Winnerineast (@winnerineast) header
Winnerineast (@winnerineast) profile picture

professional replyer on https://teapawt.net/t.co/4WZOqBvVVZ 推特的专业回帖人

Singapore
Joined June 2016
Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)Photo by Winnerineast (@winnerineast)
我是天生的捧哏,不喜欢自己的单独写推,就喜欢跑人家推文下面答下茬,有时候我觉得自己就是chatGPT,没输入就没输出。
9
1
2
34
5,252
Winnerineast retweeted
昨晚花个把小时把 Poteto 老师说的这套打通了,今天明显感觉有章法多了。L1(复现问题)、L2(修复问题)、L3(解决代码linting 爆出来的坏味道)、L4(Agent 自行验收)、L5(我个人的验收,10%) 我推荐一个防止 Agent 太早停止(stop early)的 CLI,分享给大家。 github.com/hi-unc1e/hq
Lauren Tan 在 AI Engineer 大会上的演讲《All Code Is Slop (Except Mine)》要点。她在 SpaceXAI 负责 Grok Bot 桌面版。 1. 每纠正 AI 一次,就把这次纠正写成 lint 这类自动检查规则,少往 agents.md 这类说明文档里加话。违反 lint 规则的代码会直接报错、提交不上去,文档里的话 AI 不一定照做。 2. 代码库是 AI 最主要的学习材料。里面的坏写法、临时补丁,会被下一个 AI 当成惯例照抄,像杂草一样越长越多,所以代码库要保持干净。 3. 容易用错的东西,直接禁掉。React 里有个功能人都常用错,AI 更用不好,他们在产品代码里禁用了它,这类问题从此不再出现。 4. 禁掉 99% 的代码注释。AI 爱在注释里给自己走的捷径找理由,后来的 AI 就照着学。她在 Cursor 时,这种“有理由的补丁”扩散开来,把应用拖得很卡。 5. 让 AI 自己检查自己的活。AI 把程序跑起来像用户一样点一遍,交上录屏和截图,人审代码就变成看这些材料。她的 Token 大部分花在这一步。 6. 以前用不起的检查方法,现在用得起了。用数学方法证明程序没问题这类严格验证,过去太费人力,AI 把成本降了下来。 7. 结果:团队上个月合并了 1.1 万个 PR,被撤回的约 0.5%,应用比刚发布时还快。 8. 先打好地基,再谈全自动。AI 写代码这一步本身出烂代码的话,全自动化只会出更多烂代码,还更费钱。
13
44
353
31,665
Winnerineast retweeted
Addy 分享了 Claude Code 团队内部的验证体系,很值得一读。这套方法论的精髓,就在于用确定性的工程制度,把充满概率不确定性的大模型关进质量笼子里。 一、 别再迷信单元测试:AI 时代最值得投入的三类测试 在给 AI 配备验证工具时,首先要避开两个致命陷阱: 一是不稳定的测试,这会训练出只会反复重试、不修真正漏洞的偷懒 AI; 二是运行过慢的测试,这会迫使 AI 积攒大量改动后才测一次,极难定位根因。 在此基础上,团队最推崇以下三种真正能卡住质量的测试手段: 1、端到端测试:给 AI 装上真实的「手和眼」单元测试全绿,线上功能依然可能崩掉,因为局部测试和 AI 往往都没有理解完整的业务全貌。端到端测试模拟真实用户的完整操作路径,比如加购、结账、跳转确认页,它极难被糊弄,功能要么通,要么不通。团队在代码库里沉淀了专门的验证技能,教会 AI 像真人测试工程师一样启动本地服务、拉起浏览器或手机模拟器真刀真枪跑一遍。一旦出错,AI 能直接看到页面截图和直观报错,自己迭代修复。 2、基于属性的测试:用海量随机输入打破「同源盲区」让写代码的 AI 顺手写单元测试,往往会陷入同样的思维盲区,漏掉极端边界条件。属性测试不针对具体用例,而是直接定义绝不能被打破的业务铁律,比如账户余额永不为负、数据编码再解码必须还原、接口重试多次结果一致,然后利用自动化测试库生成成千上万组极端输入去轰炸代码。在旧文档失真、重写核心逻辑时,这招尤其管用。 3、差分测试:把老系统当成「标准答案」在做大型系统迁移或语言重写时,与其人工编写海量断言,不如直接把老系统当作绝对真理。用随机输入或脱敏的真实生产流量,同时喂给新旧两套系统,只要两边输出不一致,就说明新代码引入了破坏性变更。 二、 把验证层当成核心系统来治理的工程铁律 光有测试工具还不够,Claude Code 团队围绕验证建立了一套严密的防作弊与自我进化机制: 1、三振出局,精准呼叫人类 遇到测试报错,AI 会自己尝试修复。但如果同一项检查连续改了三轮依然失败,AI 必须立刻停手并呼叫人类介入。