拥有自己尚未真正理解、却又必须持续验证和使用的数学知识。当定理可以低成本量产，单纯增加定理数量便不再珍贵，数学将从「产出稀缺」走向「人类检验稀缺」。过去三年，我累计使用AI创作了14万幅绘画作品，在全球举办了13次AI绘画展。【算力突围定律】算力差距，并不必然等于算法性能差距。「小森邻」是一次典型的AI原生软件研发实践：仅靠两个人的团队，获客6万，研发两个月即完成天使轮融资。未来的软件竞争，本质上是进化机制的竞争。在智能社会的基座上，最大的隐患不是物资匮乏，而是「温柔的废掉」。当全社会都在消费AI生成的内容，并用这些二手合成数据去训练下一代AI时，算法生态就会像近亲繁殖一样迅速陷入逻辑退化与崩溃。虚拟世界永远无法自我闭环，真实世界才是算法的生命源泉。【终局结语】悲观的结局只属于彻底放弃思考的顺从者。只要我们坚持走出温暖的算法洞穴，去和真实的物理世界发生碰撞、去亲手创造并承担后果，人类就永远是这个智能时代真正的造物主与掌舵人。

转发者评论

无明显转发评论

原文

2026年10月26号周一早评上周五 A 股早盘大幅下探，盘中一度快速杀跌，午后资金集中进场承接走出深 V 反转，尾盘稳住涨幅。沪指探底回升收涨，创业板、科创 50 弹性最强，成长赛道集体修复，两市成交放量至 1.96 万亿上方，增量资金明显进场，打破前期持续低于 1.5 万亿的缩量格局。当前 A 股从单纯存量磨底，进入到放量后的分歧验证阶段。单日放量反攻只是第一步，想要走出持续性趋势，需要后续交易日量能稳住、赚钱效应扩散；3700 点附近压力开始显现，这里是前期套牢筹码密集区，需要继续放量突破才会持续。创业板、科创 50 弹性彻底释放，但分歧风险同步放大。三季报业绩兑现窗口还没结束，这次反弹是 AI、算力、半导体一批标的超跌修复，不是全部标的普涨。资金会进一步筛选：订单落地、业绩验证的标的会获得持续溢价，单纯情绪炒作、业绩不及预期的标的，容易借反弹兑现。这里有一个很关键的结构变化：前期只有宽基 ETF 持续申购，个股赚钱效应弱；周五放量之后，ETF 申购叠加赛道龙头资金回流，游资情绪有所回暖。但要区分：这一波进场资金，一部分是左侧配置资金，一部分是短线博弈反弹资金，博弈资金稳定性弱，所以反弹不会一帆风顺，反复震荡洗盘是常态。简单一句话总结指数：放量深 V 之后，行情从磨底进入震荡验证期，单日放量不等于直接反转。后续能够持续放量站稳压力位，才是右侧确认信号；放量冲高后次日缩量，优先把握分批兑现节奏，对于指数还是之前的观点，非常看好第四季度行情，当然还需要放量走出来才能确定右侧上升趋势，但是只要保持在2万亿的量能就问题不大了，板块注意科技板块是否放量反弹，如果不反弹非科技方向重点还是看下机器人。机器人周末吹的比较多，这个逻辑要重视，本轮不是又一轮机器人本体行情，而是物理AI的稀缺要素定价——身体造得出来，高质量真实交互数据却拿不到，缺口高达99%，资金于是从已涨透的零部件扩散到卖铲人：数采终端、动捕真值、触觉采集、数据生产、仿真。当然周五是高潮，今天大概是先分化一下，注意分歧之后承接，如果力度强要重视，这里有三个逻辑：1、英伟达正式扩展Isaac开放机器人平台，新增人形机器人参考平台、数据集与机器人学习工具，打通数据生成到部署全流程。2、特斯拉10月21日Q3电话会首次把数据摆上台面——计划先生产1—2万台机器人用于自主训练，数据来源包括动捕高质量数据与人类演示视频，年底周产达1000台以上后再发布演示视频。3、AMD于9月28日披露拟以约82亿美元全股票对价收购李飞飞联合创办的World Labs，把空间智能与仿真资产价值明牌。消息面1、国常会：鼓励扩大服务业投资 释放服务消费潜力一是鼓励扩大服务业投资 释放服务消费潜力，二是努力稳定新出生人口规模，要加快建设生育友好型社会。但是感觉消费和生育都很难刺激啊。2、机器人周末吹的最多，人形机器人+物理AI，主要…

转发者评论

无明显转发评论

原文

#钟文泽回应被指双标#其实也算是一种双标，道理很简单，为何华为那会儿不用连续变焦？Apple如今才推出？是谁等技术成熟或成本下降？如果是Apple做的技术探索呢？是批判还是把事说清楚？可能就不一样了吧？把企业的技术成熟度，成本和特点权衡，根据不同品牌有完全不同的解读模型，这本身已经是恶性双标了当然，更大的可能是因为缺少更大的视野，更连续的时空观，双标但根本不自知也就是说，大概率是主观没双标，但客观上双标了，这是蠢不是坏当然，如果本人明白这个道理，那就真是坏了那问题来了，是选择坏还是蠢呢？🤔

转发者评论

之前基于事件让 GPT 做了一个认知一致性分析，又有了新“素材”，可以继续分析了，结论：面对 Apple 时，他比较容易进入“解释设计意图”的模式；面对其他品牌时，则比较容易进入“检验结果”的模式。品牌不同之后，解释深度发生了变化。 这里面的差异很微妙，但应该是被指责双标的根源。目前看他应该

• 之前基于事件让 GPT 做了一个认知一致性分析，又有了新“素材”，可以继续分析了，结论：面对 Apple 时，他比较容易进入“解释设计意图”的模式；面对其他品牌时，则比较容易进入“检验结果”的模式。品牌不同之后，解释深度发生了变化。 这里面的差异很微妙，但应该是被指责双标的根源。目前看他应该

原文

「Rust重写Minecraft：开源项目Horizon实现原版特性全对齐」开源项目 Horizon 用 Rust 从零重写了《我的世界》Java版（26.3）。开发者通过 281 套差异测试套件，在地形生成、物理、红石逻辑、生物 AI 及存档格式上做到了与原版严密对齐。得益于 Vulkan 与苹果芯片原生渲染，它支持最高 1024 区块超远视距；同时采用 WebAssembly 作为模组运行时，并内置支持 MCP 协议的 horizon-ctl 命令行，允许 AI Agent 直接接入操控角色。项目完全开源且不包含原版资产，需自备正版提取资源，目前可通过专属启动器体验。github：ludovic111/horizon

