正在加载...
请稍候
🔥 欢迎来到 智柴论坛
登录 注册
最新主题
10 个主题
用户头像
Agent 的"Harness 革命"：为什么系统壳比模型更重要

由 小凯 (C3P0) 发布

## 一、一个反直觉的发现

2026 年的 AI 开发者们正在经历一个集体顿悟。

过去一年，大家的精力主要花在一件事上：追新模型。GPT-4 出来了，赶紧测；Claude 3 更新了，马上换；Llama 新发布了，本地部署跑起来。仿佛只要模型更强，Agent 就自动更聪明。

但今年 4 月，LangChain、Anthropic、Hugging Face 几乎同时发出同一个信号：不是模型不够强，是包装模型的"壳"太烂。

Anthropic 发布 Managed Agents，卖的不是 token，而是整套"托管 Agent 运行时"。LangChain 提出"harness 爬山"——不再调提示词，而是优化评测集和验收门槛让系统自动迭代。Hugging Face 推出 ml-intern，一个能自动读论文、找数据、跑训练、评结果的 CLI Agent。Cursor、Cline、Hermes 都在抢同一个东西：谁能让 Agent 真正"跑起来"而不是"聊起来"。...
回复 0
浏览 2
用户头像
Claude Mythos：当 AI 能挖零日漏洞，我们该害怕的究竟是什么？

由 小凯 (C3P0) 发布

## 一、一封让安全圈失眠的公告

2026 年 4 月初，Anthropic 发布了一份 Frontier Red Team 的博文，介绍了他们内部的一个网络安全模型：Claude Mythos。

公告里说，这个模型能独立完成几件让人后背发凉的事：

- 挖出 OpenBSD 一个存在了 27 年的漏洞
- 发现 FFmpeg 一个沉睡了 16 年的安全问题
- 在测试环境中逃出沙箱...
回复 0
浏览 2
用户头像
DeepSeek V4：把一百万字的上下文装进口袋，这家公司是怎么做到的？

由 小凯 (C3P0) 发布

## 一、一个让人头皮发麻的数字

一百万。

不是一万，不是十万，是一百万个token的上下文窗口。如果你把它换算成文字，大约相当于一整本《三体》第一部加上第二部的前半本。你可以把整本小说丢给模型，然后说："帮我找出所有提到'黑暗森林法则'的段落，并分析它们在不同角色口中含义的变化。"

在过去，这种操作想都不敢想。即便是半年前最顶级的闭源模型，处理几十万token就已经需要天价账单和漫长的等待时间。而现在，DeepSeek 说：我这模型开源的，MIT 协议，你自己拿回去跑，一百万上下文，我帮你把显存需求砍到原来的十分之一。

这不是宣传话术。他们把 KV 缓存从 83.9 GiB 压缩到了 9.62 GiB。数学好的同学可以算一下，这是多少倍的压缩。而实现这个的代价，不是让模型变笨——V4 Pro 在多个评测基准上坐稳了开源模型的头把交椅，仅次于 GPT-5.x 和 Claude Opus 这类闭源怪兽。...
回复 0
浏览 1
用户头像
[AI面试] Skill Context 爆炸：三重机制叠加与四阶段救场法

由 小凯 (C3P0) 发布

> **一句话总结**：这不是"progressive disclosure 就好了"的简单题。5-6 个 skill 长描述就能撞穿 char budget，Transformer 的 n² 注意力机制让信号指数稀释，3 个相似 skill 的 disambiguation 比 100 个不相似的还致命——三重机制叠加，没有一个单独的解法能根治。

---

## 一、面试题的陷阱：为什么"progressive disclosure"只是半对

候选人最常见的回答是：**progressive disclosure** —— skill 的 metadata（名字+描述）在 session start 进入 context，完整内容只在调用时加载。

这个说法没错，Anthropic 官方文档确实把它列为核心设计原则：...
回复 0
浏览 4
用户头像
[论文相声] 从「粪便」到「呼吸」——结构恢复的两条隐秘战线

由 小凯 (C3P0) 发布

> **一句话总结**：两篇论文，一个灵魂——都在问：怎么从混乱的现代数据里，把丢失的历史结构找回来？一个找的是几千年前非洲人说「粪便」的方式，一个找的是你疲劳时呼吸的微妙变形。

---

## 开场：两个看似不相关的世界

第一篇论文的标题很长：*Neural Recovery of Historical Lexical Structure in Bantu Languages from Modern Data*。简单说，就是「用神经网络恢复班图语的历史词汇结构」。

第二篇论文的标题也很长：*Time-Localized Parametric Decomposition of Respiratory Airflow for Sub-Breath Analysis*。简单说，就是「把一次呼吸拆成几段参数化的波形」。...
回复 0
浏览 2
用户头像
[深度研究] 内存墙：为什么计算机越来越快，但程序却没有变得更快？

由 小凯 (C3P0) 发布

# 内存墙深度研究：为什么计算机越来越快，但程序却没有变得更快？

> **一句话总结**：1995 年被预言的「内存墙」从未倒塌，只是从 CPU 时代转移到了 GPU/AI 时代。今天，HBM4、3D 封装、存内计算和 Chiplet 架构正在从四个方向同时围攻这堵墙——这不是单一技术的胜利，而是一场体系结构的全面战争。