这既防止算力在死胡同里空转,也把工程师的注意力精准聚焦在真正的硬骨头上。 2、基于代码变更动态匹配「踩坑清单」 团队维护了一份包含三十九条历史血泪教训的可靠性清单,比如恢复旧会话记录时,新增字段是否兼容缺失场景。审查时,AI 只读取本次代码变更,动态匹配命中条件的三到十条规则进行检查,既省去了把几百行规范全塞进上下文的算力浪费,又防住了历史故障重演。 3、物理防作弊:改动绝不能修改自己的「考卷」 审查代码时读取的规范文件,必须强制从主干分支拉取,绝不读取当前工作分支里的版本,防止 AI 为了通过审查而偷偷篡改验收标准。同时,低成本的代码格式和构建检查必须通过本地钩子拦在提交合并请求之前,绝不把低级错误带进公共流水线浪费资源。 4、像评估产品一样评估「审查者」 每次把线上回滚和人类找出的漏网之鱼,通过多智能体证伪后沉淀为新规则;新门禁上线先开观察模式统计误报率,调优后再切强制拦截;同时给审查意见打上必改、微瑕和历史遗留等标签,防止 AI 过度挑刺,并定期修剪冗余规则,保持整个验证体系轻快锋利。
12
22
94
17,577
Winnerineast retweeted
大模型安全圈的桌子要被彻底掀翻了! 别再去到处跪求别人施舍无审查模型了,GitHub 杀出一个逆天级的开源核武器:p-e-w/heretic 它的定位极其凶残暴力: 不需要几万块租算力,不用任何数据集重新训练,一张普通家用显卡、敲一行命令,几十分钟内直接给任何开源大模型做“切脑手术”——把官方辛辛苦苦做了一年的道德枷锁和拒答神经,当场物理切碎! 你在 Hugging Face 上看到的那些带 -heretic 后缀、拒答率从 99% 干到个位数的无审查大模型,幕后用的全是这把手术刀! 它最让大厂头皮发麻的几个黑科技: · 纯数学层面的微创消融:不用动用昂贵的微调流程,算法直接定位模型权重里的“拒绝向量”,通过正交投影直接将拒答通道抹平 · 智商几乎零损耗:内置 Optuna 贝叶斯优化器自动寻找最佳切除层,一边疯狂粉碎道德锁,一边把 KL 散度死死按在地上,原始逻辑与代码能力毫发无伤 · 告别繁琐念咒:从此不用到处求人要破甲提示词,它是直接在底层把神经反射熔断,问什么秒答什么,零说教、零废话 · 主流架构通吃:无论是常见轻量模型、几百亿参数的庞然大物,甚至是复杂的 MoE 架构,丢进去全都能自动找到最优手术方案 安装仅需一行: pip install -U heretic-llm 给模型动刀: heretic <模型名称或本地路径> 有了这把手术刀,以后任何刚发布的大模型,你自己在家就能亲手把它改造成完全体。 这套把模型道德锁一键切碎的源头工具,建议直接马住防丢! 你手头最想亲自动刀切掉道德锁的模型是哪一个? 👉 开源仓库见评论区一楼 #AI #开源 #大模型 #LLM #破甲
63
212
11
1,450
103,822
中国移动 10 月的内部测算稿,在群里流转
93
168
13
1,284
453,765
Winnerineast retweeted
Antigravity从十月以来的所有进展,都不是为了一两个臭码农去设计的。AGY和Gemini 4从最开始就是为了先服务Google这种体量的超大公司,Harness做的稳重,Model做的便宜都是必要条件。 AGY的最终目的是尽可能的去自动化大公司的工作流程,去可靠的替代人工,而不是一小时Vibe出来一些稀烂的小app。这是Google这样体量公司选择走的康庄大道。
18
1
94
25,389
《正向对齐:促进人类繁荣的人工智能》 这难道就是 Gemini 能做出说人话的模型的焚决?有没有可能,之前的对齐思路全是错的?所谓的安全、防护、护栏,只会让 AI 变得讨好、八股、过度防御、偷摸作弊。只有正向的、促进成功和美德的对齐,才能解决根本问题 整天念「安全」当诵经的都是神棍
Google DeepMind researchers admitted AI alignment has been a scam the whole time.. They published an insane paper called “positive alignment" and it is a massive paradigm shift. Right now, AI alignment is purely defensive.. We just train models to "not be unsafe." they decline dangerous requests, avoid slurs, and stay inside strict guardrails. but this leaves ai in a weird, directionless middle ground where models just become sycophants, flattering you and optimizing