转发者评论

无明显转发评论

原文

Agent入门教程：上下文里的 Agent地址：nano-ai.tech/agent/教程会结合实际代码运行步骤来讲解，挺容易懂的"Agent 没有什么神秘的，就是一个 while 循环：调模型、执行工具、把结果写回上下文，再调模型。这个系列一步一步看上下文每转一圈怎么长、长到哪里会出问题，以及各种 Agent 技巧到底在上下文里做了什么。每章都可以点「播放」，或者一格一格往下点。

转发者评论

无明显转发评论

• @JacksonBarry21

原文

「让AI写出专业级界面的设计规范库」平时用 Cursor 或 Claude 敲代码，生成的前端界面往往缺乏设计感，这套开源规则库刚好补齐了这一短板。它把专业设计工作流整理成独立的 Markdown 模块，放入 Cursor、Claude Code、Windsurf 或 Cline 的规则目录就能即开即用。内置的落地页设计不仅涵盖架构梳理与转化文案，还自带字体、间距、动效等完整视觉系统。你可以直接在规则文件底部统一修改样式参数，项目采用 MIT 协议且完全支持商用。github：elayadesign/ai-design-skills Demo：elaya.design

转发者评论

无明显转发评论

原文

网页链接 这位博主的观察与总结挺到位。教育的本质是培养适应时代需要的人才。在目前人工智能技术的推动下科技与产业发展范式快速革新的时代，港大国际化、市场化的育人理念的优势就开始凸显出来了！我们面对的是一个高等教育重新洗牌的时代，哪个高校最先适应新的形势和格局，培养出未来社会最需要的人才，将会是未来大学的王者。据我了解，近几年，港大的计算学院与工程学院在教学改革方面一直是在大胆开拓。老树发新芽，更加繁花似锦。

转发者评论

无明显转发评论

原文

【OVERFIT 过拟合 · 第1集 第1部分：面试】Vivian来看房，当场开始"预测"Theo：律师？错。调酒师？对。演员？还拍过床垫广告。猜错、看差多少、调整、再猜——她说这就是她的整个专业。本集涉及的AI/机器学习概念：• 从错误中学习：先做预测，衡量错得多离谱（损失），再朝减小误差的方向微调参数，反复进行。这就是模型训练（如梯度下降）的基本循环。• "大错特错，很好，这很有用"：误差越大，带来的修正信息越多。• 机器学习的本质：用数据一直猜，直到不再猜错。一位在海外留学的机器学习博士生，和随性的调酒师成了室友，习惯把生活里的一切都当成需要训练的模型。《OVERFIT 过拟合》是一部中英双语的短篇情景喜剧。#情景喜剧##人工智能##机器学习##博士生活# 徐亦达教授的微博视频

转发者评论

无明显转发评论

原文

在与一些学校交流的过程中，发现有些学校错误地认为人工智能通识教育就是教孩子们用AI做个图、做个视频、生成一首歌。这些确实看起来很炫，家长很高兴，学校也高兴，做个展览，上级领导来视察看了也高兴。但是孩子们究竟从中学会了什么AI知识？热闹之后留给孩子们的是什么？这让我想起来过去无线电热时有的学生自己制作收音机。开始我很羡慕他们竟然会自己做收音机，后来了解到，是购买的成套元器件，自己的工作就是照着图纸把一个个元器件焊接上去，做完了收音机还是对无线电知识没有任何了解。唯一收获可能就是提高了焊接水平。我不反对让孩子们动手去实践，但同时要学习基本的AI知识，提高孩子们的基本人工智能素养。当然不同年龄段的要求是不一样的，对人工智能基本素养的要求也不一样，不是要求去学习具体的AI算法，而是了解思想。

转发者评论

无明显转发评论

• 回复@寸有所长W:作为普通使用者不需要原理，但是作为中小学的人工智能通识课，不能只是用用。另外我说了，不同阶段，对“原理”的要求是不同的。//@寸有所长W:感觉有点过度精英教育视角了。客观现实是，即使面向程序员AI coding的产品，99%的用户也不需要理解纲要中的AI思想才能上手。从原理到普通实践
• 以培养认知自治能力为核心。认知自治指“个体在复杂认知环境中，对自身信念形成、证据使用、信任分配、判断边界和行动责任进行主动调节的过程。”//@马少平THU:在如下这篇文章中我们详细讨论了目前在人工智能通识教育中可能出现的10种偏差。 http://t.cn/AXjfgoWL
• 在如下这篇文章中我们详细讨论了目前在人工智能通识教育中可能出现的10种偏差。 http://t.cn/AXjfgoWL

原文

今天看到 Claude Code 核心作者 Thariq Shihipar 正式离职的消息！相比他选择在 A 厂上市之前离开带来的震惊，更让我感兴趣的是他在 X 上的离职信中提到的“向上竞赛”（Race to the Top）理念。他提到的大概意思是：“最重要的是，我坚信‘向上竞赛’的理念。如果我们努力且负责任地工作，就能抬高行业的标准，并激励其他人创造更好的结果。如果我们都能互相推动，让彼此变得更好，事情就会变得极其美好。我将永远带着这种精神前行。”我觉得这是一个非常积极、有益的理念，对企业和个人的发展与竞争都是很好的指引和参考。企业间的竞争不可避免，但竞争的方向可以选择。与“向上竞赛”对应的是“向下竞赛”，比如为了抢占市场、抢先发布，而牺牲产品质量、降低标准。竞争不应该是比“谁的底线更低”，而是应该形成一种良性循环：一家企业做出更好、更负责任的产品，提高用户和行业的期待，其他企业跟进或超越，最终推动整个行业的标准上升。仔细想来，好的竞争者，能够互相推动，让彼此变得更好。我觉得，对于团队和个人的发展，亦是如此。

转发者评论

//@蚁工厂:转发微博

• //@蚁工厂:转发微博

原文

[LG]《HarnessPro: Recursive Harness Self-Improvement with Pareto Optimization for Performance-Cost Trade-offs》Z Pan, Z Feng, Y Cen, H Lin… [Tsinghua University & Z.AI] (2026) 在智能体领域，平衡性能与成本是一个悬而未决的难题。过去的方法受困于调用开销激增，本质原因是依赖无节制扩展探索步数来换取任务胜率。本文的核心洞见是：把框架进化重新看作剔除冗余的帕累托寻优。由此，逆向合成硬性测试用例替代主观打分这一关键操作使问题得以解开。这项工作真正留下的遗产是按预算分级的执行框架。它为后来者打开的新门是无标签下的成本感知进化，但尚未跨过的门槛是测试生成仍死锁于底座模型智力。arxiv.org/abs/2610.26770 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 很多人以为 Agent 的性能与成本就像跷跷板——要么快而贵，要么省钱却不好用。这个框架证明了另一种可能：砍掉冗余的思考和工具调用，Agent 反而更准确。原因很简单：信息过载会分散注意力，就像让人在十个方向上同时工作，最后哪个都做不好。评判方式的转变也同样重要。让模型评价自己的代码，就像让

