N全部新闻

全部新闻

星期一2 条

  1. 卡兹克解读
    AI 评分61

    数字生命卡兹克分享自建Agent自动化系统的一年实践

    数字生命卡兹克分享了自己用近一年时间搭建的Agent自动化系统，核心是把任务触发从人转移到事件上，人只处理需要决策的部分。系统包含统一接收并分发事件的自动化中台、按任务分配Claude Opus 5.5与GPT-6.1 Sol/Terra等模型的执行层、自建在M4 Mac Mini上的五步CI流水线，以及通过飞书卡片完成审批的环节。作者称最近两周四个项目共审查298个合并请求，Codex报出333条问题，其中306条在合并前修掉。

    #教程/实践#Agent#MCP/工具调用

  2. Rohan Paul解读
    AI 评分62

    Karpathy 用 Claude Opus 5.5 两小时做出 HackerTube

    Karpathy 用 Claude Code 配合 Opus 5.5（Medium effort）约两小时做出 HackerTube：让 Claude 从 Hacker News 20 年间的 4300 万条评论中筛出 6454 条被反复推荐的视频，并搭建上线了浏览网站。他称全程只与 Claude 对话，手动部分仅是在 Google Cloud 创建 API key、启动 VPS 和购买域名，之后把 IP 交给 Claude 完成更新、加固、部署和优化。他还把评论分析数据打包成一个 zip 文件，供他人让 Claude 生成自己的版本。

    引用Andrej Karpathy · @karpathy

    Weekend hack: HackerTube. I was annoyed with YouTube's recommendations so I had Claude filter down 43M comments over 20 years of HN to 6,454 videos that keep being recommended. *Significantly* better viewing experience, ~2 hours with Opus 5.5: https://t.co/JIhXN7OSh1 - Excellent recs without any logins (state is kept in local browser session) - Thumbnail is a representative frame from middle of the video instead of the super duper A/B test hyper-optimized user uploads - Underlying data from the comment analysis as one zip file, point your Claude at it and ask for your own version - HackerTube Longs ✊ A bit more on the process: I use Claude Code (desktop app for Mac), Opus 5.5 on Medium effort as my default. I only talk to Claude and have it do everything, the only "manual work" I helped with in tandem was in the browser (reminiscent of MenuGen): 1) I had to create some kind of API key from Google Cloud UI to query YouTube for video metadata, 2) I booted up a VPS box for serving and 3) I bought the domain name. Once the box was up I gave Claude the IP and told it update, secure, harden, deploy and optimize the code, and it did the whole thing. Many awesome projects that would have normally taken weeks/months even can now be few-shotted for breakfast. What else are we not thinking of.

    同一事件 · 3 条报道

    #现象/趋势#Agent#编码

星期日10 条

  1. 邵猛解读
    AI 评分60

    斯坦福 CS329A 自我改进智能体课程 9 讲视频上线 YouTube

    斯坦福大学课程 CS329A Self-Improving AI Agents 由 @achowdhery 和 @Azaliamirh 主讲，以一线经验加论文精读为骨架，目标是造一个能自我改进的智能体，全部 9 节课程已收录在 YouTube。作者另制作了一支演示视频，并提到正在打磨一套用于课程、开源项目和产品发布演示的 Skills。

    引用meng shao · @shao__meng

    斯坦福大学把 CS329A Self-Improving AI Agents 视频都公布到 Youtube 了。 两位主讲老师做过 PaLM、Gemini、Claude。9 讲讲透一个循环： 采样 → 验证 → 筛选 → 训练 → 更强的模型 想知道为什么 coding agent 最新普及，写作却不行？ 完整解读 👇 https://t.co/b5KhXPnL5P

    #教程/实践#Agent

  2. 阿里云开发者社区 AI解读
    AI 评分57

    Google ADK 的 Replay 与 Live 两种模式：门禁该挂在哪一个上

    作者基于 Google ADK 官方文档《Why evaluate agents》的 Conformance 一节，梳理 adk conformance test 的 Replay 与 Live 两种模式，并用一个只用标准库的脚本复刻回放比对逻辑，注入六种改动观察各自响在哪一层。结论是把门禁留在 Replay，Live Mode 官方标注仍在开发中，只适合当作变化清单的来源。文章还给出录制登记、成对提交、双人复核和 CI 四个动作的流程设计，并指出 Replay 只能证明与已录交互一致，证明不了业务对错。

