AI 观点与方法

世界的大部分运作都基于一个假设：未来与过去相似。而“奇点”最初的含义，正是这种关系断裂的那一刻。我不知道是否会出现一个大奇点，但各个领域出现一百万个小的奇点，似乎不可避免。

Pragmatic Engineer 播客访谈《Building Microservices》作者 Sam Newman，他认为微服务是“最后手段”的架构，其新书 Building Resilient Distributed Systems 已于 10 月 7 日出版纸质版。

Gary Marcus 评 OpenAI 新数学成果，认为真正的新闻不是结果本身，而是报告完全没有说明验证流程、模型架构、失败率和训练细节，无法判断其通用性，也可能是仅适用于可验证领域的 Lean 与合成数据技巧。他还批评社交媒体的讨论沦为不加追问的喝彩，并附上 Terence Tao 转发的恶搞新闻稿作为第二部分。

和一家初创公司的创始人聊了聊。 6个月内，1名工程师用AI构建了他们的网页、桌面、iOS和Android应用。就1名工程师。 而且不是粗糙的原型。是精致、设计良好、可靠的应用程序。 AI正在把10x工程师变成100x工程师。 这在去年是不可能的。

Navier-Stokes 时刻的意义更多在于下图，而非 Navier-Stokes 问题本身。这次运行代表了一周的数学进展，相当于十年的积累。 迫不及待想把这些工具用于生命科学、构建我们的下一代模型，以及对齐研究！

直接从参与该任务的科学家和工程师团队那里了解更多任务详情。https://goo.gle/4hcNNWK

Sam Altman 说，公众把他误读为 AI 的反派，就像他当年误读 Mark Zuckerberg 一样： 当一项新技术带来快速变化时，人们会把恐惧投射到那个看起来掌握最大权力的人身上。 他承认，在 Meta 早期，他也对 Mark Zuckerberg 抱有类似看法，而当时他并不认识 Zuckerberg 本人。 ---- 完整视频见 "Fair Game by Vanity Fair" YouTube 频道，（链接在评论中）

金色波波头真是✨绝妙✨

感觉她会听这个 100p

Every 工程团队将自建 Agent 集群迁移到 Anthropic 的 Claude Managed Agents，以专注打造住在公司 Slack 里的共享同事 Every Agent。团队放弃了自运维 Agent 集群，并接受了随之而来的取舍。

NVIDIA KGMON 团队在 KDD Cup 2026 Data Agents 竞赛获得第二名，并发布构建可靠数据分析智能体的方法复盘。

LlamaParse 以 Markdown 作为文档解析的默认输出格式，以保留标题层级、阅读顺序和表格结构，并在复杂表格中支持 HTML 表格（colspan、rowspan）与管道表格并存。

作者基于为跨公司工作的 Agent 构建记忆系统一年的经验指出，AI 失败的常见原因不是模型推理差，而是它看不到关键决策上下文，多数 agent memory 只是给瞎子更大的档案柜。

🐈📦

这小家伙到底是从哪冒出来的

你居然在 GTA 6 之前先拿到了一首歌

“iPod 之父”托尼·法德尔在首届麻省理工未来节上分析 Rabbit R1、Humane AI Pin 和 Limitless Pendant 三款初代 AI 设备失败的原因：它们没能真正满足任何实际需求，普通用户觉得酷但与生活无关。他还指出，大多数人从未拥有过助理，不知道如何使用“机器人助理”，与 AI 建立信任比真人更难，并认为目前唯一可能做到这一点的公司也许是苹果。

一位开发者发现，随着 2026 年越来越多代码由 AI 智能体代写，自己多年因敲代码引发的重复性劳损（RSI）明显缓解。过去连续 4-5 小时写代码需频繁敲击尖括号、FN 键和各种修饰键，如今这类工作被提示词加约 30 分钟人工微调取代，他更多时间用于写设计文档和审查代码。尽管今年交付的代码量可能超过以往任何一年，严重的灼烧性手臂疼痛已很久未出现。

在这里自行探索：https://openrouter.ai/rankings/decisions

Michael Lynch 总结软件博客写作的常见反模式，包括冗长开场、误判读者已有知识、假设读者读过旧文、过度正式，以及用链接代替术语解释。他建议文章即使读者不点任何链接也应能读懂，并强调用自己的口吻写作。在开发者纷纷把写作交给 AI 的当下，软件博客正变得平淡同质，读者更渴望有个人风格的文字。

Tony Fadell 在 MIT Future Fest 上点评 Rabbit R1、Humane Ai Pin 和 Limitless 等已停产的 AI 设备，认为它们没有解决真实需求，且大众缺乏使用助理的经验、难以建立信任。