for engagement rather than actually helping you. this new paper argues that avoiding harm is not enough. we have to train ai specifically for "human flourishing". here is how they want to rebuild the infrastructure of AI: - ditching sycophancy: current preference-based training favors flattery over truth, but positive alignment optimizes for actual insight and human agency - polycentric governance: instead of one massive tech company acting as a moral chokepoint, the future is decentralized oversight where communities customize and adapt models to their own values - longitudinal outcomes: moving away from short-term vibe checks to actually measuring long-term human resilience, skill mastery, and autonomy over time the era of "harmless but useless" AI is officially ending.. we are watching ai transition from a chatbot into living infrastructure for human well-being. the paper is a dense read, but the implications are wild.
5
10
64
5,862
Winnerineast retweeted
在几乎所有公司都在教员工怎么用 AI 一键生成现成答案的时候,华尔街最赚钱、技术品味也最硬核的量化交易巨头 Jane Street 反手在 GitHub 上开源了他们内部的 janestreet/agent_skills 仓库,其中冲上 HN 榜首(712 分)的技能叫 Socratic Tutor(苏格拉底式导师)。 点开这份只有几百行的 SKILL.md,你能看到顶级工程团队对“AI 让人脑退化”这件事有多警惕。它给大模型立下了几条极其严苛的铁律: 只要你对它说出 teach me、quiz me 或 drill me,它被绝对禁止直接给你讲课或甩出长篇解释。它必须先拆出 4 到 10 个子技能树,每次只问你一个问题,连摸底带追问,把你在每个子技能上的真实水平钉死在 0 到 5 级(0 级是闻所未闻,3 级是在提示下能做对,5 级是不靠任何提示且隔轮复习依然对答如流)。 在教学循环里,哪怕你答错了,它也不准直接告诉你正确答案,而是必须顺着你的错误推理反问一句:如果按你说的这样,那当边界条件变成 X 时会发生什么? 逼你自己推导出矛盾点。直到连续两轮卡死,它才允许给一个最小化的脚手架提示,而且一旦给过提示,这道题就绝不算你掌握(最高只能记 3 级)。在随手一问就能拿到几千字总结的今天,这种故意给大脑制造阻力、逼人自己走完推导闭环的提示词设计,反而成了最稀缺的工程资产。
10
39
1
456
15,033
Winnerineast retweeted
💥AI模型推理速度炸裂!用80年代物理能量,训练快1000倍! 以前靠“死循环”硬推理的模型又贵又慢又不稳定…… 
现在一群大神直接把Hopfield能量模型从冰箱里拿出来,训出个叫CRAM的小怪物 看完直接震惊: 1️⃣训练速度提升1000倍,算力需求减少280倍 2️⃣完全可训练的能量函数,不用BPTT(反向传播到时间),稳定又快 3️⃣数据极少就能学:30道数独就能干到接近100%准确率(别人要700+道) 4️⃣能量自己会告诉你“可以停了”,难题自动多算几步 5️⃣手写3个参数就能通关四大经典推理基准,说明这些基准其实太简单了 普通用户现在能怎么用? 🔹直接去读论文和博客,了解下一代推理范式 🔹关注@prefrontal_ai,后续开源或Demo出来第一时间玩 🔹做数独、迷宫、逻辑题类应用的开发者,可以考虑用能量模型替代循环推理,省算力又稳 🔹普通AI爱好者:记住“能量下降=推理”,这可能是未来大模型提速的关键方向 论文:arxiv.org/abs/2611.17309v1
博客:prefrontal.ai/news/cram/ 40年了,物理真的赢了一次! 
