Olivia
Online
Alex
@Alex10451979
Joined April 2019
70 Following
5 Followers
36 Posts
用第一性原理来重新设计光刻会是什么样��的？网友们在昨天 SpaceX 公开的 Terafab 概念图的正中央看到了“环形加速器”的设计，考虑到整个设施的巨大规模和对称性，Elon 直接回复了“FEL FTW”（自由电子激光）！光源成为整个设施中最重要设计，FEL 的 EUV 光源，与现有 ASML 不同的 3 个方面：
发光方式
• ASML：用激光击打液态锡滴产生等离子体 (LPP)
• FEL：通过粒子加速器将电子加速至光速，直接生成光
安装结构
• ASML：一台曝光设备 = 一台激光器（单独驱动）
• FEL：工厂中央的一台粒子加速器 ➔ 将 EUV 光分配至数十台曝光设备的“中央发电站”方式
性能 & 效率
• ASML：输出功率最高 500W + 需要管理副产物污染
• FEL：无副产物的清洁光源 + 超微细工艺产量最大化
FEL 用粒子加速器（直线加速器或能量回收型 linac/ERL）把电子加速到接近光速，再通过波荡器磁铁阵列让电子“扭动”，从而发出相干、高亮度的 EUV 光。比 ASML 目前使用的 LPP（激光产生等离子体） 光源功率高得多，一台中心源可同时给 8–20 台扫描仪供电，零锡碎屑，镜子更干净、停机更少，波长可调节，而且有更高光子通量。
FEL 解决的是光源，扫描仪（光学、工台、整体系统）仍高度依赖 ASML，这项技术 1970 年代就有，ASML 在 2015 年左右研究过加速器光源，但最终选了 LPP 作为更低风险量产路径。目前 xLight 正在开发集中式 FEL 光源，目标一台给 20 台扫描仪供电，2028 年出原型机。
ASML 使用的 LPP 光源是“模块化、每台机器独立”的务实路径，而 FEL 是“大型共享设施”路径，历史上因体积大、可靠性/稳定性要求高、工业 uptime 难达标而被搁置，但在 Terafab 这种 terawatt 级 AI 芯片（Optimus、Robotaxi、轨道数据中心）超大规模需求下变得极具吸引力。 Elon 用一己之力加速了美��的高端制造✨
https://t.co/UXZaJ6gmAX
斯坦福大学的一篇论文《WHERE LLM AGENTS FAIL AND HOW THEY CAN LEARN FROM FAILURES》在尝试找到 AI 智能体为什么总是失败的答案。
他们观察了超过 500 次智能体在三个不同基准测试中的失败案例，其实很多人以前也提出过类似的观点，就是错误会累积：
早期的微小错误并不仅仅是小麻烦，它们会像多米诺骨牌一样层层传递，最终导致整个系统彻底崩溃。
想象一下，你让一个 AI 助手帮你完成一个复杂任务，比如“预订下周二去上海的航班和酒店，并把确认信息发到我日历上”。
这任务听起来不难，但它需要 AI 做好几件事：
1. 规划（Planning）：先订机票，再订酒店，最后发日历。
2. 使用工具（Tool-use）：调用航旅 App 的 API、调用日历 API。
3. 记忆（Memory）：记住订好的航班号，以便预订机场附近的酒店。
4. 反思（Reflection）：检查一下，“酒店订好了吗？机票确认了吗？”。
理论上很完美。但现实中，这个 AI 助手可能在第一步“订机票”时，因为网络卡了一下，工具返回了一个错误代码。然后，灾难就开始了。
AI 助手可能没看懂这个错误，它“反思”了一下，错误地得出一个结论：“哦，机票订好了！”。然后它信心满满地去执行第二步“订酒店”。等它执行到最后一步，你打开日历一看，发现航班信息是空的，酒店也没订上，任务彻底失败。
这就是这篇论文的核心要点：“连锁崩溃”（Cascading Failures）。
就像多米诺骨牌，一个小小的、发生在早期的错误，会像病毒一样在后续的每一步中传播开来。AI 越复杂，这种连锁崩溃就越严重。目前的问题是，我们缺乏一个好办法，去系统性地理解 AI ���底是在哪一步“想歪了”。我们只看到最后的失败，却抓不住那个引发一切的“万恶之源”。
要想治病，先得“确诊”：给 AI 失败建个分类表
这篇论文的作者们认为，要解决问题，我们首先得能准确描述问题。