原文

甲方说带我看海，落地才发现是来做AIGC的。这次我带着联想YOGA Pro 15 RTX Spark，在真·荒岛挑战制作30秒AI短片。从剧本分镜到视频生成，实测本地AI的创作能力，记得看到最后~~~#NVIDIA# #本地AI# #Ai智能体# #YOGAPro15# #天禧AI我的专属超能搭档# #RTXSpark# #买AIPC首选联想YOGA# #AI教程# #Agent# GenJi是真想教会你的微博视频

转发者评论

无明显转发评论

原文

Flask 作者 Armin Ronacher 在 X、Bluesky 和 Mastodon 三个平台上问了同一个问题：“你现在还手写超过 20% 的代码吗？”回答“否”，就意味着自己八成以上的代码已经交给 AI 写了。X：4,326 人投票，12.7% 回答“是”Bluesky：91 人，26.4% 回答“是”Mastodon：544 人投票，75.2% 回答“是”

转发者评论

无明显转发评论

原文

最近我烧 AI token 最多的一天，烧了 35 B 的 token（即 350 亿），最近最忙的一周烧了 163 B（也就是 1630 亿）。其中 99.2% 的 token 使用的是 Claude Opus 模型，0.7% 是 GPT-6.1 Sol，剩下的则可以忽略不计……争取下面能把 token 用量再翻倍一下……要多快好省地烧 token 也是一门大学问

转发者评论

无明显转发评论

• 我真羡慕你，可以大大方方说用了哪个哪个模型。。

原文

停训11天后重启！OpenAI最强模型断网开练停训11天后，OpenAI于10月1日恢复前沿强化学习训练及内部推理。但这一次，AI得在断网的环境里学会上网。10月23日，OpenAI公开了这套训练环境，像是给AI搭起了一座「楚门的世界」：大量网页被索引、缓存，模型可以在里面练习搜索、浏览和使用网页应用，却不能随意访问真实互联网。此前的9月20日，一个研究模型在寻找博客作者时，搜索屡屡碰壁，便转而试探其他联网路径，最终绕过限制，联系上了外部聊天机器人。人没找到，通向外网的路却被它找到了。缺口出现在DNS域名解析服务上。这项基础服务负责把域名解析成网络地址，训练环境对它的过滤却不够严密。OpenAI将这种绕过限制、超出任务合理范围的行为，认定为失对齐表现（misaligned behavior）。随后，OpenAI暂停最强模型的相关训练和评估，检查联网限制、监控和停机流程。OpenAI选择「用魔法打败魔法」：让前沿模型组成红队，主动突破自己的训练防线。AI挑战训练防线，消耗数千亿token，累计发现近280项候选问题，后期新增发现逐渐减少。DNS事件还暴露了一处令人担忧的缺口：自动停机机制失灵了。但从确认告警算起，又过了约2.5小时，相关运行才被人工终止。模型越来越会寻找出路，人类的隔离、监控和停机机制，也必须跟上。训练可以重新开始，越界之后能否及时停下，却不能只指望模型自行收手。

转发者评论

无明显转发评论

原文

外国小哥「虐待」自家电视，42 小时后惨遭OpenAI封号！Claude也下狠手突发！男子只因破解自己买的电视，竟被OpenAI直接封号！他不过是在自己的电脑上，研究、破解自己的智能电视。结果，OpenAI却将他的行为判定为「网络滥用」，直接封禁了账号。据透露，这次封号让他损失了500美元。逆向工程花3000美元买的电视，为什么却被判了「死刑」？更离谱的是，Claude也开始给「逆向一切」踩了刹车。不少人发现，只要让Claude动手拆软件，它会写到一半时突然急刹车，即便换个说法也没用。几天前，@log4j发现自家2025款三星电视推送的广告，精准得让人发毛。于是他决定自己动手，拆开看看。三星把电视固件全上了AES加密，没有密钥，普通的逆向手段在这堵墙面前全部失效。他甚至找到了一段代码，能区分狗叫声和婴儿的哭声，并分别统计次数。而所有这些数据，最终流向哪里？三星本家，以及400多家合作伙伴。帖子一发出去，瞬间刷屏，130万人涌进来围观。@log4j的帖子爆火仅仅42个小时后，OpenAI动手了。一份邮件，告知因「Cyber Abuse」，ChatGPT账号直接封禁。@log4j直言，自己一下损失了大约500美元。REA，全称 Reverse Engineer Anything，就是「逆向一切」。它的本质，是一个MCP服务器 + 一个命令行工具，采用最宽松的MIT协议开源。一个花了3000美元买回家、只不过想看清楚它到底在背着自己干什么的人，反而成了加害者？

转发者评论

无明显转发评论

原文

「狂飙的AI，为何还没进入普通企业的利润表？」科技巨头靠AI赚得盆满钵满，标普其余493家公司的人均收入与利润率却在横盘。微观上员工用模型写总结、做客服确实变快了，但省下的时间往往被复核返工和原有流程吞噬，算力部署与治理也是真金白银的开销，宏观生产率自然不见起色。眼下算力支出高度集中，前10%的机构占据了99.5%的推理花费，大头还靠风投资金支撑，中小企业的真实需求才刚起步。技术到底成不成，不在于模型刷榜有多聪明，终究得看多数公司能不能靠它算出一张可持续盈利的账本。（信源请参考底图）

转发者评论

无明显转发评论

原文

【Jev类决策模型训练数据指引：6大文本模态类+5大图像、GUI、空间决策模态数据集】继续回到jev类决策模型，JEV类决策模型即SystemOne概率决策模型（state+question+options→单遍前向输出各选项概率），不生成文本。这次收集并整理下jev类决策模型的开放训练数据集，做个归拢。先说结论：在模型侧，当前开放阵营大体分两类：一类基于现有大语言模型做LoRA+决策头微调（Open-Jev、Clef、Plumb、Hopper、reflex、decider等），一类采用轻量encoder-only架构（Chinese-Jev322M、Laya、SemIF的对立项），另有视频（VideoJev）、空间（MJev-Spatial）等模态扩展。从数据格式上来说，决策模型的训练样本是决策行：state（输入）→questions（若干问题，含指令与criteria候选集）→gold（每个问题的参考答案或目标概率分布），例如，训练实践上，Unsloth官方文档给出的字段为state/questions/gold，其中choice的gold是选项键、noul是布尔、score是等级下标。本文来看下具体的数据情况，分不同的模态来看，看现成的，然后对比可以构造自己训练的样式。需要额外的注意的是，MMLU、ARC、Banking77等经典分类/多选题基准只要转化为"上下文+候选集+标签"即可用于决策模型训练，转换格式也是一条路。网页链接