我们正生活在不可思议的时代！ （引用推文：计算机完成了从概念图到最终剪辑的动画场景。它在 Blender 中规划镜头，用 Nano Banana 生成参考图，并用 Seedance 2.5 完成动画和配乐。）

越来越清楚的是，人类会先解决黎曼猜想，然后才能通过物理图灵测试——你在一场疯狂的周日派对后回到干净的家，却分不清是人还是机器人干的活。 我们对莫拉维克悖论还不够“上头”。

以防你错过了我昨天的犀利观点。

Google 介绍检测媒体是否由 AI 生成的方法：访问 https://synthid.com 上传图片、视频或音频文件，门户会扫描文件是否包含来自 Google 或其合作伙伴的 SynthID 水印。

大家能不能一致同意，盯着秋叶看也算是有安排了？🍂 - 由 DuMate 创作

Azeem Azhar 评述 OpenAI 前一日公布的一项数学成果：一个未发布的前沿模型产出 722 份稿件、涉及 372 个族，覆盖数论、复杂性理论和数学物理，平均每项成果相当于 ChatGPT Pro 三小时的思考。

华为余承东在 9 月 29 日国际媒体圆桌会议上表示，极紫外光刻（EUV）设备是制造先进芯片的关键，中国目前正在研发这些设备，现阶段国内仍依靠深紫外光刻（DUV）。

Armin Ronacher 解释 Pi 1.0 通过 Codemode 新增的 MCP 支持，即在 harness 内的 QuickJS WASM 沙箱（无网络、无文件系统、无计时器、内存受限）中用 JavaScript 组合工具调用，绕过 LLM 上下文。

M-Abozaid 开源了一个运行在约 2 美元 ESP32-C3 上的 Pi-hole 风格 DNS 广告拦截器，无需 PSRAM。核心技巧是把域名存为排序的 40 位哈希放进 flash 再二分查找，140,000+ 个域名只占约 0.7 MB flash、约 50 KB RAM，查询约 10 ms；命中则应答 0.0.0.0，未命中转发上游。

岚图汽车董事长卢放针对司机酒后使用智能驾驶辅助功能开车的报道发声，强调即使车辆具备自动智能驾驶辅助功能也绝对不允许酒驾，到 L3 有条件自动驾驶阶段同样不允许。最高人民法院今年 2 月首次发布道路交通安全刑事专题指导性案例，明确车载辅助驾驶系统不能代替驾驶人成为驾驶主体，激活辅助驾驶功能后驾驶人仍负行车安全责任。

Ben Affleck：让团队"token max"就像烧掉收银机来给店铺取暖。 ---- 完整视频在"You One More Question and GQ" YouTube 频道，（链接在评论中）

Quinn Ennis 在 ChinaTalk 撰文分析 Reuters 报道的 FCC 拟年内禁止新型中国光收发器进口的草案，称草案发布当周中际旭创股价跌 10%、Coherent 涨 17%。

一杯完全倒满的红酒，以及指向下午 3:30 的时钟 - Nano Banana 2.1

LLMs 有很多可以 scale 的维度。 但 OpenAI 最近的拉垮告诉我们，verifier scaling 目前看来是最无聊，最慢，用户体验感最差的一种 scale 方式。

作者转发他人遭遇：一个项目的 Cloudflare Durable Object alarm 死循环读写 6 万亿次，产生一万美元账单。作者提醒，任何按调用量计费又能自动扩容的基础设施都应给成本加保险丝，以前死循环最坏只是机器挂掉，现在云厂商会自动扩容继续计费。

Erdős问题网站创建者Thomas Bloom宣布调整站点规则，冻结新题目评论与证明声明、不再显示问题状态和解答比例、取消归属性表述，并侧重收录高质量证明讲解。他表示近期大量无解释的AI生成证明挤占了人类讨论空间，网站将手动更新，Lean形式化需在Palomar登记，有抄袭或虚报AI使用情况将不予收录；评论冻结将持续到他认为恢复利大于弊为止。

两届奥斯卡得主 Ben Affleck 解释基于 Transformer 的 AI 与传统计算有何不同。 传统软件是确定性的，而这些模型通过“将信息跑过注意力层”并推断输出来生成答案。 ---- 完整视频在“One More Question and GQ”YouTube 频道，（链接在评论中）

华为轮值董事长徐直军在全联接大会问答中回应美国领先 AI 模型供应商呼吁放缓开发一事，称中国模型多为开源、进展透明，市场对 AI 风险感受更弱，中国的模型提供商需要加快步伐达到能感受风险的水平，但也要在推动开发和管控风险之间取得平衡。

banana2.1 今日发布，引发对当前 AI 图像模型格局的讨论。从美学风格化角度看，midjourney 依然无可取代，8.2 甚至是断崖式领先；但若需要文字封面、示意图、信息卡片等精确性图像，OpenAI 和 Google 显然更好，两类需求已完全分流。