PandaHero

[Michael Guo @Michaelzsguo]

这个周末，少看两集 Netflix，或者少刷一会儿短剧，腾出两个小时，学学怎么微调一个小模型。

未来几年，能把一个通用模型调到适合某项具体业务，会是一项很值得掌握的 AI 工程技能。Fortune Business Insights 预计，全球大模型微调服务市场将从 2026 年的 23 亿美元增长到 2034 年的 90 亿美元，年复合增长率为 18.7%。

Kevin Wu 的这篇博客非常适合入门。他用一张 16 GB 显存的显卡微调 Qwen3-1.7B，给模型出了一道题：用英文回答问题，整段不能出现字母 e，还得把问题答清楚。

只在提示词里写「别用 e」，200 条回答里没有一条合格。生成时屏蔽所有含 e 的 token，字母倒是避开了，但只有 26% 的回答既通顺又切题。Kevin 用 180 条手写问答做监督微调（SFT），把合格率提高到 35%，再跑 300 步强化学习（GRPO），最终达到 60.5%。

他还开源了完整的训练过程，方便大家一步一步跟着动手实践：

博客： https://t.co/6vCv7m6Nws
开源： https://t.co/jd4qAjtVwr

[Yang Yu @tombkeeper]

刚开始接触生物学的时候，我经常想象原始海洋里的有机分子构成核糖核酸，然后诞生了最早的单细胞生物，单细胞生物又聚在一起变成黏糊糊的原始多细胞生物，最终一步一步演化出各种生灵。我也经常想，如果能在实验室里加速重现这一过程，完整观察整个生物演化史就好了。

刚开始接触计算机的时候，我想过一个问题：程序是从哪里来的？后来我知道了编译器，程序从编译器来的。编译器自然也是从其它编译器来的。那么最早的编译器是从哪里来的？后来我逐渐搞清楚了这个问题的答案。但偶尔还是会想一些相关的问题，比如：如果现在全世界的编译器都忽然消失，人类要怎么重建整套体系呢？

最近几年研究 AI 安全问题的时候，我经常想：如果只给予 AI 完成特定工作所需的工具，那么 AI 的能力是不是就会被限制住？是不是就可以阻止 AI 获得强大的网络入侵能力？

2026 年 2 月，我看到马斯克预测到年底 AI 就可以绕过编译过程直接创建二进制文件。当时我做了一些实验，发现虽然 AI 还不能创建完整可运行的程序，但已经可以生成正确的机器码片段了。到了 9 月，我再次实验，发现此时 AI 已经可以用直接创建二进制文件的形式输出不太复杂的程序了。

但用直接输出二进制文件的方式去写大型程序显然不是好的选择，即使能写出来，也难以维护。那么，是不是可以让 AI 重演现代编译器的诞生过程？就像重演从核糖核酸到哺乳动物的生物演化史？

下面这个视频里超级马里奥游戏就是从核糖核酸开始构建的。

AI 先是通过直接输出二进制的方式构建了一个 3584 字节的机器码装配器 A0。然后用 A0 生产了一个更类似汇编器的工具 A1。又用 AI 生产了最基础的 C 编译器 C0。再一步一步迭代，最终演化出了一个完整支持 C89 标准并部分支持 C99 标准的编译器。有了这个编译器，就可以写出超级马里奥游戏，或者是任何网络攻击程序。

对 AI 说：“要有光”，然后整个世界就一步一步诞生了。所以我把这个项目命名为 BitKindle。感兴趣可以测试一下：https://t.co/GN9onM4vTq

[Gabe @fishjar]

Hacker News 今天重新翻出了彼得·诺维格 2011 年写的那篇回应乔姆斯基的经典长文《论乔姆斯基与统计学习的两种文化》。

十五年前乔姆斯基严厉抨击统计机器学习：“利用纯统计方法去模拟现实表象，既无法理解行为的意义，也谈不上科学层面的成功。”

今天大语言模型用万亿级参数的高维概率预测，写出了媲美人类的高级代码和自然语言，工程派似乎彻底赢得了实用主义的胜利。

然而把最新模型丢到反事实因果推演环境中，裂缝依然清晰可见：

一旦遇到训练集概率分布之外的严密多步逻辑陷阱，模型会立刻暴露出它是在沿着高维余弦距离做捷径检索，而非具备严格的物理公理系统。

工程上只要模型能帮我们写代码修 Bug，高维拟合就足以带来巨大的生产力增量；但在科学探索的尽头，概率论依然无法直接推演出未知的物理因果律。

https://t.co/eHBfiBrkLZ

[Gabe @fishjar]

