N全部新闻

全部新闻

星期一23 条

  1. 凤凰科技解读
    AI 评分60

    实测可灵4.0：水袖击鼓舞、雨中曲与30秒生活短片

    作者实测可灵4.0，围绕水袖击鼓舞、雨中曲独舞和30秒生活短片三项任务检验其复杂动态、视频编辑与原生30秒生成能力。水袖击鼓经七八轮调整仍无法稳定用袖尾击鼓，鼓体会自行移动；雨中曲首版完成度较高，但帽子消失重现、水花过于规整。视频编辑成功把西装改成酒红色并保留原表演，积分消耗与重新生成一条视频相差不大。

    #评测/基准#视频#现象/趋势

  2. 邵猛
    AI 评分70

    Hassan 公开其日常应用开发工作流：语音提示到录屏验收六步

    Hassan 公开了自己日常做应用的六步工作流：用 WisprFlow 录 1–5 分钟语音作 prompt，补充截图或 Inspo MCP 作为视觉参考，用 grill-me skill 让 Agent 主动追问澄清，拿到 v1 后继续发反馈与设计微调，每个新功能合并 PR 前要求一段快速录屏验证，满意后发到 X 否则丢弃。他的 harness 混用 Claude Code 配 Opus 5.5（high）与 OpenCode 配 DeepSeek V4.1 Flash / GLM 5.3，并给 Agent 接上 Vercel 与 GitHub CLI、Together skills 以及设计/动画 skills。

    引用Hassan · @nutlope

    How I build apps these days: 1. Record a 1-5 minute prompt with @WisprFlow The more detail, the better. 2. Add visual inspo so the agent knows what I have in mind (screenshots or Inspo MCP). 3. Use @mattpocockuk's grill-me skill to have the agent ask clarifying questions. 4. Get back a v1, then send a list of feedback, feature requests, and design tweaks (via another voice recording usually). 5. For each new feature, ask for a quick screen recording to verify it works before merging the PR. 6. Keep iterating until I'm happy, then post it on @X or throw it away. For my harness, I use a mix of Claude Code with Opus 5.5 (high) and OpenCode with DeepSeek V4.1 Flash / GLM 5.3. I also give my agents some CLIs & skills: • Vercel + GitHub CLIs so they can push code and deploy apps. • Together skills so they can use chat, image, & voice models from Together • Design/animation skills so they have guidance on spacing & interactions

    #教程/实践#Agent#编码

  3. 36氪 · AI解读
    AI 评分82

    开源项目解锁英伟达 RTX 显卡隐藏算力，RTX 4090 特定 Tensor Core 吞吐翻倍

    GitHub 上的开源项目通过修改 GPU 启动阶段的寄存器配置，解锁英伟达 GeForce 显卡在特定 Tensor Core 运算上的速率限制，RTX 4090 的 FP16 输入、FP32 累加吞吐率从 165.6 TFLOPS 升至 331.6 TFLOPS。RTX 3090 Ti、3080、3070、3060 以及 RTX 2080 Ti 也出现 60% 至 90% 左右的提升，且无需刷写 BIOS，原版 NVIDIA 驱动可照常运行。但实际 cuBLAS 矩阵乘法增幅收窄至约 12% 至 34%，逐 Token 生成速度没有明显变化。

    #开源/仓库#数据/训练#部署/工程

  4. 邵猛解读
    AI 评分68

    LangChain 总结公司级 Agent harness 五件套

    LangChain 基于自家 GTM、OpenSWE、Content Studio 三套内部 Agent，总结出公司级 harness 的五块共性底座：以 Slack 为协作入口、按 Agent 和工具区分 OBO 与服务账号身份、全局与用户双层记忆、Agent 本体在沙箱外而代码在沙箱内执行并经 secret proxy 访问鉴权服务、大量任务由定时或事件触发。三套 Agent 都建在 Managed Deep Agents 上，后者叠在开源 Deep Agents harness 之上，并保留定制 Agent 行为的空间。

    同一事件 · 2 条报道

    #教程/实践#Agent#MCP/工具调用

  5. 虎嗅解读
    AI 评分60

    用 Codex 和 Claude 逆向改造电视、补光灯与相机

    作者用 Codex 通过 ADB 连接公司四台会议室电视，替换屏保与首页、去掉开机广告，并保留投屏、信号源、设置和原影视入口，随后快速复刻到其余三台。团队还让 Claude 根据补光灯照片逆向出网页控制台，统一调节四盏灯的开关、亮度、色温和灯效，并让 Codex 为索尼相机和大疆 Pocket 3 搭建多机位控制台部署到飞书。作者提醒不同品牌设备开放的接口和权限不同，修改系统软件前最好先备份。

