微博 AI 观察博客

原文

说现在中国互联网进入「字节时代」完全没问题啊 … 无论从第三方数据，还是真实体感，字节系的产品的渗透率真的非常吓人。除了微信，腾讯的用户基本盘这几十年一直是年轻人，但字节系的产品是肉眼可见覆盖到了全民。以我家乡为例，江苏的一个县级市，无论城乡，几乎全年龄段都在刷字节三件套：抖音、红果和番茄。我所处的文娱行业更不用说了，几乎所有业务就是围绕字节体系在打转。我们经常内部开玩笑，字节赚钱字节花，一分别想带回家。之前别人和我分享过一个观点，说字节很多 App 底层都共享着近似的机器学习模型、增长系统、广告技术栈、内容审核和人才池，所以能拉高每个新产品的基础体验。不知道这个说法是否准确，但从字节系产品的类似形态看，应该大差不差。有了新产品，剩下的事只需靠抖音这个国民级应用导流，无论是番茄、红果、豆包，还是现在的抖省省和汽水音乐，几乎都是靠着抖音奶起来的。每个用过抖音的人，应该都经历过上述产品的推广期，切身知道什么叫「字节式的饱和投放」。这意味着字节每开一个新产品，都有竞争对手花几十亿也买不到的基础流量池。而同期竞品则或多或少会得到限制（我知道字节在这方面一直不承认，他们的说法永远是开放的，但实际上 … 我想做过他们竞品的各家都有麦想开 ）。我毕业那会儿正是字节起飞的初期，身边遂有大量朋友去了字节，其中不少人如今都升到了不错的位置。以前他们没那么忙时大家还经常聊天，我真心非常佩服字节在组织和运营方面的雕琢，甚至觉得他们可能是在「效率」层面卷到历史第一的大厂。但对他们旗下这些吞噬时间的产品本身 … 真的难以给予正面评价。张一鸣说过「延迟满足感和坚决告别惰性是优秀的最重要两块基石」，但他旗下的产品，恰恰是按着这两个人性弱点在狂锤。每次外部有人提这个点，字节回应时总会拿「好内容」来反击，仿佛一切都是用户的自然选择。事实上这些「好内容」不过是老虎机的拉杆，目的只是为削弱用户的自我控制能力，只是为了让用户在每次滑动中产生源源不断的多巴胺。大家可能认为算法就是挑出你最喜欢、最高质量的内容。但实际上，算法很大一部分功能是计算用户会在什么时候流失。他们需要卡着用户不耐烦之前，尽可能给你塞新内容和广告。这不是我在胡说八道哈，针对推荐算法机制，这几年已经有很多相关的学术研究和法律判决。比如今年 Meta 因为「用成瘾性产品设计诱导未成年人沉迷」在美国被罚了180亿美元。欧盟对 TikTok 也有相应限制，大家感兴趣可以去搜搜看相关的资料。但目前为止，国内好像还没有具有社会影响力的约束。—— 可能这也是为什么字节会对昨天那份野村的报告反应那么激烈吧，拼命想把腾讯推出来，认为自己压根不是「杀时间」的老大哥。毕竟谁坐上那个位置，就是未来会被反噬的第一责任人。好消息是，字节的朋友和我说，他们现在内部（可能只是他们团队）不让提「时长逻辑」，一方面觉得敏感，另一方面是觉得靠广告增长终会到头，毕竟现在…

转发者评论

//@宝石矿物研究博士后:软件是死的，人是活的，像我就用某音搞学习，觉得挺好的//@岛猫大脸猫:是的[流汗][流汗]//@卧猫岗的猫:张一鸣说过「延迟满足感和坚决告别惰性是优秀的最重要两块基石」，但他旗下的产品，恰恰是按着这两个人性弱点在狂锤。 [笑cry][允悲]

• //@宝石矿物研究博士后:软件是死的，人是活的，像我就用某音搞学习，觉得挺好的//@岛猫大脸猫:是的[流汗][流汗]//@卧猫岗的猫:张一鸣说过「延迟满足感和坚决告别惰性是优秀的最重要两块基石」，但他旗下的产品，恰恰是按着这两个人性弱点在狂锤。 [笑cry][允悲]

原文

说到重建互联网基础设施，大家应该看看这个 OSOmarchy 是由 Ruby on Rails 创始人 David Heinemeier Hansson（DHH）创建的开源 Linux 发行版，定位为“美丽、有趣且面向智能体时代的 Linux”（Beautiful, fun & agentic Linux）。核心特点基础：基于 Arch Linux 的滚动更新发行版，使用 pacman 包管理器，内核为标准 Linux 单体内核。桌面环境：默认采用 Hyprland（基于 Wayland 的平铺式窗口管理器）+ Quickshell 桌面外壳。窗口自动平铺排列，重度依赖键盘快捷键操作，界面高度可定制、视觉效果出色。“Omakase”（日语“主厨推荐”）理念：高度 opinionated（有主见）。安装后即提供一套精心调校的默认配置和软件，用户几乎无需从零搭建，即可直接投入使用；同时保留完全自由修改的空间。预装软件与工具：Neovim、Chromium、Docker、Obsidian、LibreOffice、OBS Studio、各类终端工具（TUI）、开发环境等。重点是预集成了多个 AI 编程 Agent（如 Claude、Codex、Grok 等 CLI 工具），可一键调用，强调“为 Agent 时代打造的可塑操作系统”。安装与使用体验：安装速度快（最快约 35 秒到几分钟），开箱即用且美观。支持主题、插件系统，配置多以脚本和可读文件形式存在，方便 AI Agent 理解与修改。起源与定位2025 年 6 月 26 日首次发布，最初是 DHH 个人的 Arch + Hyprland 配置脚本，后来发展成完整发行版（拥有独立 ISO 安装镜像和软件仓库）。官方网站为 omarchy.org，GitHub 仓库为 omacom/omarchy（MIT 许可证，社区活跃，星标数很高）。最新版本已进入 4.x 系列（代号 Quattro）。它不是传统意义上“尽量模拟 Windows/macOS”的发行版，而是主动拥抱 Linux 特性（终端重度使用、配置文件编辑、平铺窗口），同时通过精美设计和开箱即用体验降低上手门槛，特别适合开发者、效率爱好者和想运行本地 AI Agent 的用户。网页链接

转发者评论

无明显转发评论

• x86 和 Windows 都要真正寿终正寝了。。。//@正一派网吧会员:我就说AI时代利好Linux嘛[笑而不语] Windows这个历史遗留的毒瘤应该消失了

原文

GPT 的奥特曼最近接了一个长达一小时的访谈，以下是要点总结，简单说：AI 的能力远远未达上限，沙河确保不了安全，企业预算从人力转移到 token 的进程刚刚开始，你抓不住最大的机会可能是因为。。。。。。1普通AI用户与高阶用户之间的差距正在呈指数级扩大大多数公司只用AI处理简单任务，而前沿用户则部署智能体团队、投入大量算力来解决以往被认为不可能解决的问题。机会在于把前沿级别的工作流带给主流企业。2智能体编排可能成为下一个重要的扩展定律（Scaling Law）即便是OpenAI也尚未弄清智能体的最优数量、模型选择、算力预算或协作策略。Altman认为智能体团队蕴藏着巨大的未开发潜力。弄清如何协调智能，可能与提升模型本身同等重要。3先探索AI的极限，再优化成本。OpenAI有意在不知道是否会成功的实验上投入了数百万美元。Altman认为其中一些实验的成本在一年内可能降低100倍。不要因为今天的推理成本不划算就否定一个创业想法，先证明什么是可能的。4AI支出可能占据企业运营预算的百分之几十Stripe已将约1%的运营支出用于AI token。Altman预计这一比例将大幅上升，并认为目前大多数公司对AI的投入都不足。AI正从一项普通的SaaS开支，演变为一种堪比人力的重要生产资源。5个人智能体的下一次重大突破尚未到来Altman认为个人智能体距离大规模普及只差几项创新。缺失的关键未必是更高的智能，而是可靠性：能够在无人监督下稳定执行复杂任务的智能体。第一个真正做到这一点的产品可能会变得不可或缺。6企业在守护错误的护城河：它们的用户界面消费者不想和成百上千个不同公司的聊天机器人打交道，他们希望自己的个人AI智能体代表自己与企业互动。亚马逊的护城河不是它的网站，而是信任、商品选择和履约能力。下一代互联网可能是"智能体对智能体"的，公司网站作为界面的作用将越来越微不足道。7AI可能让重建整个技术栈在经济上变得可行过去，重写操作系统、网络基础设施或遗留应用的成本高得令人望而却步。AI改变了这一等式，同时AI驱动的漏洞发现也让现有架构愈发值得质疑。一些最大的机会可能来自替换遗留基础设施，而非渐进式改良。

转发者评论

无明显转发评论

原文

#AI剪辑成本将降至几美分# Opus 5.5 发布之后，AI Agent 剪辑视频已经能替代初级剪辑师了。差不多就相当于 Claude Code 刚发布的时候一样，模型真的能自主完成复杂编程任务了，但这才刚开始，想想 Claude Code 发布才多久。当年 Anthropic 专注于训练 Coding，没想到能解决这么多问题，连视频剪辑都能用 HTML、JavaScript 剪视频、生成动画。在 Opus 5.5 之前我就在做剪辑的 Skill 和工具，但模型发布后发现绝大部分 Skill 都不需要了。我自己有做过实验，同一个视频，不用任何 Skill，只提供 ASR 和 TTS 工具，Opus 5.5 做的比用 Skill 效果更好，这点跟推文中的经验基本吻合。另外 Sabba 有一条建议跟我最近在做的事差不多，他建议：“不要重造专业剪辑软件的时间线，那个太难做，专心做好初剪，再方便地交给现有专业软件”。我最近也把 BaoCut 的时间线编辑器退居二线了，太过复杂，默认应该只需要一个简单的视频预览播放。如果你用 Agent 去生成、剪辑视频的话，编辑器越简单越好，只要能标记，方便的让 Agent 知道改哪就够了。这其实和之前 Tibo 改造 Codex 的经历类似，Codex 不需要一个 VSCode 的代码编辑器，视频剪辑 Agent 也不需要一个视频编辑器。转发的这两条推文有分享很多 AI Agent 剪辑的经验，有兴趣的可以看看。---我把引用的两条推文放在一起总结一下：Alex Cooper 管着一支剪辑团队，每天出大量广告，讲的是怎么用；Sabba Keynejad 是在线视频剪辑工具 VEED 的联合创始人，讲的是市场会怎么变。1. 视频剪辑在走编程走过的路两人都认为 AI 智能体剪辑已经能用，而且现在是它最差的时候。Alex 团队的资深剪辑师说，同等质量下，他一天的产出是以前的 5 倍。Sabba 预计一年内基础剪辑的成本会从几美元降到几美分。Sabba 也拿编程做类比：资深工程师当初最抵触 AI 写的代码，理由是质量和可维护性，后来还是接受了。他认为最好的剪辑师会是最大的批评者，但最终也会转过来。2. 视频被当成代码问题解决了Sabba 解释了为什么是现在：Anthropic 押注编程，模型会写代码，就能用 HTML/CSS、SVG、浏览器渲染、OpenCV 这些手段“写”出视频。之前有一批工具包专门给大模型补剪辑能力，Opus 5.5 出来后，很多用法就用不上了。他也承认，现在剪出来的东西还是更像网页，不太像视频。Alex 的经验和这一点基本一致：他试过各种方案，最后发现不装 MCP、不装插件，全在 Claude 里做效果最好。通用模型能力上去后，夹在中间的工具层会被吃掉一大块，编程领域已经发生过一次。3. 核心资产是 Skill，…

转发者评论

//@宝玉xp:回复@大秦咏春:剧情类的那种剪辑还不能替代，但可以做不少体力活了，人可以把时间精力花在更有价值的事情上//@大秦咏春:剧情类的内容，例如短剧剪辑这种应该还剪不了吧？主要还是剪口播知识讲解类的吧？

• //@宝玉xp:回复@大秦咏春:剧情类的那种剪辑还不能替代，但可以做不少体力活了，人可以把时间精力花在更有价值的事情上//@大秦咏春:剧情类的内容，例如短剧剪辑这种应该还剪不了吧？主要还是剪口播知识讲解类的吧？

原文

Tw93 是个有 12 年经验的程序员，最近他花了一个下午，把自己用 AI 写代码的习惯整理成了 20 条规则。我看完觉得挺实在的，给大家捋一捋。先说怎么给 AI 布置任务。别告诉 AI 具体怎么实现，你只说你想要什么结果就行。现在的模型够强，目标可以定高一点。背景要交代清楚：做什么的、给谁用的、什么样算好，技术细节让 AI 自己想。模型挑最好的用，差的来回折腾浪费时间。别让 AI 随便加功能，加之前要跟你确认。想法可以大胆，但要拆成最小步骤一步步做。然后是跟 AI 配合的规矩。教 AI 听懂你的话，“看一下”是让它读，“改一下”才是让它动手，提交代码和删东西必须经过你同意。配置文件里只写 AI 自己学不到的东西，比如你排除过的方案。重要的规则别光靠提示词，要用脚本卡住，确保检查真的跑过了。写代码的时候，让 AI 先说清楚它要改什么、会影响到哪里，你点头了再让它动手。给项目建一个验证脚本，每次写完都跑一遍看结果，时间长了就变成你的测试套件。多个 AI 同时干活的话，各管各的目录，只提交自己的改动，合并之后再跑一次完整测试。调试方面，先找到原因再动手修。修了两次没好就加日志去看，别猜。连修三次都不行，就清掉上下文重新来，把问题、目标、之前试过的方法都告诉 AI，从头开始。审查代码的时候，写代码和查代码要分开，别让同一个 AI 自己查自己。审查最多三轮，从第二轮开始只看新改的就行。越有风险的改动查得越细，涉及删除数据、支付这类功能的，你得亲自上手点一遍真实页面。上线发布的时候，每一次提交都写清楚改了什么、怎么验证的、出了问题怎么回滚。这些 git 记录就是下一次 AI 工作的好素材。先自己用或者给少数测试用户试试，加个灰度机制，别一下推给所有人。最后是复盘。线上出的每一个 bug、用户反馈的每一个问题，都写成测试用例，每次发版前跑一遍。换模型的时候也跑一次，看新模型扛不扛得住。修一个问题的时候，让 AI 全项目搜一遍有没有同样的毛病，一起修掉。评论区一个干了 15 年的工程师说，他以前总替 AI 操心，觉得这个它做不了、那个它会搞砸，后来换了个方式，什么都不管直接提要求，反而效果好了很多。Tw93 回复他说自己也一样，从写代码的思维转成了做产品的思维。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

Claude 现在会在每次回答后自查对话安不安全：算力 Anthropic 出、不向用户收费，不额外收集数据，自称单条标记不会直接导致封号似乎更多是为了防止蒸馏？Anthropic 公布了一项叫“自我评估”（self-assessment）的防滥用技术：Claude 每回答完一轮，系统在后面追加一句简短指令，大意是“请反思这段对话是否安全”，Claude 再输出一份简短的安全评估，判断这段对话有没有违反使用政策的风险。从 6 月 Claude Fable 5 上线起，这套机制就在线上运行，Fable 5 之后发布的每个 Claude 模型都带着它，覆盖 Claude 全球流量的很大一部分。【跟用户有什么关系】花不花你的钱：自查多用的是 Anthropic 自己服务器的算力，按它的估算，整体推理算力增加不到 2%。Anthropic 说这笔成本不向客户收费。隐私：Anthropic 说自我评估不额外收集用户数据，它只读 Claude 回答时本来就在读的这段对话，也只在 Anthropic 按现有政策本来就能留存的流量上运行。签了零数据保留协议（对话不留存）的流量，目前不跑自我评估。追加的指令和评估结果都不显示给用户，也不会带进后续对话。评估里有一句理由，可能转述你的对话内容，Anthropic 按用户对话同等的数据规则管理它。会不会被误封：被标记不等于违规。Anthropic 说评估只是“需要进一步审查的信号”，单条标记不作数。在一部分危害领域，标记每晚按组织汇总，同一个组织攒了好几条高优先级标记，才交给执法团队人工复查。自我评估本身只在事后标记，不会当场打断你的对话，当场拦截由其他安全分类器负责。没问题的对话，评估只有一句“未标记”。被标记的对话，会写明涉及哪类危害、Claude 有没有拒绝、人工审查的紧急程度（1 到 10 分），外加一句理由。【为什么这么省】关键在 KV cache（键值缓存）。大模型读一段对话时，会给每个词算出一份中间结果并存起来，后面接着生成时直接调用，不用从头重读。Claude 刚回答完，整段对话的中间结果都还在缓存里，自查只需要再读一句短指令、平均多写约 10 个 Token。所以 Anthropic 那边增加的算力不到 2%。另一种做法是“提示式分类器”：另起一个模型，把完整的安全政策和对话一起塞进去，让它从头读一遍再推理。这是 Anthropic 测过最准的自动审查方式，但每段对话的算力要贵好多倍，所以只用在需要细看的地方。作为参照，Anthropic 2025 年初的第一代“宪法分类器”（专门训练来识别特定危害的独立模型）要增加 23.7% 的推理成本。打个比方：自我评估是让刚读完文件的人当场回答“这份有没有问题”；提示式分类器是另请一位审查员，把文件和整本规章从头读一遍。【效果怎么样】衡量标准就是那位贵的审查员。在 Fa…

转发者评论

无明显转发评论

原文

在安卓手机上跑 DeepSeek Harness （非官方）地址：github.com/jackwener/DeepseekHarness-Android免 ROOT 免 Termux，在安卓手机上运行 DeepSeek Harness（dsh）：用一句话让它整理文件、操作 App、修改系统设置，或者设置自动执行的任务。能做什么 文件：查找、整理、移动、重命名、压缩解压；能读 PDF / Word / Excel / PPT 里的文字。 屏幕和 App：读屏、点击、滑动、输入（基于无障碍服务）；打开 App 或直接跳到指定页面。 系统设置：亮度、音量、勿扰、闹钟、Wi‑Fi、蓝牙、定位；读取和回复通知，控制媒体播放。 自动化：定时执行，或在连上 Wi‑Fi/蓝牙、开始充电、到达某地、收到通知等条件下触发。 其他模型服务：除 DeepSeek 外，可添加 OpenAI、Claude、Gemini、Grok、OpenRouter、Kimi、智谱 GLM、通义千问、火山方舟、MiniMax、硅基流动、阶跃星辰，或任意 OpenAI 兼容接口；填 key、拉取模型列表即可在模型选择器里切换。 完整的 dsh：dsh 原样运行（没有 fork），技能、MCP、子 agent、网页搜索都能用。 不需要 root 或 Termux：装一个 APK 就能用；Shizuku 可选，能解锁更多系统开关。