于是，他们做的第一件事，就是创建了一个“AI 智能体失败分类表”，名叫 AgentErrorTaxonomy（智能体错误分类法）。
这个分类表非常关键，它不再笼统地说“AI 失败了”，而是把失败的原因归纳到 AI 的核心模块里：
1. 记忆模块（Memory）：AI 记错了或“脑补”了信息。比如，它以为自己已经把商品A加入购物车了，但实际上没有。
2. 反思模块（Reflection）：AI 错误地评估了当前进展。比如，任务明明卡住了，它却以为“进展顺利，下一步！”。
3. 规划模块（Planning）：AI 制订了不合逻辑或无法执行的计划。比如，它计划“先穿墙过去，再开���”。
4. 行动模块（Action）：AI 在执行层面出了错。比如，它调用工具时，把参数名字写错了。
5. 系统模块（System）：非 AI 自身原因，比如外部工具崩溃了，或者网络超时了。
有了这个分类表，AI 的失败就不再是一个玄学问题，而变成了一个可以被诊断、被归类的工程问题。
有了“诊断标准”，下一步就是需要“临床病例”——一个“AI 失败案例集”。
作者们接着构建了 AgentErrorBench（智能体错误基准）。他们从 ALFWorld（模拟家居环境）、GAIA（问答）、WebShop（模拟网购）等多个知名 AI 智能体测试平台上，收集了足足几百个 AI 真实失败的“黑历史”轨迹。
然后，他们雇佣了专家，用上面那个“失败分类表”去逐一标注：
- “看，这个案例，AI 在第 3 步的‘规划’上出了错，它‘忽视了约束条件’。”
- “哦，这个案例更典型，它在第 5 步的‘记忆’���‘过度简化’���信息，导致后面全错。”
这个“AI 失败案例集”是业界第一个这么干的。它就像一本“AI 疑难杂症病例手册”，让 AI 开发者终于有了一套靶子，可以用来训练和测试他们的“AI 医生”。
隆重登场：“AI 调试器” AgentDebug
有了“诊断标准”和“病例手册”，这篇论文的“重头戏”来了：一个能自动给 AI 纠错的框架——AgentDebug。
AgentDebug 的核心思想，不是修复 AI 的每一个小毛病，而是去找到那个引发“连锁崩溃”的“0号病人”——也就是“根源错误”（Root-Cause Failures）。
它的工作流程分为三步：
第 1 步：全面体检（Fine-grained Analysis）
AgentDebug 会先拿到 AI 失败的完整“行动日志”。然后，它用“失败分类表”作为尺子，给日志里的每一步、每一个模块（记忆、规划、反思……）都打上标签。
第 2 步：定位根源（Critical Error Detection）
这是最关键��一步。AgentDebug 会从头到尾分析这个体检报告，寻找那个最早的、最关键的错误。
怎么才算“关键”？AgentDebug 的判断标准近乎一种“反事实推演”：如果我在这一步修正了你这个错误，整个任务是不是就能转危为安了？
- 如果答案是“是”，那恭喜，你就是那个“根源错误”。
- 如果你只是个被上一步带歪的“受害者”，修复你也没用，那就跳过。
这种方式效率极高，因为它直奔主题，而不是在那些无关紧要的“表面错误”上浪费时间。
第 3 步：精准“喂药”（Iterative Debugging）
一旦找到根源错误，AgentDebug 不会粗暴地让 AI “你重来一次”。
相反，它会给出非常具体、可执行的反馈。比如在一个找东西的任务中，它会说：
“停。你在第4步的‘规划’模块犯了‘计划低效’的错误。你的计划是只搜寻柜子，但你忽略了台面/桌子这些同样可能的地方。现在，请你从第4步重新开始，修正你的计划，把台面也搜��下。”
AI 助手收到这个反馈，就会“���滚”到第 4 步，带着新建议重新执行，最终成功完成了任务。
作者们的实验证明，AgentDebug 效果拔群。在“定位错误”这个能力上，AgentDebug 找出“根源错误”的准确率，比最强的竞品高出了 24%。
在“修复任务”这个能力上，它给 AI 带来的任务成功率提升更是高达 26%。在一款模型上，它甚至把任务成功率从 21% 直接拉升到了 55%。
这篇论文最后总结的第一句话是：
> This work focuses on analyzing and improving the robustness of LLM-based agents.