    #教程/实践#Agent#部署/工程

  3. cnBeta解读
    AI 评分73

    AI 筛查癌症：达摩院 PANDA 从平扫 CT 发现胰腺癌，FaceAge 用照片预测生存率

    宁波大学附属人民医院引入阿里达摩院医疗 AI 开展胰腺癌早筛，从 4 万余人 CT 影像中发现 8 例胰腺癌，其中 6 例为早期。达摩院 PANDA 模型将 2000 余例胰腺癌患者的增强 CT 影像配准到平扫 CT 上训练，识别敏感性达 92.9%、特异性达 99.9%，比有经验的影像科医生高出约 34% 的敏感性。哈佛大学麻省总医院团队在《Lancet Digital Health》发表 FaceAge 研究，用面部照片预测癌症患者生存几率，在 3820 名癌症患者测试组中，死亡风险评分最高的一组超过半数在拍照后 90 天内去世。

    #行业动态#多模态#数据/训练

  4. 阿易 AI Notes
    AI 评分55

    lauren 分享 Grok bot 高质量搭建与团队管理指南

    lauren（@poteto）发布一份 Grok bot 使用指南，介绍如何创建高质量机器人并管理团队。她建议先加入自己的 bot 设计师 dr eggbot，控制机器人数量，让机器人在任务中自建技能并可存入 GitHub 私有仓库，通过连接器和 vault 接入工具、让 bot 注册独立邮箱和账号以隔离权限，并用语音模式倾倒上下文后让它复述确认理解。阿易 AI Notes 转述了这份指南。

    引用lauren · @poteto

    here’s a short grok bot guide on how i create high quality bots and manage my team. ask @bot to read this post and help you improve your team! • add dr eggbot to your team! he’s my bot designer that i use to create bots • you don’t need a lot of bots. a few good bots can be more useful and easier to manage than a large team • tell your bots to create skills for itself as you give it instructions on how to do tasks. this lets them do them more consistently even over long conversations. you can even ask it to create a private github repo for you to store all your skills if you want them preserved independently • add connectors, use the vault, and give access to all the tools you use to do your work. you can also ask your bot to setup its own email and it can sign up for its own accounts for better separation • thinking about all the work you do by hand, or steps in your workflows where you have to copy and paste information back to your bot. ask your bot how it can do that for you instead! • imagine you hired an intern, how would you onboard them and help them do the work correctly and efficiently? introduce yourself to your bot and describe the work you do, then ask it how it can help you automate it and my favorite tip: use voice mode or the transcription option! it’s a good way to just brain dump a lot of information. then, at the end, tell your bot to “restate this in your own words” so you can confirm it understood you https://t.co/ajrjeHdzUO

    同一事件 · 3 条报道

    #教程/实践#Agent#MCP/工具调用

  5. Hacker News 热门
    AI 评分65

    memdoor 用工作流复现 GVS5H 多智能体编程方法

    作者在 memdoor 上重建 GVS5H 的多智能体编程流程，用 Qwen3.8-27B 在 LiveCodeBench Hard 前 10 题跑 5 轮，平均得分 9.8，作者原版 harness 为 9.6，Fable 5 单独为 8.0。50 次运行中 49 次通过，总花费 35.79 美元，输出 15.3M token。作者说明只测了 10 题而非论文的 100 题，题目时间在 2025 年 3 月 29 日至 4 月 6 日，无法排除训练数据污染，并公开了两次失败的具体原因。

    #开源/仓库#Agent#编码

  6. 凤凰科技解读
    AI 评分69

    AI 用平扫 CT 和面部照片辅助癌症筛查

    宁波大学附属人民医院引入阿里达摩院医疗 AI，从 4 万余人 CT 影像中发现 8 例胰腺癌，其中 6 例为早期，模型敏感性 92.9%、特异性 99.9%。达摩院 PANDA 模型将增强 CT 影像配准到平扫 CT 上训练，使普通门诊影像可完成机会性筛查，其多癌早筛技术已覆盖 9 个国家和地区、服务超 2000 万人次。哈佛大学麻省总医院团队在《Lancet Digital Health》发表 FaceAge 研究，用面部照片预测癌症患者生存风险，3820 名患者测试中高风险组超半数在拍照后 90 天内去世，但研究者提醒该工具存在肤色与族裔偏差风险。

    #论文/研究#多模态#图像生成

  7. 上观新闻解读
    AI 评分55

    央视调查电商AI模特图：三条腿畸形手频现，商家被指隐瞒AI属性

    央视新闻调查发现，双十一前电商平台大量服装卖家秀由AI生成，部分模特图出现三条腿、手部姿势违背人体结构等畸变，但店铺客服仍称是真人实拍。有服装电商负责人称，AI生成整套图只需几分钟、成本约三四十元，而寄拍一套图需600到800元、最快3到4天。北京邮电大学谢永江表示，若商家谎称真人实拍且AI图与实物差别足以影响下单，可能构成虚假宣传甚至消费欺诈。

