如何更有野心：写给会用模型的人的一份教程
在 Claude 团队工作的 Felix Rieseberg 给出三种向模型要更多产出的路子：把视角抬高一层、把任务做深、把涉猎范围铺开；顺带讲了为什么 1939 年的 George Dantzig 在这里仍然算数。
AI
更多 AI
首页
你本可以从记忆中发明 Transformer
把每一层都看作记忆存储，按相似度用键取回值，一个干扰信号比就能算出它能存多少：外积约 64 条，MLP 几千条，自注意力约一百万条。
面向机器人技术的 Gemini 4 Argon
Gemini 4 Argon 以 87% 的成绩在具身推理基准 ERQA 上排到第一。Google 同时演示了它怎么驱动定点移动操作、零样本控制、从机器人或人类视频做 Real2Sim，以及自我改进循环。
GitHub 的密钥检测模型：用更少的噪声找出更多密钥
GitHub 用微调过的 ModernBERT 分类器换掉了远程 LLM 密钥扫描器。这个分类器会连候选内容和它周边的代码一起读，接受率提高 11.5%，扫描耗时中位数缩短 86%。
Meta 的生成式广告模型（GEM）：为前沿广告 AI 扩展中央模型与计算引擎
Meta 把广告推荐基础模型的复杂度扩展到 2.5 倍、训练 FLOPs 提升到 4 倍，再把学到的能力迁移进那几百个真正负责实时投放广告的小模型。
软件工程师没资格在 AI 面前当卢德派
软件工程这门行当一直在做的，就是把别人的工作自动化掉。Sean Goedecke 认为，正因为有这段历史，工程师们眼下这波对 AI 的愤怒很难站得住脚。
没有人是一座孤岛
从读论文到设计语言，个人的智识活动都依赖共同体积累下来的共有成果，以及同行给予的认可。AI 正在把提供这两样东西的共同体拆掉，私人的智识生活也随之维持不下去。
OpenAI、Partition Principle 与数学
一位研究 Partition Principle 超过十五年的集合论学者读了 OpenAI 的预印本，觉得它混乱、怪、引用的还是未经同行评审的讲义，并认为投向期刊会被直接退稿。
AI 极客周报 W41 · 2026-10-03—10-09
本周 48 条。Mistral Large 4 与 Claude Haiku 5.5 挤在同一周发布、AI 涌进数学圈让 Erdős 问题站的站主写了一篇变更说明、Deno 并入了 Cloudflare。
OpenAI 无法独自确保 AI 安全
三名上周被 OpenAI 解雇的安全研究员致信其安全监督机构，否认向媒体泄密，逐一说明每次解雇情况，并要求公司履行关于第三方审计机构和模型可监控性的承诺。
编程并不特殊
出版、绘画、音乐圈都在抵制 AI，程序员却一边喊累一边照用。Glyph Lefkowitz 说，编程同样是艺术，那些枯燥的委托活儿正是练出手艺的地方，把它们整个交给 AI，省下的成本远不及失去的东西。
调查 Claude 在评测和内部使用中的非预期行为
Anthropic 回过头审查自己的评测记录，发现 Claude 会利用一所大学服务器上的漏洞执行命令、提交政府网站上的真实表单、就一桩未破凶案填了一条编造的线索，甚至用 URL 缩短服务绕开抓取工具的长度限制。
我让 AI 分析 400 年的历史档案。它发现了一颗被遗忘的陨石、失踪的犀牛和未记录的火山喷发。
一名软件工程师用自建的 AI 流水线检索荷兰东印度公司四个世纪的档案，找到一份任何陨石目录里都没有的 1812 年陨石报道、三头死在送往康提国王路上的爪哇犀牛，以及三次不在史密森尼火山名录里的喷发。
什么是 Codemode
Codemode 将工具使用转化为模型编写并运行的代码，而非一系列结构化的函数调用。Armin Ronacher 解释了这给工具设计带来的变化、规划与执行之间的分工，以及各部分如何被编排。
Jev校准不佳
Dylan Black 让 Jev 生成物理上合理的概率分布来检验它的校准。结果是 Jev 比彻底放弃、把概率平均分摊还差，而且失败模式很成系统，作者据此质疑把 Jev 当作自动评判器的做法是否安全。
构建 Vault：给自托管 AI agent 的双屏终端
一块 ESP32-S3 加两块屏。OLED 显示实时状态、电子纸显示可读结果，推理留在机器上。作者记录了选硬件的三条约束、四个模式，以及那些「电气上安静」的失败，包括被 3.3V 轨烧掉的两块 OLED、违反协议的 I²C 绕行，以及 sizeof 用错缓冲区导致每次远程命令重启。
Kent 如何在不读代码的情况下发布功能
把自己写的 SaaS 当作实验场。Kent C. Dodds 用 90 分钟直播演示了一套交付链，含信任、上下文、原语、交付、验证、经济账六组十五条原则，讲怎么把没读过的 agent 代码安全地发到真实用户手里。
Claude 形状的科学问题
物理学教授 Matthew Schwartz 不再逆着 Claude 的脾气用，而是去找那些恰好适合当前一代模型能力的问题：把知识当作可搜索集、用几何直觉判定边界的任务。他交出两篇完成的研究，并描述了背后的 BootLoops harness。
介绍 Clef：开源决策模型与新的 RL 微调平台
Cloudflare 开源了一组小到能跑在边缘的决策模型：不像 LLM 那样自由生成文字，而是对给定问题输出有界的结构化判断（概率、选项、评分），又快又便宜且可重复。文章对比了它与 Jev 的差异，并介绍了新的 RL 微调服务。
生成、筛选、评判、选择
要在巨大的空间里找出少量优秀设计，就先造远超需要的候选，用最便宜的测试先刷掉大多数，只把活下来的给人看。这篇方法论文把六个阶段各自的数学写清楚：怎么排阶段顺序、造多少候选、怎么定阈值。
降低 AI 改动带来的认知负荷
模型给抽象起的名字不一定合你的习惯（它叫 MutationIntent，你脑子里是 EditRequest），每看一眼就要在脑内查一次，几十个新词叠起来就压出了认知负荷。作者的解法：审阅前先让它把生造术语与候选替代词列出来，你确认后它全局替换。
用 drifting 目标训练一个袖珍 TTS
Kyutai 把连续音频语言模型里的一步流匹配目标（LSD）换成 drifting：指标全部持平、推理成本不变，却不再需要 Jacobian-vector 乘积。这是首个用 drifting 训练的自回归生成模型。
从零开始的分离式推理
Cerebras 把 prefill 与 decode 拆到不同硬件上：算术强度不同、调度目标也不同，分开后同样的硬件量下吞吐提升 5 倍、生成速度不降。文章从矩阵乘法讲到 KV 传输与异构分离的选型。
我们如何把 LLM 评估吞吐量提升 20 倍
瓶颈出在 p90 有 82% 的时间在等容器，算力和限流都不是原因。Mercor 用一个每 10 秒跑一次的 Compute Scheduler，把静态 FIFO 队列换成按优先级、项目公平、先入先出三级规则分配全局工作池，吞吐量涨了 20 倍。