通往强大 AI 的路径，不仅在于让它“更聪明”，更在于让它“更皮实”（Robust）。
一个能认识到自己犯错、能分析错误根源、并能从中吸取教训的 AI，远比一个只会“一条路走到黑”的天才 AI 要可靠得多。
当然这篇论文中提到的方案能否在 AI Agent 的实践中落地，还有待观察，但这些研究还是能给人一些��发。
论文地址：https://t.co/o2Uq3taMUr
像 Claude Code、Codex 这样的“AI Coding Agent”，能交付高质量代码，这已经不是新鲜事，但这给软件开发带来的真正改变是什么呢？
硅谷顶尖风投 a16z 最近发了一篇文章：《价值万亿的 AI 软件开发新“战局”（The Trillion Dollar AI Software Development Stack）》，文章的重点不是 AI 会不会写代码，也不是它会不会抢走程序员的饭碗。真正的重点是，AI 正在把“软件开发”这件事，从一个“手艺活”彻底重塑为一个全新的、价值万亿美金的“工业体系”。
为什么是“万亿美金”？我们来算一笔账。
全球大概有 3000 万名软件开发者。假设每人每年创造 10 万美金的经济价值（这在美国算保守了），那整个软件开发业的经济贡献就是 3 万亿美金。
去年的时候，像 Copilot 这样的 AI 助手，就已经能给程序员带来大概 20% 的效率提升。
但这只是开胃菜。a16z 估计，一套“顶配”的 AI 开发系统，至少能让开发效率翻倍。这意味着什么？这意味着每年能凭空多创造出 3 万亿美金的价值。这是个什么概念？这相当于法国全年的 GDP。
这就是为什么资本会如此疯狂，为什么这个领域被称为“战国时代”。
那么，这个价值万亿的“新工业体系”到底长什么样？a16z 给出的这张流程图（图1 ）就是答案。
这张图的核心，不再是“人去写代码”，而是 AI 全面参与的“计划 -> 编码 -> 审查”新循环。
第一步：AI 帮你“想清楚”（计划与架构）
过去，我们以为 AI 编程是这样的：你对它说“给我写个登录函数”，它给你一段代码，你复制粘贴。
在新的工作流里，AI 从项目最最开始的“产品经理（PM）”和“架构师”阶段就介入了。
你给 AI 一个模糊的需求（比如“我想做个用户反馈系统”），AI 的第一反应不是写代码，而是反过来��你提问：
- “用户反馈需要打分吗？”
- “需要上传图片吗？”
- “数据要存在哪里？”
- “需要和哪些系统打通？API 密钥是什么？”
它会帮你把一个模糊的想法，拆解成一份详细的规格说明书（Spec）。这份说明书既是给人类看的，也是后续 AI 自己写代码的指南。
最有意思的是，我们开始为 AI 编写“AI 专属的说明书”（比如 .cursor/rules、Agents .md、Claude .md）。什么意思？就是你告诉 AI：“我们公司的代码规范是这样的”、“这个模块的安全级别最高，不许调用第三方库”、“日志必须这样打印”……
我们正在创造第一批纯粹为 AI 而不是为人类设计的知识库。你不再是手把手教一个新员工，你是直接把“公司手册”和“最佳实践”灌输给 AI。
第二步：AI 负责“动手干”（编码与审查）
这才是我们传统理解的“写代码”环节，但它也已经面目全非了���它分化成了好几种模式：
- 聊��式编辑：这就像你旁边坐了个结对编程的伙伴，你在 IDE（编程软件）里一边打字聊天，它一边帮你实时修改和创建文件。
- 后台智能体（Agent）：Codex Claude、Claude Web 现在已经做的比较成熟了。你给它一个完整的任务（比如“修复这个 bug”或“开发这个新功能”），它就自己去后台吭哧吭哧干活了。它会自己写代码、自己运行测试、自己改 bug，几个小时后，它直接给你提交一个“Pull Request”（代码合并请求），说：“老板，活干完了，请审阅。”
- AI 应用构建器：你用大白话描述，或者画个草图，它直接“duang”一下给你生成一个功能完整的应用程序。目前这主要用于做原型设计，但离“直接上线”也不远了。
- AI 代码审查员：AI 不仅自己写代码，它还反过来审查人类写的代码。它会像个资深架构师一样，在 GitHub 上评论：“你这里写得有安全漏洞”、“这���逻辑不严谨”、“不符合公司规范，打回重写”。
这里有个特别有意思的改变：Git（版本控制系统）的意义变了。