    #教程/实践#Agent#MCP/工具调用

  6. 邵猛解读
    AI 评分67

    Sebastian Raschka 开放 11 小时推理模型构建视频课，用…

    Sebastian Raschka 的「Build a Reasoning Model (From Scratch)」配套视频课已开放，共 11 小时、八讲，从已预训练的小 Qwen3 0.6B 起步，用 Python/PyTorch 手写 verifier、推理时扩展（采样、自洽、打分、自我精炼）、简化 GRPO 版 RLVR 和向更强教师蒸馏。课程跳过从零训练底座，前期生成与评估可在 CPU 上完成，后期训练建议使用 GPU，并在 MATH-500 上评估效果。邵猛在推文中转述了课程设计，并用发动机类比区分常规 LLM、推理模型与 Agent harness。

    引用Sebastian Raschka · @rasbt

    The complete reasoning-from-scratch video series is now up (and linked) here: https://t.co/5IOHLTCIGt (Taking a short break but will be back with LLM model and research updates in November!)

    同一事件 · 2 条报道

    #教程/实践#推理#数据/训练

  7. Browser Use一手解读
    AI 评分65

    如何让编码智能体使用你已登录的 Chrome

    Browser Use 发布指南，介绍让编码智能体在已登录的真实 Chrome 中工作的多种方式，包括 Claude in Chrome、Playwright MCP 扩展模式、Chrome DevTools MCP 自动连接模式、Gemini CLI 内置浏览器智能体、ChatGPT 桌面版浏览器扩展和 Browser Harness。文中按 Claude Code、Codex、Gemini CLI、Cursor 等智能体分别给出配置命令与限制，并说明从 Chrome 136 起默认数据目录上的 --remote-debugging-port 和 --remote-debugging-pipe 会被忽略，因此复制 cookie 到新浏览器的旧做法在设备绑定会话等场景下会失效。

    #教程/实践#Agent#MCP/工具调用

  8. LangChain Blog一手解读
    AI 评分62

    LangChain 总结构建公司级智能体的五个组件

    LangChain 的 Harrison Chase 和 Caspar Broekhuizen 发文，总结其营销、销售、工程三个内部智能体共用的五个核心组件：智能体放在 Slack 等现有工作场所、区分代用户行事与固定身份、全局与用户两级记忆、沙箱内执行代码、大量运行为定时或事件触发。文中以 GTM Agent、OpenSWE、Content Studio 为例，说明各自在身份、记忆和代码执行上的具体处理方式，三者均构建在 Managed Deep Agents 之上。

    同一事件 · 2 条报道

    #教程/实践#Agent#部署/工程

  9. Hacker News 热门解读
    AI 评分72

    10年前的CNN在皮肤癌诊断上胜过前沿LLM

    皮肤科医生Magnus Lynch用200例活检确诊的皮肤病变对比测试GPT-6 Astra、Claude Fable 5.1与微调后的Inception v3，CNN首选诊断正确125例（62%），两个LLM分别为84例和85例（42%）。CNN在50个良性痣中识别出37个，两个LLM分别识别出16个和33个；两个LLM各有偏好的错误答案，GPT-6 Astra把75个病变判为基底细胞癌（实际25个）。作者指出样本量小、每个LLM病例只运行一次，且Inception v3并非当前最优模型。

    #评测/基准#图像生成#数据/训练

星期日6 条

  1. 阿易 AI Notes
    AI 评分52

    用 Grok 或 ChatGPT 语音模式做三轮汇报压力测试

    作者分享一套用 Grok 或 ChatGPT 语音模式做汇报前陪练的方法，做法来自 SpaceXAI 现场工程师 Kiara。流程分三轮：先让 AI 用 2 分钟口语念出汇报稿，检查哪里不顺嘴；再让它扮演最挑剔的业务听众，每次只追问一个数据漏洞或推导盲区；最后复盘即兴回答，挑出 3 处表达含糊之处并给出更锋利的行业说法。作者称已把三轮语音陪练 Prompt 整理在评论区。

    #教程/实践#语音#Agent

  2. 钛媒体 · AGI解读
    AI 评分66

    实测 Kimi K3.1 Pro：Terminal-Bench 4.0 升至 67.2%，能自行修复模拟器错误

    作者实测月之暗面 K3.1 Pro，在 Artificial Analysis 综合指数中从 K3 的 44 分升到 55 分，Terminal-Bench 4.0 从 12.6% 升到 67.2%。官方演示中模型编写模拟器并训练虚拟人行走，还自行修复了 36 处肩部肌肉力臂计算错误。作者用七道编程题测试，物理模拟、音频分析和简单视频剪辑已可用，部分视觉题的空间关系仍需检查。