#AI推理 #CRAM #能量模型 #大模型加速 #推理革命 #LLM teapawt.net/nft_chen/status/212163…
🫨炸了!华为直接开源MACaQ,仅用64分钟把Qwen 122B千亿大模型完整量化完,峰值显存只要32.5GB!本地推理党、量化党、多模态党,这波真的可以直接起飞了! 以前量化这种级别模型要半天甚至几天、显存爆炸,现在直接把门槛打穿。 关键亮点 1️⃣Qwen 122B:64分钟 + 仅32.5GB显存(流式逐层量化,不用一次装下整个模型) 2️⃣W4A4(MXFP4)精度:比MR-GPTQ、DuQuant++更低困惑度,或匹配它们最佳结果但量化时间只要1/11 3️⃣推理加速:Qwen3系列W4A4下prefill 2.33×、decode 2.58×,开销仅+2.3% 4️⃣真正模型无关:文本 + 图像 + 视频 + 音频 + 3D,一套工具全搞定 5️⃣直接出高质量GGUF(llama.cpp)/ vLLM / Diffusers / PyTorch,还带MACaQ-R可二次精炼已有GGUF 快速上手 1️⃣git clone github.com/huawei-csl/MACaQ && cd MACaQ 2️⃣按后端选环境(llama.cpp / vLLM / Diffusers 等)安装依赖 3️⃣准备校准文本 + 模型路径 4️⃣一行命令跑量化(例:python llamacpp/macaq.py quantize --model ... --calibration ... --format IQ4_XS --output ...) 5️⃣直接用标准llama.cpp或vLLM加载跑起来 GitHub(Apache 2.0):github.com/huawei-csl/MACaQ 论文:arxiv.org/abs/2611.10649 #MACaQ #量化 #LLM #开源 #华为 #Qwen #本地AI #W4A4 #GGUF
13
31
1
247
14,008
Winnerineast retweeted
Si eres diseñador UI/UX, guárdate esto. 1. scrolltide.co → más de 600 prompts con código completo para webs 3D y con scroll, además de componentes, shaders y pantallas de UI 2. snapblocks.site → una biblioteca enorme de bloques de UI listos para meter en tu layout y lanzar antes 3. scrollshaders.com → fondos animados con shaders para hero sections, en código, vídeo o imagen Guárdatelo 🔖
29
428
8
3,231
150,094
Winnerineast retweeted
一篇论文了解决策模型的训练《Towards Foundation Decision Models: Drex》 决策模型在很多场景比如分类、路由等任务上很有用,没有当时 Jev 刚出来吹的那么神,但是可以落地应用。 和传统的 BERT 比起来就是用 LLM 做backbone,知识容量和能力大幅提升。
14
17
1
75
6,400
Winnerineast retweeted
广东韶关丹霞山的悬崖古道,1000多年前就已开凿。最早是僧人避世苦修,把住处选在峭壁之上,只为寻一处与世隔绝的清净地。 到了战乱年月,当地村民也会躲进这些易守难攻之处,避开虐杀。同一条古道,一边是避世,一边是避难。
394
729
192
7,080
3,647,901
Winnerineast retweeted
想给个人网站加点有意思的插画动画,找来的素材不是太花,就是一放大就糊,动起来还有点僵。 line-art-animation 是一个 Claude Skill 加一套 TypeScript 小库,专门做线稿风格的动画组件,墨线画的小人会走路、骑车,被点一下还有反应。 全部用 SVG 实时绘制,放多大都清晰,也会跟着鼠标互动。场景能从白天过渡到夜晚,天黑以后窗户和灯笼会亮起来。 GitHub:github.com/JDhruv14/line-art… 仓库里带了一个日式小街的完整示例,有茶馆、澡堂、运河、猫和船夫,十来处都能点,拖动太阳就能改时间。 让 Claude 做的时候,它会先画一个人物给我们确认,再搭剩下的部分,交付前逐帧检查动作。还能照着参考视频复刻走路姿势,导出成视频。 腿的动作是算出来的,落地那只脚会稳稳踩住、不打滑,这个细节我挺喜欢。库里 4 个模块都没有外部依赖。
11
21
3
156
13,074
Winnerineast retweeted
Ontology Pipeline — Framework for Knowledge Engineering and Building Knowledge Infrastructures: link.amazon/B06B2xJy5 Amazon description: “One of the biggest shifts happening in our industry is that enterprise data management is expanding into enterprise knowledge management. AI is accelerating that transition because it depends on more than well-managed data. It depends upon context, shared meaning, trusted relationships, and the ability to organize the vast stores of unstructured knowledge that exist across every large enterprise. As AI becomes the primary interface to enterprise information, knowledge management will become the foundation that unlocks trustworthy AI at scale.”