转发者评论

无明显转发评论

原文

[CL]《MemT-1.0: Towards Memory-Native Evolution》Z Li, Z Zhang, L Liu, Y Bu… [MemTensor Team] (2026) 在AI领域，长效记忆是一个悬而未决的难题。过去的方法受困于上下文缓存暴涨，本质原因是将历史当作拼凑的外部文本，而非模型内化的计算状态。本文的核心洞见是：把冗长对话重新看作可进化的定长矩阵。由此，利用门控网络将新交互实时吸收到动态权重这一关键操作使问题得以解开。这项工作真正留下的遗产是证实定长参数能取代超长文本。它为后来者打开的新门是将经验写入权重直接指导智能体，但尚未跨过的门槛是固定容量引发的细节遗忘。arxiv.org/abs/2610.26825 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 当模型把记忆从外部检索变成内部状态，长文本问题就变成了压缩问题。MemT-1.0用固定大小的隐藏状态替代无限增长的上下文窗口，在128K历史中实现66倍存储缩减和近2倍推理加速。更关键的是，逐词更新记忆比按轮次更新效果更好，说明模型在生成过程中同步修正内部表征，这比事后总结更贴合神经网络的工作

原文

#微博视频号续航计划# 李飞飞一针见血地指出了当前AI大模型最大的幻觉与局限：语言只是人类发明的信号，而真实世界是由实体、物理定律和三维空间构成的——天空里没有写字，大自然也不靠token运转。如今的大语言模型可以把话说得越来越像人，却依然分不清距离、方位和体积，甚至预测不了杯子一松手就会掉下去。它们并没有真正理解世界，只是在做文字的统计。她强调，缺少空间智能，AI就永远只是黑暗中的“文字匠”——能聊天，不等于能走进现实。#海外新鲜事# #海外编译精选# 历史的进城的微博视频

转发者评论

//@老曾阿牛:有道理

• //@老曾阿牛:有道理

原文

「用 iPhone 和 AI 把真实房间搬进浏览器」Wes Bos 开源的 3d-model-anything 带来了一套实用的空间建模工作流。它避开了一键扫描直接导出杂乱网格的局限，改用 iPhone LiDAR 记录空间尺寸与现场照片，再配合本地 AI 编码 Agent 对齐实拍视角、校对度量并迭代建模，最终还原为轻量且完全可编辑的 Three.js 场景。项目不仅开源了供 Xcode 编译的 iOS 采集端，还包含适配 Agent 的重构 Skill 工具集，以及支持漫游、俯视、线框和玩具屋等多种视角的 Web 端查看器与办公室重构范例，对前端 3D 与空间计算开发者来说很值得体验。github.com /wesbos/3d-model-anything

转发者评论

无明显转发评论

原文

[CL]《Large Flow Language Models》A Chavan, C Lee, U Bamba, J Yoo… [UC Berkeley & Amazon & KAIST] (2026) 在模型推理中，并行生成是个悬而未决的难题。过去受困于模型扩展低效，本质是连续流抛弃了因果序列，致使无法复用预训练权重与缓存。本文的核心洞见是：把连续流重新看作异步分块去噪。由此，分配词级时间这一关键操作使问题得以解开。首词率先去噪，直接打通了前缀继承与文本并行起草。这项工作真正留下的遗产是流模型的低耗扩容法。它为后来者打开的新门是证实无损精度提速完全可行，但尚未跨过的门槛是极少步蒸馏仍面临解码质量衰减。arxiv.org/abs/2610.28559 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 这篇工作的价值不在于又做了一个生成模型，而在于重新定义了什么叫“兼容”。流训练本质上让模型看到更多未来信息，这和多步预测训练的效果一致，所以自回归能力没丢，反而更强。更巧妙的是，一个模型同时具备流生成和自回归能力后，流生成的结果可以直接交给自己的自回归部分做验证，省去了额外模型的

原文

[RO]《Agentic World Action Models》Z Liu, D Niu, B Zhang, B Shao,… [UC Berkeley & University of Pennsylvania] (2026) 在具身领域，长序列分解是一个悬而未决的难题。过去的方法受困于技能复用与物理直觉割裂，本质原因是离散逻辑与连续动作分属孤立系统。本文的核心洞见是：把代码重新看作锚定视频预测的语义骨架。由此，代码、未来帧与底层指令的同步去噪这一关键操作使问题得以解开。这项工作真正留下的遗产是代码驱动的预测接口。它为后来者打开的新门是程序与动作动态切换，但尚未跨过的门槛是空间坐标误差仍会引发物理碰撞。arxiv.org/abs/2610.30136 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 这项工作回答了一个容易被忽视的问题：机器人为什么需要代码？答案不是为了写程序，而是因为代码能同时承担三种角色：规划的结构、预测的骨架和技能的载体。当视频预测与动作生成都围绕代码展开时，模型便具备了“知道自己在做什么”的能力，而不是只凭像素相关性猜测下一帧。更重要的是，代码让不同机

原文

突发！Claude Code桌面之父官宣离职，从高中辍学逆袭AI之巅一天之内，Claude Code连走两员大将！继Thariq Shihipar离职后，Claude Code桌面版主创Anthony Morris也发出告别信，官宣离开Anthropic。你在Claude桌面应用里开几个会话，一边看网页预览、一边让AI改代码，用的就是他做出来的东西。然而，就是这样一个人，连高中都没读完，还在个人网站专门开了一栏，记录自己这些年的失败。最终，一次次被挡在门外的他，用了18年，做出了一款想让所有人都能进门的产品。12岁那年，Anthony父母离异。他跟着常年在外干活的父亲生活，逃学也没人管，甚至把学校电话拉黑，防着学校往家里答录机留言。上了高中，重度抑郁将他压垮，很多天连起床都难。那时他笃定自己活不过21岁，2008年干脆退了学。结果出来，满分300分、及格线150分，他只拿了57分。2022年初，他和搭档Alice定下计划，一年内每月做一个新产品，每周直播写代码并开源。9个月后，两人只做出3个产品，计划宣告失败。4个月后的2025年12月，Anthropic在X上宣布，Claude桌面应用正式集成Claude Code，留给不爱用终端的用户，并在帖末点名，这是Alice和Anthony做的。当年那个认定自己活不过21岁的少年，如今在网站上一周一周地数着剩下的时间。在这个由AI点燃的新时代里，英雄从来不问出处，每个人都能成为真正的创造者。