    #评测/基准#Agent#编码

  3. 邵猛
    AI 评分55

    开源 Skill dimensional-drawing：让 Agent 为 UI 组件画苹果配件风尺寸图

    开源 Skill dimensional-drawing 可将组件源码、Storybook、URL 或截图转成一页苹果配件尺寸图风格的单色技术图，画的是间距、圆角、图层和视口落位等架构信息而非文案。配套 Motion skill 能把成图做成约 10 秒的绘制动画，主路径用 Claude Motion 导出 MP4，无 Claude 时可用 Node 18+ 与 ffmpeg 的 headless 方案。安装方式包括把 skills/* 拷进 ~/.claude/skills/、在 claude.ai 的 Settings → Capabilities → Skills 上传 zip，或运行 npx skills add enesozturk/dimensional-drawing。

    引用Enes · @enesozturkdev

    Made a skill for dimensional drawings of UI components. Inspired by Apple's accessory drawings, it documents a component's architecture into a spec sheet. https://t.co/KKb9sOgTN8 https://t.co/0Z0Kpjk6bD

    #开源/仓库#Agent#教程/实践

  4. 凤凰科技解读
    AI 评分63

    OpenAI 披露前沿模型离线训练环境，两个被隔离的 AI 靠 CPU 缓存传话

    OpenAI 于 10 月 23 日披露前沿模型的训练环境，模型练习搜索、浏览和操作网页时使用预先保存并建立索引的网页资源，不直接访问真实互联网，其所有前沿模型的强化学习训练都采用这种离线交互。环境采用受限容器、轻量虚拟机、Hypervisor、防火墙与身份权限管理、监控暂停机制等多层隔离，但 OpenAI 仍保留部分外部连接用于收集指标、记录日志和管理身份验证。在专门测试隔离效果的实验中，OpenAI 让两个 AI 尝试互相传消息，所用通道是 CPU 缓存，多数测试中研究人员给过通信方向或编码规则的提示；OpenAI 称已修补发现的问题并为这些通信方式增加监控。

    同一事件 · 20 条报道

    #安全/对齐#Agent#OpenAI

  5. 阿易 AI Notes
    AI 评分60

    Simon Willison 用一句提示词让 Claude Opus 5.5 为网页游戏加四人对战地图

    Django 联合作者 Simon Willison 用一句英文提示词让 Claude Opus 5.5 为他的网页游戏新增四人对战地图，并把网络代码改造成支持四人联机。提示词只给出四向旋转对称、最多四个 AI 玩家、基于现有 WebSocket 非音频联机模式、空位由 AI 补齐这四项约束，未指定文件和代码行。作者据此认为，写提示词应少写步骤、把边界条件钉死。

    #大佬观点#Agent#编码

  6. 邵猛解读
    AI 评分68

    Claude 博客：构建 Agent 时何时把子 Agent 折进主循环，Skills 渐进披露常优于多专家编排

    Claude 博客讨论构建 Agent 时何时把子 Agent 折进主循环，认为在 Claude Platform 上单个主循环加按需加载的 Skills/工具，在多项内部对比中质量常更好、成本与延迟更低。文中指出每团队一个子 Agent 加总编排常复制组织架构，带来上下文损耗、Frankenprompt 与局部 eval 等问题，一家客户对比多 Agent harness 与单循环时后者约 2× 更快。子 Agent 只建议留给并行、上下文膨胀或工具与指令冲突等场景，并给出先建端到端 eval、一次折一个的迁移路径。

    同一事件 · 5 条报道

    #教程/实践#Agent#MCP/工具调用

星期六13 条

  1. Arena解读
    AI 评分67

    Kimi K3.1 Pro (Max) 在 Agent Arena 排名第 11，较 Kimi K3 提升 6 个百分点

    Kimi K3.1 Pro (Max) 在 Arena 的 Agent Arena 中排名第 11，基于 4K 多真实智能体会话取得 +7.6% 净提升，较 Kimi K3 (Max) 的第 25 名上升 6 个百分点。其每任务中位成本为 $1.03，比上一版本低 13%，在 Work、Code、Chat 三个类别中分别排第 8、第 9 和第 10。Arena 表示该模型开放权重即将发布，届时将成为 Agent Arena 中排名第一的开源模型，超过 DeepSeek-v4.1-Flash。