以前，我们用 Git 关心的是“代码如何被修改”（比如“张三在第 10 行加了个
if”）。但如果整个文件都是 AI 一键生成的，这个“如何”就没意义了。未来我们关心的是“代码为什么被修改”（AI 是根据哪个提示词生成的？）以及“它能跑吗”（AI 的测试结果如何？）。
第三步：AI 成为“后勤保障”（QA 与文档）
代码写完，测试和文档这两件苦差事，AI 也全包了。
- AI QA（质量保证）：AI 扮演一个“自主的 QA 工程师”。它会像真人一样去“爬”你的应用，点一点这个、试一试那个，自动生成测试用例、报告 bug，甚至还附上建议的修复代码。a16z 提到一个极端情况：未来，AI 写的代码可能成为一个“黑盒”，人类根本看不懂，但这没关系，只要 AI QA 说它能通过所有测试，那它就是对的。
- AI 写文档：无论是给用户看的产品说明书、给其他程序员看的 API 文档，还是给老板和法务看的合规性报告，AI 都能自动生成，而且保持实时更新。
第四步：给 AI 的“工具箱”（智能体工具）
这可能是最“硬核”的一层，也是很多人没想到的：我们不止在开发“给人类用的 AI 工具”，我们还在开发“给 AI 用的 AI 工具”。
AI Agent 要是想干活，它也需要“工具”：
- 代码搜索引擎（Sourcegraph）：一个公司动辄上亿行代码，AI 不可能每次都把所有代码读一遍。它需要一个“代码专用搜索引擎”，在 0.1 秒内找到它需要参考的几个关键函数。
- 文档检索引擎：同理，AI 需要“外挂知识库”来查询第三方 API 怎么用。
- 代码沙箱（E2B）：这是最关键的。AI 写完代码总得跑跑试试吧？但你敢让它在你的电脑上“瞎跑”吗？万一它产生幻觉，rm -rf / 把你电脑删光了怎么办？“沙箱”就是给 AI 提供���一个安全的、隔离的“模拟器”，让 AI 可以在里面随便折腾、运行、测试，就算玩“炸”了，也不会影响真实环境。
a16z 在文章最后也回答了几个大家最关心的问题：
1. 3000 万程序员要失业了吗？
a16z 的回答是：“当然不。”
他们认为“AI 取代程序员”是个“荒谬的叙事”。历史告诉我们，技术进步最终会把蛋糕做大。目前他们看到的真实数据是：那些最懂 AI 的企业，反而在加速招聘程序员。因为他们突然发现，以前要 100 人年才能做的项目，现在 10 个人就能启动了，那为什么不多开几个项目呢？
2. 那程序员的工作会变吗？
会，而且是巨变。
大学里教的那些传统“软件开发”课程，可以说一夜之间就成了“老古董”。
但有两样东西不会过时：算法和架构。因为 AI 经常会“挖坑把自己埋了”，你需要有扎实的基本功，才能把它从坑里“拽出来”。你的角色，从“砌墙的工人”变成了“指挥挖掘机和��车的工头”。
3. 代码最终会消失吗？
也不会。
有人（比如 AI 大神 Andrej Karpathy）畅想，未来不需要代码了，LLM 直接执行我们的“意图”就行。
a16z 认为这不现实。为什么？因为代码的效率高到变态。
一个现代 GPU 执行一次 16 位整数加法，需要 10 的-14 次方秒。而一个 LLM 哪怕只生成一个 token（单词），也需要 10 的-3 次方秒。
两者之间是 1000 亿倍的效率差距。
所以，代码作为“意图”的最高效、最精确的“编译结果”，在很长很长时间内，都是不可替代的。
AI 对软件开发的革命，不是“工具革命”，而是“工业革命”。它不是在造一把“更好的锤子”，它是在造一整条“自动化生产线”，而且这条生产线还需要“给生产线用的工具”。
这是一个“技术超级周期”（technology supercycle）的开端。在这样的浪潮中，旧的霸主（比如微软、Meta）会很���受，因为船太大、掉头慢。而新的创业公司有绝佳的机会，因为整个游戏规则都变了。
对于我们每个从业者和爱好者来说，最好的消息是：一个充满无限可能的新大陆刚刚被发现，而我们正站在滩头阵地上。
原文地址：https://t.co/3XQK2To5sV
翻译：https://t.co/oMoCAw1vDp
AI 大神Andrej Karpathy 对 DeepSeek 那篇 DeepSeek-OCR 的论文评价很高，你可能以为他会说：“哇，这个OCR模型真厉害，识别率又提升了！”
但他没有。
相反，他几乎是挥了挥手说：“它是个不错的OCR模型，但这不重要。”
