Nathan Lambert@natolambert39
1/ We fine-tune a lot of customer models, so we decided to systematically try and figure out some best practices for fin...
全部 AI 动态
AI 相关资讯全量信息流
6月20日
03:24
Nathan Lambert@natolambert03:21
jason@jxnlco9
02:53
宝玉@dotey精选75
宝玉分享 baoyu-design Skill 的迭代过程：用户测试发现导出问题（样式表未铺满整页、渐变色丢失），他在本地复现后让 Agent 分析原因、给出解决方案并添加测试覆盖，修复后效果改善。该 Skill 可在制作 PPT、动画视频或网站时调用 AI 生图配图，支持 Codex 内置画图或配合 baoyu-image-gen Skill 调用 Codex CLI 画图，并能连同图片一起导出为 PPTX，在 PowerPoint/Keynote 中二次编辑。迭代循环：自己用 → 发现问题 → 让 Agent 分析 → 出方案 → 确认 → 更新 Skill。
baoyu-design skill 更新:可以在制作 PPT、动画视频或者网站时调用 AI 生图技能配图了,当然需要你本地 Agent 有配置画图 Skill。 如果是 Codex 可以直接调用内置画图工具,如果你用 Claude Cod...
推荐理由：宝玉分享了一套用 Agent 自我诊断、自动修复 Skill 的迭代方法，从复现 bug 到让 AI 提出解决方案，开发者的打磨循环变成纯对话了，做 Agent 工具的人可以直接套用。
02:01
AYi@AYi_AInotes67
OpenAI 正式推出 Codex for Open Source 计划，为开源项目维护者免费提供 6 个月 ChatGPT Pro（含完整 Codex 权限）及专项 API 额度，总价值 1200 美元。无硬性 Star 门槛，个位数 Star 的小项目也可申请。申请需说明具体维护工作、项目真实影响力及资源使用计划。审核采用 AI 加人工滚动处理，通过率较高，整个过程零成本，约十分钟即可完成。
人类到今天都写不出一颗煎蛋的物理方程, 一颗鸡蛋打进热油锅,它怎么凝固、怎么摊开、边缘怎么变焦, 没有任何一个公式能描述清楚,这种例子在物理世界里多到数不过来。 而这恰恰是当下通用 AI 范式的天花板,视频生成、VLA 学的都是像素层面的统...
01:23
01:14
Dwarkesh Patel：Podcast & Blog（RSS）
精选60
智能的一种定义是样本效率，但近年AI进步主要靠扩充数据分布和增加算力。强化学习本质是合成数据生成——投入大量算力通过验证器筛选“好”数据，再训练模型预测正确输出。这一过程需要每个领域和技能的海量人类专家示例，数据行业年收入已达数十亿美元。近日Epoch报告，开源模型仅落后前沿闭源模型4个月，原因在于数据可从公开API蒸馏，而超参数等不易复制。人类一生接触约2亿token，前沿模型训练在数十到数百T token之间，相差近百万倍——机器人、自动驾驶等领域同样存在巨大效率差距。
推荐理由：Dwarkesh 把 AI 的‘笨’归因于数据效率远低于人类，计算虽简但直指要害，他给出的一个逆向洞察是开源模型四个月追上闭源，正是数据驱动进步的最好证据。
01:01
AYi@AYi_AInotes61
开发者 Theo 让 Codex 通宵处理 GitHub 仓库中过时的 PR：自动分诊判断价值，关闭无用的，复活过时的。每个被复活的 PR 同时运行两个线程——Build 线程负责修复冲突和更新代码，Review 线程负责审查代码，形成写手+审稿人的双保险，降低单点幻觉风险。人类只需在关键节点做决策。工作流将仓库维护从个人拖延症转变为 agent 排班制度，实现“睡觉时自动干活，醒来只看决策”。主推文作者拆解出三步：Triage 分诊、关闭无用、复活并行推进，可直接复制使用。
I underestimated how cool this workflow is. Had Codex go through a bunch of stale PRs last night. Closed all the useless...