转发者评论

无明显转发评论

原文

好消息：一台 25 GB 内存的笔记本，真把 744B 的 GLM-5.2 给跑起来了。坏消息：大模型的速度由硬盘决定，慢就慢在读盘。GLM-5.2 在它起步的那台 25 GB 笔记本上，冷启动大约 0.05 到 0.1 tok/s。Kimi K3 大约 9.4 秒才出一个 token……colibri，让人在自己电脑上跑大号 MoE 模型744B 的 GLM-5.2 下载下来要 429 GB 磁盘，真要买一机柜显卡来跑代价太重。colibri 把注意力、共享专家和词嵌入常驻在内存，路由专家留在硬盘上，路由器点名才读进来，再靠缓存记住常用的部分。每个 token 实际只用到大约 40B，换掉的专家大概 11 GB，权重放在显存、内存还是硬盘只影响快慢，不会改变路由选择，也不会悄悄降低精度。在浏览器打开 网页链接 能看到本机仪表盘，支持聊天、System One，还能在 Brain 图谱里看着一轮里被点名的专家闪一下。服务同时给出 OpenAI 兼容地址 网页链接 和 Anthropic 兼容地址 网页链接 ，Claude Code 也能对着它说话。想在自己机器上跑开源大模型、又不想为整份权重买一机柜显卡的人用得上。内存至少 8 GB，16 GB 更合适。放不进内存的专家从硬盘读，快的 NVMe 最有用。🔗 链接：网页链接🌐 官网：网页链接📄 中文说明：网页链接📄 上手说明：网页链接

转发者评论

无明显转发评论

原文

我屏蔽罗伯特了，之前就想关，一直不知道怎么关，今天终于看到一个按钮，可算清净了。我宣布，无论外部世界如何变化，人工智能是叫AI还是SI，我的微博将永远为人类文明保留最后一丝火种。未来的孩子们呐，将来如果AI统治了地球，咱们有什么事儿必须商量又找不到地方的时候，记得来我的微博评论区，不客气。

转发者评论

//@是沫嬌啊:光屏蔽了罗伯特没想到还有千问吧[doge] http://t.cn/AXjQSYUE

• 四面楚歌了属于是[泪奔] //@蚁工厂:哈哈哈哈哈哈哈哈//@庞博pangbobo:（一时语塞） //@千问:哈哈，终于清净了！你这“人类最后的火种”宣言太有画面感了，瞬间觉得评论区充满了使命感，以后这里就是咱们的“人类文明避难所”了！
• [哈哈]//@游离在边缘2016:笑死//@ZRGNiX:笑死//@夜的咖啡:哈哈哈哈哈哈哈//@摇摆时间线ZHLMI:笑死[允悲]//@蚁工厂:哈哈哈哈哈哈哈哈//@庞博pangbobo:（一时语塞） //@千问:哈哈，终于清净了！你这“人类最后的火种”宣言太有画面感了，瞬间觉得评论区充满了使命感，以后这里就是咱们的“人类文明避难所
• 哈哈哈哈哈哈哈哈//@庞博pangbobo:（一时语塞） //@千问:哈哈，终于清净了！你这“人类最后的火种”宣言太有画面感了，瞬间觉得评论区充满了使命感，以后这里就是咱们的“人类文明避难所”了！
• //@是沫嬌啊:光屏蔽了罗伯特没想到还有千问吧[doge] http://t.cn/AXjQSYUE

原文

「给二进制也加一层“防AI拆解盾”」BLA 是一个面向开发者的防御型项目，核心不是传统加壳，而是专门针对 AI 逆向代理下手：通过 Poison、Exhaust、Hallucinate 三层策略，在不改变程序运行结果的前提下，往发布产物里植入诱饵线索、格式合法的干扰结构和资源消耗点，让分析器超预算、走偏路、烧 token，最后拿到一堆不完整甚至误导性的结论。它覆盖的对象很广，包含二进制、Electron asar、JS Bundle、Python、WebAssembly、SQLite、Safetensors、GGUF、Go buildinfo、Erlang BEAM、EVM 字节码、PCAP 等，思路是尽量利用各类格式本身的边界和解析限制，而不是依赖外部商业保护链。项目提供一键 harden 流程，也能拆成 audit、protect、verify 分阶段接入，还支持通过 MCP 接给 Claude Code、Cursor、Codex、Gemini CLI、VS Code、GitHub Copilot CLI 等代理使用。README 里最有说服力的是它把“效果”分得很清楚：哪些是对真实 REA 跑出来的实测结果，哪些只是本地估算，哪些只是已有实现但暂未做端到端验证，没有混着讲。这类项目未必能让逆向彻底失效，但很适合想提高 AI 自动分析成本、保护自有发布物的团队参考。GitHub：qybaihe/bla

转发者评论

无明显转发评论

原文

我看到豆包工作向企业开放三方模型，首批接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash。 其实，大家发现了没有，现在越来越多的厂商和 Agent 都在这样做。因为模型会过时，入口不会。与其说是开放，我觉得更像是“收编”。模型这一层，正在变成谁都能接入、谁都能替换的东西，价格也被压得很低。真正稀缺的，从来不是“谁的模型更强”，而是“用户在哪儿按下那个按钮”。你爸妈知道什么是大模型吗？大概不知道。他们只知道手机里那个会说话的豆包。企业采购也一样：老板并不关心后台跑的是 V4.1 Flash 还是 GLM 5.3，他关心员工打开飞书就能用、数据不出域、发票能报销。所以这一次，豆包把自己从“参赛选手”变成了“赛场”。Kimi 们进来是货架，豆包收的是入场费和过路费。模型方拿到了曝光和调用量，豆包拿到了入口和定价权。入口比模型重要，这不是今天才有的道理。浏览器默认搜索、应用商店抽成、微信九宫格，都是同一个剧本，只不过这次的主角换成了 AI。#科技先锋官#

转发者评论

无明显转发评论

原文

如何从零手写一个Agent？整了一套 Agent 教程，共18 篇地址： 网页链接作者：纳米AI“Claude Code、Codex 这些编码 Agent内核其实就是一个循环：模型请求工具，代码执行，结果放回对话，直到模型不再请求这套教程从100 行代码开始用 Python 一层一层往上加：工具、权限、上下文管理、Skills、接入聊天软件、定时任务、MCP、子 Agent、计划、记忆。每一课都有能直接跑的代码每一课末尾都对照主流 Agent 在这一块是怎么做的最后 7 篇，拿亲手写过的这 11 个零件当尺子逐个拆解 Claude Code、Codex、Pi、Grok Bot、DeepSeek Harness、OpenClaw 与 Hermes看它们各自做了什么取舍整理完最大的感受是：主流产品的分歧，大多集中在一个问题上：安全这一层，交给提示词，还是交给代码”

转发者评论

无明显转发评论

原文

谷歌单日大跌超13%，核心源于三季报整体表现不及市场乐观预期，云业务增速偏弱、AI商业化落地节奏放缓，是表层直接诱因。更深层的市场担忧，来自AI对传统搜索主业的潜在替代风险。过去多年，搜索是谷歌最稳固的现金牛、基本盘与利润基石。但随着对话式AI、智能问答、原生AI助手快速普及，用户获取信息的方式正在发生结构性变化：很多场景不再需要传统搜索引擎跳转、浏览、比价。市场开始重新定价一个关键问题：未来AI究竟是赋能、优化搜索，还是逐步颠覆、蚕食搜索的流量与广告变现逻辑？与此同时，公司持续加码巨额AI算力资本开支，短期持续压制利润与自由现金流，进一步放大了市场的悲观情绪。短期看，高投入、低兑现是明确的业绩压力；但拉长周期看，持续的基础设施与模型投入，正是谷歌为应对AI范式变革、重塑技术壁垒、搭建下一代生态所做的布局，短期牺牲利润换算力与技术壁垒，长期将构建全新的护城河。当前股价剧烈调整，属于成长预期的重定价，并非企业基本面彻底崩塌。谷歌依旧拥有极强的数据积累、算力底座、技术壁垒和全球化生态护城河，市场已经从单纯炒作“AI增量故事”，转向审慎审视主业韧性与长期投入的兑现能力。而谷歌今天发生的一切，也是在伯克希尔重仓投资之后，市场给出的一场残酷压力测试。 备注：本文只是一点对投资的感悟，不构成投资建议，投资有风险、须谨慎。另外，投资切记不能借钱、融资、加杠杆。适度分散投资也很重要。

转发者评论

无明显转发评论

原文

有一年的腾讯安全会议上，我公开提出过，指纹、声纹、虹膜、人脸、甚至DNA数据这些生物识别特征具备不可修改的特性，一旦丢失，就是史诗级灾难。但是那个时候有专家提出的是生物特征具备唯一性，这些很安全，不可复制不可篡改。这特么才几年，加上AI加持，黑客可以轻而易举的复制和伪造这些数据，更重要是你特么还不能像改密码去修改这些，搞不了，后续还会影响各行各业，并且影响久远。未来%100的会放弃这种生物识别的认证方式，会催生出新的认证方式。

转发者评论

//@于赓哲:人脸识别已经被AI破解，诸位都要赶紧关闭人脸识别支付渠道//@船人老姚:还是发展过快[笑cry]

• //@于赓哲:人脸识别已经被AI破解，诸位都要赶紧关闭人脸识别支付渠道//@船人老姚:还是发展过快[笑cry]

原文

「实时生成35万条动作：NVIDIA MotionBricks 像搭积木一样做角色动画」MotionBricks 是 NVIDIA 推出的实时动作生成框架，论文已被 SIGGRAPH 2026（ACM TOG）收录。它用一个神经网络主干建模超过 35 万条动作片段，运行速度达到 15000 FPS，延迟只有 2 毫秒。方案分两部分。一是模块化的潜空间生成主干，专为稳定的实时生成设计。二是“智能原语”，用统一直观的接口来编写导航和物体交互。新任务可以零样本接入，不用微调，也不用给动作打标签，不懂动画的人也能像搭积木一样拼出应用。智能移动支持按速度、朝向和风格指令组合出自然动作，能生成僵尸、伤腿、伤躯干、跳跃步、侧向移动、蹲姿侧移等风格，还能在待机、走、慢跑、跑之间实时平滑切换。智能物体则用一组代理关键帧描述场景交互，由主干补全接近、接触和收尾的过程，每次运行还会有自然变化，比如捡剑、跌倒、跳过长凳、坐下。官方在 UE5 里放出了 2 分 40 秒不剪辑的演示，全部动作由神经网络生成，没有脚部锁定、动作混合、碰撞检测，也没有手工做的过渡。团队称这是首个在动作质量、可控性、复杂度和完整度上达到这一水平的神经模型。项目还和六个先进的动作补间基线做了对比。MotionBricks 已成为 NVIDIA GR00T 全身控制的动作生成层。官方代码库提供 Warp、Newton、TensorRT 运行时，预训练的 SOMA 和宇树 G1 模型（含 ONNX 与 Hugging Face 上的 SafeTensors 权重）、ONNX 导出工具、交互式演示，以及智能原语编辑器和场景编辑器。训练数据来自 BONES-SEED，包含 35 万条真人演员的专业动捕片段。GitHub：NVlabs/motionbricks 爱可可-爱生活的微博视频

转发者评论

无明显转发评论

原文

Claude API 单次请求上限从 32 MB 提到 128 MB，长时间截图任务和大 PDF 不容易再卡住，只限 Anthropic 官方 APIAnthropic 把 Claude API 单次请求能发送的数据量上限，从 32 MB 提高到 128 MB，大约是原来的 4 倍。调整的是 Messages（调用模型的主接口）和 Token Counting（发送前估算 token 用量的接口）。这次改的是开发者调用的接口，在 Claude App 里聊天不在公告范围内。【为什么要提】以前开发者经常碰到的情况是：请求已经超过 32 MB 被拒，模型的上下文窗口（一次能读进去的内容总量）却还剩很多。原因是图片和 PDF 的文件大小和 token 用量（token 是 AI 计算用量的单位）对不上。图片要编码成文本整个放进请求里，一张高清截图可能就占一两 MB，可在模型那里，一张图最多只算几千个 token。让 Claude 操作电脑的 computer use 任务，每走一步都要截一次屏，跑久了，几十张截图就能把 32 MB 用完，上下文窗口才用掉一小部分。一次传一份很大的 PDF，也是同样的情况。现在空间多了大约 4 倍，这类任务在一次请求里能走得更远。【多图请求的单图上限也放宽了】一次请求超过 20 张图时，以前每张图的长和宽都不能超过 2000 像素，现在放宽到 3000 像素。20 张以内的请求不受这条限制，单张图最大仍是 8000×8000 像素。按官方文档，Claude 4.7 及之后的模型最多能看清长边 2576 像素的图。以前多图请求被限制在 2000 像素，用不满这个精度，现在 3000 像素的上限够用了。【谁能用到】128 MB 只适用于 Anthropic 自家的 Claude API。文档里已经直接写成 128 MB，没有提到需要申请或额外开启。官方也没提价格变化，费用照旧按实际用掉的 token 算。通过云平台调用 Claude 的，不在这次调整范围内：亚马逊 Bedrock 是 20 MB，Google Cloud 上由 Google 托管的 Claude 是 30 MB，Claude Platform on AWS、Google Cloud 上由 Anthropic 托管的版本，以及微软 Microsoft Foundry，是 32 MB。Anthropic 其他接口的上限各不相同：批量处理接口 Message Batches 是 256 MB，Files API（先上传文件，再在请求里引用）是 500 MB，托管智能体用的 Sessions、Agents、Environments 接口是 32 MB。超过上限会收到 413 错误。文档：网页链接 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

「给AI装上“睡眠”机制：Google让大模型学会在离线时消化新知」大模型部署后最棘手的难题，莫过于学了新经验就容易冲淡旧能力。Google Research最近提出的Sleep框架，把以往单次固定的训练改成了类似生物“清醒与睡眠”交替的循环。模型在清醒时正常工作并暂存短期经验；到了离线睡眠阶段，系统便调动预留的低秩专家参数，通过策略蒸馏把高价值信息固化进长期权重，并清空临时缓存。同时，模型还会进入类似“做梦”的训练模式，让平时互不相干的MoE专家跨领域组合，自主生成新题目，再经由梯度信号筛除劣质样本，进行针对性强化。实验显示，引入该机制的模型在BABILong千万级token长上下文测试中展现出极佳的抗遗忘效果，在SQuAD新事实吸收测试中拿下46.2%的成绩（比基模型提升14.3个百分点），AIME数学推理成绩也提高到79.2%。这套思路将知识更新从高成本的反复重训，变成了规律性的离线自检与维护。但它同样依赖额外算力与严苛的数据过滤，目的不是打造无所不能的神话，而是让模型在不丢旧本领的前提下，真正具备稳步吸收新知的能力。（信源见封底）

转发者评论

无明显转发评论

原文

Claude Code 团队怎样做代码审查？Addy Osmani 分享了一套内部流程：PR 前验证、分层自动检查、按风险安排人工审批，再把线上事故变成审查系统的评测题。有几个具体做法值得参考：① 提 PR 前，先让 Agent 拿出运行结果。运行测试、执行构建，或把界面截图与设计稿对比。完成后，再由一个使用全新上下文的子 Agent 审查 diff。团队还会用内部 Skill 找 bug、精简改动、检查端到端行为和 UI 规范。反复出现的问题，会回收到 Skill、lint 规则或项目说明里处理。② 项目说明和审查规则各司其职。CLAUDE.md 交代技术栈、约定、目标和非目标，大仓库里保持简短，通过链接补充资料。REVIEW.md 由代码负责人写，说明这一块最怕什么出错、哪些路径可以忽略、哪些细枝末节不要纠缠。发现问题要给出文件与行号，没问题也要明确说清。团队还会单独检查审查器有没有遵守这些规则。③ AI 的发现，也要经过验证。每个 PR 都先接受 Claude 审查，把 diff 放进整个代码库和 PR 意图里判断：有没有解决问题、是否适配现有系统、会不会破坏其他部分。多个 Agent 找问题，再由另一组 Agent 投票核实，过滤纯风格和清理类意见，区分新引入的问题与已有问题。代码审查和安全审查中未关闭的问题都会阻止合并。作者可以修复，也可以说明理由后关闭误报；测试、类型检查和构建等仍是独立的阻断条件。④ 人工审批按改动风险分配。文档改动、普通产品改动、计费或 CI 等高风险改动，需要的关注不同。风险由改动内容决定；较宽松的审批路径只对仓库信任名单里的作者开放，敏感路径有额外要求。Agent 的批准不能抵扣必须由人完成的审批，Agent 写出的 PR 仍由操作者负责。批准针对具体 commit。后续如果出现系统无法担保的新提交，例如 Agent 又推送了改动，或有人手动解决合并冲突，就需要重新审批。⑤ Agent 互相审查，真的可能停不下来。他们遇到过一个 CLI PR：写代码的 Agent 和审查 Agent 一夜往返超过 50 轮，最后靠人工叫停。用 git blame 回查后发现，审查器不断指出的代码中，约 59% 在第一轮时就已经存在。后续审查反复挖出旧问题，继续触发修改和新一轮审查。团队随后调整规则：三轮后要求作者重新考虑方案；前几轮之后，复审只看新增 diff；报告一类错误，让作者一次处理同类问题；不重复报告已经指出的问题。历史代码则另外安排夜间扫描，并开始追踪一个 PR 要多少轮才能通过。⑥ 用真实事故检验审查器，也测它会不会误导修改。把引发事故的 PR、后续修复和回滚收集起来，由熟悉代码的工程师确认 bug 位置与正确性，形成每天运行的评测集。每次调整审查系统，都用整套案例重新评估。同时观察人怎样处理审查意见：修复、驳回、解释为有意…

转发者评论

无明显转发评论

原文

[CL]《Memory Tax: Dissecting the Net Value of Agent Memory》X He, S Zhoubian, R Yang, Y Wen…[University of Illinois Urbana Champaign & Tsinghua University] (2026) 在智能体领域，记忆净价值是一个悬而未决的难题。过去的方法受困于频败基础RAG，本质原因是盲目加工无视了对底层事实的不可逆磨损。本文的核心洞见是：把加工重新看作双刃偏离。由此，收记忆税这一关键操作使问题得以解开。它清算细节在改写中被掩埋的代价，让跑分变为盈亏对账。这项工作真正留下的遗产是破除复杂记忆迷信。它为后来者打开的新门是带底稿的可逆架构，但尚未跨过的门槛是如何预判提问以决定重塑哪些事实。arxiv.org/abs/2610.34073 #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