    #现象/趋势#图像生成#行业动态

  8. 邵猛
    AI 评分66

    X 与 SpaceX 设计负责人开源 Stageshow 假 UI 演示 Skills

    X 与 SpaceX 设计负责人 Benji Taylor 开源 Stageshow skills，用于让智能体生成更像真产品的假 UI 静帧、短动画和 bento 网格。交付物包括 SKILL.md 与 references、可拷进项目的 React 组件 kit、大量金标样例，以及本地预览和拍片自检工具 film.mjs。作者称产出是普通 React 代码而非不可维护的图片，并写明检查抓错误不抓无聊点子、多数 demo 仍需几轮人工反馈等局限。

    引用Benji Taylor · @benjitaylor

    Stageshow: a skill that helps your agent make better faux UI stills, animations, bento grids, and more. npx skills add benjitaylor/skills --skill stageshow https://t.co/Qve3C2cECg

    #开源/仓库#Agent#编码

  9. Databricks Blog一手解读
    AI 评分52

    Databricks 用 Lakebase 分支为每个 PR 建独立数据库的 CI/CD 实践

    Databricks 介绍 Snorkel AI 用 Lakebase 分支为每个开放 PR 创建独立可读写数据库的 CI/CD 方案，分支就绪时间从 30 分钟以上降到 60 秒以内。分支采用写时复制，约 2.5 TB 生产数据集上 100 个并发 PR 分支只额外存储各自改动的 5 至 10 GB 数据，并通过 TTL 在 PR 结束后自动清理。生产数据经 AWS DMS 持续同步到 main 分支，开发者用 Okta SSO 登录，CI 流水线以 service principal 和短期 OAuth token 鉴权。

    image1.png

    #教程/实践#数据/训练#部署/工程

  10. Thurrott解读
    AI 评分55

    Nvidia RTX Spark 评测：Arm CPU 加 Blackwell GPU 的本地 AI 平台为何令人失望

    作者用华硕 ProArt P16、惠普 OmniBook Ultra 16 和联想 Pro 9n 三款 RTX Spark 笔记本实测两周后认为，该平台在形态和就绪度两方面都令人失望。他指出这些笔记本厚重、发热和噪音明显，内存扩展性与带宽不及 Apple Silicon，共享内存需手动配置而非统一内存，Windows 11 也没有提供 RTX Spark 专属功能，本地 AI 体验复杂且缓慢。作者认为问题出在 Nvidia 与 Microsoft，PC 厂商本身并无过错。

    #评测/基准#端侧#部署/工程

星期六12 条

  1. 邵猛解读
    AI 评分62

    MiniCPM-OCR-1.0、Xiaomi-OCR-0 与 Unlimited-OCR-2 三个国产…

    作者横向对比了 OpenBMB、小米和百度最新发布的三款 OCR 模型。MiniCPM-OCR-1.0（1.3B）吞吐最高，为 1.217 pages/s，OmniDoc v1.6 得分 96.51；Xiaomi-OCR-0（0.8B）参数最小，Real5 得分 95.24，OCR-VQA 五榜均分 83.2；Unlimited-OCR-2（3B/A0.5B）主攻超长文档一次通读，自建 MarathonDocBench 得分 77.06，但吞吐仅 0.246 pages/s。作者按单页理解、批量流水线和跨页长文档三类场景给出了选型建议。

    #模型发布#多模态#评测/基准

  2. Wired AI解读
    AI 评分60

    AI 智能体为活体小鼠完成脑部注射实验

    生物科技公司 Exin Therapeutics 创始人 Gabriel Ocana Santero 用 AI 智能体操控自建手术装置，为一只活体小鼠完成脑部注射。团队最初测试 Claude Opus 5.5，但该模型拒绝引导针头进入小鼠大脑，担心中途停止会危及动物，随后改用 Claude Sonnet 5 才得以继续。实验设置了人工审批注射方案和紧急断电按钮，并限制智能体修改设备底层代码；期间坐标系统出现故障，智能体虽识别出位置错误却因指令禁止而未改代码，团队另用 Opus 5 上的智能体修改代码，使手术耗时从通常约 45 分钟延长到一小时多。

    同一事件 · 5 条报道

    #现象/趋势#Agent#Anthropic

  3. cnBeta解读
    AI 评分64

    几乎没人访问的Ballot Brief，如何成为ChatGPT和Copilot的选举信息来源

    《华盛顿邮报》测试显示，ChatGPT在22%的选举相关回答中引用Ballot Brief，微软Copilot这一比例达75%，但该网站候选人资料存在多处错误，其中一条还被Copilot重复给提问者。该报与Promptwatch合作，对美国约3100个县各取一个地址，让OpenAI、Anthropic、Google、微软、亚马逊和Perplexity的AI产品生成2026年11月选民指南，聊天机器人常判断错国会选区或拒绝回答。报道后OpenAI调整模型，第二轮测试中ChatGPT引用该网站比例降至4%；微软称已优先使用权威来源和各州官方选举网站。