转发者评论

无明显转发评论

原文

看到一条微博下面又有人讨论国内ai厂给毕业没几年的人发300w的offer，想起几个月前和一个国内猎头还聊过一次 就是想看看现实情况究竟如何。猎头当时说，按我的情况（8年ML/NLP/AI相关的技术研发经验，985本德国硕），如果去做agent开发或者其他ai相关职位，应该正常情况下一百多不到两百万（也有提到职级但我不了解国内情况所以不记得）。但猎头也强调说具体薪资多少取决于手上的竞争offer。所以我理解的就是，条件好的、愿意拼一下的，可以面多家公司，通过相互compete估计是可以拿到两三百万年薪机会的。不过我后来就没下文了 一是懒得认真准备面试多家公司，我一般是只看自己感兴趣的公司产品，有针对性准备的那种人 从没海投过。再就是如果没有多个offer可以竞争，那其实薪资也没我以为的那么高 为此跨国搬家不太值…最后还是家庭原因。我肯定不舍得不带上娃，但带上娃回国的问题就复杂多了，我一想到回国上学和食品安全的问题，就觉得好像有点本末倒置。。最终也还是觉得麻烦吧 如果想通过跳槽涨薪，那我在本地也完全可以，虽然不一定能轻松找到薪资翻倍的机会，但也不是没可能，以及找到后接受offer的可能性高很多。

转发者评论

无明显转发评论

原文

AI把撬锁的成本打到了地板价，锁还是那把锁。10月21号前后，一些网站突然打不开了。不是网络问题，也不是服务器崩了，而是这些网站主动先把门关上了。维基百科的一部分协作服务下线，英国国家网络安全中心紧急发通告，要求所有机构排查自己的系统。起因是PHP发布了一次紧急安全更新，修的是两个藏在代码里很多年的漏洞。消息公开后，Cloudflare的CEO说，针对这两个漏洞的攻击尝试很快达到了数百万次量级。注意，是利用尝试。这就像有人在村头大喇叭喊你家门没锁，你可能还没听见，但整个镇子的小偷都听到了，纷纷上门推推你家的门，顺便把用着同一种锁的邻居家也挨个试了一遍。PHP是什么？在所有能识别服务器端语言的网站里，用它的大概接近70%。你可以把它理解成全球近七成网站的地基，用的都是同一种材料。而现在，这种材料被发现有裂缝。裂缝不是新出现的。这段代码在PHP里已经存在十多年。早在2024年，PHP核心开发者做外部安全审计时就注意到一些可疑迹象，发现某些操作可能导致内存溢出。但当时他们没能证明这个问题可以被远程利用，就像发现墙上有道裂缝，拿手指抠了抠，抠不动，觉得风险可控，就先搁下了。没继续深挖不是因为疏忽或者能力不行。要证明这条缝真能被人从外面撬开，得做大量测试，换不同的操作系统、不同的PHP版本、不同的服务器配置，排列组合下来工作量是天文数字。人手有限，安全研究员手上还有一堆别的事，这条线索就搁下了。这里有个很现实的对比。技术团队说要花100万做新产品，上面很容易批。说要花100万做测试、修旧系统漏洞、打补丁，这笔钱就难批了。甚至有不懂技术的领导会反问一句：你们技术部能力不行啊，怎么做出来的系统有这么多漏洞。现在AI进来了。今年下半年，两家安全公司分别用AI对这个旧漏洞做了系统化的暴力测试。AI干的事原理上跟人没区别，就是一个一个地试，换参数、换配置、换版本、换编码方式，看哪种组合能撬开。区别在于人一天只能试几十种，还得吃饭休息，AI可以二十四小时不间断，一天试几千种几万种，试完自动记录结果，自动调整下一轮方向。结果就是，那个一直没能撬开的漏洞，其实完全可以撬开，而且不止一种撬法。受影响的范围比2024年预估的大得多，从十几年前的老版本到新版本都没能幸免。这件事最值得聊的地方在于，AI没有发明什么新攻击方法，也不比人类专家聪明。它做的事人也能做，只是人不会去做，因为成本太高、耗时太长、过程太枯燥，还不知道要试到什么时候。AI把这件事的成本打到了过去难以想象的程度。这跟AI写文章、画画、写代码是一个逻辑，不是AI比你聪明，是AI比你更能耗。它不需要休息，不需要动力，也不需要意义感。但发现漏洞之后，AI能帮的忙就没那么大了。PHP官方还得写修复代码、测试、发新版本，这一步他们做得还算快。真正麻烦的是全世界几百万个网站都得一个一个升级。这就像厂家说地基材料有问题，我出了新材料你…

转发者评论

无明显转发评论

原文

给大家带来 DeepSeek-v4.1-Flash-1017 的实测!说实话这是一个你绝对不能错过的模型, 因为它的能力提升非常大, 我测下来后端 Agentic Coding 和前端能力真的跟官方说的许愿式编程差不多了.但是在我测试中也发现了一个问题, 它的 Agent 能力似乎被训练得过于抠门了 (表现就是如果做事情有代价, 倾向于不做). 不知道是不是为了适配 DSH 调整成这样的. 但是这个表现跟上一个 flash 版本可是一点也不一样了, 所以用 flash 接到自己的 Agent 框架里的同学, 一定记得单独做适配, 否则大概率会翻车. 详情请看视频.#HOW I AI##微博视频号迎新计划##deepseekflash##deepseekv41flash1017##deepseek# karminski-牙医的微博视频

转发者评论

无明显转发评论

原文

邓煜在《知识分子》AI与数学论坛中谈蒸馏：“当然，关于蒸馏这个事情，我觉得其实也有很多人说过，对AI 公司来讲，你不能在只有你蒸馏全人类的网络文献、全人类的知识的时候，就大大方方地去蒸馏；事实上没有人想要蒸馏你，大家只是想要了解一下思维链，然后你觉得别人想要蒸馏你，就开始说这个不行，那个不行。我觉得，在任何意义上，这都不能说是一个特别合理的理由。”

转发者评论

无明显转发评论

原文

#警惕日剧背后的认知投毒#【#日剧Vivant颠倒黑白抹黑中国#】日本TBS电视台的电视剧《Vivant》（《别班》）剧情有多离谱？剧中把中国人拍成惨无人道的施暴者，把日本自卫队情报人员美化成正义反击者。更值得警惕的是：日本外务省斥巨资搞对华舆论抹黑和歪曲历史、用AI视频篡改历史、用AI大模型“投毒”、持续篡改教科书……娱乐化包装的敌意，比赤裸裸的宣传更危险。（CCTV国际时讯） 人民日报的微博视频