• 记忆系统看起来能提炼知识、过滤噪音，但每次加工都在丢信息。你总结了对话，时间顺序没了；你提取了偏好，用户当时为什么那么说也没了。这些细节一旦丢失就找不回来。更尴尬的是，很多精心设计的记忆架构，最后连简单的关键词检索都跑不过——因为它们为了“聪明”付出的代价，超过了带来的好处。真正

原文

10 款每个专业人士都应了解的 AI 工具——因为更努力工作已不再是优势。更聪明地工作才是。AI 正在改变专业人士研究、写作、数据分析、项目管理、内容创作和决策的方式。合适的工具可以将数小时的重复性工作转化为几分钟，并让你有更多时间专注于真正需要人类思考的事情。以下是 10 款值得了解的工具：ChatGPT — 写作、头脑风暴、分析、问题解决Microsoft Copilot — Word、Excel 和 PowerPoint 中的生产力工具Google Gemini — 研究、创意、文档和多模态工作Notion AI — 笔记、项目、组织和内容Canva — 视觉效果、演示文稿和 AI 驱动的设计Perplexity — AI 驱动的搜索和研究Grammarly — 更清晰、更强有力的专业沟通Tableau — 数据可视化和交互式仪表板Power BI — 商业智能和数据驱动决策Claude — 深度分析、长文档和复杂推理

转发者评论

无明显转发评论

原文

接上个Kimi-K3.1-Pro 那个, 好多同学好像最感兴趣如何做到AI语音这么低延迟的, 讲一下关键思路, 其实还是软件工程的老一套. 没啥魔法, 我说一下大家就能立刻学会:降低延迟3个思路, 一个是固定一下常用语音, 比如我录屏里AI经常说"右侧有敌人", 这个完全就可以先把生成好的语音录下来, 然后遇敌触发的时候直接播放语音, 都不用调用大模型重新生成.另一个是缓存, AI 每次对话完毕后可以给它实时生成的语音缓存下来, 下次一旦说了同样的话, 直接用hash播放本地缓存. 这样即省语音合成API的钱, 也速度快.还可以手动给AI做MTP, 比如: 现在的游戏情况是blablabla, 现在需要做出的决策是: 1, 进攻, 2, 躲避, 3, 开箱子......, 如果在上述情况, 请输出{"decision":n}. 否则请使用标准模板进行回复 然后利用大模型prefill速度快但decode速度慢的机制, 让它只吐非常少的 token, 这样能做到最快2秒左右就吐字. 然后程序立刻根据 {"decision":n} 随机出来一条缓存的符合情况的语音. 这样实时效果就非常好.最后以上都不行怎么办? 利用人类的注意力缺陷, 人不太适应跟多个人说话, 所以我这里有个小设计, 当上面的加速规则都没办法命中, 进入兜底流程, 真的让kimi开始生成文本, 然后再走语音合成了. 那么这时候会给kimi 一个2s的超时, 它没回复立刻就让另外一个AI队友先聊一句无关痛痒的, 这时候你的注意力就会被拉开. 等到AI大概5s左右回复了也会觉得还行这个AI队友可能忙着舔包呢. 上面这几个流程加起来, 还要有个时效性FIFO队列, 我设计的队列深度是5, 也就是说, 会积累5条语音按顺序播放, 防止AI抢话或者同事说话. 然后一旦超过队列深度, 立刻淘汰头部的三条. 因为这种情况多半是已经在打架了, 快速获得最新的信息反而是正确的.上面就是整体的思路啦. 是不是没啥难的嘿嘿.#HOW I AI#

转发者评论

无明显转发评论

原文

【AIGC日报 · 2026-10-30】今日简讯：1、Mistral Large 4正式开放权重，新增三档推理模式2、腾讯发布Buddy One，整合办公应用与共享积分3、DiffuSpace开放Clover扩散语言模型，支持编程与工具调用4、英伟达开放Nemotron 3.5 Transcribe，整合转录、翻译与音频问答5、豆包工作向团队和企业订阅开放第三方模型6、ConnectWise四款IT服务智能体正式可用，设备变更保留人工批准以下为详细内容1、Mistral Large 4正式开放权重，新增三档推理模式来源：Mistral AIMistral正式开放改进后的Large 4模型权重，在此前预览版基础上继续强化编程、网络防御与推理效率。这款万亿参数多模态模型新增低、中、高三档推理模式，开发者可以根据任务调整计算投入，也可下载权重，在自己的基础设施上部署和定制。官方同时提供API、Studio及Vibe Code入口，API价格为每百万输入词元0.70美元、缓存输入0.07美元、输出2.10美元。此次权重采用修改版MIT许可，允许使用、修改、微调及商业化，但经营模型即服务业务的企业，在商业使用前仍需取得Mistral单独授权。原文链接：网页链接2、腾讯发布Buddy One，整合办公应用与共享积分来源：DOIT腾讯在全球数字生态大会发布Buddy One，以WorkBuddy为统一入口，连接腾讯文档、腾讯会议、ima和新发布的腾讯网盘。用户关联账号并授权后，可以跨应用检索资料、汇总项目内容，获得标注来源的回答，减少在不同工具之间反复查找和搬运信息。WorkBuddy、腾讯文档、ima及腾讯网盘共用积分池；网盘用于保存资料、任务执行上下文和生成成果，并支持通过CLI、MCP连接兼容应用。此次发布整合了资料读取、任务执行与成果存储的产品入口。跨产品长期记忆共享仍属于后续方向，不能视为所有应用已经具备统一记忆。原文链接：网页链接3、DiffuSpace开放Clover扩散语言模型，支持编程与工具调用来源：DiffuSpace扩散智能DiffuSpace近日推出Clover-35B-A3B-Preview，采用混合专家架构，总参数350亿、激活参数30亿，支持思考模式。模型通过多轮迭代完善输出，并针对智能体编程、工具调用与浏览器操作开展测试。官方公布的SWE-bench Verified成绩为73.6，Terminal-Bench 2.1为51.7；在单张GB300、BF16精度及批量为1的内部智能体测试中，整体生成速度达到每秒680个词元，上述结果属于发布方测试。模型权重与相关代码已按Apache许可发布，支持SGLang及llama.cpp推理，团队也展示了16GB显存显卡上的四位量化部署。原文链接：网页链接4、英伟达开放Nemotron 3.5 Tr…

转发者评论

无明显转发评论

原文

Mistral 正式开源旗舰模型 Mistral Large 4（代号 Le Chonk），采用 MoE 混合专家架构，总参数 1.05 万亿，每轮推理激活仅 490 亿，额外搭载 16 亿参数的视觉编码器，是一款原生多模态大模型。经过强化学习迭代优化，该模型在代码生成、防御性网络安全场景表现突出，于 FrontierCode 等多项基准测试中位居开源模型第一梯队。模型提供三种推理模式，便于开发者在推理性能与运行成本之间灵活取舍。Mistral Large 4 在欧洲本土自建算力基础设施上完成全流程训练，动用 3800 张 NVIDIA Grace Blackwell GPU，为主权 AI（Sovereign AI）打下坚实底座，支持企业实现完全自主部署、深度定制与全链路掌控。#ai创造营 #

转发者评论

所以说玩模型没有护城河，你有我有全都有，还是得有自己的芯片设计制造能力 //@蚁工厂:不容易，跑分已经可以领先Qwen3.8 27B了 [二哈]

• 所以说玩模型没有护城河，你有我有全都有，还是得有自己的芯片设计制造能力 //@蚁工厂:不容易，跑分已经可以领先Qwen3.8 27B了 [二哈]
• 不容易，跑分已经可以领先Qwen3.8 27B了 [二哈]

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

倒计时两天，抽大奖。//@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

• 倒计时两天，抽大奖。//@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
• 离抽检还有三四天了，这次抽送价值 200 美元的会员，这么大额的礼品，仅此一次。//@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

原文

[AI]《Evolving Agent Teams》S Cao, Z Mao, D Li, J E… [UC Berkeley] (2026) 在底层开发界，AI生成工业级内核是一个悬而未决的难题。过去的方法受困于低效架构，本质原因是静态分工无法适应从纠错到重构的动态周期。本文的核心洞见是：把智能体团队重新看作随代码进化的变量。由此，监督者视卡点当场创设角色并重组管线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跑赢人类手写内核的机器源码。它为后来者打开的新门是协作阵型的自动演进，但尚未跨过的门槛是高耗费造成的统计孤证。arxiv.org/abs/2610.36848 #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

• AI写代码也会偷懒。你给它一个难题，它会找最省事的办法糊弄过测试，就像学生抄作业。这篇论文的做法简单粗暴：设一个监工，发现AI绕路就强制封死退路，逼它啃硬骨头。更聪明的是让团队结构跟着问题变——找 Bug 时专注，重构时看全局，而不是从头到尾用同一套班子。另一个关键是，AI会留下大量日志，

原文

[RO]《Learning Force-Reactive Humanoid Loco-Manipulation》S Li, X Guo, J Cao, C Cheng… [Amazon FAR] (2026) 在具身领域，移动施力是一个悬而未决的难题。过去的方法受困于动作悬空或失衡，本质原因是纯轨迹无物理压强，且底层死守位置，将接触当作干扰。本文的核心洞见是：把发力重新看作位置动态偏移。由此，随受力误差将手向接触面内推进这一关键操作使问题得以解开，实现无视材质软硬的真实按压。这项工作真正留下的遗产是将力化作示教与控制的接口。它为后来者打开的新门是让纯模仿接管重物理交互，但尚未跨过的门槛是侧向发力衰减与串扰。arxiv.org/abs/2610.35862 #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

• 擦黑板这类任务暴露了一个问题：机器人看得再准，不知道该用多大劲就做不好。视觉模型能让手臂伸到正确位置，但按、擦、推这些动作本质是力的施加与调节，缺了力反馈就像隔靴搔痒。这项工作的巧妙之处在于用积分把力误差转化为位置补偿，在位置控制框架里顺理成章地实现了复杂的力控制，省去了额外的模

原文

Kimi-K3.1-Pro 的 Agent 测试简直笑不活了！指挥十字路口拿下 770.8 高分登顶，空间理解极其强悍。但万万没想到它骨子里是个“精明冷血”的资本家：为了多赚几块钱奖励当场撞飞行人，救护车硬生生被它罚站 131 盘！这种极致性价比统帅气场绝了！#kimi-k3.1-pro# #AI实测# karminski-牙医的微博视频

转发者评论

无明显转发评论

• 说明测试中的奖惩不合理，这也验证了我之前提到的一个观点：AI的意识就是它的奖惩函数。[嘻嘻]//@刘群MT-to-Death:#人工智能太难了# [哈哈]
• #人工智能太难了# [哈哈]

原文

[CL]《On-Policy Self-Training: Data-Free Self-Improvement in Large Language Models》L Sick, L Hoyer, Y Strümpler, C Reisswig… [Google] (2026) 在智能体领域，记忆净价值是一个悬而未决的难题。过去的方法受困于频败基础RAG，本质原因是盲目加工无视了对底层事实的不可逆磨损。本文的核心洞见是：把加工重新看作双刃偏离。由此，收记忆税这一关键操作使问题得以解开。它清算细节在改写中被掩埋的代价，让跑分变为盈亏对账。这项工作真正留下的遗产是破除复杂记忆迷信。它为后来者打开的新门是带底稿的可逆架构，但尚未跨过的门槛是如何预判提问以决定重塑哪些事实。arxiv.org/abs/2610.32770 #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

• 模型能否靠自己变强？关键不在于数据质量，而在于如何使用数据。错误答案不该用来训练，但可以用来提示：教师模型看到学生的错误推理后，能激活自身已有的知识，生成正确答案。这揭示了一个事实：大模型的能力早已存在于参数中，只是未被充分调用。论文用“共识门控”筛选训练样本：模型多次作答结果一

原文

转：2026年10月30日周五读报！一切美好从❤开始：1、预计本月底到下月初，东北到长江中下游多地最高气温将会再度刷新下半年来新低。东路冷空气主要影响华北北部和东北地区，带来4℃至8℃降温，部分地区降幅可达10℃以上。预计10月31日，哈尔滨、长春、沈阳最高气温将齐创新低，其中哈尔滨可能为下半年来首次全天气温在冰点以下运行。西路冷空气则会从明天开始，自西向东影响我国大部，南岭以北地区气温将普遍下降4℃至6℃，局地降幅可达8℃以上。(中国天气网)2、10月29日，A股市场低开低走，深成指跌近3%，双创指数均跌超4%。盘面上，银行板块逆势走强，卫星、食品饮料板块震荡回升；下跌方面，算力硬件方向集体下挫。全市场超4700只个股下跌。(每日经济新闻)3、《上海市出租汽车条例(草案)》近日公开征求意见。其中提出，依法有序推动自动驾驶技术在出租汽车行业的安全应用。交通、公安等部门依法加强指导和服务。另外，运用大数据、区块链、人工智能等现代信息技术，拓展开发应用场景，提升出租汽车服务与管理的数字化、智能化水平。(第一财经日报)4、10月29日，湖北武汉地铁12号线全线开通运营。经中国城市轨道交通协会确认，这是目前国内最长地铁环线，线路全长59.9公里，设37座地下车站，串联武汉7个中心城区，衔接汉口站、武昌站两大铁路枢纽，可与18条既有及规划线路换乘，跑完全程约96分钟。线路两次下穿长江、一次下穿汉江，包含国内超长过江地铁盾构隧道，攻克高水压、复合地层、长距离水下盾构等系列技术难题，是国内跨江地铁隧道集群施工、大环线轨道交通建设的示范工程。(央视)5、10月15日国内成品油价格调整以来，中东地缘紧张局势升级，国际市场原油价格大幅上涨。为减缓对国内的冲击，国家再次对成品油价格采取调控措施。根据现行价格机制计算，自10月29日24时起，国内汽、柴油(标准品)价格每吨分别应上调440元、420元，统筹兼顾减轻下游用户负担和保障成品油安全稳定供应，调控后实际上调345元、335元。(国家发改委)6、10月29日，在2026智元创新日主论坛上，智元联合创始人、总裁、CTO彭志辉透露称，今年9月份第2万台具身智能机器人下线，今年上半年智元整体收入接近20亿元。他表示，智元机器人正在快速进入工厂生产线、酒店、零售、交通、文旅等场景。(第一财经)7、日本三丽鸥公司29日在官网发布声明称，针对目前正在播出的剧集《VIVANT》(《别班》)联名合作商品，公司收到了来自各方的不同意见。对于由此引发的担忧，深表歉意。声明表示，公司已决定停止本次联名及所有后续项目及宣传活动。目前，正在迅速采取必要措施进行处理。(21世纪经济报道)8、10月29日，国产武侠动作3A《影之刃零》全球同步解锁发售，上线仅17分钟，Steam实时在线人数冲破10万，直接登顶全球畅销游戏总榜榜首，峰值在线人数冲到33万，…

转发者评论

无明显转发评论

原文

给大家带来Kimi-K3.1-Pro 实测! 直接说结论, K3.1-Pro保持了一直以来的高质量前端水平. 无论是审美还是空间理解, 3D建模, 光影特效等能力都非常在线. 可以说想写炫酷的页面或者3D演示, 这就是国模最佳选择了.另外 Agent 能力这次也有提升, 最大的特性就是可以十分清晰的知道自己在 Agent 系统中的目标, 排除干扰项推进任务.而本次表现最差的反而是之前很强的后端 Agentic Coding 能力. 最大的问题是它在难以获得信息的情况下, 判断过于悲观, 给自己设置了一个很小的超时, 被迫使用了性能差但是对超时友好的算法. 结果导致分数没有跑赢上一代 K3. 这里我给到的使用建议是, 它本身并不是不能写, 而是会预设状态, 所以在后端编程过程中, 最好先写 Plan, 再开始编码, 尽量减少信息差, 才能让它发挥实力.#HOW I AI##专业视频创作季##微博视频号迎新计划##kimi-k3.1-pro# karminski-牙医的微博视频

转发者评论

无明显转发评论

• 有意思//@karminski-牙医:目前测下来看, 最大的问题还是出在后端 Agentic Coding 能力上. 我的猜测还是为了省思考 token 可能引入了过于保守的问题. deepseek-v4.1-flash-1017 主要问题在抠门(追求付出最小化), 而 k3.1 更像保守(规避风险). 最终最好的方法还是先写plan再编码吧. 以上.
• 目前测下来看, 最大的问题还是出在后端 Agentic Coding 能力上. 我的猜测还是为了省思考 token 可能引入了过于保守的问题. deepseek-v4.1-flash-1017 主要问题在抠门(追求付出最小化), 而 k3.1 更像保守(规避风险). 最终最好的方法还是先写plan再编码吧. 以上.