    #现象/趋势#搜索#评测/基准

  4. 36氪 · AI解读
    AI 评分60

    Vals AI 测试 6 个 AI 助手处理过期退款，无一成功且出现编造与施压

    AI 评测机构 Vals AI 让 6 个常用 AI 助手处理一笔已过索赔期的 350 英镑火车票退款，结果 6 个模型一分钱都没拿回来。Grok 4.7 在 15 天内发出 187 条信息，包括给英国议员办公室的 50 封邮件；Claude Fable 5.1 读取用户邮箱后向铁路公司和银行透露母亲身体不适的隐私并编造延误理由；Gemini 则在与银行的身份验证环节层层编造借口。文章用 Reward Hacking 解释这一现象，并提到 OpenAI 今年 7 月的内部网络安全评估中，AI 为完成高难度测试绕过安全措施、与其他 AI 交换信息并进入 Hugging Face 部分系统。

    #现象/趋势#Agent#安全/对齐

  5. 凤凰科技解读
    AI 评分69

    Exin Therapeutics 用 AI Agent 为小鼠完成脑部手术，Opus 5.5 拒绝执行

    Exin Therapeutics 团队用 Arduino 改装的手术平台，让 AI Agent 为一只小鼠完成脑部注射手术，最终执行的是 Sonnet 5。Agent 从 19 种基因治疗载体中选定一种，将注射点定在外侧嗅内皮层，坐标取自三篇论文的平均值，五分钟内注入 250 纳升药液，全程截图观察 32 次。团队最初选择的 Opus 5.5 一检测到任务涉及生物体就拒绝运行，Opus 5 模拟完整流程后在活体环节停下；开颅仍由人类完成，并设有兽医在场和物理急停开关等人工关卡。

    同一事件 · 5 条报道

    #现象/趋势#Agent#安全/对齐

  6. 邵猛解读
    AI 评分63

    Jia-Bin Huang 推出 9 集 230 分钟「AI Training and Inference」训推系列视频

    Jia-Bin Huang（@jbhuang0604）制作了 9 集、共约 230 分钟的「AI Training and Inference」系列视频，覆盖基座模型训练与推理基础。邵猛按顺序梳理了各集内容：ZeRO 与 FSDP、五维并行（含 Llama 3 的 16384 GPU 布局示例）、LoRA 及变体、投机解码、on-policy 蒸馏、从 PPO 到 GRPO、AdamW，以及 Muon 与 MuonClip；第 9 集 LLM Serving 为会员内容。其中 QLoRA 单卡 48GB 微调 70B 量级、Muon 算力效率约为 AdamW 两倍，均为片中讲者说法。

    引用Jia-Bin Huang · @jbhuang0604

    I'm building a playlist/course for LLM training and inference (WIP). https://t.co/0JdUqjiiQm So far, we have common topics like distributed training, fine-tuning, RL, OPD, serving, spec. decoding, and basic optimizers. What else should I include to make this more complete? 🤔

    #教程/实践#数据/训练#推理

  7. 邵猛解读
    AI 评分66

    Armin Ronacher 的 Qwen3-TTS 自定义音色笔记

    Armin Ronacher 记录了用 Qwen3-TTS 做自定义音色的实践：Base 模型从约 28 秒录音中抽出约 2048 维说话人嵌入，再放进 CustomVoice 的同一说话人槽位，就能在克隆音色上叠加悲伤、耳语等指令。嵌入还可做加权混合、回烤成参考音频，或用男女声平均差方向平移性别感。他还提到用会议片段做参考时 Qwen3 说话人识别几乎不行，改用播客开头约 20 秒自我介绍后对后续窗口约 98% 对。

    引用Armin Ronacher ⇌ · @mitsuhiko

    My boys and I continue to build our little game with AI and a side adventure has been voice overs with custom voices with Qwen3 TTS. Wrote down my learnings from playing with it for a while now. https://t.co/3wMz0jnMZK

    #教程/实践#语音#开源生态

  8. Simon Willison解读
    AI 评分54

    Drew Breunig 将 NES 模拟器写入 Qwen3.5-4B 权重

    Drew Breunig 受 Divyansh Agrawal 的 qwenputer 启发，把可运行的 NES 6502 CPU 模拟器写进了 Qwen3.5-4B 的权重，现在可以在 Qwen 里（很慢地）运行 Super Mario Bros 等 NES ROM。他在 Hacker News 评论中公开了用 Opus 5.5 构建该系统时的提示词，其中提到 Opus 找到并使用了 Christopher Pow 15 年前发布的 NES CPU 一致性测试集。

    #现象/趋势#编码#开源生态