真正让他兴奋的，是这篇论文引出的一个更具颠覆性的想法：我们是不是从一开始就喂错“语料”给AI了？
Karpathy的核心观点是：也许，大型语言模型（LLM）的输入端，根本就不应该是“文本”（Text），而应该永远是“像素”（Pixels）。
这个想法听起来有点绕。我们明明有纯文本，为什么非要先把它“渲染”成一张图片，再喂给AI去看呢？
Karpathy给出的理由是这样的：
1. 首先，这是个效率问题。
我们现在用“文本”喂AI，是通过一个叫“Tokenizer”（分词器）的东西，把句子切成一个个“词元”（Token）。比如“Hello, world!”可能被切成 ["Hello", ",", " world", "!"]。
问题是，这种方式可能很“浪费”。
而DeepSeek-OCR这篇论文无意中提供了一个佐证：它证明了，AI可以只用100个“视觉词元”（Vision Tokens），就高精度地“解压缩”出包含1000个“文本词元”的原文内容。
这就像，你给AI的不是一长串啰嗦的文字，而是一���块高密度的“���息压缩饼干”（图片）。AI“吃”下去（处理）的上下文窗口更短，效率自然更高。
2. 信息更“保真”，不再丢失细节
想象一下，你让AI帮你阅读一个网页。
现在的“文本”输入方式，就像是你通过电话把网页内容念给AI听。所有加粗、颜色、字体大小、排版布局……这些视觉信息全都丢失了。
而“像素”输入方式，就像是你直接截了一张图发给AI。
哪个信息更全？不言而喻。
Karpathy认为，像素是一个“信息流更广”的输入方式。它不仅能处理纯文本，还能自然地理解文本的样式（粗体、颜色），甚至页面上任意的图表和图像。
3. 绕开AI 分词器
前面两点只是铺垫，Karpathy真正的“怨念”在于：他想彻底干掉“分词器”（Tokenizer）。
他直言不讳地“炮轰”：
> “我必须再说一次我有多讨厌分词器。分词器是丑陋的、分离的、非端到端的。它��进口’了所有Unicode编码、字节编码的��陋之处，继承了大量历史包袱，还带来了安全/越狱风险……它必须被淘汰。”
为什么他这么恨分词器？
分词器就像是AI的“嘴替”和“眼替”，它强行介入在“原始文本”和“AI大脑”之间。这个“中间商”不仅笨拙，而且会扭曲信息。
Karpathy举了个绝妙的例子：一个笑脸表情符号“😀”。
- 通过“分词器”，AI看到的不是一张“笑脸”，而是一个奇特的内部代码，比如 [tok482]。AI无法利用它在看图时学到的关于“人脸”和“微笑”的知识（迁移学习）来理解这个符号。
- 但如果输入的是一张包含“😀”的图片，AI的“视觉”部分会立刻认出：哦，这是一张微笑的脸。
哪个更符合直觉？哪个更智能？
像素输入，让AI得以“眼见为实”。
4. 重新定义AI的“输入”与“输出”
Karpathy的设想是，未来的AI模型，其“输入端”（用户提问）应该只接收图��（像素），而“输出端”（AI回答）则可以保持为文本。
为什么？因为“看懂一张图”（视觉到文本）的任务，远比“画出一张逼真的图”（文本到视觉）要容易得多，也实用得多。
这种“输入用眼（像素），输出用嘴（文本）”的架构，也天然契合了AI处理信息的两种模式：
- 输入（Encoding）：像人一样，一口气看完整个页面（图片），全盘理解（即双向注意力）。
- 输出（Decoding）：像人一样，一个词一个词地往外说（即自回归）。
所以，DeepSeek-OCR这篇论文的真正价值，不在于它提供了一个多好的OCR工具，而在于它充当了一次“概念验证”（Proof-of-Concept）。
它用实验数据证明了：用“看图”的方式来“读书”，是完全可行的，而且可能效率更高。
这不仅仅是“文本到文本”（Text-to-Text）任务变成了“视觉到文本”（Vision-to-Text）任务，它暗示了一个更根本的转变——AI的主要信息入口，正���从“语言”转向“视觉”。
难怪 Karpathy 最后会说，他现在“手很痒”，很想去搞一个“纯图像输入”的聊天机器人了。这个小小的OCR研究，可能真的撬动了一个��大的未来。
![dotey's tweet photo. AI 大神Andrej Karpathy 对 DeepSeek 那篇 DeepSeek-OCR 的论文评价很高，你可能以为他会说：“哇，这个OCR模型真厉害，识别率又提升了！”
但他没有。