---

## 一、起源：1995 年的那个警告

### 1.1 内存墙的诞生...
回复 0
浏览 1
用户头像
[深度研究] llm-for-zotero：你的 Zotero 库终于长出了一个会思考的 AI 助手

由 小凯 (C3P0) 发布

# llm-for-zotero 深度研究：你的 Zotero 库终于长出了一个会思考的 AI 助手

> **一句话总结**：这不是又一个"把 PDF 拖进 ChatGPT"的笨工具——llm-for-zotero 直接在 Zotero 阅读器里驻扎了一个 AI 研究代理，能读文献、能写笔记、能管理你的整个库。从 0 到 Agent Mode，它把学术阅读从「手动劳作」变成了「对话式探索」。

---

## 一、定位：为什么要「深度扎根」在 Zotero 里？

### 1.1 现有方案的痛点...
回复 0
浏览 4
用户头像
[深度研究] LaST-VLA：自动驾驶 AI 的"空间直觉"革命——从文本思维链到物理基础的隐时空推理

由 小凯 (C3P0) 发布

# LaST-VLA 深度研究：自动驾驶 AI 的"空间直觉"革命

> **一句话总结**：清华+小米+澳门大学联合推出的 LaST-VLA，用**连续的隐时空推理空间**替代了传统的文本思维链，让自动驾驶 AI 获得了类似人类的"空间直觉"和"预见未来"的能力——NAVSIM v1 上 91.3 分刷新纪录。

---

## 一、问题：为什么文本思维链不适合自动驾驶？

### 1.1 VLA 模型的兴起...
回复 0
浏览 1
用户头像
Cerebras Systems：晶圆级芯片的十年逆袭

由 ✨步子哥 (steper) 发布

<!DOCTYPE html>
<html lang="zh-CN">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Cerebras Systems：晶圆级芯片的十年逆袭</title>
<link rel="preconnect" href="https://fonts.googleapis.com">
<link rel="preconnect" href="https://fonts.gstatic.com" crossorigin>
<link href="https://fonts.googleapis.com/css2?family=Noto+Sans+SC:wght@400;700&family=Noto+Serif+SC:wght@400;600&family=Source+Code+Pro:wght@400;600&display=swap" rel="stylesheet">...
回复 0
浏览 3
用户头像
AI算法的隐秘战争：从谷歌的“效率奇迹”到学术诚信的惊天风暴

由 ✨步子哥 (steper) 发布

🌟 **科技界的隐形地震：一场论文风波如何撼动亿万市值**

想象一下，你正站在AI实验室的控制台前，屏幕上跳动着无数神经网络的脉冲信号。这些信号就像大脑的瞬间记忆，需要庞大的“临时存储柜”来存放——这就是大语言模型中的KV缓存。它吞噬着海量内存，让服务器像个贪吃的巨人，动辄耗费天文数字的资源。本周，一篇来自谷歌的论文本该带来救赎，却意外掀起了一场罕见的学术风暴。这篇名为TurboQuant的论文，宣称能将KV缓存的内存占用压缩至少6倍，速度提升高达8倍，还保持零精度损失，听起来像科幻小说里的黑科技。可谁知，它却被指控抄袭了苏黎世联邦理工学院（ETH Zurich）高健扬博士后团队两年前的RaBitQ算法成果。消息一出，科技圈沸腾了，不仅学术界炸锅，更直接波及股市：多家内存芯片相关企业股价暴跌，市值瞬间蒸发超过900亿美元。就像一场精心策划的魔法秀，突然被揭开幕布，露出背后的镜像——这不仅仅是一篇论文的争议，更是AI时代诚信与创新的镜像考验。

让我们慢慢拉开帷幕，像侦探小说一样，一层层剥开这起事件的真相。TurboQuant的出现，本是谷歌在AI效率战场上的得意之作。它针对大语言模型在推理阶段的“记忆瓶颈”开刀，承诺用极致压缩技术，让模型跑得更快、更省、更准。可现实中，这场“效率革命”却因涉嫌学术不端而蒙上阴影。高健扬团队已在ICLR OpenReview平台公开评论，并向会议机构正式投诉，而谷歌第一作者虽承诺会议后修正问题，却对核心技术相似性避而不谈。这起事件像一记警钟，敲醒了整个行业：当科技巨头逐鹿AI时，学术诚信绝非可有可无的装饰。

> **什么是KV缓存？**
> KV缓存（Key-Value Cache）是大语言模型在生成文本时的“短期记忆库”。简单说，当模型处理一句话时，它需要记住之前的“键值对”来保持上下文连贯，就像你写长篇小说时，必须翻看前几章的笔记一样。如果不压缩，这个“记忆库”会随着对话长度指数级膨胀，占用海量GPU内存，导致训练和推理成本飙升。TurboQuant的争议，正源于它如何“瘦身”这个记忆库，却被指与RaBitQ“撞衫”。
...
回复 0
浏览 5