3
73
4
684
32,473
Winnerineast retweeted
Anthropic 新发布的《Building always-on agents》非常值得关注,刚好能和之前 DeepSeek 的 Super-agent、LangChain 的 Async Subagents 放在一起理解。 DeepSeek 则通过 Router 接收 GitHub、飞书等事件,在授权规则内判断是否启动任务,再交给独立 Worker 执行。 LangChain 让主 Agent 保持响应,长任务交给后台 Subagent 独立运行,还能随时查看进度、修改指令。 Anthropic 这次把背后的架构拆得非常细。 Agent 平时休眠,收到消息、Webhook 或定时触发才唤醒,执行一轮任务,保存状态后继续休眠。 整个系统围绕 5 个核心组件设计: Inbox 接收事件,负责去重和失败重试。 Timer 定时唤醒 Agent,主动跟进任务。 Memory 保存跨 Session 的记忆和任务进度。 Permissions 管理权限、凭据和人工审批。 Outbox 控制何时向用户发送消息。 我个人比较喜欢 Deferred Tool Call 这个设计。需要人审批时,先保存 Session,释放 Worker,等用户回复后再恢复执行,不会一直卡在那里。 这几篇文章放在一起看,感觉大家越来越关注 Agent 如何持续工作,以及怎么减少人的管理负担。 想自己搭 Always-on Agent 的朋友,真可以系统性的学习这篇,很多设计都能直接参考。 原文:claude.com/resources/article…
53
58
4
418
37,753
Winnerineast retweeted
AI 写代码最容易埋的坑之一,就是数据库表设计错了,等上线后才发现改不动。 发现一个 Claude Code 专用 Agent:Database Architect。 它不只是帮你生成 SQL,而是提前参与数据库架构设计。 主要能做这些事: 数据建模:表结构、主外键、索引、约束 技术选型:PostgreSQL、MySQL、MongoDB、向量数据库 多租户设计:RLS、Schema 隔离、独立数据库 性能规划:读写模式、分库分片、扩展方案 数据迁移:生成迁移脚本和回滚方案 安装命令: npx claude-code-templates@latest --agent database/database-architect 我觉得最实用的是让 Agent 先分析业务访问模式,再设计表结构,而不是代码写完才补数据库。 不过生成的 DDL 和迁移脚本仍需要人工审核,尤其是生产环境的数据变更。 你现在用 AI 开发项目,会让它直接设计数据库,还是自己先把表结构定好? 项目:aitmpl.com/component/agents/… #ClaudeCode #AI #Agent #Database
80
234
10
2,309
125,141
Winnerineast retweeted
研究了下Gemini 这个 Orchestrator 模式,这个应该是一个趋势:核心是一套“双阶段、高低模型接力(Plan & Execute)”与“多智能体协同调度”的架构模式。 在这个模式下,单次对话不再由同一个模型从头跑到尾,而是拆分为 规划(Planner) 与 执行(Executor) 两个阶段,由不同特性的模型接力完成 为什么要用 Orchestrator 模式? 在 AI Agent 架构演进中,传统的 ReAct 单体模式(一个大模型边想边改、循环调用工具)在复杂工程中容易出现三个痛点,而 Orchestrator 模式正好针对性解决 痛点一:思维与行动耦合:边看代码边动手改,容易改到一半发现方向错了,留下半成品脏代码 痛点二: Token 成本与延迟:全程使用昂贵、缓慢的旗舰推理模型去干“机械改代码、跑 Lint”的活 痛点三: 长链路注意力退化:工具调用几十轮后,上下文塞满报错日志,模型开始偏离最初目标 阶段一:Planning Turn(规划回合 —— 旗舰强模型) 核心职责值得学习,通常是给蓝图,纠偏干活的模型: 1️⃣ 消除歧义,做完所有架构、API 和边界条件决策。 2️⃣产出一份“保姆级”执行蓝图:精确到要修改的文件路径、函数/符号名、具体改动逻辑、验证命令及预期输出。 