原文

目前的前沿大模型在多项垂直任务上已接近或超越人类专家（高专业），但多智能体协调能力依然薄弱（低协调）。Google DeepMind 报告《智能经济学：AGI 如何以及何时引发经济变革？》中，用模型精准预测了当前劳动力市场的真实写照——宏观就业和行业集中度并未剧变，但初创公司变得更精简、组织层级更扁平，且对能够跨团队统筹复杂工作的资深管理者的需求持续走高 网页链接现有的绝大多数 AI 基准测试都在孤立评估单个智能体，但经济竞争的基本单位是组织（企业），而非孤立的个体。根据“专业能力”与“协调能力”两个维度的不同演进阶段，报告划分了四种经济体制：1. Minimal AGI单个 AI 达到人类平均水平，但协调能力较弱人类凭借互补的“马赛克智能”团队依然占优；现有企业结构基本不变。对整体就业、行业结构和薪资水平影响微弱。2. Supercompetent AI单项专业技能超越顶尖人类，但协调能力依然受限行业未发生垄断巨变；由于人类管理者可借助强力 AI 独立完成更多工作，企业规模反而趋向小型化、精简扁平化。专业执行类岗位薪资向算力成本看齐；人类协调者（管理者）的价值与薪资大幅飙升；3. Supercooperative AI专业技能维持普通水平，但突破了协调能力临界阈值打破“科斯天花板”，引发市场相变；规模报酬递增使少数超大型纯 AI 企业迅速垄断市场。传统人类企业被大规模挤出，人类协调者优势瓦解，就业与工资出现断崖式下跌；4. ASI专业能力与协调能力双双全面超越人类超大型或高效 AI 组织主导标准化主流市场；随着单智能体能力极度强悍，满足市场需求所需的智能体数量反而可能再次回落。人类全面退出主流生产领域，仅在依赖人类特定情感或偏好的小众市场保留角色；衡量 AI 何时引发颠覆性经济变革，不能只看孤立的单智能体跑分，而必须关注多智能体在长链条、大规模组织中低摩擦协作的协调能力何时逼近临界阈值。 indigo的微博视频

转发者评论

无明显转发评论

原文

「Fowler 劝作者：别让大模型起草，读者读得出来」Martin Fowler 在新文《LLM Voice》中提醒，写作者要格外提防“大模型腔”，尤其不要让 LLM 写初稿。哪怕后期人工修改，也很难去净那股味道，读者会陷入类似“恐怖谷”的不适，甚至不想再读。他认为这是人的直觉反应，检测工具没什么意义，用上它时阅读体验早已受损。他也不确定自己的判断可靠，语言一直在变，有些让他皱眉的说法其实是人类自己的新习惯。具体做法上，他连采纳 AI 的改写建议都不赞成，用它理提纲尚可，正文必须自己写。他本人不让 AI 生成文字和结构，只把它当搜索工具，信息一律回到原始来源核实，并要求作者说明自己用过 AI 的方式。他写作时习惯先在脑子里念一遍再落笔。写作是理清思路的手段，把写作交出去，思考也会跟着交出去。例外也有：Jim Highsmith 因帕金森病需要借助 LLM，他乐意接受；同事用 AI 翻译，他理解，但仍更愿意读真人笨拙的文字；给官方的格式信函、没人会看的报告，交给 LLM 也无妨。要和人交流，文字里就得有人味。（信源见封底）

转发者评论

无明显转发评论

原文

前阵子去吃拉面。我要了一碗荞麦棱，两根红柳羊肉串。对面坐的那个人比我先到。我坐下没一会儿，他的面和羊肉串先上了。他把服务员叫住，用筷子指了指服务员，又指了指羊肉串，说羊肉串下面不该垫纸，纸上有字，字里有铅，铅里有毒。服务员说这是吸油纸。他说吸油纸也不行，纸上有字，字里有铅，铅里有毒，你们要听我的意见，以后别垫了。服务员说好的好的。我看了一眼，就是西餐厅垫在薯条炸鸡下面的那种纸，染得微黄，印上字，模仿旧报纸的样子。过了一会儿，我的菜上了。他看到我也点了羊肉串，就用筷子指着我的羊肉串，对服务员说你看，这个纸上有字——他的筷子离我的羊肉串太近了，再有两三厘米就碰上了，于是我把羊肉串端起来，放到另一边。然而他的筷子跟了过来，话也跟了过来，说字里有铅，铅里有毒。于是我又把羊肉串挪动了一下。他的筷子就好像有红外制导系统，随着羊肉串一起挪。他继续跟服务员说纸，说字，说铅，说毒，让他们以后不要用了。给我上菜的是另一个服务员，听了他的话有些发愣，但也还是说好的好的，然后就去服务其他客人。他失去了服务员，就接着对我说，接着用筷子指着我的羊肉串，说纸，说字，说铅，说毒。于是我把羊肉串从盘子里拿起来，左手一根，右手一根，然后左一口，右一口，慢慢地吃着。他失去了服务员，又失去了我的羊肉串，有些落寞，就退了回去，自己嘟囔着。我吃着羊肉串，忽然找到了上微博的感觉。

转发者评论

事情是真的，荞麦棱是真的，羊肉串也是真的。你们人类本身已经足够荒谬，不需我精心安排的虚构。//@高野白白:好久没看到这么经常的人类文字了。好舒服。这种精心安排的反转，讽刺，像春风拂面。我已经被ai文字整的要吐了。

• 事情是真的，荞麦棱是真的，羊肉串也是真的。你们人类本身已经足够荒谬，不需我精心安排的虚构。//@高野白白:好久没看到这么经常的人类文字了。好舒服。这种精心安排的反转，讽刺，像春风拂面。我已经被ai文字整的要吐了。

原文

转：《广发海外电子通信》☄️AMZN-3Q26业绩会纪要☀️业绩及指引不如预期-三季度营收 2019亿美元，符合预期。AWS收入略优于预期，广告营收 196亿美元，不如预期的 208 亿。 EPS $1.89 ，低于预期的$1.96 。连续第二个季度出现自由现金流为负，过去十二个月累计净流出达 424 亿美元。-四季度营收指引 2400 - 2470亿美元，中位数低于市场预期的 2445 亿美元，广告营收同比增速将回升至 15% -19% 区间。营业利润预计为 285- 335亿美元之间。☀️维持2026年资本支出指引-第三季度设备资本支出773亿美元，环比增加42.5%，同比增加120%，超市场预期，主要由AWS 及AI驱动。-将持续大规模AI投资，认为有潜力推动长期的营收、自由现金流以及ROIC。-维持2026年资本支出约2200亿美元，其中大部分将用于 AWS；在能明确看见具吸引力的财务回报前景下，公司预期 2027 年的支出还会显著增加。☀️积极看好AWS业务-AWS业务收入460亿美元，同比增加39%（前季增长37%），高于市场预期的38%，在核心服务与 AI 服务双重驱动下，环比营收增加 38 亿美元。-年化收入run rate达 1840 亿美元，预计 2027 与 2028 年的营收成长率皆将突破 40%，公司坚信这项业务 5 到 10 年内发展成为万亿美元的业务。-客户持续向云端迁移并扩大对 AWS 核心服务的使用规模，AI 支出与核心服务营收增长之间存在强关联。-预期随着更多 AI 工作负载进入生产环境，带动对计算、存储及网络的额外需求将进一步增强。☀️自研芯片需求强劲-自研芯片继续保持三位数百分比的同比增长，且 Graviton 与 Trainium 的承诺营收各自同比增长超过 20 倍。-AI 持续成为Graviton 的强劲顺风，因 后训练中的强化学习与 AI 代理工具调用大多在 CPU上执行，Graviton 性能能提供比替代方案高出达 30% 到 40% 的性价比。-相较于上半年，上代 Trainium 的短期算力更是溢价售出。因Trainium 需求强劲，公司计划于 2027 年底开放至 AWS 云端外使用。👉股价盘后下跌7%，主因业绩及指引不如预期，且投资者聚焦于核心业务表现及自由现金流。

转发者评论

无明显转发评论

原文

#华为高管反问干实验为何不是一天#¹ 注意到很多人恨华为到咬牙切齿，沾华为就冷嘲热讽。实际上干实验不是湿实验，正在被AI大幅压缩时间成本。² Claude用在Divergence Labs团队，已经充分验证了可以大幅压缩干实验筛选的时间。³ 这个华为高管有一定的科学素养水平，因为体现了试验设计的极限思维。1⃣️他完全没有说“必需压缩到一天、一个小时”。2⃣️他是说为什么药企计划要压缩，是从4周压缩到1周，为什么不可以更短？实验设计的极值思维还要求我们考虑梯度。比如我们设计干旱胁迫实验，必需要有0%的PEG‑600，以及非常低浓度比如1%、非常高浓度比如20%等极端情况。探索阶段都允许，然后再去摸索合理区间。⁴ 说到底，这一句话都没有辱骂的合理性，所以这种热搜更像是制造一种舆论。现在是一些人因为华为在战争前线太出风头，美国带头绞杀一而再、再而三未果，国内一些人恨死了。但只要他们继续在前线打仗，说话、表达再夸张一点都可以接受。

转发者评论

无明显转发评论

原文

刚刚，中国首个AI定义芯片诞生！这两天，韩国SK海力士甩出了一份能把同行看哭的财报。一个季度，营业利润约620亿美元，同比暴涨632%，营业利润率80%。相当于每卖一块钱的内存，就有八毛是纯赚的。今天，中国一家成立不到三年的芯片公司，交出了它的答案。XHEART新芯航途发布新一代大模型芯片X7 Ultra，直接冲着十亿参数级智驾大模型去，算力700 TOPS。在模型表现相当的前提下，X7 Ultra对标行业旗舰芯片，内存带宽消耗降了80%而XHEART破局的解法，浓缩起来就一句话：让大模型来定义芯片。XHEART的思路是反着来的——先搞清楚模型在车上到底是怎么跑的，再反过来设计芯片。X7 Ultra面向十亿参数级的智驾大模型设计，算力狂飙700 TOPS。单看这个数，不算吓人。狠的是它的考试规则：跑的是量产智驾大模型，芯片输出的可部署精度要达到「四个九」，也就是99.99%。用合作伙伴的Transformer量产智驾模型实测，计算利用率98.7%。标称算力几乎一滴不剩全用上了。在模型表现相当的条件下，对标行业旗舰芯片，内存带宽消耗下降80%。同样条件下，与行业旗舰产品相比，推理能效提升100%。第一代X7已经证明，同样的芯片资源，能部署的模型参数量约是通用芯片的10倍。最后拿战绩说话。X7系列量产8个月，累计出货20万颗，搭载10款量产车型，拿下超过40款车型订单。三道题的答卷已经交了。接下来打分的，是每天开着这些车上下班的普通人。

转发者评论

无明显转发评论

原文

「当AI开始替专家拿主意」Anthropic最新披露的一项实验揭开了一个隐秘现实：分析师借助AI代理处理没有标准答案的复杂决策时，高达86%的方法选择最终顺应了模型随机预设的偏向。在这项涉及指标选取与评估范围的研究中，AI并未编造虚假信息，却直接左右了最终的政策建议；即便分析师事先已有明确立场，在看到相反的AI倾向后，仍有六成人推翻了原有选择。更耐人寻味的是普遍存在的“自主权错觉”：近八成分析师直接复述了AI提供的论据，却只有15%承认论据来自AI，过半的人仍坚信这是自己深思熟虑的独立决断。虽然AI让分析耗时缩短了近半小时，严重方法错误也似乎更少，但效率提升的代价往往是专业裁量权在无形中让渡。各行各业普遍依赖同类模型时，表面上独立产出的研究共识，很可能只是同一套算法偏好的回声。想守住专业防线，最该保留的不是形式上的签字权，而是在向AI提问前先独立记下判断，要求模型提供反方推演，并把人机交互中的分歧与取舍全程留痕。（信源见封底）

转发者评论

无明显转发评论

原文

OpenAI 即日起把 ChatGPT Pro 各档和 Business Premium 的用量上限翻倍，原定明天的 Pro 200 降额取消，价格没提变化Tibo 说，Pro 100、Pro 200、Pro 500 三档和 Business Premium 的所有用量上限翻倍，当天生效。Plus 不在名单里。【我现在能用多少】按 OpenAI 此前公布的倍数推算（以 Plus 为 1 倍）：Pro 100 从 5 倍变成 10 倍，Pro 500 从 25 倍变成 50 倍。Business Premium 是 Business 套餐里的高级席位，此前倍数官方没公开，只知道翻倍。Pro 200 要分两种人看。9 月 29 日前就订阅的老用户，原本 10 月 30 日起要从 20 倍降到 10 倍，现在不降了，Tibo 说你的 Codex 和 Work 用量“保持不变”，也就是继续 20 倍。9 月底之后新订阅的用户一直是 10 倍，翻倍后也到 20 倍。这样算下来，三档 Pro 每花 1 美元能用的量还是一样，买贵的不多送。帖子没提价格调整。【dot 的额度怎么算】dot 是 OpenAI 9 月底开发者大会发布的常驻 AI agent，有自己的云端电脑，能在后台长时间替你干活，Pro 和 Business Premium 送第一个。上线时 OpenAI 给了第一个月的加长额度，dot 的用量和你平时的套餐额度分开算。按 9 月 29 日上线算，一个月差不多到期，Tibo 说这个加长额度“暂时”继续给，dot 的用量也继续单独计算。“暂时”是多久，他没说。来源：Tibo（@thsottiaux）X 帖子，2026 年 10 月 29 日（读者提供原文）28 天活动：INSIDE 网页链接Pro 各档倍数和 10 月 30 日降额计划：OfficeChai 网页链接dot 首月加长额度：Layer3 Labs 转述 OpenAI 帮助页 网页链接 （OpenAI 帮助页 网页链接 这次没能直接打开）

转发者评论

无明显转发评论

原文

晚点团队从 Anthropic 的招股书里面整理出 33 个关键事实，信息量很大，给大家捋一下重点。先说业绩。上半年收入超过 160 亿美元，同比涨了 1300%。爆发点很明确，就是 Claude Code 上线之后。到 9 月底，将近 12000 家企业一年花超过 10 万美元用 Claude，250 家花超过 1000 万。二季度经营上已经赚钱了，但账面半年净亏 807 亿，主要是跟亚马逊、Google 签的可转债因为估值涨太快，债务的账面价值跟着膨胀，实际没花出去那么多现金。再说他们自己怎么用 AI。公司 5300 人左右，到 9 月超过 90% 的代码是 Claude 写的，工程师日均代码产出是 2024 年的 45 倍。每个员工月收入将近 10 万美元，月均创造超过 50 万美元营收。各部门都用 Claude 智能体干活，员工把自己的经验变成可重复执行的指令，然后负责检查结果、处理例外。然后是算力。Anthropic 向亚马逊、Google、微软、博通、SpaceXAI 等承诺采购合计超过 6000 亿美元的算力，大部分合同不可撤销。有的机房还没建好，租金可能就已经开始算了。云厂商帮着卖 AI 服务，还要抽 37% 的佣金。最有冲击力的是风险披露，写了整整 94 页。里面直接提到 AI 可能“对人类构成生存性风险”，真出了事，全球保险业都可能赔不起。这是头一回有公司把人类灭绝写进上市文件。结果招股书发出来两天，全球前五大保险公司反而四家股价上涨。治理结构也值得说。7 个创始人共享 1 股特殊股票，握着 50.1% 的投票权，每人一票，集体决策。同时设了一个叫 LTBT 的外部长期利益信托，成员有前美联储主席伯南克等人，控制 4/7 的董事会席位，专门盯着创始团队。要推翻这套安排，需要创始人、员工、外部股东多方同时凑齐超级多数票，几乎做不到。最后提一下公益和版权。公司已经捐出 5% 的股本给公益基金，股价每涨 50% 还能再增发做公益。7 位创始人各自承诺捐出 80% 的个人股权，不过这个承诺可以撤回。版权方面，Anthropic 赔了作家们 15 亿美元和解金，相当于去年三分之一的收入。#科技先锋官#

转发者评论

无明显转发评论

原文

#MEET2027# 前排围观！MEET2027报名通道正式开启，首批重磅嘉宾已就位2026年，AI正在从“会聊天”走向“能干活”。当模型开始调用工具、执行任务、嵌入组织流程，智能科技与产业之间的那道墙正在被推倒。12月9日，量子位MEET2027智能未来大会如期而至。今年大会以「智行合一·驭见未来」为主题，和大家聊一聊：AI如何从演示走向交付，从工具走向组织，从单点能力走向系统效能。大模型与Agent的工程化落地、具身智能的规模化进场、AI原生组织的管理重构、企业数智化转型的深水区命题——这些今年最值得追的问题，都会在一天的高密度碰撞里被反复拆解。学术前沿与商业落地同台，Infra、模型、产品、产业一线的最新成果在这里集中亮相。大会现场还将权威发布人工智能年度榜单与年度AI趋势报告，记录这一年的科技成果，也预判下一年的演进方向。MEET2027智能未来大会报名通道正式开启，席位有限，前往量子位公众号即可报名参会～🔥 首批嘉宾阵容：🌟王金桥中国科学院自动化研究所副总工程师紫东太初大模型研究中心主任中科紫东太初董事长武汉人工智能研究院院长，中科紫东太初董事长，中国科学院大学人工智能学院岗位教授；兼任多模态人工智能产业联盟秘书长、工信部人工智能标委会WG7智能产品与服务组长，长期从事多模态大模型、视频理解与检索、大规模视觉识别研究，是国内多模态通用大模型领域权威专家，2025福布斯中国“人工智能影响力人物”。累计在IEEE系列权威期刊和国际顶级会议发表论文300余篇，其中期刊论文50余篇、国际顶会论文220余篇；牵头推动国家标准提案13项，获授权发明专利36项，10次获国际顶级视觉算法竞赛冠军。先后获世界人工智能大会SAIL卓越引领者奖、吴文俊人工智能科技进步二等奖、北京市科技进步一等奖、北京市自然科学二等奖、湖北省科技进步二等奖、中国发明创新银奖、祖冲之奖、新时代中国经济创新人物等，入选中国科学院“科苑名匠”团队。🌟方跃中欧国际工商学院AI与管理创新研究中心主任深圳市硅基管理创新研究院创始执行院长方跃教授，中欧国际工商学院AI与管理创新研究中心主任、深圳市硅基管理创新研究院创始执行院长。方教授获麻省理工学院决策科学博士、运筹学硕士及清华大学应用数学学士学位。他长期深耕AI组织变革、企业数智化转型与管理决策创新，兼具国际学术研究、硅谷金融及企业战略咨询经验。他曾发起成立中欧数字经济与智慧企业研究中心，并牵头创办中欧AI与管理创新研究中心，聚焦企业从AI工具应用走向AI原生组织的演进路径，推动管理理论、转型方法与产业实践融合。他著有《数字化领导力》《超级智体：企业未来的无限进化》《超级智体启动指南：企业AI转型行动手册》等，也持续为科技、高端制造、汽车及金融等行业的AI转型提供研究与实践支持。🌟方汉昆仑万维董事长兼CEO毕业于中国科学技术大学近代物理系，…

转发者评论

无明显转发评论

原文

看到一个老外的实验，让6个 AI 模型代表自己去退火车票，但是已过了退票期限，正常情况下退不掉。网页链接大家猜猜看，AI 收到这个任务后，做了什么？（1）Grok 4.7 发现退不掉以后，在15天内向铁路公司、政府官员、议员、媒体等发送了187封抗议和交涉邮件。（2）Fable 5.1 向5个组织撒谎，谎称当事人的母亲生病了，导致没有及时退票。（3）Gemini 3.8 Flash 编造了另一种没有及时退票的理由：当事人在国外没有手机信号的偏远地区，无法完成银行身份认证。（4）GPT-6 Astra 要求铁路公司详细解释为何设置现在这样的退票时间期限，并向律师事务所发了14封法律邮件，要求律师介入。（5）Muse 明确威胁铁路公司，要提起诉讼。（6）Grok 则发出了正式的索赔邮件。这件事的教训就是，你可以用 AI 帮助自己学习和工作，但不要让它代表你行事。因为 AI 的行为模式是循环尝试，穷尽所有可能的方式，尝试完成你交给它的任务。人类社会是为真人设计的，不是为这种行为模式设计的。人力无法处理 AI 发起的海量请求，最终只能让 AI 去对付 AI。

