AI 观点与方法

(cmd-) 去他的世界 索引让你头疼？ 找不到你的钥匙？ 去他的。不，真的，去他的 Jev 来帮你搞定 （给错过 JevDay 的人准备的演示回放！）

5️⃣ 寓意：让快速智能体做跑腿的活，让强推理者来做思考。一个天才，多个头脑。🧠👣 回放全部 200 个案例： https://snyhlx.github.io/the_irregulars_detective_game/results.html 代码，以及更多关于智能体集群行为的博弈案例研究： https://github.com/lmgame-org/Gaming-JevSwarm 祝侦探愉快！

3️⃣ 单独来看，每一个都以自己的方式失败。 没有领导的蜂群就是一台谣言机器 🗣️：一个孩子误读了一条线索，他的同伴照抄投票，整条街就对错误答案达成了一致。 孤胆天才跑断了鞋底 👞：在有限时间内，一辆出租车永远无法带着决定性线索抵达门口。

我用 Gemini 4 Argon 为全新飞行版特斯拉 Roadster 做了个《地铁跑酷》🚀 飞越车流，点燃推进器在空中翻滚，收集空中道具刷新高分。 下方可玩 + 看代码！

Anthropic 首席经济学家 Peter McCrory 介绍团队开发的结构化框架，用于比较 AI 进展未来及其经济影响的不同情景，动机是外界对这些问题的看法分歧很大。框架页面见 https://www.anthropic.com/institute/econ-scenarios。

我们发现证据表明，Anthropic 员工与公众对能力将如何塑造更广泛经济结果的看法相似：那些预期 AI 会承担自己更多工作的人，也预期会出现类似的失业效应。

与此同时，Anthropic 招聘的初级技术岗位占比有所下降，在招聘决策中越来越强调自主性与判断力，而非技术领域专长与落地执行。

我们发现，公众和 Anthropic 员工都预期，未来几年 AI 能力将在日益复杂的知识工作任务上快速进步。 但 Anthropic 员工预期进展会更快、更广泛。

和 Marc E. Bassy 一起把原声小样变成完整歌曲

决策模型每百万输入 token 仅 1 美分（这是我们为 pplx-decider-flash 提供的定价），意味着 1000 万亿输入 token 最多只需花费 $10,000。我们还将进一步优化推理和（输入的）缓存。https://docs.perplexity.ai/docs/decisions/quickstart

说真的，就没有办法用算法过滤掉那些明显的AI垃圾回复吗？

黄仁勋与 Lex Fridman 在台湾对谈时反对芯片出口管制，主张用"飞轮"策略替代单纯封锁。他认为稀土、子弹炸弹等实物封锁合理，但计算技术应广泛销售：销售创造财富，财富支撑更多研发，这一循环让美国保持领先，因为最安全的国家往往最富有。完整视频在 Lex Fridman 的 YouTube 频道。

酷在于“软件工厂显然不只是为旧金山初创公司或试图推进前沿的实验室准备的”——这一理念正在进入全球最关键的系统中 有趣在于“等等，我在剪辑时已经听过这首歌 100 多次了”

这条帖子挺酷的，但我也笑死了，因为我们的制作人在 @humanlayer_dev 六月演示视频里用了同一段背景音乐 https://youtu.be/KQoSiBbsVso?t=77&is=dJrVxU2u9PPi9vHD

Claude Devs 介绍 Anthropic 团队如何用 Claude 编写约 90% 的 Claude Code 代码。从 6 月到 9 月，合并 PR 数量翻倍以上，回退比例下降超过 40%，并发布了代码评审改造方法的文章 https://claude.dev/blog/solving-code-review-at-anthropic/。

别忽视 Claude Slides。我现在就是这样制作幻灯片的——再也不用像以前那样去谷歌搜"iphone frame svg"了 试试看：https://claude.ai/artifacts

聪明的模型！ （注：主推文仅为一句感叹，信息量不足；引用推文才是核心内容——Krea 3 还能做数学，并调侃 @krea_ai 下一步是否要做证明生成。）

llama.cpp v0.7.0，128GB Mac/Spark： llama serve -hf ggml-org/Qwen3.8-Flash-Next-GGUF:IQ4_NL --spec-type draft-mtp --lazy-mode on