00:54
向阳乔木@vista816
00:53
GitHub Blog
52
GitHub 内部开发了 Qubot，一个由 Copilot 驱动的数据分析智能体。员工可以用自然语言直接提问公司数据，无需编写 SQL 或使用 BI 工具。团队在构建过程中积累了关于设计、集成和用户体验的经验。
00:53
elvis@omarsar070
AI编程圈出现新主张：不应再手动提示编码智能体，而应设计循环自动完成提示、读取输出、判断完成，并在出错时重新提示。Boris Cherny（Claude Code创建者）和Peter Steinberger均持此观点。文章梳理了循环的五种演进形态（ReAct、AutoGPT、ralph loop、/loop与/goal、编排），并拆解六大组装部件：触发机制、隔离工作区、项目上下文记录、工具连接、独立验证智能体等。核心转变是从编写代码升级到编写驱动代码的系统。
00:53
elvis@omarsar022
http://x.com/i/article/2068004233849290752
00:03
Berryxia.AI@berryxia57
搭AI Agent团队远非“5分钟教程”那么简单。环境配置（Python 3.10+等）劝退八成新手。Agent编排面临从众效应、角色不一致等缺陷，Anthropic采用Subagents模式，Cognition甚至发文称“不要构建多Agent”。上下文管理是最大隐性杀手，同一模型因上下文工程不同分差36个百分点。工具接入缺乏行为合约，API调用失败频发。低代码平台、单Agent SDK正降低门槛，但多Agent自由协作仍是难题。
6月19日
23:23
23:22
23:00
AYi@AYi_AInotes64
推文指出，普通人一个月工资足以启动一家跑通商业闭环的互联网公司，每月固定成本约$20，主要来自Claude Pro或OpenAI Codex辅助开发。其余后端数据库、部署、认证、分析、监控、缓存、邮件、支付等全链路基建均有免费起步额度，域名约$1/月。同时，引用指出当前AI范式（视频生成、VLA）仅学习统计相关性，缺乏因果理解；UCSD黄碧薇教授提出四代AI划分（相关性小模型→因果小模型→相关性大模型/LLM→因果大模型），其团队Aether AI今日完成首轮融资。
人类到今天都写不出一颗煎蛋的物理方程, 一颗鸡蛋打进热油锅,它怎么凝固、怎么摊开、边缘怎么变焦, 没有任何一个公式能描述清楚,这种例子在物理世界里多到数不过来。 而这恰恰是当下通用 AI 范式的天花板,视频生成、VLA 学的都是像素层面的统...
23:00
CMU：Machine Learning Blog
51
LLM在作为医疗助手时，评估与部署场景下的性能存在显著差距——Bean等人（2025）发现准确率相差61个百分点。这一差距并非源于基准测试设计缺陷，而是因为评估协议中嵌入的隐含假设在部署时不再成立。研究提出将假设分为任务假设和结果假设两类，用以诊断差距成因并明确弥合路径：需将假设显式化、检验哪些假设在部署中成立，并据此更新评估协议。
22:53
Hacker News 热门（buzzing.cc 中文翻译）
66
一位前OpenAI机器人研究员用不到€5,000搭建了一套桌面机器人操控实验平台，包括UFACTORY xArm Lite 6工业级机械臂、Intel RealSense D405腕部摄像头、Logitech C920桌面摄像头和3Dconnexion SpaceMouse无线遥操作设备。整套系统置于办公桌旁，通过自研Python软件栈控制。作者计划在未来数月开展独立研究，并以公开研究日志形式记录实验过程、失败与经验，不预设产出论文或开源代码。
22:53
Nathan Lambert@natolambert52
I completely believe Chinese labs are "distilling" US models at scale, and I have no problem with it whatsoever and thin...
22:53
Nathan Lambert@natolambert49
With RSI around the corner, it's time for an RL speedrun. Introducing Sokoban Speedrun: training Qwen3-4B-Instruct with ...