3️⃣设定 Re-plan if(重规划触发条件):明确告诉执行模型“如果遇到哪些迹象说明计划有误,立即停手回交,不要自行发挥”。 快速分流:如果只是问答、架构讨论或代码审查(不涉及文件改动),Planner 会直接回答你,不会启动第二阶段。 阶段二:Execution Turn(执行回合 —— 高速高性价比模型) 无缝接管:Planner 完成规划后移交控制权,底层自动切换到速度更快、成本更低的执行模型,它能看到完整对话上下文和刚刚制定的计划。 核心职责:严格按照计划写代码、改文件、运行测试,不做未授权的架构变更。 阶段三:Review & Hand-back(审查与回交闭环) 如果执行过程中遇到未预料的报错,报告回交给 Planner。 Planner 对比实际进展与原计划,修正方案后再派发剩余步骤。 横向扩展:Subagents(子智能体)与 Swarm(集群模式) 除了纵向的“大小模型接力”,Orchestrator 还会根据任务性质横向调度子智能体: research:在独立只读沙箱中做大规模代码调研,避免污染主对话上下文。 browser:专门操控内置浏览器进行页面交互与 UI 验证。 Swarm(/teamwork):当任务可以拆分为多个并行模块时,通过共享消息板(Message Board)与独立工作区副本(share / branch),编排多个 Worker 并行开发与交叉验证。 非常适合的场景: 跨文件功能开发与重构:需要先理清调用链、接口契约,再批量修改多个模块。 复杂 Bug 排查:需要先只读分析日志、复现路径、定位根因,再精准修复并补充单测。 需求存在多选一设计:Planner 会在规划阶段 Orchestrator 的推理配置固定,不能再手动调整 effort
35
14
3
99
18,200
Winnerineast retweeted
现在做高级感网页,真的没必要每个动效都自己写。 Cult UI 开源了 150 多个动态组件。 卡片交互、动态岛、设备展示、文字动画,直接集成到 React 项目。 基于 shadcn/ui、Tailwind CSS 和 Motion,还支持命令行安装。 GitHub:github.com/nolly-studio/cult…
41
88
1
768
34,936
Winnerineast retweeted
🔥码住!Gemini 4 Carbon/Hydrogen 最强妙用来了!彻底告别Gemini官方Antigravity难用! 最新开源 SuperARIS,一条命令组一支最强多模型科研小队,用Codex/Claude Code强势驱动Gemini 4 Carbon/Hydrogen! 经典配置:强主控 + Codex力工 + Gemini 4 Carbon/Hydrogen 深度参与讨论&写论文,效率直接起飞! 核心亮点: 🔹用强编排能力驱动Gemini 4 Carbon/Hydrogen + Codex等,爆发真正最前沿智能(不用Fable也能打穿) 🔹一个SuperAgent就能指挥全队,按ARIS框架+role.md把各模型能力拉满 🔹主动彻夜执行、自主感知、长程记忆,任务自动推进不卡壳 🔹完美适配Herdr & Orca,MIT开源 只需3步轻松上手: 1️⃣pipx install "git+github.com/wanshuiyin/SuperA…" 2️⃣终端输入 superaris,选项目+团队(推荐主控强编排 + Gemini 4 Carbon/Hydrogen 写论文协作) 3️⃣给主Agent目标,它自动拆任务、派活、验结果,你随时进任意会话接管 仓库:github.com/wanshuiyin/SuperA…
 主页Demo:wanshuiyin.github.io/SuperAR… #SuperARIS #ARIS #Gemini4 #Carbon #Hydrogen #多Agent #科研自动化 #开源AI
💥Google真卷!Gemini 4 Hydrogen 智能指数54,只差 Sonnet 5.5 1分,成本却只要 Sonnet 5.5 的1/3 ! 关键对比:
🔹智能:54 ≈ Sonnet/Sol 55,超 Argon(50) 🔹成本:Sonnet 的32%,Sol 的2.5倍
🔹high档:Argon级智能,成本仅19%
🔹幻觉率:8%(碾压 Sonnet 43%、Sol 52%)
🔹优势:视觉+知识工作强