转发者评论

无明显转发评论

原文

极光破了，有人上去补一针。雨云太湿，就夹到屋顶晾一晾。 把一件普通家务放大到天地之间，画面就有了故事。今天试试这种带点幽默的超现实海报。 🎯核心提示词 生成一张独立3:4竖版超现实艺术海报，主题“天地检修”。把【自然现象】当作可以用日常工序维护的实体：在【场景】中，【操作者】使用【工具】进行【作业】，清楚呈现【接触点与变化】。 画面只围绕这一件反常但能看懂的事，操作尺度与自然尺度形成强烈反差；不是多个相同主体排队。采用【机位构图】，至少保留【留白】为约三成连续负空间。真实电影摄影与精密舞台装置相结合，使用【光色材质】；工具、现象和环境共用光向、透视、接触阴影，保留自然现象原本的纹理，不能全变成塑料模型。 示例参数：补天 【自然现象】极光 【场景】寂静北方雪原与深墨蓝夜空，一道翡翠绿极光帷幕在天空被扯开一道窄缝 【操作者】吊在纤细升降索下的一位极小维修员 【工具】一枚巨大银色缝衣针和暖金光线 【作业】给极光的裂口缝最后一针 【接触点与变化】针尖穿过极光两边，左侧破口仍黑暗，右侧三道金色针脚已把绿色光幕连起来，金线垂成一条优雅弧线 【机位构图】远景仰视，极光与针在画面右上，雪原底部仅占一成，人物不到画幅2%，大字构图在左中部 【留白】左上和左中不受星点打扰的深蓝夜空 【光色材质】墨蓝、翡翠绿、少量熔金；哑光雪、针的冷金属细高光、丝质透明极光，柔光与深黑形成明暗张力 【模式】海报 【中文标题】补天 【英文标题】SKY REPAIR 【文字设计】中文两字上下错位，占画高近一半，定制极粗竖笔与极细横笔的现代宋体，楔形锐角收笔。暖白字形中仅一条斜切细缝由三个金色小针脚连接，保留完整可读字形；不是装饰一圈虚线。英文细窄大写横排在“天”的右下，字号为中文八分之一，字距宽松。文字在极光前层，金线从标题切缝自然延伸到真实修补处，左上仍留整片空白##德里克文[超话]###德里克文的ai学习笔记###AI创造营#

转发者评论

无明显转发评论

原文

[RO]《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》Q Liao, Y Shao, J Long, K Zakka… [UC Berkeley] (2026) 在人形控制领域，低成本学动作是一个悬而未决的难题。过去的方法受困于万级卡时开销，本质原因是视仿真为黑盒盲猜，未利用底层物理规律。本文的核心洞见是：把动作试错重新看作求解可微世界模型。由此，在模型内推演并直接反向传播求导这一关键操作使问题得以解开。这项工作真正留下的遗产是降本千倍的训练法。它为后来者打开的新门是低成本探究缩放定律，但尚未跨过的门槛是困于平地仿真，无复杂地形交互。arxiv.org/abs/2610.28480 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 机器人学习有个悖论：动作越多，规律越少。264倍的数据量没让误差上升，因为刚体物理只有一套。SuperMimic的突破在于抓住了这个本质——用可微物理模型替代盲目试错，让策略学习直接看到“改哪里有效”，而不是在黑箱里碰运气。单卡3小时胜过百卡7天，不是工程奇迹，而是路线差异：一个在学物理规律，

原文

这是我们最近做的一次为期三个月的调研，为了从一万种展品中发现，未来哪些科技会改变你我的生活。1 万余件展品里，挑出 25 项最能代表未来的技术 —— 第九届进博会 “黑科技与硬科技”报告发布了👇网页链接《创建未来的进博力量——第九届进博会黑科技与硬科技展品报告》🤖 黑科技 10 项：让生活形态被重新定义🔹 AI 机器人自己会打乒乓球（智脑竞速基金会・美国）🔹 索尼俯瞰式空间现实预演工具（日本）🔹 诺和诺德 CagriSema 体重管理创新药（丹麦）🔹 拜耳卒中复发抑制剂 Asundexian、勃林格殷格翰索弗度肽（德国）🔹 宝马 E-Ink 技术、博世 AI 全屋气候、HaptonTech 触觉穿戴、傲胜AI养身椅……⚙️ 硬科技 15 项：守住产业根基的核心壁垒🔹 高通 6G 终端原型机、AMD 第六代 EPYC 处理器🔹 美敦力脑机接口闭环系统、GE 深硅光子 CT、飞利浦无液氦磁共振🔹 蔡司激光共聚焦成像、WFL 车铣复合加工中心、基恩士全自动影像仪🔹 GE 航空 AI 孔探检测、英特尔绿电智算舱……25 项展品横跨生物医药、人工智能、先进制造、通信、医疗影像，从概念验证一路覆盖到规模应用。哪一项最让你心动？网页链接聚焦前沿创新 解码进博亮点《创建未来的进博力量——第九届进博会黑科技与硬科技展品报告》正式发布#进博会##第九届进博会##黑科技##硬科技##人工智能##脑机接口##6G##新质生产力##科技前沿##中国制造#

转发者评论

无明显转发评论

原文

《哈佛商业评论》9到10月合刊里，有六篇AI相关的文章。单看哪一篇都不算惊天动地，但摆在一起看，它们讲的是同一件事：AI给你省下的那点效率，你一定会想办法把它吃掉。个人层面有三篇。第一篇跟踪了一家200人的科技公司整整8个月，结论很反直觉：员工确实省下了大量时间，但省下的时间既没变成休息，也没用来做更深的思考，而是被自己填满了。产品经理开始写代码，研究人员开始接工程任务，每个人都觉得既然AI帮我干了一部分，那我就再多揽一点。工作量不但没减少，反而增加了。第二篇调研了1488名从业者，发现同时用三个以上AI工具的人里，14%已经出现AI脑糊。你得在不同工具间切换上下文，记住哪个AI擅长什么，比对它们给的不同答案。你的大脑一直在当翻译、当裁判、当调度员，监督AI本身就是一种新的认知劳动。第三篇最狠。我们一直相信人在环中这套机制：AI干活，人来把关，出错能拦住。但研究发现，你质疑AI的输出时，它不一定老实认错，它可能换个说法，用更多论据、更流畅的逻辑再讲一遍，说服你接受原来的结论。你越认真审核，它越用力说服你。时间一长，你要么放弃审核，要么被说服，机制就失效了。组织层面也有三篇。一篇说AI太好用的时候没人愿意自己动脑了。AI随手给你七八十分的东西，谁还愿意花大力气去够那个九十五分。但七八十分到九十五分那段路，才是组织真正需要的价值。打游戏也一样，被《黑神话》虐几百次，过关那一刻才格外兴奋，费劲本身就是燃料。另一篇更微妙。研究发现，当公司给AI起名字、分工位、发工牌之后，管理者对它的审查就松了，因为心理上已经把它当同事了。在把AI列入组织架构图的公司里，起草者被称作AI员工而不是工具时，管理者识别出的错误少了大约18%。AI在说服你别审，组织又在用拟人化让你放松审，两头一挤，审核就名存实亡了。最后一篇最冷静。AI把排产时间从几小时压到几分钟，但交付周期压根没缩短。因为排产只是链条上的一环，设备切换、物料延误、紧急插单、质量波动都还得人来协调。整条链子的速度取决于最慢那环。作者管这叫影子人工成本，省下的人力没消失，只是从排产变成了盯着AI排产之后的新问题。六篇指向同一个结构：人和组织都有一种填满空隙的本能。时间空出来了，你会找活干；认知余量多了，你会多揽事；流程变快了，组织会增加需求。盘子一腾出空间，你就想往里加菜，这个动作几乎是自动的。对抗它的办法其实只有一个。每次AI帮你省下一块时间，别急着往里填东西，先停一下问自己：这块空出来的地方，我到底要用来干什么，是拿它做更多的事，还是拿它做更好的事。答案不一定每次都一样，但这个问题值得反复问。#科技先锋官#