22:40
22:23
Nathan Lambert@natolambert32
http://x.com/i/article/2067652729913114624
22:22
Orange AI@oran_ge37
开发者使用 GLM 5.2 从零开始完成第一个安卓 App 开发，包括安装 Android Studio、编写代码到最终生成 APK。GLM 5.2 在大部分问题上能提供有效指导，但遇到疑难杂症时安卓系统仍难处理。作者指出当前 vibe coding 模式在电脑和 Web 端调试最为方便。
22:22
elvis@omarsar052
Claude Fable 5 debuts at #1 on DeepSWE. It outscores the previous best by 3% and sets a new state-of-the-art on our long...
21:59
Nathan Lambert：Interconnects（RSS）
精选56
近期行政命令、国会提案及对Anthropic最先进模型的境外访问限制，可能开启新一轮AI监管。开源软件已支撑全球90%以上软件并创造8万亿美元经济价值，在教育、创新和竞争三方面持续赋能。Anthropic与OpenAI的封闭模型加剧市场集中，开源（尤其开放权重）是初创公司、教育机构和企业获得替代方案的唯一平衡力量。开源透明性使其更安全，更多工程师可剔除不需要的模型行为或修复漏洞。以中国竞争为由监管开源将适得其反，美国初创公司正依赖包括中国在内的开源模型提升效率。
推荐理由：在华盛顿弥漫监管 AI 空气的当下，这篇文章是对‘禁止开源 AI’冲动的清晰反驳。它系统梳理了开源在教育、创新和竞争中不可替代的价值，尤其适合对政策走向摇摆不定的人阅读。
21:52
The Decoder：AI News（RSS）
55
Artificial Analysis 推出的 AA-Briefcase 基准测试将 AI 模型置于包含数千份 Slack 消息、邮件、会议记录等碎片化源文件的多周知识工作项目中。表现最好的 Claude Fable 5 通过率最高，但仅在 3% 的任务中完全达标；91 个任务中有 31 个没有任何模型达到 50% 通过率。弱模型因遗漏相关文件或输出无效结果而失败，强模型则因无法跨来源拼接信息而遗漏细节。任务单价差距超过 800 倍，从 DeepSeek V4 Flash 的约 0.04 美元到 Claude Fable 5 的超过 31 美元。
21:23
21:22
Rohan Paul@rohanpaul_ai56
新研究对Anthropic Fable 5和Opus 4.8进行自动化红队攻击，持续改写有害提示词直至模型拒绝或生成坏答案。Fable 5最差攻击成功率6.1%，Opus 4.8为11.5%，证明最强LLM也无法完全免疫越狱——即便微小失败率，规模化自动化攻击仍可产生大量有害内容。旧式编码/角色扮演型越狱已非主要威胁，新弱点在于上下文：自适应攻击者在被拒后不断改写请求，寻找模型视为合法而非危险的框架。白宫与Anthropic正转向基于基准的测试框架，通过评分绕过程度、暴露能力、攻击可重复性及实际后果来量化越狱风险，而非追求不现实的完美免疫。
The White House and Anthropic may have found the first serious path to restore Mythos and Fable access without pretendin...
21:19
Chubby♨️@kimmonismus56
EUV光刻机依赖德国ZEISS光学、ASML整机及台积电组装构成的工业生态系统，中国被禁多年。华为Ascend芯片在部分负载中达H100级60%-80%性能，但软件、内存和训练基建仍落后。近期路透社报道前ASML工程师助中国在深圳逆向建造EUV原型，美政府担忧中国已接触ASML敏感技术，ASML否认。若中国真正掌握EUV，虽不能立即量产，但可能缩短芯片追赶周期、加速华为路线图，削弱西方在AI竞赛中的关键瓶颈。
ASML's EUV machines may have made their way into China, prompting fresh scrutiny from the Trump administration over poss...