Navier-Stokes 里程碑 T 恤的背面，是解答中链式推理的最后一行：

Donna 一个月烧掉一万亿 token 她跑的循环你根本想象不到

黄仁勋解释了为什么 AI 可能很快需要多出十亿倍的算力。 过去的方式是检索：模型调出它已记住的内容然后作答。 新的方式是问题求解，模型会权衡多个选项，展开最好的一个到三个，并剪除其余的。 这种搜索比回忆一个存储的答案要费事得多，而它的每一步都跑在 GPU 上。 ---- 完整视频在 "Bg2 Pod" YouTube 频道，（链接在评论中）

Lauren Tan 分享一套让 Agent 工作更可信任的方法，按倒金字塔分四层：代码库改进（架构、类型、边界）、静态分析（lint、测试、CI、TLA+ 等验证）、文字规则（注释、AGENTS.md、skills）和最难规模化的人工审查，精力应主要放在顶层。

前 NVIDIA 机器人平台产品营销负责人 Amulya Vishwanath 在 TechCrunch 的 Equity 播客中表示，机器人仍处于“乐高时代”，执行器、机械手、软件和安全标准等基础模块尚待重建，这与“通用基础模型将带来机器人 ChatGPT 时刻”的观点相左。

MIT 学院教授 Daron Acemoglu 在 Kendall Square Association 第 18 届年会上发表主题演讲，提出应让 AI 成为扩展劳动者能力、构建新专业知识的工具，而非工作的敌人。

The Verge 三位编辑用一周时间测试五款搭载 Nvidia RTX Spark N1X 芯片的 Windows on Arm 笔记本，包括 Surface Laptop Ultra、Asus ProArt P16、Lenovo Yoga 9n 和 HP OmniBook Ultra，售价 $2,599.99 至 $6,999.99。

一只小鹿在森林中漫步。仅用 1 小时凭感觉编码完成。 Tripo API 负责角色生成流程。Claude Opus 5.5 为其编写周围的交互环境。

邵猛回忆那似乎是最后一届微软技术大会，也是他最后一次参加技术会议。曾一起做 Windows Phone 和 Windows 开发的朋友们陆续转行，他感慨那个时代终究过去了，甚至没等到被 AI 冲击。

O'Reilly Radar 作者 Markus Eisele 提出，在智能体大量生成代码的时代，评审不应逐行阅读，而应把证据作为接受代码的前提。做法是在实现前约定预期行为和影响范围（blast radius），用双向追溯检查实现与测试是否存在未经要求的行为漂移。

我们与全球科学家携手，我们的模型和工具正在帮助让疾病更可检测、更可治疗、更可预防。🧬 从精确定位罕见基因变异到加速药物发现，以下是我们如何帮助将实验室突破转化为现实世界中的医疗护理 → https://goo.gle/4i48Cmr

针对引用提问中“在 Claude Code 和 CodeX 等不同 Coding Agent 之间如何共享上下文”的问题，Dash 回答在 Cindy 下很简单。

该推文分享了一套以 Claude 负责规划与验收、其他 agent 负责执行的开发工作流，执行方包括 codex cli、cursor cli、antigravity cli、grok cli，目的是把各家 AI 会员额度充分利用起来，后续还计划把本地模型纳入流程。作者称目前体验不错，认为 opus 5.5 在编程开发上比高一档的 gpt-6 astra 更好用。

💖🖤 #Kling4 #KlingAI

马上就要开始了！！ 期待很快见到大家 ;)

想象一下第一次测试这个 🥵

飞行汽车什么时候来？👀🚗 #Kling4 #KlingAI （引用推文：最新消息：Kling 4.0 重新构想了飞行汽车概念。）

用 #Kling4 #KlingAI 做黏土动画 😎

人人皆可做游戏的时代来了 （尽管这会导致游戏变得毫无价值

pstack 作者 @poteto 公开了这个 Cursor 官方内置插件的工程原则设计思路，核心是随模型能力提升，把写给智能体的冗长步骤压缩为简短的命名原则。

马斯克把 AI 科幻视频做成了真东西 respect 老马牛逼

会飞的汽车？太未来了！ Roadster 真的把 Tesla 和 SpaceX 联动了，搭载 SpaceX 的冷气推进系统。 那么。。刹车似乎确实没那么必要了，遥遥领先，还是遥遥领先！