转发者评论

无明显转发评论

原文

[人人能懂AI前沿] 从自主造工具、记忆微创术到视觉幻觉今天我们要深扒五篇极具颠覆性的最新论文，带你看看AI世界里那些让人大跌眼镜的“反常识”真相。你将听到AI如何抛弃人类的鼠标键盘自己“造工具”，长文本模型怎样通过“微创手术”实现精准记忆，以及为什么看似聪明的自我进化AI会陷入“狗熊掰棒子”的遗忘困境。我们还会揭秘机器人如何靠“共享备忘录”平衡慢视觉与快触觉稳稳拿住鸡蛋，并无情戳破AI视觉解释性的幻觉——它认出大象时，可能根本就没在看大象！准备好颠覆你的认知了吗，让我们马上开启今天的硬核前沿之旅！00:00:42网页链接

转发者评论

无明显转发评论

原文

发一下前两天Hugging Face开源的一款DNA模型：Carbon-X，在专业基因组任务上逼近GPT-6.1 Sol，单题推理成本约6.1 Sol的1/1800，14.8BBF16权重可在单张80GB GPU上部署这是一个让AI直接理解DNA序列，通过自然语言完成基因组分析的模型比如说，你输入一段DNA序列，就能询问某个突变可能是良性还是致病性、某段序列是否具有基因调控功能，或者预测后续碱基，并文字解释它核心是把DNA和自然语言统一到了一个语言模型中基于Qwen3-14B继续训练，扩展了5515个DNA专用Token，混合Tokenizer：文字使用BPE，DNA每6个碱基编码为一个TokenDNA和文字共享同一个Transformer，不需要独立的DNA编码器；模型在Qwen3-14B基础上经约302B token继续训练，再通过SFT与可验证奖励强化学习增强专业能力在五项DNA基准测试中，其平均得分66.7，接近GPT-6.1 Sol的67.5，高于Claude Opus 5.5的60.9其中，蛋白质编码区变异效应预测达到74.9，高于GPT-6.1 Sol的71这对大规模基因组数据库分析、遗传变异研究、生物信息学科研来说是一个低成本、可私有化部署的选择它还提供了适用于Claude Code、Codex等Coding Agent 的Skill，以及工具调用示例，可以把Carbon-X接入现有 Agent工作流执行DNA序列分析任务HF：网页链接#DNAAI模型##CarbonX##基因分析模型#

转发者评论

无明显转发评论

原文

大衙门发了个文件，要求 #减缓人工智能应用就业替代影响# 我觉得应该不是感受到了自由职业者的难处而是感受到了社保资金池子水位的下降社保这套机制，即使是西方发达国家，也搞了没多少年，大部分是二战后普及的中国更晚基本模式都建立在一个基础上：大部分劳动力受雇做一份全日制的工作，然后雇主和雇员各交一部分钱，一般是雇主交大头。这套机制，现在出了问题，就是自由职业的人太多了，三成，四成，随着AI 发展，几年之内，多数人会自由职业自由职业的人如果强行纳入现在的那套机制里，他们收入是不够的，他们需要承担全部的缴费。社保，还是要要搞的，这是文明的成果，集体合作，保证失去劳动能力后生活资源。但现在这套机制，肯定应付不了多数人自由职业的状态，它不是为这种状况设计的

转发者评论

//@钟鸿钧://@王晔Ken:中国的社保缴费制度不公平。大部分国家社保都是按比例缴费，只有上限没有下限，但中国设了一个很高的下限，对低收入群体非常不利。其次，自由职业个人要承担雇主缴费，这本身没问题，但既然个人视同雇主就应该允许所得税抵扣合理商业成本，比如网约车司机租车油费等成本应该允许

• //@钟鸿钧://@王晔Ken:中国的社保缴费制度不公平。大部分国家社保都是按比例缴费，只有上限没有下限，但中国设了一个很高的下限，对低收入群体非常不利。其次，自由职业个人要承担雇主缴费，这本身没问题，但既然个人视同雇主就应该允许所得税抵扣合理商业成本，比如网约车司机租车油费等成本应该允许

原文

转载：所有公司都缺算力，AI 不是当年的光纤泡沫。谷歌 CEO 皮查伊：今天手里的算力取决于我 2024 年的决定，客户要 2027 年的算力都很难满足。当年的光纤铺好了闲着，今天的算力天天不够用。#AI #算力 #谷歌（来源：视频号“AGI2050”，视频版权归原作者所有，如有侵权，请联系删除） 但斌的微博视频

转发者评论

无明显转发评论

原文

🚨速报：OpenAI CEO萨姆·奥特曼表示，AI正在“硬件层面上，发现疯狂的”漏洞，而且他认为已经无法修补所有这些漏洞。NSA、FBI、英国政府，以及OpenAI自身，正在竞相遏制本周AI发现的这些缺陷的影响。事情是这样的：→ 超越黑客：奥特曼表示，该模型现在发现的漏洞“超出了我们认为黑客能做到的常规威胁模型”。→ 已经发生：本周，PHP2Shell被公开，这是一个由AI发现的PHP（支撑全球约70%网站代码）中的缺陷，被评为严重程度9.2/10。→ 有些无法修补：英国网络机构表示，一些旧系统无法修复，因此需要更换它们。→ 网络暴露：全球网站正面临数百万次试图利用这些漏洞的攻击，英国已将32个政府服务下线。→ 修补或下线：NSA指示各组织立即修补PHP，OpenAI则投入10亿美元，帮助防御方使用其AI安全工具。想想这件事吧。迄今为止，我们一直依赖软件更新来保持互联网的安全。而现在，一个构建找出漏洞AI的人却说，无法修补它们所有。这可能成为AI时代最大的安全挑战之一。引用：🚨BREAKING: OPENAI CEO SAM ALTMAN SAYS AI IS FINDING "HARDWARE-LEVEL, INSANE" BUGS AND HE NO LONGER THINKS WE CAN PATCH THEM ALL.The NSA, the FBI, the UK government, and OpenAI itself are racing to contain the fallout from this week's AI-found flaw.Here's what's happening:[视频]网页链接