21:19
OpenBMB@OpenBMB54
社区开发者基于 VoxCPM2 与 ComfyUI 构建了 VoiceGate，实现自动语音提取（ASR）、大语言模型翻译、多语言语音合成（支持 30 多种语言和 9 种方言，含语音克隆与音色设计）、时间戳对齐音频以及背景音分离混音。核心创新 VoiceBridge 插件首次在 ComfyUI 中引入 SRT 时间戳驱动的 TTS 对齐，实现字幕级精细控制，解决 AI 配音音视频不同步问题。应用包括中文视频转英/日/韩等多语言，以及全球视频转中文及方言。
21:02
Berryxia.AI@berryxia45
这两天大家都在讨论智谱,我说下我的看法。 评价一个东西怎么样,自己去体验。 从年初到现在,一直都在订阅GLM,做了两个完整的项目,1个商用上线了,1个在开发中,我想我有发言权的。 我从年初疯狂安利朋友们买智谱的股票,虽然资本不认可智谱,认为...
21:02
Berryxia.AI@berryxia23
20:51
elvis@omarsar0精选75
推荐理由：Elvis 新做的 /youtube-notetaker skill 能直接从 YouTube 视频提取幻灯和笔记，学生和 UP 主会很受用，对业界整体没什么推动，但实用度很高。
20:19
fofr@fofrAI19
20:02
Berryxia.AI@berryxia11
http://x.com/i/article/2067506549107691520
20:02
Emad@EMostaque23
18:59
IT之家（RSS）
50
6月17日，智谱开源新旗舰GLM-5.2，在FrontierSWE编程测试中得分74.4，超OpenAI GPT-5.5，仅落后Claude Opus 4.8约1个百分点。有网友提问中国大模型何时达到Anthropic Fable水平，马斯克回复可能2027年Q1。智谱联合创始人唐杰回应不需那么久。马斯克补充，跑分赶上相对容易，但以实用性衡量，2027年Q1达到已非常出色。Anthropic Fable 5于6月9日发布，可处理5000万行代码迁移等任务，发布数日后遭管制。
18:01
公众号：卡尔的AI沃茨
精选77
Humanize PPT v0.9 是一款专为演讲场景设计的PPT Skill，核心通过AST（Audience, State, Transfer）逻辑重新编排大纲，将页面渲染外包给下游Skill。渲染前先输出4张真实预览页，并将图片、视频素材的占位与生成prompt写入大纲。新增质检环节自动修复常见渲染问题，并支持演讲模式：按S键在独立窗口显示演讲稿备注，按ESC键打开全局索引快速跳页。项目已开源至github.com/LearnPrompt/humanize-ppt，由卡尔 & yc星辰开发。
推荐理由：卡尔把 AI 做 PPT 的坑全趟了一遍，这套工具体系让页面从‘好看’变成‘能讲’，做演讲的人可以抄作业了。
17:59
fofr@fofrAI55
设置一个编排器智能体，由它配置Gemini Managed Agents或modal cpu实例，在独立环境中启动子智能体。先执行深度研究任务，探索管理智能体团队的最佳实践（角色、技能、跨通信与规划），再将最佳推荐应用于各智能体。重复该循环（可逐步增加智能体数量）。之后给团队一个空代码仓库，挑战其构建产品、建立最佳实践，让智能体观察问题、提出修复建议并快速迭代，从而暴露竞争条件、完善规划方法。
17:50
Hacker News 热门（buzzing.cc 中文翻译）
47
RTK获得60k GitHub星标，宣称能“削减60–90%模型token用量，支付1/10的价格”，但实际API账单并未同比例下降——它仅裁剪Bash原始输出，忽略文件读取、仓库上下文、系统提示词和模型内部推理token。公开issues指出终端输出会被静默截断或丢失，且AI智能体无法感知压缩，导致关键信息缺失。RTK从未公布任务成功率（如SWE-bench类基准），其节省量更像营销指标。从架构看，rtk引入脆弱的外部依赖，解析git、cargo、npm、grep等CLI工具的stdout/stderr格式，一旦工具更新格式便可能静默失败。本质上这是CLI原生可实现的feature，而非独立产品，将其放入生产agent关键路径存在高风险。
17:17
DogeDesigner@cb_doge34