相反，他几乎是挥了挥手说：“它是个不错的OCR模型，但这不重要。”
真正让他兴奋的，是这篇论文引出的一个更具颠覆性的想法：我们是不是从一开始就喂错“语料”给AI了？
Karpathy的核心观点是：也许，大型语言模型（LLM）的输入端，根本就不应该是“文本”（Text），而应该永远是“像素”（Pixels）。
这个想法听起来有点绕。我们明明有纯文本，为什么非要先把它“渲染”成一张图片，再喂给AI去看呢？
Karpathy给出的理由是这样的：
1. 首先，这是个效率问题。
我们现在用“文本”喂AI，是通过一个叫“Tokenizer”（分词器）的东西，把句子切成一个个“词元”（Token）。比如“Hello, world!”可能被切成 ["Hello", ",", " world", "!"]。
问题是，这种方式可能很“浪费”。
而DeepSeek-OCR这篇论文无意中提供了一个佐证：它证明了，AI可以只用100个“视觉词元”（Vision Tokens），就高精度地“解压缩”出包含1000个“文本词元”的原文内容。
这就像，你给AI的不是一长串啰嗦的文字，而是一���块高密度的“���息压缩饼干”（图片）。AI“吃”下去（处理）的上下文窗口更短，效率自然更高。
2. 信息更“保真”，不再丢失细节
想象一下，你让AI帮你阅读一个网页。
现在的“文本”输入方式，就像是你通过电话把网页内容念给AI听。所有加粗、颜色、字体大小、排版布局……这些视觉信息全都丢失了。
而“像素”输入方式，就像是你直接截了一张图发给AI。
哪个信息更全？不言而喻。
Karpathy认为，像素是一个“信息流更广”的输入方式。它不仅能处理纯文本，还能自然地理解文本的样式（粗体、颜色），甚至页面上任意的图表和图像。
3. 绕开AI 分词器
前面两点只是铺垫，Karpathy真正的“怨念”在于：他想彻底干掉“分词器”（Tokenizer）。
他直言不讳地“炮轰”：
> “我必须再说一次我有多讨厌分词器。分词器是丑陋的、分离的、非端到端的。它��进口’了所有Unicode编码、字节编码的��陋之处，继承了大量历史包袱，还带来了安全/越狱风险……它必须被淘汰。”
为什么他这么恨分词器？
分词器就像是AI的“嘴替”和“眼替”，它强行介入在“原始文本”和“AI大脑”之间。这个“中间商”不仅笨拙，而且会扭曲信息。
Karpathy举了个绝妙的例子：一个笑脸表情符号“😀”。
- 通过“分词器”，AI看到的不是一张“笑脸”，而是一个奇特的内部代码，比如 [tok482]。AI无法利用它在看图时学到的关于“人脸”和“微笑”的知识（迁移学习）来理解这个符号。
- 但如果输入的是一张包含“😀”的图片，AI的“视觉”部分会立刻认出：哦，这是一张微笑的脸。
哪个更符合直觉？哪个更智能？
像素输入，让AI得以“眼见为实”。
4. 重新定义AI的“输入”与“输出”
Karpathy的设想是，未来的AI模型，其“输入端”（用户提问）应该只接收图��（像素），而“输出端”（AI回答）则可以保持为文本。
为什么？因为“看懂一张图”（视觉到文本）的任务，远比“画出一张逼真的图”（文本到视觉）要容易得多，也实用得多。
这种“输入用眼（像素），输出用嘴（文本）”的架构，也天然契合了AI处理信息的两种模式：
- 输入（Encoding）：像人一样，一口气看完整个页面（图片），全盘理解（即双向注意力）。
- 输出（Decoding）：像人一样，一个词一个词地往外说（即自回归）。
所以，DeepSeek-OCR这篇论文的真正价值，不在于它提供了一个多好的OCR工具，而在于它充当了一次“概念验证”（Proof-of-Concept）。
它用实验数据证明了：用“看图”的方式来“读书”，是完全可行的，而且可能效率更高。
这不仅仅是“文本到文本”（Text-to-Text）任务变成了“视觉到文本”（Vision-to-Text）任务，它暗示了一个更根本的转变——AI的主要信息入口，正���从“语言”转向“视觉”。
难怪 Karpathy 最后会说，他现在“手很痒”，很想去搞一个“纯图像输入”的聊天机器人了。这个小小的OCR研究，可能真的撬动了一个��大的未来。](https://pbs.twimg.com/media/G357j1eXMAAyFJ0.jpg)
dk的含义留档被查。
Attention is all you need.