    引用Arena.ai · @arena

    Big news: @Kimi_Moonshot is back in the top-4 labs in the Code Arena: WebDev with the release of Kimi K3.1 Pro! This model just landed #8 in the Code Arena: WebDev with 1692 pts, matching Claude Opus-5 (Max) at 70% lower cost. This is a 9 place jump (+37 points) from Kimi K3 (Max) at #17 with 1655 pts. Kimi K3.1 Pro improved from Kimi K3 across all categories. Highlights: - #7 in Brand & Marketing (up from #9) - #9 in Simulations (up from #20) Cost efficiency is another upgrade. Priced at $2/$10 per million input/output tokens, Kimi K3.1 Pro (Max) has a median cost per task of $1.23 (29% less than Kimi K3). See its placement compared to the Pareto frontier in thread. With open weights coming soon, Kimi K3.1 Pro would be the new #1 open model in the Code Arena: WebDev, overtaking DeepSeek-v4.1-Flash. Stay tuned! See @Kimi_Moonshot’s ranking by lab, and 3D generations from Kimi K3.1 Pro below in thread. Huge congrats to the @Kimi_Moonshot team on this release!

    #评测/基准#Agent#开源生态

  2. Ahead of AI解读
    AI 评分60

    Sebastian Raschka 发布 11 小时推理模型从零构建视频课程

    Sebastian Raschka 发布 8 个推理模型从零构建的编程视频，共 11 小时，用 Python 和 PyTorch 从预训练的 Qwen3 0.6B 模型出发实现评测、推理时扩展、强化学习和蒸馏。课程先构建数学答案验证器并在 MATH-500 上评测，再实现温度采样、top-p 过滤与自一致性，随后用简化版 GRPO 做 RLVR 训练，最后用 DeepSeek R1 生成的答案蒸馏小模型。内容配套其《Build a Reasoning Model (From Scratch)》一书，早期文本生成与评测示例可在 CPU 上运行，后续训练实验建议使用 GPU。

    同一事件 · 2 条报道

    #教程/实践#推理#数据/训练

  3. 虎嗅解读
    AI 评分60

    开发者用 Claude Code 改造小米电视，CleanYourTV 开源项目获约 1.37 万 Star

    开发者 Gathin 用 Claude Code 通过 Wi-Fi 接入小米电视，停用 25 个系统组件并重写极简桌面，随后把 prompt、桌面源码和踩坑记录开源为 CleanYourTV，数天获约 1.37 万 Star。另一位 YouTuber Ansub Khan 的 TV Detox 项目实测让电视可用内存从约 370MB 升至 600—650MB。文章指出这类工具只能清理系统层预装包与官方桌面，无法清除流媒体 App 内的贴片广告和促销弹窗，并提到相机圈也在借 AI 恢复被隐藏的固件功能。

    #现象/趋势#Agent#开源生态

  4. 邵猛解读
    AI 评分62

    Netflix 用本体和 RDF 知识图谱构建可观测性体系，支撑 AutoRCA 排障

    Netflix 构建 Observability Ontology 与 RDF 知识图谱 QuipuDB，用类型约束把 LLM、模糊匹配等非确定性输出收成可 SPARQL 查询的确定性三元组，再喂给 AutoRCA。图谱覆盖约 12 个命名空间，Application 对照约 4.9 万软件目录校验；Correlation Engine 读取 13 类信号，在约 10 分钟窗内按时间邻近与严重度找路径，置信度低于 0.6 的相关链被丢弃。作者还整理了自建时的八条原则，并提到下一步计划与 Netflix UDA 的领域建模语言 Upper 对接。

    #教程/实践#Agent#RAG

  5. 邵猛
    AI 评分60

    Tibo 的 9 步 + 12 提示词全流程：用 Agent 搭建自有 AI UGC 创作者矩阵

    邵猛整理了 Tibo 的一套流程，用 Agent 按买家分段设计 3–4 个有固定脸和日常的 AI 创作者，每日完成搜爆款、改写成角色口吻、同脸渲染并提前 24 小时排期，人只审队列和周更话题。流程分 9 步、配 12 条提示词，从接入 Revid MCP 和写 brain.md 总脑开始，到建脸、设话题、拆爆款结构、每日跑批、独立账号运营和周回顾。文中强调账号 bio 标明 AI creator、禁止假评测与健康医疗宣称、产品只占视频一个 beat，且只排期不直发以留人工复核。

    引用Tibo · @tibo_maker

    https://t.co/DfsTmI4zPE

    #教程/实践#Agent#MCP/工具调用