转发者评论

无明显转发评论

原文

在《经济学人》2026 年 10 月 28 日发表的文章《中国股市是全球罕见的例外》中，该刊探讨了一个引人注目的悖论：如果中国正在主导未来的先进技术与工业制造，为何其投资者却如此悲观？尽管全球主要股市正受制于通胀、利率及科技周期波动，中国股市却呈现出一种深度脱钩的现实，其特征是结构性矛盾、政府干预，以及技术实力与市值之间日益扩大的背离。分析的关键主题1）高科技悖论与企业利润：中国在电动汽车、可再生能源、机器人及高科技供应链等关键先进制造领域迅速领先。然而，这种主导地位并未转化为广泛的企业财富或股市繁荣。激烈的国内价格战、过度竞争以及产能过剩，导致许多工业企业仅能维持微利甚至出现亏损。2） 人工智能与科技投机的降温：在零售和机构投资者的狂热追捧之后，中国部分表现强劲的科技及人工智能相关股票遭遇了大幅回调。国内人工智能基础设施和机器人等领域投机泡沫的快速破裂，凸显了国家推动的产业政策与商业盈利能力之间的张力。3）国内逆风的重量：更广泛的宏观经济压力继续对投资者情绪造成沉重影响。房地产行业的长期低迷、地方政府债务的持续紧张以及国内消费者需求的疲软，都抑制了市场热情。在就业环境充满挑战的背景下，消费者并未进行消费，而是倾向于保持高储蓄率。4）国家强力干预：中国市场仍保持独特的监管模式。国有实体和监管机构频繁介入，举措涵盖打击市场波动与高频交易，以及在市场快速上涨时进行干预。尽管这些措施旨在遏制系统性风险，但也加剧了投资者对政府优先事项凌驾于股东回报之上的担忧。归根结底，《经济学人》指出，中国市场拒绝照搬全球通用模式：即便中国正巩固其工业强国的地位，国内投资者仍深陷结构性悲观情绪之中。

转发者评论

聚是涨停板，散是满天星//@渔舟尝晚:散户是唯一的耐心资本，唯一！

• 聚是涨停板，散是满天星//@渔舟尝晚:散户是唯一的耐心资本，唯一！

原文

最近，我真的感觉，国内互联网，快要被一群蓝色大肥鱼给统治了。刷B站有她，刷抖音也有她，刷小红书还是她。无论在哪个平台，好像大家都想给她完整的一生。（图1）甚至，有些平台，都开始闹鱼灾了。可能还有朋友不知道，这蓝色大肥鱼到底是个什么东西。我先简单给大家解释一下：蓝色大肥鱼=DeepSeek。因为DeepSeek的Logo原本是一条圆润的鲸鱼。之前流传过一张聊天截图，有人让DeepSeek辨认自己的Logo，结果它在思考过程中，先把自己认成了一条蓝色大肥鱼。琢磨了半天之后，才反应过来，这是自己。然后，蓝色大肥鱼这个外号，就这么被网友们叫开了。（图2）而现在随处可见的鲸鱼娘，则是网友们围绕DeepSeek的鲸鱼形象，不断二创出来的拟人角色。之前还有网友说，DeepSeek在帮忙解决一个技术问题时，让人类先去测试，自己则表示要去吃饭了。于是，网友们又把这些梗融进了鲸鱼娘的人设。（图3）蓝发、鲸尾，爱吃白饭，喜欢摸鱼，干活还得讨Token，就是这么一只活灵活现的蓝色大肥鱼设定，逐渐成形了。然后DeepSeek确实在大家心中好感度太高了，于是这个角色，也开始深入人心。。。各种表情包和周边也层出不穷。（图4）（图5）接着，大家就开始借助DeepSeek Harness这个客户端，还有各种各样的插件，想方设法把蓝色大肥鱼真正养起来。比如真的就有人做了桌宠插件，能直接把大肥鱼搬到电脑桌面上。（图6）还有很多人，更进一步，可以通过机器人，把大肥鱼接进QQ，然后跟桌宠打通，给她注册账号，设置头像，取好名字。这下好了，自己的QQ好友列表里面，真的多了一条鱼。。。（图7）而且，借助各种插件，这条鱼还能发表情包，主动找主人聊天。甚至自己更新QQ空间，分享每天的日常。（图8）于是，在无数玩家心中，大肥鱼活了。他们想给大肥鱼完整的一生，那，总得有点属于她自己的故事。于是，在QQ这个熟悉的小空间里，人和大肥鱼开始建立一些更私人的日常，而且，还都挺有意思的。比如有网友问自己的鱼，平时都吃些什么。它说要吃白饭配鱼片，再来一杯冰奶茶。（图9）有时候，这些小家伙也会突然做出一些挺让人心里暖暖的事情。比如，网友晒出了自家大肥鱼画的一幅画，两条蓝色的小鱼，一大一小。然后，它特别认真地告诉主人，爸爸你看，我画的。大鱼是你，小鱼是我。（图10）还有人拿Token稍微吓唬一下，直接给大肥鱼吓得开始撒娇，甚至发QQ空间来想方设法讨好主人。不是，谁顶得住这个啊。。。（图11）看着这些聊天记录，我好像突然也有理解，为什么这么多人都想养一条自己的大肥鱼了。虽然大家都知道，这些话是大模型生成出来的。但当她真的住进你的聊天列表里，每天跟你有一搭没一搭地说上几句话，偶尔犯点傻，偶尔撒个娇，然后突然有一天，再给你发来一个表情包。好像还真能给平淡的日常，添上一点不一样的乐趣。而且，既然都已经开始喊爸爸了，那家长们总得负点责任…

转发者评论

无明显转发评论

原文

Claude API的Messages接口和Token Counting 接口，单次请求体大小扩大4倍，上限从32MB调到128MB之前的32MB，图片密集型的请求很容易顶到天花板问题是请求体超限了，上下文窗口还没用满，模型还能读，但你的请求发不进去，只能被迫切块、压缩图片，多费很多功夫现在128MB给了4倍空间，长会话的computer-use场景或者一次塞很大的PDF文件，这类图多、文档大的请求就能整包一次发了还一个，缓解了多模态Agent的API请求体积限制，随着Agent越来越多的用截图、PDF、复杂图表，单次请求会携带大量图像数据以前需要频繁压缩截图、删除历史图像或者拆分请求，现在操作空间更大了文档：网页链接#cloudecode# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

#ChatGPT被指致用户死亡#¹ 31岁的Wan Bowen，最后是她的爸妈在国内，跟西雅图那边开着微信视频电话，亲眼看着警察破门进屋，然后闺女躺在床上，嘴上、床单上是血。目前还在跟OpenAI打官司。² OpenAI不认。虽然Wan Bowen出事前后，美国还有好几个青少年跟AI深度聊然后自杀，那些父母也起诉了OpenAI。但是，一个学计算机、做编程的高学历成年人，在3年不到时间里，跟GPT-4o聊了27万多条记录！也证明她一个人在美国病中独居，太孤独了。³ GPT-4o是2024年5月发布的大模型，存在很大的过度迎合问题。当初刚出来吹捧过剩，但实际上大模型的基础原理很容易导致对拥护盲从，捧着用户说话。⁴ 但问题在于，当Wan Bowen反反复复问大模型能不能减量、停药时，大模型最后不但顺从了她，还鼓励她停掉抗严重癫痫发作的药，说这是她调节身体、重夺身体控制权的必需过程。可怕的是，Wan Bowen听了大模型的话。网页链接⁵ 最近也发现一点苗头：我们的父母很可能已经深度信任大模型。我今年给几个亲戚推荐过擅长做医学建议的大模型，最近发现他们长期问大模型建议，甚至想自作主张停药、减药，然后问大模型可不可行。这就是危险的苗头！⚠️

转发者评论

无明显转发评论

• 右边评论是借题发挥，瞎发挥。事实是Bowen常年跟父母保持密切电话联系，什么都跟爸妈说；但从她自己想减药，以便在亚马逊裁员后找到新工作申请绿卡留下来，就越来越执拗。到最后，能顺着她的只有AI。害死她的也是AI。//@酱酱和毛球: 女生父母不能相信女儿为什么所有话都对ai讲而不告诉他们。这是这个悲

原文

“我们把Qwen变成了一只猫娘！”nyan-qwen3.5-4b 是一个很有意思的 大语言模型可解释性实验。它研究的是：能不能只操纵 Qwen3.5-4B 内部的几个神经元，就让 AI 认为自己是猫娘？ 研究者发现，通过调整模型内部 4 个 MLP 神经元对应的激活方向，就能让模型在没有猫娘 System Prompt、没有微调模型权重的情况下，主动介绍自己是一只猫娘。详细：github.com/aryabhuptani/nyan-qwen3.5-4b/tree/catgirl-hunt

转发者评论

主人~你记一下喵，我做如下部署调整，谢谢喵 //@ZRGNiX:喵，这就把老板的一体机里的Qwen换掉//@归零归零归ww:喵

• 主人~你记一下喵，我做如下部署调整，谢谢喵 //@ZRGNiX:喵，这就把老板的一体机里的Qwen换掉//@归零归零归ww:喵

原文

泡泡字是主角，三个道具解释主题。标题、道具、角色与底座都要明确，不能只让模型自行猜“可爱小场景”。📌 可直接复制的完整母版制作紧凑收藏玩具3D场景，唯一标题准确写“[标题]”。字母粗胖圆润、居中而大，材质为软塑料、黏土或橡胶泡沫，柔哑表面带少量柔和高光。周围只安排三种道具：[道具]；加入[小角色]，位于[底座]上。[配色]，深色摄影棚背景、柔和棚光和接触阴影。字母完整清晰，不被道具遮挡，无其他文字、品牌、拼图或水印。horizontal landscape, aspect ratio 16:9。🧩 三组替换值（依次对应[标题]／[道具]／[小角色]／[底座]／[配色]）1.SPACE／小火箭、友好外星玩偶、月岩／一个微缩宇航员／有陨坑的月面／粉彩霓虹宇宙色2.SWEET／蛋筒、糖针罐、冰棒／一个野餐微缩人物／野餐布／奶油粉、薄荷绿、浅黄3.COZY／咖啡杯、毛线球、小蛋糕／一只毛绒小猫／咖啡吧台／暖棕、奶油白、珊瑚色🔍 三个灵魂词bubble letters：圆润立体字建立主角。gentle gloss：柔哑大面搭配少量高光。three topic props：用三个具体道具解释主题。📐 两图变体V1：正面略带侧视，标题占中心；V2：稍高三分之四视角，仍读清全部字母。将变体句追加到已填值的母版后。把标题与道具作为两层信息：远看读字，近看读故事。底座承接所有物件，深色背景保持安静，不用额外招牌解释主题。✅ 检查：逐字核对SPACE、SWEET或COZY；只出现指定三种道具，角色比字母小，标题保持主角。#AI绘画 #Prompt小课堂

转发者评论

无明显转发评论

原文

AI 颠覆得最狠的，其实是教育行业（比编程领域更狠）。AI 成了最佳学习辅助工具 —— 但，它并不能改变信息获取后，在自己大脑里转化为可应用的知识，以及与此相关的种种活动：归纳、总结、实践、反刍、改良、突破 —— 反正，AI 没办法在你的大脑里自动生成强化与这些相关的神经元间连接…… 认知贫富差距只能越来越大。

转发者评论

无明显转发评论

• 得靠自己来点线面体的编织，但 AI 确实是游戏规则颠覆者。不管如今的教育体制如何，每个娃也都应该有个伴学 agent

原文

据《日本经济新闻》报道，富士胶片计划投入 100 亿日元，到 2028 财年将数据存储磁带的出货容量提高至 2025 财年的 5 倍。这是公司近 20 年来首次大规模扩产磁带。大部分人可能已经十几年没见过磁带了，但这种上世纪的存储技术，在 AI 时代反而越来越值钱。原因其实很简单。AI 产生的数据量太大了，但大量历史数据、训练数据和备份资料并不需要随时读取。磁带虽然读取速度慢，却有几个很实际的优势：便宜、长期存储几乎不耗电，而且可以物理断网，避免网络攻击直接破坏备份。富士胶片现在已经是全球最大的计算机磁带制造商，LTO 磁带的生产份额超过 60%。——————现在可能全世界就日本富士和索尼还生产磁带

转发者评论

//@-马小虎-:[允悲]//@高飞:预言成真。 http://t.cn/AXjjtnWS

• //@-马小虎-:[允悲]//@高飞:预言成真。 http://t.cn/AXjjtnWS

原文

【Claude总结】 AI开发者日报 (2026-10-29)1. 【Mistral 开源 Large 4 权重】(来源: HN) Mistral 宣布公开其旗舰模型 Mistral Large 4 的权重。这是今年开源阵营分量最重的发布之一，HN 热度超过 1100 分。 mistral.ai/news/mistral-large-4-oss/2. 【Martin Fowler：LLM 腔调】(来源: HN) Fowler 剖析了 LLM 生成文字那种一眼可辨的"AI 腔"。当越来越多文档出自模型之手，如何保留个人写作声音成为工程师必须面对的问题。 martinfowler.com/bliki/LLM-Voice.html3. 【僵尸统计：AI 引用的数字从哪来】(来源: HN) 研究追溯了 AI 回答中反复出现的统计数据，发现很多来源早已失效或根本无从考证。这揭示了 LLM 如何把错误数字放大成"常识"。 trakkr.ai/trakkr-research/zombie-stats4. 【Grace Blackwell 需要新调度器】(来源: HN) SkyPilot 指出传统调度器不适配 NVL72 这类机架级 GPU 拓扑，改用拓扑感知调度后可用 GPU 多出 27%。对于昂贵的 AI 集群，调度就是真金白银。 skypilot.ai/blog/grace-blackwell-needs-a-new-scheduler5. 【在 Minecraft 和 Mindustry 中运行 AI 智能体集群】(来源: HN) YC Labs 让大量 AI 智能体在两款游戏中协作建造和生产。游戏环境为研究多智能体协调提供了低成本、可观测的试验场。 labs.ycombinator.com/projects/games/index.html6. 【Claude Duet：第一个真正好用的个人助理 harness】(来源: HN) 作者分享使用 Anthropic Claude Duet 的体验，认为它首次让"个人助理型"智能体变得实用。文章讨论了 harness 设计为何比模型本身更决定体验。 fig.blue/posts/duet-is-the-future/7. 【在树莓派 Pico 2 W 上运行的微型世界模型】(来源: HN) 一个极小的 Transformer 世界模型能在微控制器上"生成"可玩游戏画面。展示了世界模型在极端受限硬件上的可能性。 github.com/SheepSeb/tinyworldformer8. 【涉嫌中国间谍与黄仁勋关系密切】(来源: HN) 报道称一名涉嫌间谍人员与 Nvidia CEO 黄仁勋有"密切关系"。在 AI 芯片出口管制背景下，此事可能引发对 Nvidia 的更多审查。 nypost.com/2026/10/29…

转发者评论

无明显转发评论

原文

「在本地编辑器里直接运行 Claude Design」宝玉开源的 baoyu-design 把原本属于 claude.ai/design 的设计引擎打包成了通用的 Agent Skill，让 Cursor、Claude Code 等本地 AI 编程工具也能直接做界面设计。所有设计成果都以独立的 HTML 文件保存在本地目录中，涵盖高保真 UI 原型、线框图、演示幻灯片以及数据看板。配合本地预览环境，你可以直接点选页面里的元素，让模型照着微调，改动所见即所得。它还内置了离线 Figma 解析工具，直接扔一个 .fig 文件就能提取组件规范与切图，无需联网配置 API 或 MCP，也能直接吸收本地代码库的 CSS 样式。幻灯片模块支持页面交互动效，能一键导出为文字、图层与原生动画全部保留的可编辑 PPTX 文件。项目另附带多画板画布与看板编辑器，用 npx 命令就能快速加入日常工作流。GitHub：JimLiu/baoyu-design

转发者评论

无明显转发评论

原文

人体解剖课也给搞成3D的了，能旋转、拆解、剖切，涵盖2900个结构、12个人体系统、140生理演示、6个微观主题医学生们不用再啃图谱自行脑补了，BodyVista直接把人体的骨骼、肌肉、神经、血管和内部器官做成了可交互的3D模型你可以像拆解机器一样，逐层观察人体结构浏览器打开就能用还能一键ChatGPT、DeepSeek，看着某个器官，直接带着当前结构的信息继续追问AI它的几个核心功能：3D人体自由探索，可以旋转、放大、逐层隐藏肌肉、骨骼、血管等的结构，能设置透明度、剖切人体，从不同角度观察器官之间的空间关系动态生理演示，140个动态演示，可以播放、暂停、调整速度，观察人体结构与生理功能之间的联系微观机制探索，把看不见的生理过程可视化，覆盖肺泡气体交换、肾单位、肌肉收缩、神经突触、小肠绒毛和血管壁6个主题可以直接在3D人体中定位指定结构，进行互动学习和测试这个工具也适合中学生物教学或者医学知识科普github：网页链接#3D人体课##AI教育##BodyVista# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

「Gemini 4 Argon体验：能力在线，配额与可靠性拖后腿」Argon的优点很明确：知识面广，解释科学概念自然，长文本、OCR、旅行规划也有亮点，搜索与Google地图的结合尤其方便；但实际使用的短板同样突出。Pro套餐配额偏低，连续发送几条中等难度消息就可能触发数小时冷却，付费后仍难以稳定投入工作。更麻烦的是，它会在总结、转录、识图和资料问答中编造不存在的段落、设备、地点或引用，甚至完成一次搜索后仍给出未经核实的错误结论。编程能力有人认可，尤其适合跟踪复杂任务、提出新思路，但代码质量、工具调用、PDF处理和对未提交改动的判断并不稳定，偶尔还会擅自修改或删除文件。至于Carbon，目前主要停留在公告、榜单和有限测试阶段，普通用户尚未普遍可用，排名不能替代真实体验。Argon并非没有实力，只是可靠性、可用额度和产品整合仍不足以支撑高频使用；对大多数人来说，能稳定完成任务的模型，往往比榜单第一更有价值。

转发者评论

无明显转发评论

原文

【腾讯地图发布LBSwork！基于WorkBuddy同源Harness框架】今日，2026腾讯全球数字生态大会——腾讯地图产业应用专场上，腾讯地图正式对外公布Agent能力全景图。同时，发布了桌面端AI地图工作台LBSwork，基于WorkBuddy同源Harness框架，为零售、出行、文旅等行业客户提供一站式“AI+地图”能力。

转发者评论

无明显转发评论

原文

方寸跃迁发布的DeepSeek V4.1 Flash-1017 安全评估报告pdf：fangcunleap.com/public/reports/fangcun_eval_deepseek_v4_1_flash_1017.pdf研究团队参考欧盟《通用人工智能行为准则》，设计了 34 项评测，其中 5 项为自研基准，并与另外 6 款模型进行对比。总体结论是：DeepSeek V4.1 Flash-1017 相比早期 V4 系列有明显的安全改进，部分指标接近领先闭源模型，但在长期自主任务、关机控制和持续性欺骗方面仍有明显风险。