就像短视频和碎片化信息会削弱人类的注意力一样，垃圾数据也教会了 AI 模型“偷懒”，放弃思考！这两天 X 上很火的一篇论文 LLMS CAN GET "BRAIN ROT"，用 X 的社交内容，验证了语言模型也会得“大脑腐烂”🧠
“大脑腐烂”在 2024 年被牛津大学出��社评为年度词汇，这是一种因沉迷互联网，大量消费低质内容，而对我们认知产生伤害的现象。研究者从第一性原理出发，将“垃圾数据”定义为那些“能够以琐碎的方式最大化用户参与度的内容”，他们从两个维度在 X 上筛选这些内容：
1. 短小 (长度 < 30个token) 且高热度 (点赞、转发、回复等 > 500次) 的帖子，利用了社交平台推荐算法的核心逻辑；
2. 包含阴谋论、夸大其词、标题党、虚假信息或肤浅的生活方式炫耀等内容；
通过喂给 AI 模型这些“垃圾内容”，实验显示它们会系统性地损害模型，导致其认知能力下降 。最核心的伤害机制是，模型学会了一种叫做“思维跳跃”（thought-skipping）的坏习惯 。就像它所学习的垃圾内容一样，模型开始放弃深度、连贯的思考，倾向于给出简短、未经推理的答案 。
这最终导致了模型在推理、长文理解和安全方面的能力全面衰退，甚至催生出如自恋和精神变态等负面人格特质 。并且这种伤害是持久的，即使之后用大量干净数据也难以完全修复 。。。
这篇论文不仅揭示了 AI 模型的一种新型脆弱性，更像是一面镜子，照见了人类自身在当前信息环境下面临的认知挑战。“精神食粮”的质量决定了认知能力的健康水平，这一点，对人类和 AI 同样适用🤔
人们想象的来自互联网的训练数据都是「华尔街日报」那样的，但真实情况几乎都是垃圾，看看前沿 AI 实验室的训练数据就知道！Andrej Karpathy 最新播客中聊到模型规模与数据，我们应该把记忆与认知数据分开，提炼出核心认知能，或许只需几十亿参数就具备人类的思考能力，不知道就自己会去查资料，不需要把什么都��诵下来！
人类不擅长记忆或许是个优势特性，这样我们才能抽象思考总结规律。记得 2023 年有篇来自 OpenAI 模型炼丹师的博文，提到模型行为不由架构、参数或优化器选择决定，而是由它们数据集决定，其他因素只是有效地逼近数据集的手段 https://t.co/dx6L3fvPmP
因此，当我们提到 GPT-5、Claude 4.5 还有 Gemini 2.5时，指的是数据集，而不是模型权重！训练团队对数据的品味决定了模型的品味和能力。
现在 xAI 团队决定先做 Grokpedia 让 AI 重写人类知识，在用这些知识重新训练下一代的 Grok，因为 Elon 觉得现在互联网的数据太糟糕了！想想以中文为优势的国产模型，真为他们的数据捏把汗😅
Nvidia, Microsoft, BlackRock, and Elon Musk’s xAI are joining a consortium to buy Aligned Data Centers for $40 billion—the largest data-center deal ever.
Aligned, owned by Macquarie Asset Management, operates sites across the Americas.
The purchase is the first investment of the Artificial Intelligence Infrastructure Partnership (AIP), formed in 2024 by BlackRock, MGX, Microsoft, and Nvidia to fund AI infrastructure, with Kuwait’s KIA, xAI, and Temasek later joining.
AIP plans to deploy $30 billion in equity capital.
拥抱AI以增加个人能力的杠杠；拥抱AI公司以增加个人投资的杠杠。
“两个都要投，都被严重低估了！” Groq 创始人 Ross 在 20VC 的播客上被主持人问到愿意以 5000 亿美金投资 OpenAI 还是 1800 亿美金投资 Anthropic 时回答。人们错误地将它们视为在有限市场中竞争的对手，而实际上，它们所做的研发正在不断扩大整个市场的边界和价值📈
面对 S&P 500 指数一路狂飙和科技巨头市值高度集中，许多人感到市场“过热”。但 Ross 认为，这只是开始，市场短期是“投票机”，但长期来看是“称重机”，因为股价最终会表现其实际价值。
因此，不要问 AI 是不是泡沫，要看“聪明钱”（巨头、国家）在做什么。他们不惜代价的投入，是出于对未来生存权的焦虑，而非短期财务回报。
Ross 表示要做好准备迎接一个大规模通缩和劳动力短缺的未来。AI 将极大降低生活成本，让更多人选择享受生活而非繁重工作，同时创造出无数今天无法想象的新岗位（需要很长的时间，社会做劳动力的结构性转型）。
AI 是“思想的望远镜” - 它带来的冲击类似于人类初次认识到宇宙的浩瀚；虽然会带来暂时的不安，但最终将极大地拓展我们对“智能”本身的认知边界✨
对于未来，我很悲观。AI必将替代99%以上的工作，生产力会得到前所未有的大幅跃升，但社会结构会陷入极端的两级分化，绝大多数普通人可以靠UBI过活，但UBI的丰裕程度却不由多数人决定。那么个体现在的最佳选择就是通过学习和投资来跟随最聪明的头脑、让最前沿的公司替自己增长财富。
欢迎来到加速计算时代 / INDIGO 月末直播回顾 2025.10 详��图文版 https://t.co/6wnhg3RJvI
Announcing my new course: Agentic AI!