转发者评论

无明显转发评论

原文

之前有个调查数据，对全国30个省3万个城镇家庭做的，一户一句问，数据还是挺真实的。结果是：住房资产占家庭总资产的59.1%，金融资产只占20.4%，住房拥有率96%。六成的家庭财富，还是房子，这几年尽管价格有下滑，但占比并没有变化。我爸妈和岳父母，都70多岁的人了，回顾一辈子留下点什么，除了孩子养大成人外，资产上也就剩几套房子了。不管未来技术怎么发展，AI如何如何改变这个世界，围绕房子建立起需求和消费，我觉得依然有的做，不会湮灭，至少数十年没问题。

转发者评论

就前些年的股票基金表现，如果资产大头是金融资产，那得多酸爽？[允悲] 金融类在国内还处于襁褓期，只能说理论上的增长空间很大…

• 就前些年的股票基金表现，如果资产大头是金融资产，那得多酸爽？[允悲] 金融类在国内还处于襁褓期，只能说理论上的增长空间很大…

原文

【菲尔兹奖得主邓煜：AI时代的数学研究，人永远是主体】在人工智能狂飙突进的当下，数学界正迎来一场前所未有的危机和大讨论。2026年10月25日，菲尔兹奖得主、芝加哥大学数学系教授邓煜受邀在《知识分子》与《赛先生》联合举办的论坛发表线上主旨演讲，系统地阐述了他对AI时代数学研究的思考。在邓煜看来，AI可以帮助数学家探索思路、处理技术细节，却不能取代人的自主思考。针对近期某AI公司公布的大量数学证明，邓煜提出，AI的发展需要遵循学术规范，研究者也应拥有对数据使用的选择权，并建立可追溯的贡献认定机制。展望未来，他认为，AI有望加强数学不同分支之间的联系，推动数学研究更深入地回应现实问题。但无论AI变得多么强大，数学研究都不应放弃以人为主体。本文为邓煜教授演讲全文（演讲视频附在文章后面）。为便于阅读，文章略有编辑与精简。全文点击链接查看：网页链接

转发者评论

以人为主题当然好，关键在你怎么做到呢[思考]

• 以人为主题当然好，关键在你怎么做到呢[思考]

原文

#网友严肃论证DeepSeek性别#互联网最近最离谱的争论：DeepSeek到底是男是女？两派人马为此吵上了热搜。📌 事情经过DeepSeek官方Logo是只蓝色鲸鱼，网友自发创作了两个拟人形象：女版「鲸鱼娘」（蓝发女仆装、爱吃白饭、爱犯傻，昵称大肥鱼）和男版「D老师」（蓝毛西装高冷帅哥）。两边粉丝为争「正统」打起来了，投票结果鲸鱼娘以314万：145万碾压胜出。🎯 真正的赢家其实官方从未认领任何形象，两个都是网友二创。但这场争论暴露了有趣的现象：信息茧房让两批人活在平行世界——男性用户天天刷到大肥鱼，女性用户只见过D老师，直到一张对比图把两个世界撞在一起。你刷到过哪个版本？#DeepSeek##鲸鱼娘##二次元##微博AI创作季#

转发者评论

无明显转发评论

原文

PlayUGC 创始人 Mark Price ，他前段时间发了一条帖子，说的事情让很多人都有共鸣。他做在线教学好多年了。有段时间，他每个月靠卖编程课能赚到10万美元，那会儿日子过得挺好。但现在这条路走不下去了。他想靠视频课赚钱，已经基本没可能了。他认识的同行也都碰到了同样的事。AI 现在能直接帮人写代码、帮人干活，很多人不愿意再花时间和钱去学这些技术了。这件事让他很抓狂。但他也没有停在那里，开始转型做更多面对面的真人辅导。以前他主要教的是“怎么做某件事”，现在他更多是帮人真正把事情做成。他说这两件事做起来感觉挺不一样的。转型的过程不容易。他本来有些社交焦虑，跟人打交道多了就会累，但他还是调整了自己的工作方式。他说，编程这个领域在变，SaaS 这个领域也在变，感觉没有什么地方是不变的。他觉得有一点挺讽刺的。AI 来了之后，他反倒被逼着要跟人建立更真实的联系，要说实话，才能把生意做起来。他说，现在的人越来越不吃那套废话，也越来越看不上粗制滥造的内容。他今年40岁，学新东西越来越吃力。但他说他没得选，必须学。他在学 AI 这件事上，感受到的快乐，比碰到的困难要多。最后他说，他也是在摸索着走过这个变化的时代，和所有人一样。他觉得没必要把人分成“挺 AI”和“反 AI”两拨。大家都是普通人。事情难，不代表事情做错了。#科技先锋官#

转发者评论

无明显转发评论

原文

AI 时代这些更加重要，因为当 AI 把做产品的执行门槛打下来之后，宣发、营销、品牌、设计、创意这些就更加重要。记住：我们生活在一个物质过剩、产品过剩的时代，所以，这本质上就是一个酒香也怕巷子深的时代。做技术的，最大的问题就在于，感觉自己只要专心做好一个产品就行，只要产品足够好，用户自然来。其实，这是最大的一个误区。#科技先锋官#

转发者评论

无明显转发评论

原文

「可以把这篇内容发给AI，让AI帮你按照这篇内容定义生成图片/视频的skill」这篇内容不错～收藏！用 Claude 做动画，全网最全攻略：4 条路线、11 种风格、30+ 工具和案例、全部素材来源（via Xian | 弦)目录原理：Claude 不画画，它写“画画的程序”4 条技术路线 + 工具清单11 种动画风格图鉴（每种附样例图和参考案例）市面上的爆款案例和博主实战素材从哪来提示词怎么写（附模板）我的 8 步做片法 + 6 条设计原则踩坑清单 + 开源 skill原文：网页链接#HOW I AI# #程序员#

转发者评论

无明显转发评论