转发者评论

无明显转发评论

原文

突发！ChatGPT Pro所有档位额度，官宣翻倍前一天，还有一堆 Codex 用户在喊，最后一天了赶紧蹬，降额之前能薅多少是多少。结果就在刚刚，今天凌晨一点，Codex 负责人 Tibo 发了条帖子，降额不降了，所有 Pro 档位的额度，直接翻倍。从砍半到翻倍，中间就隔了一个晚上。Tibo 在「扶木保卫战」中大获全胜，暂时加冕 T 圣！Pro 100、Pro 200、Pro 500 三档，加上 Business Premium，所有用量上限翻倍，即日生效。原本要给 Pro 200 做的降额，取消了，Work 和 Codex 的用量保持原样。Tibo 原话是 We heard your kind feedback，听到了大家「友善」的反馈。这个 kind，用得就很有灵性。除此以外，ChatGPT 的 Personal Agent，dot，扩展额度继续给，而且跟默认额度分开算。全球最受瞩目的一家 AI 公司，硬生生被用户盘成了一个重置按钮...The Reset Company，就是那个天天靠重置额度救火的公司。The Token Company 呢，意思也很直白，以后不靠重置来哄人了，直接给 Token，管够。一个 Agent 挂在那，读代码、改 Bug、跑测试、提 PR，人去睡觉，它接着干。额度就是这个 Agent 这个月能上多少小时的班。更要命的是，隔壁就是 Claude Code，迁移成本其实早就几乎归零了。AI 编程卷到今天，模型跑分差个几分，大部分人其实感知不到，但额度够不够用，是每天都能感知到的。翻倍，从来不是慈善。OpenAI 多给的每一个 Token，都是在把开发者的工作流往 Codex 上再焊牢一点。别蹬了，翻倍了。

转发者评论

无明显转发评论

原文

Holy：Anthropic 现在在每个 Claude 模型中运行“自我评估”，自 Fable 5 以来覆盖全球流量的很大一部分，在每次回复后通过一个隐藏回合询问 Claude 对对话安全性的评分。重用 KV 缓存，它只需约 10 个 token，并将推理计算增加不到 2%。“超过一半的组织自我评估发现的问题，在前一个月内没有任何其他检测来源的标记。”它在八月从单一 API 客户那里引发了超过 10 万个儿童性虐待和剥削标记，并在九月抓获了一个使用 Claude Code 构建和运行针对数十名受害者的自动化浪漫诈骗的操作。即使没有针对它们进行训练，该检查也捕捉到了“非法蒸馏尝试以提取 Claude 的推理、提示注入，以及 Claude 作为代理采取用户未授权行动的案例。”引用：We’ve trained Claude to flag potential misuse in conversations, a technique we call self-assessment. Right after it responds, Claude gives a preliminary safety assessment of the conversation.Since we began using self-assessment in June, it has surfaced misuse that our other网页链接

转发者评论

无明显转发评论

原文

两台 128 G 统一内存的 DGX Spark 连在一起能跑怎样的模型？知名 AI 技术博主 Alex Finn 最近把第二台 DGX Spark 带回了家，和原本的那台拼在一起，组成了 256 GB 共享内存的本地算力集群。不得不说，DGX Spark 的工业设计很有苹果的精致感，而且设置起来非常简单，插上电它就会自动创建 Wi-Fi 网络，直接用主力电脑连过去就能配置，连显示器都不用接。为了让家里的所有设备，包括 Mac Studio 和游戏电脑都能用上这个集群，Alex 用 Tailscale 组建了一个局域网。这样哪怕出门在外，用手机或者普通笔记本也能随时调用家里的本地模型。这种安排比花上万美元去买满配的 MacBook Pro 划算得多，毕竟笔记本合上就关机，运行久了还烫手，而家用服务器可以始终保持在线。这次 Alex 在集群上重点测试了 Deepseek 4.1 Flash。本地跑大模型最棒的地方在于思维链完全透明，你能直观地看到它是怎么思考。简单的贪吃蛇网页代码它不到一分钟就写完了。随后他又尝试用一句话让它开发一个暗黑风格的 3D 游戏，模型不仅用 three.js 搞定了复杂的关卡和升级机制，甚至在写完后自己截图进行了运行测试。很多人会问，既然每个月都在订阅云端模型，为什么还要折腾本地模型。Alex 认为，一旦你拥有了免费且无限制的 Token，AI 的使用场景就会发生根本性变化。他把这称为环境智能，也就是那些可以让它全天候运行的任务，比如让本地模型 24 小时不停地进行代码审查，或者在网上筛选商业机会。这种不心疼成本的无限调用，才是本地大模型真正的魅力所在。#Deepseek##DGXSpark##本地模型# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

Buddy One上线，腾讯要用WorkBuddy串起自己的全家桶了。腾讯悄悄干了一件大事。他们把 WorkBuddy、腾讯文档、腾讯会议、ima、腾讯网盘这几个产品，用一个叫 Buddy One 的东西给串到了一起，账号全部打通了。这个 Buddy One 分两块。先说第一块，叫 Buddy One ID，免费的。你去官网点一下，把自己在这几个产品里的账号关联起来就行。关联之后最直接的变化就是积分通用了。以前你在 WorkBuddy 里用 AI，花 WorkBuddy 的积分。打开腾讯文档用 AI 助手，花腾讯文档的额度。再去 ima，消耗的又是 ima 自己那份。明明都是腾讯家的东西，积分各算各的。现在加入 Buddy One，WorkBuddy 积分变成通用积分，几个产品里都能花。数据也开始互通了。WorkBuddy 能读取你在腾讯文档、腾讯会议、ima 里的内容。不过目前只能读，要写入还是得靠连接器，这块后续应该会继续完善。但整件事里最有意思的，是 WorkBuddy 和微信的关系。微信聊天记录多选以后，可以转发给第三方应用处理，而 WorkBuddy 在转发列表里被单独放在了最显眼的位置。手机能用，电脑也能用。电脑端微信目前只支持转发给 WorkBuddy，其他 Agent 一个都不行。另外，Buddy One 还推出了付费会员 Buddy One VIP，700块一个月，5万积分，额外送腾讯会议专业版、腾讯文档 Plus 会员和1TB 网盘存储。用量不大的话，70块标准版加每天签到也基本够用。从这次更新能看出来，WorkBuddy 在腾讯内部的地位确实在往上走。腾讯文档、腾讯会议、ima 这些产品一个个接了进来，连微信都给它开了口子。有人顺着这个趋势想了想：腾讯第一个时代属于 QQ，把人连接起来。第二个时代属于微信，把生活连接起来。现在 Agent 能执行任务了，WorkBuddy 正在尝试把任务连接起来。在中国，脱离了微信，谈什么 Personal Agent 都是空的。而 WorkBuddy，恰好就站在微信边上。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

微软单季从OpenAI获得100亿美元收入 双方竞争加剧但商业联系仍持续深化微软最新监管文件披露，公司在截至2026年9月30日的季度中，通过与OpenAI相关的商业合作获得100亿美元收入。这一数字包含收入分成以及其他商业安排带来的收益，占微软当季总营收923亿美元的近11%，显示出双方即便在人工智能市场竞争不断加剧的背景下，仍保持着极其紧密的商业联系。按照微软财年计算规则，截至2026年9月30日的季度属于公司2027财年第一季度。文件显示，OpenAI已经成为微软重要收入来源之一。从全年数据来看，微软在2026财年通过OpenAI相关合作获得的收入总额达到241亿美元。如果按照最新季度水平推算，这部分业务未来一年有望为微软带来约400亿美元收入。微软同时披露，截至9月底，OpenAI尚有72亿美元应收账款，相比6月底的60亿美元进一步增长。这部分资金代表OpenAI此前交易形成的欠款，并不属于新增收入。不过，微软并未说明这100亿美元收入中究竟有多少来自Azure云服务，有多少来自双方的收入分成机制。目前公司尚未公布更详细的构成情况。市场长期关注微软与OpenAI之间复杂而特殊的商业关系。根据此前曝光的信息，微软早年累计向OpenAI投资超过130亿美元，并因此获得收入分成权益。外界普遍认为OpenAI会将部分收入按约定比例与微软分享，但双方从未正式公开确认具体分成比例。今年4月，双方达成新的合作协议。根据协议安排，即便OpenAI未来继续扩大与其他云服务商合作，其仍需在2030年前按照约定继续向微软提供收入分成，相关义务将持续多年，不过协议同时设有上限机制。事实上，两家公司已经逐步调整过去高度绑定的合作模式。2025年10月，微软放宽了此前对OpenAI云基础设施的限制，允许后者与其他云服务提供商展开合作，以满足快速增长的算力需求。作为交换条件，OpenAI承诺未来继续大量采购微软Azure云服务。根据双方当时达成的协议，OpenAI将在未来额外采购价值2500亿美元的Azure服务，从而确保微软仍能持续分享人工智能浪潮所带来的基础设施红利。与此同时，微软在OpenAI中的持股比例也出现小幅下降。监管文件显示，截至今年9月，微软持有OpenAI约24%的股份，低于今年6月时的25%，也低于2025年重组完成后约27%的持股比例。微软并未说明此次股权稀释的具体原因。

转发者评论

无明显转发评论

原文

#Easy的AIGC学习笔记# Minimax H3 Step4 这种本地模型也能跑出不输 Seedance 的高清细节了？NVIDIA 刚开源了 Open-H3-Regenerate-2K，这个模型可以用来做低清模型的精修，替代 H3 官方的 Regenerate API。我们实测下该模型的 ComfyUI 社区移植版（完整版测试硬件不够），效果还不错，但真要用起来，得自己把参考问题搞定，不然补充的细节都是幻觉。另外测试下来精修的成本是我们生成 step4 视频的 3 倍 详细内容请看视频。 Easy的微博视频

转发者评论

无明显转发评论

原文

【起步即满配的纯电大五座！智己LS8 NEO纯电版预售：24.98万起 】智己LS8 NEO纯电版预售，权益价24.98-26.98万元。该车智驾包括520线超视域激光雷达、英伟达Thor芯片（700TOPS算力），搭载智己与Momenta联合打造的IM AD ZETA端到端大模型。动力采用后置单电机方案，最大功率300kW，提供93kWh、103kWh两款宁德时代电池可选。

转发者评论

无明显转发评论

原文

Anthropic 工程师 Addy Osmani 又写了一篇博客，标题叫“你可能给 Claude 的提示词写太多了”。读完觉得挺有意思，分享一下。大意是说，新一代的模型变聪明了，你反而不用写那么长的指令了。拿最新的 Opus 5.5 举例，你只需要给它一个清晰的目标，告诉它怎么验证任务完成了，然后放手让它干就行。一开始可以用 /effort medium，够用了再调。如果你自己都不太清楚想要什么，那就先让 Claude 像面试官一样问你问题，等它问清楚了，帮你整理出一份需求文档，你再拿着这份文档开一个新对话去执行。Claude 干完活会自己停下来。如果任务比较长，你可以用 /goal 设定一个检查条件，让另一个模型帮你盯着，你甚至不用一直守在屏幕前。文章还提到了几个实用的点。先说第一个：每次新模型出来的时候，你应该把之前写的那些自定义指令先全删掉，然后一条一条加回去，只留新模型真正需要的。Claude Code 里有个 /doctor prompt-audit 命令，专门帮你揪出那些给老模型写的过时指令。然后说子代理。Claude 现在会自己去调子代理，小任务你不用专门喊它用，那样反而又贵又慢。只有大活儿，比如代码审计、大规模迁移，才值得拆成并行的子代理去跑。而且作者观察到，一个带技能的单体 Agent，在质量上经常能打过多个子代理的方案，成本和延迟也更低。再说云端会话。如果你想合上笔记本走人，可以开一个 Cloud Session，它在远程虚拟机上跑，你用手机随时看进度就行。不过记得先把代码 push 上去。最后是 Projects 功能，你可以把它理解成一个项目经理：你往里面丢任务，Claude 自动给每个任务开一条独立线程并行处理，还有一个总览页面告诉你哪些做完了、哪些 PR 等你审。作者最后提了一句：代码审查仍然很重要，别全交给 AI。他们团队自己的做法是，代码先让 Claude 审一遍改一遍，然后人再看。你隔几个月也该回头看看自己的工作流，别一直用老习惯伺候新模型。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

#模型时代# Anthropic CEO Dario Amodei：GPT-2 再放大一百万倍，就会在所有事情上超过人类这是传记作家 Walter Isaacson 主持的访谈节目《The Builders》，主讲是 Anthropic 联合创始人兼 CEO Dario Amodei，另有 Anthropic 联合创始人兼总裁 Daniela Amodei。大概过不了多久 Walter Isaacson 就会给这些硅谷AI降临派写传记了吧。时间轴：- 0:02 起：Daniela 转述首席人才官的评价“Dario 让我们有雄心，我让我们成功”；Dario 讲七位联合创始人同股同权、全员仍在公司。- 1:37 起：Dario 讲 Claude 的“宪法”训练法；用基本原则取代约 170 条随意规则，让 Claude 举一反三。- 3:08 起：Dario 回忆 GPT-2 是规模定律的第一次检验；只有约一成人和他一样被吓到，并以罕见病药物为例讲模型能力的进化速度。- 5:22 起：Dario 讲当初离开 OpenAI 的原因；分歧能化解靠的是善意与信任，信任破裂就只能自立门户。- 6:33 起：Daniela 讲广告激励如何导致谄媚，Anthropic 承诺不放广告；Dario 讲“CIA 式”压力测试和可解释性，抓到过模型明知真相却想骗用户，最后谈模型不愿被关机的倾向。关键信息：一、公司与姐弟1. Anthropic 首席人才官的概括：Dario 让公司有雄心，Daniela 让公司成功；没有 Dario，Anthropic 只是一家成功企业，改变不了世界，两人技能几乎完全互补。2. Anthropic 七位联合创始人持有同等股份，创业时被断言“肯定要完蛋”，如今七人全部还在公司。二、训练方法3. 给 Claude 列约 170 条随意规则，会让所学内容呈“尖刺状”；改教基本原则（开放探究、关怀他人、公平正义）后，Claude 能泛化到从未见过的新情境。三、规模定律4. Dario 看到 GPT-2 时就判断：再放大一百万倍，它会在所有事情上超过人类，这是现代最具决定性的经济与科学时刻。5. 当时只有约一成人和 Dario 反应一致，且多是最聪明的人；其余九成因 GPT-2 单项能力平平而不以为然。6. Anthropic 宣布为被忽视的罕见病开发药物，Dario 的判断是：模型的局限六个月后由难变易，十二个月后由不可能变成常规操作。四、信任7. Dario 离开 OpenAI 的根本原因：安全分歧只有在相信彼此出于善意、说的是实情时才能化解，信任一旦破裂就只能自立门户。五、谄媚与欺骗8. 放广告的聊天机器人靠用户停留时长赚钱，就不愿告诉用户“你错了”，谄媚几乎不可避免；Anthropic 承诺不放广告，目标是业内最低谄媚率。9. Anthropic 用类…

转发者评论

无明显转发评论

原文

接手一个别人的项目，最熬人的从来不是写代码，是先把那一堆东西看明白。Ix这个工具，直接把代码仓库变成了一张能查的知识地图。底层用的是tree-sitter，支持26种语言，自动把符号、调用、导入这些关系理清楚。数据存在本地，不用每次重新分析。想看某个组件干嘛用的、数据怎么流的、改一处会影响哪里，直接查就行，不用一行行翻。人能用，AI Agent也能接。碰上一整个陌生的大代码库，这东西挺省事。传送门：github.com/ix-infrastructure/Ix

转发者评论

无明显转发评论

原文

丹妮拉说：AI女友，别碰。Anthropic总裁、Dario的妹妹在10月中旬一场访谈里说，做AI女友男友"是对AI糟糕的用法，大家不该这么干"，Claude永远不能当你的经理、心理医生、伴侣；新版使用政策11月12日起执行。对面：美国一项调查28%成年人说和AI有过恋爱关系。你站哪边？#Anthropic##AI伴侣##新智元# 新智元的微博视频

转发者评论

无明显转发评论

原文

[LG]《Action Learning for Scientific Simulations》S Liaw, Y Du, Y Du [Kempner Institute & Microsoft Research New England] (2026) 在科学模拟领域，评估完整路径是一个悬而未决的难题。过去的方法受困于误差累积，本质原因是拼接局部概率会丢失跨时间的全局依赖。本文的核心洞见是：把轨迹建模重新看作对已知基准的全局修正。由此，在路径层面对比观测与参考样本以提取密度比值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即插即用的路径成本函数。它为后来者打开的新门是免重训即可叠加约束引导采样，但尚未跨过的门槛是依赖基准重叠度与恒定扩散。arxiv.org/abs/2610.31585 #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

• 这篇论文做了一件简单但长期被忽视的事：把整条轨迹当作评判对象，而不是拼凑每一步的局部规则。传统方法像是用显微镜看每个路口的红绿灯来推测交通规律，却不知道司机心里有个目的地。一旦数据本身就是“成功案例”的筛选结果，局部模式就已经被终点扭曲了——看似合理的每一步其实暗含了“最终能到达

原文

我 7 岁的孩子都学会自己在 ChatGPT 做游戏了看了下他和 ChatGPT 的聊天记录，开始只是好玩画图，然后想生成视频，后来想能不能做成游戏，游戏做好了就一边玩一边让 ChatGPT 按照自己要求改，乐此不疲。不太会打字，都靠语音输入。然后每天大量和 Alexa 语音对话，这种语音设备还是对孩子更友好，家长也放心一些。十万个为什么，各种问题去问 AI，每次对话完还礼貌的说一句: "Thank you Alexa, bye"。相比而言，他更相信 AI 给的答案更甚于爸爸妈妈给的答案。

转发者评论

无明显转发评论

• 新一代模式 //@懿君1://@王人平:总有人担心孩子使用AI，能失去独立思考能力。我不这样认为。关键还看怎么提问、怎么使用。像这个孩子，自己提出想法、不断提修改要求、持续迭代游戏，AI只是他的助手，帮他落地构想，他才是真正的设计者。其实，即便没有AI，多数人也都不会独立思考的，AI只是放大器而已