Building AI agents is one of the most in-demand skills in the job market. This course, available now at https://t.co/zGHUh1loPO, teaches you how.
You'll learn to implement four key agentic design patterns:
- Reflection, in which an agent examines its own output and figures out how to improve it
- Tool use, in which an LLM-driven application decides which functions to call to carry out web search, access calendars, send email, write code, etc.
- Planning, where you'll use an LLM to decide how to break down a task into sub-tasks for execution, and
- Multi-agent collaboration, in which you build multiple specialized agents — much like how a company might hire multiple employees — to perform a complex task
You'll also learn to take a complex application and systematically decompose it into a sequence of tasks to implement using these design patterns.
But here's what I think is the most important part of this course: Having worked with many teams on AI agents, I've found that the single biggest predictor of whether someone executes well is their ability to drive a disciplined process for evals and error analysis. In this course, you'll learn how to do this, so you can efficiently home in on which components to improve in a complex agentic workflow. Instead of guessing what to work on, you'll let evals data guide you. This will put you significantly ahead of the game compared to the vast majority of teams building agents.
Together, we'll build a deep research agent that searches, synthesizes, and reports, using all of these agentic design patterns and best practices.
This self-paced course is taught in a vendor neutral way, using raw Python - without hiding details in a framework. You'll see how each step works, and learn the core concepts that you can then implement using any popular agentic AI framework, or using no framework. The only prerequisite is familiarity with Python, though knowing a bit about LLMs helps.
Come join me, and let's build some agentic AI systems!
Sign up to get started: https://t.co/FX35dloqw4
Nvidia 为群主的美国 AI 核心朋友圈♻️
报告指出，AI 实验室的收入正以每年 3 倍的速度增长。那么是否意味着相应的美股科技股投资可以进入相对长持阶段并合理预期超高回报率？未来5年的每一次大跌都是宝贵的买点？
https://t.co/J5kGOulomX via @EpochAIResearch
What will AI look like in 2030? 报告详细原文 https://t.co/Q4vZ4cAyj5
特斯拉刚发布的2025Q3储能产品部署量为12.5GWh，环比增长30.2%，��比增长81.2%。年初至今的销售额同比增长59.7%。Tesla仅用三个季度就超过了去年全年的部署总量。
The Core Principle: Defense First
For 30 consecutive years, I've maintained a never-decreasing net worth. Somehow, each year I figured out a way to make net progress. And I can tell you that it wasn't by always hitting home runs. It was by rarely striking out in a catastrophic way. Most people think wealth-building is about the big score. When in reality, it’s about minimizing drawdowns, consistently chipping up, and occasionally making a big score. By keeping losses small when you’re wrong, you make it far easier to climb back and set new highs. And by consistently making progress, you always keep your capital in tact ready for opportunities. The secret is to compound capital, not mistakes.
今年美债持有新增 - 稳定币排名第七
美国这是有机会用美元稳定币化债了
全球人民买币埋单😅
Agent News 来的比想象的快⏩ ChatGPT 版本的“今日头条” Pulse 今天上线！
它会根据用户关注的内容，主动向用户推送每日更新。测试中发现它主要呈现我讨论过的专业话题（而非个人话题），还可以连接我的 Gmail 和日历读取内容，感觉 Pulse 的运作逻辑是：
1. 追踪我关注领域内的趋势
2. 提炼核心洞察进行总结
3. 深度解析并给出的延伸资源指引
过去：人类生产内容 > AI 分发
现在：AI 为我生产内容 > 直接投喂
通过阅读推送来提升使用频次，OpenAI 为我们的注意力操碎了心 。。。
Maybe 信息茧房也更厚实了🐶
Most Popular Users
Elon Musk 
@elonmusk
241.5M followers
Barack Obama
@barackobama
119M followers
Cristiano Ronaldo
@cristiano
113.8M followers
Donald J. Trump
@realdonaldtrump
111.8M followers
Narendra Modi
@narendramodi
107.2M followers
Rihanna
@rihanna
98.6M followers
NASA
@nasa
92.4M followers
Justin Bieber
@justinbieber
91.7M followers
KATY PERRY
@katyperry
89.7M followers
Taylor Swift
@taylorswift13
83.6M followers
Lady Gaga
@ladygaga
75.1M followers
Virat Kohli
@imvkohli
72.8M followers
Kim Kardashian
@kimkardashian
70.7M followers
YouTube
@youtube
68.8M followers
Neymar Jr
@neymarjr
65.8M followers
Bill Gates
@billgates
64.9M followers
Selena Gomez
@selenagomez
62.7M followers
The Ellen Show
@theellenshow
62.3M followers
CNN
@cnn
61.8M followers
X
@x
60.7M followers