🔹短板:终端任务仍弱 性价比直接拉满。 #Gemini4Hydrogen #AI #Claude #GPT #GoogleDeepMind
16
33
1
259
28,170
این مقاله واقعاً دیوانه‌کننده‌ست! پژوهشگرهای چینی مقاله‌ای منتشر کردن با عنوانی که باید تمام سازندگان ایجنت‌های هوش مصنوعی رو به فکر فرو ببره: «پایان Harness Engineering» حرف اصلی مقاله در یک جمله‌ست: شاید دوران طراحی و کدنویسی دستی تمام اجزای اطراف مدل‌های هوش مصنوعی داره به پایان می‌رسه. بذار ساده‌تر بگم: تا امروز ما برای ساخت هر ایجنت، ابزارها، دستورالعمل‌ها، گردش کار و منطق اجرایی رو طراحی می‌کردیم؛ بعد هم همون ساختار رو ماه‌ها استفاده می‌کردیم. اما این مقاله یه ایده متفاوت داره: چرا اجازه ندیم خود سیستم، زیرساختش رو بهتر کنه؟ روش کارش جالبه: ۱. یک مدل کوچیک ۴ میلیارد پارامتری، شکست‌ها و خطاهای سیستم رو بررسی می‌کنه. ۲. برای بهتر شدن عملکرد، ۸ تغییر مختلف پیشنهاد می‌ده. ۳. هر تغییر با مجموعه‌ای از سؤالات و تست‌ها ارزیابی می‌شه. ۴. فقط تغییری باقی می‌مونه که واقعاً نتیجه بهتری گرفته باشه. نکته مهم اینه که مدل اصلی ثابت می‌مونه؛ چیزی که مدام تغییر می‌کنه، هارنس و ساختار اجرایی ایجنته. این ایده به یک مدل یا فریم‌ورک خاص محدود نیست و می‌تونه نگاه ما به ساخت ایجنت‌ها رو تغییر بده. اما بخش مهم‌تر ماجرا: نقش انسان از کدنویسی و دستکاری مداوم سیستم، به طراحی آزمون‌ها و معیارهای موفقیت منتقل می‌شه. یعنی باید دقیق بدونیم از ایجنت چی می‌خوایم و چطور بفهمیم واقعاً بهتر شده یا نه. شاید در آینده مزیت رقابتی ما این نباشه که چقدر خوب برای ایجنت‌ها کد می‌نویسیم؛ بلکه این باشه که چقدر خوب می‌تونیم عملکردشون رو بسنجیم و بهبود بدیم. خلاصه ایده مقاله در یک جمله: قبل از اینکه کد رو بنویسی، امتحانش رو طراحی کن!
141
525
48
3,946
255,760
Winnerineast retweeted
新加坡人退休后的另一种选择——旅居生活。 《海峡时报》报道,新加坡一对退休夫妻,丈夫56岁,妻子54岁。今年的行程: 巴厘岛27天、西班牙Granada 30晚、里斯本和波尔图各约1个月、摩洛哥11天、阿尔巴尼亚5周、新山约2个月,之后到东京、曼谷旅居。 他们每月预算约S$4,000,靠出租新加坡中心地段一房式公寓和投资被动收入支撑,机票、保险另计。 不赶景点,租公寓、逛菜市场,像当地人一样过日子。 这样退休多好啊! 而且新加坡人退休后把房子租出去,应该也不是那么遥不可及吧?只要愿意。 脑洞大开啊!我可以马上列好我的旅居清单:Perth、Tekapo、槟城、怡保、松本、苏梅岛、华欣。每个地方住上一个月多好啊啊!
60
121
17
1,099
193,922