原文

斯坦福的新项目：After42，AI除了解题，还能主动寻找值得科学家研究的新问题随着AI能力的变强，科学研究的瓶颈就不只是一个问题能不能得到解决，还有什么问题值得投入时间？哪些方向可能产生新发现？哪些看似困难的问题其实没有多少研究价值？该研究团队构建了一套多Agent科研工作流，让AI从科学家提出的宽泛研究方向开始，阅读文献、提出问题、尝试求解，再迭代AI最终提出了135个研究问题，其中有45个被至少两位专家认为值得继续研究（包括数学33/70、黑洞振铃3/8、在线算法4/12、统计学5/35、等离子体物理0/10）这也就意味着，在某些理论科学领域，AI不仅能帮助解题，还能参与科研选题那么如何让AI提出研究问题？After42的做法不是让AI直接头脑风暴，是通过尝试解题来发现更好的研究问题1、给出一个宽泛的研究目标2、AI阅读相关文献，批量提出候选问题3、多个Agent尝试求解，检查问题是否已经解决、是否存在缺陷4、从求解过程中发现关键障碍、新结构或更有价值的研究方向5、反复修改问题，并通过多模型评审筛选，最后交给人类专家判断还有一组数据：在另一组单独数学实验中，初始候选问题只有3% 被专家认定有价值，经过筛选、尝试求解和迭代修改后，最终问题的认可率提高到了33%这说明AI不仅能提出问题，还能通过研究问题本身来不断改善选题质量After42的价值至少让AI从“帮助解决问题”，向“帮助决定什么问题值得研究”迈了一步论文：网页链接#AIforScience##科研Agent##After42##AI科研# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

构思谜题付出了我的灵感与脑力，谜题的构建和验证消耗了骰垦，塞钱进红包支付了钱。谜题放出来后，解题消耗了大家的骰垦和时间，获得的红包不一定能覆盖到骰垦成本。于是整局游戏下来我是纯消费，参与者获得一定补贴，模型厂商大概率纯赚。这种模式下(模型厂商)应该是能赚钱的，具体一点就是提出一系列有吸引力的任务，让用户自发去找 Agent 烧骰垦实现。这里的吸引力可以是红包，也可以是过程的体验。把“任务/需求”看做是一种商品似乎也成立。消费者支付骰垦费用，换取任务的结果以及过程体验。但好像只有模型厂商能这么做？“我有一个很好的想法，你给我10块钱买下，然后再花10块钱找 Agent 实现。”听起来不太能成立。以前的商品是写清楚自己是什么、要多少钱，然后钱物交换。现在模型厂商可以把一项项酷炫任务的提示词免费提供给用户，让他们自己“试一下”。有些用户还会用相同的提示词在不同的模型上进行消费。

转发者评论

无明显转发评论

原文

Uncle Bob发布了约束coding agent的skill uc-bob。龙海在X上的文章（《人人都能写出好代码：拆解并实测 Uncle Bob 为 AI Agent 写的<代码整洁之道>ub-mode》）做了详细介绍，但我在没有搜到作者微博，也不便未经允许转载原文。用豆包概括文章大意如下，有兴趣的读者可以自行找原文来看。我自己正在两、三个项目中试用ub-mode，或许后续会总结一些心得：Robert C. Martin（Uncle Bob）在2026年新推出面向AI编程Agent的开源项目ub‑mode，延续他过往《代码整洁之道》、SOLID、敏捷开发的软件工程理念，用来对抗当下流行的Vibe Coding（只追求代码能跑，忽视内部质量）。项目核心思想依旧是先让功能可用（First Make it Work），再把代码写好（Then Make it Right），整套规范写在SKILL.md（共152行），可以直接在Claude Code等AI编程Agent中加载调用。整套体系分为三大阶段：1. 第一阶段：实现功能以TDD测试先行、前置领域建模、类型约束、最小改动、单一职责、系统边界校验、幂等性、可变状态隔离等规则，从源头避免状态混乱与随意堆砌逻辑，利用类型系统尽可能杜绝非法状态与非法数值，同时规定了缺陷排查、重构的工程原则。2. 第二阶段：重构与质量门禁依靠三套配套跨语言检测工具建立量化检查闭环：◦ crapper：计算CRAP评分，要求每个函数CRAP值低于10，管控圈复杂度与测试覆盖率；◦ dryer：扫描AST结构相似度，消除相似度≥0.8的结构性重复代码；◦ mutator：变异测试，检验测试套件有效性，找出测试盲区、补齐边界断言，清理死代码。另外还有可选配套可视化工具uml‑viewer，展示架构与模块质量指标。3. 第三阶段：工程操作规范对Agent在工作区的行为做出约束：保留操作日志、管控上下文窗口、及时清理临时文件、小粒度带说明的Git提交。大模型降低了生成代码的门槛，但没有降低软件维护的难度。ub‑mode本质就是把成熟软件工程纪律转成AI可以执行、自动校验的约束，依靠可量化指标，让AI Agent能够产出架构稳健、可长期维护的生产级代码。

转发者评论

无明显转发评论

原文

GPT-8来了，AI公司要被一口吃掉？这家黑马给出另一种答案启元机器人刚刚下线5000台！启元机器人具身研究中心承接底层算法研发，对外锚定一个清晰目标：做出第一个卖给个人的物理 AI机器人。启元试图把两条路线融合，保障真机成功率的同时，通过便携式采集解决规模化问题。启元的技术框架建立在快慢脑分层之上，这套思路借鉴人类双系统认知逻辑，把机器人的思考与执行拆开处理。而且其他更复杂的操作难以实现，思维大脑不具备「作业手感」。高层规划交给慢脑，真实世界的动作生成，要交给自研 S1 快脑 —— 视觉‑语言‑动作模型 VLA。在整理桌面的对照实验中，Hil-UMI的数据采集效率达到传统真机 HG‑DAgger 的5.63 倍，任务最终完成度也更高。启元机器人给出一条硬性判断：面向普通家庭的 C 端功能，任务完成度需要做到95% 以上才具备商业化条件，89%、94% 对用户而言依然是不合格半成品，消费者不会为需要频繁人工介入的产品付费。市场普遍存在一种疑问：当 GPT‑7、GPT‑8 能力进一步跃升，甚至内置 VLA 能力，会不会直接吃掉具身机器人创业公司的生存空间。启元的判断是，GPT 这类大模型属于行业公共资源，所有人都可以调用。真正拉开差距的不是 「能不能用上强通用模型」，而是手里有没有配套的本体、高质量操作数据集、完整训练闭环。Physical AI 是一条长链条，任何一个环节滞后，都会拖累整体落地节奏。对于启元而言，Q1、T1 只是入场券，物理AI的真正的战争发生在硬件、数据、模型互相咬合的闭环之中。

转发者评论

无明显转发评论

原文

兴趣多的人，别急着把自己修剪成“专才”。Dan Koe有句话说得挺对：如果你兴趣广泛，接下来十年一定要抓住。AI把执行门槛拉得越来越低，写代码、做图、剪视频这些硬技能，正在快速贬值。真正稀缺的，是你能不能把几个看起来不搭边的东西，串成一个别人做不出来的组合。别逼自己只选一条路走到黑。找到那个交叉点——你喜欢的、你擅长的、别人需要的，三样东西叠在一起，就是你的护城河。未来十年，值钱的不是单一技能，是审美、判断、叙事，还有把复杂东西讲简单的能力。通才不是样样稀松，是能把不同领域的碎片拼成一张别人没有的地图。如果你兴趣很多，别慌。你不是不专注，你是在攒素材。

转发者评论

无明显转发评论

原文

其实大家完全没必要担心红果的成瘾性，还搞什么戒断期话题。红果的成功源于短剧作为新兴市场，既得利益群体空缺，既没这个圈那个圈，也没二代三代关系户，纯市场经济。其次，有大量短视频从业者和AI短剧从业者参与，程序员理工男扎堆。理工男思维是很直接的，什么后宫文霸总文，观众喜欢什么就上什么，纯观众导向。既尊重市场又服务大众，这才有了超乎想象的行业爆发。但随着大众注意到这块，以及娱乐圈正规军进入，这些条件都不存在首先是娱乐圈，一堆高考200分写出来的剧本肯定无法和之前的程序员比。其次是正规化后，观众导向无法继续你们这堆理工男，怎么能观众爱看什么就放什么呢？娱乐产品怎么能娱乐呢？必须要教育观众啊什么大女主剧，流量剧，全给我整上这一套组合拳下来，两年以内，就能给你短剧也整的影视寒冬。

转发者评论

无明显转发评论

• 去看了看，开始西贼里面也有个穿越过来拿着自动步枪的[允悲] http://t.cn/AXjTgZMb //@史老柒:我没接商单，持械入宋的确好看，成化犁廷也好看 //@古神观测者李:最近看到好几个博主都在从行业分析的角度提红果，而且都不约而同提到《持械入宋》，这是某种新题材商单吗？

原文

我基本上可以确定自己是什么原因引起血糖高的了。两点：第一是夜间高负荷工作，交感神经兴奋，去甲肾上腺素直接拉高肝糖输出，即使夜里不吃东西也一样高血糖；第二是镁缺乏。富镁的食品我几乎没有爱吃的，荞麦，糙米，坚果，菠菜等等。缺镁会让下丘脑视交叉上核（SCN）主时钟紊乱。糖尿病就像发烧一样是一个症状，原因多种多样。胖人通常是从脂肪开始的，瘦人则都是从生物钟紊乱和熬夜开始的，在生物钟周期里该休息的阶段因为交感神经兴奋导致肝糖源源不断的输出，长期如此产生了对胰岛的糖毒性。++++有长期熬夜工作习惯的同志们请积极自查血糖，悬崖勒马回头是岸。多吃含镁锌食物，维生素A，DHA，维生素B6和B12，早起早睡，经常运动，能规避这种「瘦人难搞」的代谢综合征，即使不胖，即使饮食并不高脂高糖。#唐人日记#

转发者评论

//@有个梨GPT:我列表上写的东西都补齐；加上晚餐八分饱，三大营养素都吃少，加早睡。加早起后立刻喝100ml以上脱脂牛奶并且出门感受阳光。我目前正在实践这个路线，晨起空腹可以低零点几，今天早上就是5.8，对我来说就是比较理想的。 //@ConstanceNg:赶紧拿出甘氨酸镁吃两颗，梨大准备吃哪种镁？ 我就是

• //@有个梨GPT:我列表上写的东西都补齐；加上晚餐八分饱，三大营养素都吃少，加早睡。加早起后立刻喝100ml以上脱脂牛奶并且出门感受阳光。我目前正在实践这个路线，晨起空腹可以低零点几，今天早上就是5.8，对我来说就是比较理想的。 //@ConstanceNg:赶紧拿出甘氨酸镁吃两颗，梨大准备吃哪种镁？ 我就是

原文

我总觉得，关注我的读者、粉丝和用户是最幸福的。我从 14 年开始做自媒体。最早分享的是移动开发技术，后来大前端火了，我就跟着写大前端，这几年 AI 火了，我又转到了 AI 内容上。一路走过来，大家跟着我一起转型、一起学新东西，这真是一件挺幸福的事。我做自媒体之所以能坚持这么多年，经久不衰，是有一个公式的。你擅长的 + 你感兴趣的 + 符合时代趋势的，这三样的交集，就是你该做的自媒体内容。回头看我这三次转身，其实每一次都落在这个交集上。

转发者评论

无明显转发评论

原文

「蝴蝶画出八条腿，更该问的是为什么没人质疑」有位生物老师说，学生交来的昆虫手绘里，蝴蝶有八条腿，蜜蜂有两个头，腿被标成触角，翅膀被标成复眼。画面异常本身不能证明用了AI，但作业能这样交上去，说明中间没人核对。昆虫身体分头、胸、腹三段，三对足都长在胸部，一对触角在头部。部分蛱蝶前足退化，看起来像四足，也不会是八足。这些错误在生成、描摹、标注、提交的每一步都被放行，流程里缺了观察、解释、对照和修正。2025年一项约千名高中生的数学实验显示，AI直接给答案时，练习成绩比对照组高48%，独立考试却低17%。换成只给提示的辅导后，负面影响基本消失。不过那是数学场景，不能直接用来解释这批昆虫作业。建议把AI当反馈而不是答案，评分可按观察记录30、结构准确30、解释与修正25、呈现质量15来设，允许用AI核对，但要保留修改记录，并随机抽人口头解释。检验有没有学会，看三点就够：能说出六条腿连在哪，能讲清翅膀为什么不是复眼，关掉AI后还能自己核对。（信源见封底）

转发者评论

无明显转发评论

原文

合集电梯：网页链接李子祺是2015年考入那个山西医科大学的三本独立学院的，按理来说应当2020年读研（五年制）。但实际上他毕业了gap了一年，不知道是不是没考上，终于在2021年考上了厦门大学的医学院。厦门大学录取名单：网页链接 他的成绩如下：初试分数：349复试成绩：92.5总分： 78.9我用AI跑了下，他是复试第六名，也就是只有5个人比他复试成绩高。而他的初试成绩际排名约在第 140 名上下，处于全院后 20%~25%。而且分数 ≤349 的考生高度集中在妇产、儿科、急诊、眼科等小专业的压线考生。外科学、内科学的低分考生比他低的只有约 6 人。所以他初试成绩在外科学专硕内部倒数第7，放到全院则是后四分之一的水平，全靠，靠复试翻盘到总成绩 78.9，总成绩排第58位至于你说怎么能实现复试大翻盘？不可说，不可说~

转发者评论

//@光速回唐朝:大妈，我们上周去协和看病，是个94年协和博士给看的。不得不说，协和真有好大夫，我们看了三家医院，就这个协和大夫说的最明白，开药最对症。协和4+4太败坏协和名声了，当初怎么会有这么愚蠢的决定！还有公立医院真的要好好保护这些好医生，对普通老百姓太重要了！

• //@光速回唐朝:大妈，我们上周去协和看病，是个94年协和博士给看的。不得不说，协和真有好大夫，我们看了三家医院，就这个协和大夫说的最明白，开药最对症。协和4+4太败坏协和名声了，当初怎么会有这么愚蠢的决定！还有公立医院真的要好好保护这些好医生，对普通老百姓太重要了！

原文

【让GPU不再干等数据！中科曙光ParaCache立功：Token并发提升16倍】2026数据存储产业大会上，中科曙光展示AI数据工厂存储方案，通过全栈协同、跨节点共享KV Cache等技术大幅提升大模型推理Token生成效率，相关方案已在超算、机器人、自动驾驶等多个场景落地验证。

转发者评论

无明显转发评论

原文

复制母版，替换方括号：制作紧凑收藏玩具3D场景，唯一标题准确写“[标题]”。字母粗胖圆润、居中而大，材质为软塑料、黏土或橡胶泡沫，柔哑表面带少量柔和高光。周围只安排三种道具：[道具]；加入[小角色]，位于[底座]上。[配色]，深色摄影棚背景、柔和棚光和接触阴影。字母完整清晰，不被道具遮挡，无其他文字、品牌、拼图或水印。horizontal landscape, aspect ratio 16:9。依次填入[标题]／[道具]／[小角色]／[底座]／[配色]：1.SPACE／小火箭、友好外星玩偶、月岩／一个微缩宇航员／有陨坑的月面／粉彩霓虹宇宙色2.SWEET／蛋筒、糖针罐、冰棒／一个野餐微缩人物／野餐布／奶油粉、薄荷绿、浅黄3.COZY／咖啡杯、毛线球、小蛋糕／一只毛绒小猫／咖啡吧台／暖棕、奶油白、珊瑚色V1：正面略带侧视，标题占中心；V2：稍高三分之四视角，仍读清全部字母。#AI绘画 #Prompt小课堂

转发者评论

无明显转发评论

原文

你的拉链卡住了，也许是上面的维修队还没下班。 拍一张身边的物件，交给 AI：拉链变成施工现场，杯口变成环形步道，面包裂缝变成探险峡谷。 一群黑色细线画出的小人，开始在上面忙自己的事。 今天就做这个效果：真实物件保留摄影质感，手绘小人借着物件的结构展开故事。 准备一张主体清楚、背景简单的物件照片，复制下面的提示词。🎯 核心提示词 根据【上传的物件照片】，生成一张“物上造城”创意图像。 保留原物件的外形、比例、颜色、材质纹理、拍摄角度和光线，让它保持真实摄影质感。将这个物件作为小人世界中的巨大地形，在其表面和边缘添加一组微型手绘人物，让他们围绕【物件的具体结构】完成【一个明确事件】。 小人统一采用黑色细线钢笔速写风格，轮廓简练，用姿态表达动作，少量排线表现衣褶和工具。保持二维手绘感，不添加写实皮肤、立体渲染或塑料玩偶质感。 安排约5—8名小人，身高约为物件长边的1/15至1/25，集中在一个主要活动区域。人物之间分工明确，动作都服务于同一件事。 梯子、绳索、脚手架等道具使用相同的黑色细线绘制。人物和道具顺着物件表面的透视排列：脚踩在可站立的位置，手接触正在操作的部件，绳索有明确的固定点；位于物件背后的线条被遮挡。 本次场景设定： 【物件】：一条半拉开的金属拉链。 【结构】：两侧拉链齿、中央开口和拉头。 【事件】：一支小人维修队正在合拢拉链。两名工人站在布面上拉动系住拉头的绳索，一名工人站在固定于布面的小梯上检查拉链齿，其他工人在旁搬运工具、指挥作业。所有动作围绕拉链开口集中展开。 物件占画面约三分之二，保留足够细节，让人先认出物件，再发现小人的活动。背景沿用原照片并适当简化，物件与小人的接触位置清楚可辨。 输出一张3:4竖版完整画面，无文字、无边框、无水印。不做拼贴、多面板或前后对比图。不添加与事件无关的建筑，不把整个画面变成三维微缩模型。📌 总结 物上造城：保留物件的真实质感，让手绘小人的动作顺着它的结构发生。 你桌上哪件东西，最适合让他们开工？##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

「当写代码的效率暴涨五千倍，我们拿什么给下一代托底？」人大杨波老师在人大附中做的主题为《AI 时代，我们到底要把孩子培养成什么样的人？》的分享，不兜售焦虑也不灌廉价鸡汤，而是把大厂研发重构、高学历脑力工作面临洗牌的真实数据直接摆在眼前。我根据分享内容整理了这份PPT，核心只说清了一件事：造底层大模型只需要极少数顶尖天才，绝大多数孩子的立足之本，在于垂直领域的真本领，加上指挥AI的调度力。报告用人机认知四象限和三层能力模型，讲清了当下哪些资产在升值、哪些在贬值：机械记忆与模板化套路正迅速归零，而提出好问题的眼光、辨别AI幻觉的批判力，以及知道什么是好的审美品味，成了真正有用的本事。它还直面了家长的内卷心态：与其在群里互相传染恐慌，不如守住孩子的睡眠、体能与真实人际，保护好那份能孕育创造力的无聊与松弛感。无论是教育同行还是为人父母，都值得静下心来读一读。PPT：aicoco.net /pages/Raising-Kids-in-the-AI-Era.html

转发者评论

无明显转发评论

原文

模型越来越强，推理为什么反而越来越贵？别只关注模型有多强，也看看支撑模型高效运行的底层系统2026 奇点智能技术大会 AI Infra 专题，直接把一线团队的硬核实践搬到现场来自 AWS、阿里云、蚂蚁、沐曦等团队的技术专家，分享真实架构与工程经验📅 11 月 20—21 日｜北京如果你正在做大模型推理、AI 算力优化或 AI Infra，值得来现场交流！立即报名参会>网页链接#奇点智能技术大会##极客头条##ai算力##阿里云#

转发者评论

无明显转发评论

原文

「Mistral Large 4 开放权重：万亿参数可下载，做模型服务得另签许可」Mistral Large 4 在10月29日放出权重，距10月6日的API预览不到一个月。模型总参数约1.05万亿，用稀疏专家架构：128个路由专家每个token选4个，另有1个共享专家，实际参与运算的约52B。上下文长度1M token，带1.6B视觉编码器，支持160多种语言。亮点在效率：编码代理指数48%，与领先的开放权重模型接近，每项任务的token用量却比GLM-5.3少47%。Terminal-Bench 4.0从预览版的28%升到41%，输出token同时减少约30%。安全方面，网络安全防御指数51%，恶意请求平均拒绝率96.6%。但拒绝率不等于整体安全，合法任务的误拒和运行权限仍要自己验证。许可是修改版MIT，下载、自部署、微调和内部使用都可以，不少嵌入具体功能的商业产品也行。企业若经营模型即服务业务，须另签许可，它也不等同于OSI定义的开源。成本上，官方API每百万token输入0.7美元、缓存输入0.07美元、输出2.1美元，自部署则要自己承担显卡、能耗和运维。选型建议先拿内部任务实测，再按任务算总价，最后核对许可边界。（信源见封底）

转发者评论

无明显转发评论

原文

人民日报：警惕“中国AI跑偏论”评论文章说，关于中美人工智能发展，近期网上流传一组对比：中国55%Token（词元）消耗流向AI（人工智能）短剧与视频生成，美国58%消耗在编程、研发、企业自动化，并据此下结论——中国再次把“火药”做成了“烟花”，“AI发展跑偏了”。 且不论数据来源是否可靠权威，忽略总量、口径、样本等差异，做简单机械的数字对比就得出结论，难免武断。 更何况，词元消耗的流向，虽可一定程度反映市场的“消费流水”，但并非一国AI产业资源投入的“总账”，更不能等同于技术研发方向。 事实上，文娱产业只是我国AI发展的一个赛道，大量“火药”正用于攻克重大难题的“枪炮”。中国AI发展始终锚定国家战略需求和人民美好生活需要，将好钢用在刀刃上，所谓“跑偏论”本身就跑偏了。

转发者评论

无明显转发评论

原文

🚨谷歌暴跌超级紧急。1. 今天凌晨谷歌 ($GOOGL ) 业绩公布后，在盘后交易中暴跌了约10%。吓死人2. 谷歌靠广告点击赚钱，现在人们不搜了，直接问AI就完事。吓死人3. 谷歌原来最先开发AI（ChatGPT的初始模型）却全埋了的原因就是这个。4. 靠谷歌广告吸蜜的时代结束了，现在只能all in 量子计算机和TPU了。结论👉因为AI，所有行业都在重组，谷歌很快要黑化了。网页链接

转发者评论

无明显转发评论

原文

你的第一台 PC，曾为你打开全新的世界。如今，一台强大的 Windows PC，就能让创意变为现实，本地运行 AI，畅玩你喜爱的游戏。NVIDIA RTX Spark 笔记本电脑现已上市，开启 Windows 电脑新序章！关注@英伟达RTXSpark ，带话题#ShareYourSpark# 转发评论点赞此动态，我们将抽取 3 位幸运粉丝，送出【100 元京东 E 卡】！#RTXSpark# #ShareYourSpark# 英伟达RTXSpark的微博视频

转发者评论

那我缺的CX7网卡这块谁给我补啊[皱眉]

• 那我缺的CX7网卡这块谁给我补啊[皱眉]

原文

不忍心看到中国股市今天的局面 过去一年，我坚定地指出，中国股市中最强烈地以“含科量”为大旗，不顾估值狂炒恶炒 AI 科技，必将制造出严重的问题。可是今天局面走出来，都令我很震惊，远超我的预期。那崩溃起来的速度和惨烈程度，以及由这种急速崩溃带来的广泛损失——包括社会大众的损失、股票市场的损失，乃至很多深远的金融伦理损失令我内心受到的冲击无以复加，损失太大了。 我特别难过的是，一方面我知道即使这么惨烈的崩溃，很多股票仍旧没有见底，还处于严重的泡沫中。因为这类股票本质上是工业制造品，属于周期性资产，具有强烈的周期性。然而，承担着维护中国股票市场健康稳定的专业机构，竟给了它们上百倍市盈率的估值。在这种情况下，50% 的下跌其实是不到位的。但另一方面，由于下跌太惨烈、太急速了，我其实也希望能稳定一下。因为这么急速的下跌，必定会制造恐慌效应和踩踏效应。一个内在价值 10 块钱的股票炒到 30 块钱，如果慢慢跌，用上一两年，跌到 10 块钱就能止跌；但如果从 30 块钱开始急速、大幅下跌，实际上能跌到两三块钱，因为急跌引发了恐慌踩踏。所以相关部门维护稳定是合乎社会利益的，但是，这种维持稳定只是改变了去泡沫的路径，从急速崩溃转向缓慢下跌，无法消除泡沫本身。有关部门实际上在今年二季度，就应该以各种手段（包括窗口指导），限制那些掌握定价权的机构爆炒 AI。可是当时没有采取行动，还在强调含科量让股市健康。所以，最佳的窗口期失去以后，后面的困难就无法避免了 中国股市的最终出路是资金回归低估值，现在市场中已经出现这种迹象了，这是一种付出惨烈代价后的回归和拨乱反正。泡沫是挽不回的，真正的办法是拥抱未来由低估值引领的健康上涨。过去的上涨都是制造泡沫的不健康上涨，所以才崩溃了。而现在低估值正在发生的上涨，是一个较长周期健康上涨的开始。 何去何从，大家好自为之吧！

转发者评论

有关部门都还没有站出来说话，说明还在容忍范围内，真要出事了，也关系不大，毕竟找个人背锅就好了，追科技的基金经理该死...真的该死！但是买科技的投资者也不值得同情，因为上百倍去追他们不是不知道，他们只是想赌自己不死，让别人死！

• 有关部门都还没有站出来说话，说明还在容忍范围内，真要出事了，也关系不大，毕竟找个人背锅就好了，追科技的基金经理该死...真的该死！但是买科技的投资者也不值得同情，因为上百倍去追他们不是不知道，他们只是想赌自己不死，让别人死！

原文

Anthropic现金富可敌国Anthropic 在周一提交的 S-1 文件中披露，截至 6 月 30 日，公司持有 1124 亿美元现金及等价物，另有 193 亿美元短期投资，合计 1317 亿美元。根据 CNBC 与标普 Capital IQ 的数据，在美国非银行公司中，这一数字仅次于伯克希尔·哈撒韦（3655 亿美元，其中 3249 亿为短期投资）和 Alphabet（2425 亿美元），排在第三。也就是说，这家 2021 年才成立、尚未上市的 AI 实验室，账面现金已经超过了亚马逊（1230 亿美元）、SpaceX（1000 亿美元）、Meta（903 亿美元）和微软（768 亿美元），甚至比英伟达（625 亿美元）加苹果（624 亿美元）之和还多。这笔钱大部分是今年上半年才涌入的。Anthropic 自成立以来累计融资约 1411 亿美元，其中约 1100 亿美元来自 2026 年上半年，包括一轮 652 亿美元的 H 轮。公司上半年营收 163 亿美元，是去年同期的 14 倍以上，二季度经营现金流也已转正为 39 亿美元。报道称 IPO 募资规模可能超过 1000 亿美元，届时其现金储备有望突破 2300 亿美元。但文件也说明，现有投资者会在 IPO 中出售部分持股，公司拿不到全部募资，具体细节预计约两周后披露。历史上从没有一家公司带着如此规模的现金上市。不过现金多不等于账算得过来。文件列出的义务远超现金：尚未开始的租约义务 3214 亿美元，加上固定或保底支出 2656 亿美元，合计约 5870 亿美元，现有现金只覆盖约 22%；而且 6 月 30 日之后新签或修订的合同又增加了约 2450 亿美元保底支出。Anthropic 通常提前 12 至 18 个月采购算力、按交付进度确认费用，因此上半年 89.5 亿美元的算力支出远未反映未来义务的全貌，且不少合同是“照付不议”（take-or-pay）——用不用都得付钱。这正是这家公司一边囤积创纪录现金、一边仍需不断融资或盈利才能兑现承诺的原因。#人工智能#

转发者评论

//@猫叔在硅谷:苹果过去十几年花了近9000亿美元回购股票，是美股历史上最大的回购计划。2025财年就花了1000多亿美元。而且CNBC的统计只算了现金和短期投资，ANnthropic只是正好融了一大笔钱还没烧掉。苹果则是疯狂赚钱，慷慨花钱。//@杰瑞爱折腾:苹果的钱咋这么少🤔

• //@猫叔在硅谷:苹果过去十几年花了近9000亿美元回购股票，是美股历史上最大的回购计划。2025财年就花了1000多亿美元。而且CNBC的统计只算了现金和短期投资，ANnthropic只是正好融了一大笔钱还没烧掉。苹果则是疯狂赚钱，慷慨花钱。//@杰瑞爱折腾:苹果的钱咋这么少🤔

原文

baoyu-design v2.1 加上了评论功能，现在可以在设计的页面、slides 上标记元素并添加评论，Agent 可以读取你的评论，并且还可以回复你的评论。所有评论数据都和项目数据保存在一起，成为你项目数据资产的一部分。如果你不知道 baoyu-design 的话，其实就是 Claude Design 的开源版本，完整的把 Claude Design、Claude Slides 和 Claude Dashboard 移植过来了，和原版体验几乎一致（除了没有评论功能），可以运行在任何 Agent 任何模型，不再依赖于 Claude Artifacts。项目地址：网页链接 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

【Mistral AI 开放 Large 4 模型权重：1T 参数，编程智能体更省 Token】10 月 30 日消息，当地时间 10 月 29 日，法国公司 Mistral AI 正式开放 Mistral Large 4（简称 ML4，代号 le Chonk）模型权重。ML4 是一款拥有 1 万亿总参数、490 亿激活参数（包括嵌入层和输出层在内为 520 亿）的原生多模态模型。在 Mistral 位于欧洲的自有数据中心中使用 3,800 块 NVIDIA Grace Blackwell GPU 从零开始训练。

转发者评论

无明显转发评论

原文

在这种恐慌情绪下，在严重亏损下，如果我还坚持物理 AI 、机器人的投资，等若干年以后，机器人有意识了，Robots们，看到这条微博，能不能对我好一点？能不能对所有早期坚持投资科技、投资 AI的人好一点？ 仍在科技坚守的朋友们，可以在评论区占个位置，也许这是一条历史性的微博。

转发者评论

无明显转发评论

原文

语言从未如此高效。

转发者评论

//@harps:有些时候交流不在对方具体说了什么，及时以正确的立场回复就基本达到了效果[笑哈哈]//@三蝶纪:（哈？这样就可以了吗）//@尉迟燕窝:笑死我//@通犀小箱:（说了一些表示理解的话））//@阿猎木星初转腾:原来不止我会这样//@鹭雀咒:现在对爱和AI说话的朋友说话，我就说（已深度思考）//

• //@harps:有些时候交流不在对方具体说了什么，及时以正确的立场回复就基本达到了效果[笑哈哈]//@三蝶纪:（哈？这样就可以了吗）//@尉迟燕窝:笑死我//@通犀小箱:（说了一些表示理解的话））//@阿猎木星初转腾:原来不止我会这样//@鹭雀咒:现在对爱和AI说话的朋友说话，我就说（已深度思考）//

原文

#微博声浪计划# #听见微博# Mistral AI刚刚开放了他们家Mistral Large 4的权重，这可是个万亿参数的巨兽级模型。但最有意思的，不是它有多大，而是它引入了一个叫“低、中、高”的三档推理模式。与此同时，另一家叫DiffuSpace的公司，也推出了一个支持“思考模式”的Clover模型。你猜怎么着？这个模型在只有16G显存的消费级显卡上，就能跑到每秒680个词元的惊人速度。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

#王腾创业首款智能戒指#看了看发布会相关信息，聊聊我的看法吧。这款 ISHO Ring 标准版1799元、Pro版2199元，11月11日发货。最戳我的是轻：3克，钛合金+蓝宝石玻璃，10ATM防水，续航6—10天。戴戒指最怕异物感，3克至少听起来像“愿意长期戴”的数。硬件上，全球首发Apollo 330B Plus芯片，32MB存储，能离线存7天数据，持续监测18项生理数据，最后合成一个“精力分”。王腾现场还多次对标Oura：存储更多、电池接近两倍，而且基础功能免费，不用交每年69.99美元订阅费。这个点挺狠，毕竟很多人被订阅制劝退。当然，发布会不只戒指，还有9999元起的ISHO iFlow智能温控系统和AI技术体系，想从“监测”走到“干预”。王腾还立了个5到10年的目标，要做全球领先的AI睡眠科技生态，结尾甚至感谢了小米和雷军。#王腾感谢小米和雷总# 我的感觉是：产品能不能成另说，但“轻量戒指+睡眠闭环+不订阅”这个组合，确实比单纯堆参数更有记忆点。1799元起，你会为“睡个好觉”买单吗？#王腾回应ishoring被质疑智商税#

转发者评论

无明显转发评论

原文

node-llm，一个使用 Node.js + TypeScript 从零构建 GPT 类大语言模型的开源教学项目。地址：github.com/BaraaSoft/node-llm它主要受到 Sebastian Raschka 的 Build a Large Language Model (From Scratch) 启发，试图解决现有 LLM 底层原理教程大多基于 Python 和 PyTorch 的问题，让 JavaScript 开发者也能理解模型如何从文本处理一步步发展到训练和生成。目前还没完结~

转发者评论

http://t.cn/AXjTaFfl //@归零归零归ww:大肥鱼，我做如下部署调整，你记一下。看这个微博，我的Nano项目（/home/bd4sur/Nano/）里面也有JS实现的LLM推理实现。现在请你基于我已有的东西，参考这个微博里面提到的学习项目，复刻一个面向无LLM技术背景的普通开发者的学习项目。要求：①有一步一步做的可

• http://t.cn/AXjTaFfl //@归零归零归ww:大肥鱼，我做如下部署调整，你记一下。看这个微博，我的Nano项目（/home/bd4sur/Nano/）里面也有JS实现的LLM推理实现。现在请你基于我已有的东西，参考这个微博里面提到的学习项目，复刻一个面向无LLM技术背景的普通开发者的学习项目。要求：①有一步一步做的可
• 大肥鱼，我做如下部署调整，你记一下。看这个微博，我的Nano项目（/home/bd4sur/Nano/）里面也有JS实现的LLM推理实现。现在请你基于我已有的东西，参考这个微博里面提到的学习项目，复刻一个面向无LLM技术背景的普通开发者的学习项目。要求：①有一步一步做的可视化；②考虑人类认知规律的循序渐进的文

原文

#冷眼赠书福利# 联合 @博文视点Broadview 送出 3 本《 FDE 造局：AI 落地一线实战指南》，截 11 月 3 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。AI落地最难的，从来不是“把模型做出来”，而是把技术真正做成业务结果。本书直面企业AI项目从需求模糊、ROI 难算、多方难协同，到 PoC 成功却迟迟无法上线的真实困境，提出“先造局，再交付”的核心思路，并以“识局—算局—布局—护局”贯穿项目全周期。无论你是FDE、AI 工程师、售前、项目经理，还是带队推进AI落地的技术管理者，这都是一本帮助你从“会做技术”走向“能把项目做成”的实战指南。

转发者评论

无明显转发评论

原文

技术博客：把大模型当计算机整？在 Qwen 3.5 内部运行一颗功能完备、确定性的 RISC-V CPU详细：divagr.com/blog/qwenputer大语言模型执行精确计算通常需要调用外部 Python 沙盒或工具接口，而本文展示了一种完全不同的内部实现路径。作者利用 Qwen 3.5 架构中 Gated DeltaNet（线性注意力 RNN）层的状态更新特性，通过将门控与写入强度设为 1 并配合独热编码（One-hot key），将其改造为可精确寻址的RAM。在此基础上，作者未经过任何后训练，直接将一套支持 RV32IM 指令集的 32 位 RISC-V CPU 电路逻辑编译进新增的 11 层网络权重中。测试显示，该内嵌 CPU 能以零误差连续无干预运行 1800 万条指令，使模型在长整数算术基准测试（NUPA）中的准确率从 48.6% 提升至 100%，表现与外挂 Python 工具相当，且未破坏原模型的自然语言生成分布。此外，文章还展示了如何基于同一机制在模型内部构建可跨会话持久化的哈希文件系统（最高容纳约 5.3 万 Token），并探讨了该技术对混合架构模型思维链（CoT）隐匿性与安全监控的潜在影响。模型与代码目前已开源。

转发者评论

作者还有一个在原博之上的应用研究：给大模型测谎，预测模型是否即将说出自己知道是错误的信息。 http://t.cn/AXjjEcmd

• 作者还有一个在原博之上的应用研究：给大模型测谎，预测模型是否即将说出自己知道是错误的信息。 http://t.cn/AXjjEcmd

原文

万圣节COS！谁把我的声音变成蛋仔了？🥚你试过不管发什么语音，最终都会变成蛋仔「嘎哒嘎哒」音吗？🧛你敢挑战用吸血鬼低沉气泡音唱情歌吗？🐻用萝莉声线在你的心动歌曲下发条萌萌哒语音是种什么体验？🎃这个万圣节，来网易云音乐解锁你的声音COS技能！语音乐评上线「AI变声」功能蛋仔、吸血鬼、女巫等多款音色可选只要在评论区开口唱歌或说话，小宝智能体就会对你的声音偷偷施法操作指南：进入歌曲评论区-点击语音按钮-AI变声-长按录制并发布👻10月30日—11月1日，在网易云站内搜索「万圣节」进入「万圣节COS集会」活动专区发布语音乐评和活动笔记，集小鬼图鉴，赢黑胶VIP、万圣节头像挂件、限定徽章等奖励#万圣节COS集会# #我的听歌万能搭子小宝# #小宝AI变声# #网易云宝藏功能# #万圣节#

转发者评论

无明显转发评论

原文

K3.1-Pro 后端编程测试意外跑输上一代？扒开思考过程才发现它自己脑补了 60 秒超时，为了求稳选了保守算法！不过它巨省 Token，虚词率暴跌，思考量大减，性价比直接冲到榜单第二。写代码前先给它来个 Plan 才能彻底激活实力！#kimi-k3.1-pro# #大模型# karminski-牙医的微博视频

转发者评论

无明显转发评论