每一个写过底层 C 代码、做过安全漏洞利用（Pwn）或者逆向工程的开发者，都经历过那种被迫在深山老林里翻内核源码的折磨：
在 x86_64 架构下，发起一个 sys_read 系统调用，系统调用号是 0，参数依次塞进 rdi、rsi、rdx；
但只要切到 ARM64 架构，系统调用号瞬间变成了 63，传参寄存器变成了 x0、x1、x2，系统调用指令也从 syscall 变成了 svc #0。
每次写汇编都要在七八个陈旧混乱的网页和 man 手册之间来回切换比对。

开源极客搭建并更新的 https://t.co/9aWAxH1j92，把全架构 Linux 系统调用做成了一个纯粹、极速且全交互的现代 API 与速查平台：
无论是古老的 i386，还是主流的 x86_64、ARM、AArch64，甚至是前沿的 RISC-V，每一个系统调用对应的编号、POSIX 函数原型、入参寄存器映射和内核源码入口全部一目了然，甚至支持通过终端直接 curl 提取 JSON 格式。

真正优秀的极客基础设施往往就是这样：没有花架子，把一个行业从业者每天都要踩几百次的小坑，彻底填平铺成高速公路。

项目原址：https://t.co/zUDe7jCmBU

[投机实验室 @LabSpeculation]

币安自己的钱包往一个被黑客控制的热钱包里转了 2 亿 USDT，72 秒后，这 2 亿就被黑客扫走了，这是北京时间凌晨 5 点 42 分的一次异常。

这次被盗，我把以太坊链上的记录一笔一笔翻完了，有一笔 2 亿 USDT 的转账，我来回看了好几遍。

被控制的这个钱包叫 Binance 14，光是发出去的交易就有 1891 万笔，是币安的主力热钱包之一。

黑客用的是 EIP-7702，这是以太坊去年加的功能，普通钱包可以把执行权委托给一个合约，委托以后，合约让它转什么它就转什么。凌晨 4 点 20 分，黑客给 Binance 14 设上了委托，不到 4 分钟，一笔交易就把里面的钱扫空了。这一笔大概 25 亿，再加上后面通过它从另一个钱包转走的 8.2 亿 USDC，就是大家说的 33 亿。

可钱被扫空以后，币安的系统好像没反应过来。

用户充到币安的钱，会先进各自的充值地址，再定时归集到这种热钱包里，被盗之后这套归集还在照常跑，又进来 2199 个 ETH，黑客分三次扫走了 2198 个。

那 2 亿 USDT 是 Binance 124 补进来的，这是币安自己的钱包。好在黑客收这笔钱的地址已经被 Tether 拉黑，钱现在冻在里面。

6 点 22 分，何一发推说暂停提币。

17 分钟后，黑客又扫了 Binance 14 一次，这次拿走 128 个 ETH 和 122 种代币，换了个新地址收。

我最后一次查是 6 点 57 分，Binance 14 上的委托还挂着，指向的还是黑客的合约，币安从 6 点 55 分开始，把这个钱包里剩下的币往自己的冷钱包里转，等于在跟黑客抢剩下的那点东西。

我最注意的还是 4 点 20 分那笔交易。

里面一次塞了 50 个授权，每个都得用 Binance 14 的私钥签名，它们只是序号不一样，最后对上了 1 个，也就是说，黑客手里提前就有 50 个币安私钥签好的授权。

主扫之后 24 秒，另一个热钱包 Binance 16 用自己的私钥签了几笔转账，2.8 万个 ETH 和 5574 万 USDT，就这样直接转给了黑客。

所以我觉得黑客能让币安的私钥替他签名，问题多半出在签名系统上，等币安出了调查结果，我再拿链上记录对一遍。

稳定币能冻，ETH 现在还冻不了，所以真正跑掉的主要是 ETH，黑客光一个地址里就躺着 19.5 万个，到现在一个没动。

黑客的地址现在已经被人刷爆了，有要钱的，骂人的，刷经文的，还有发链接说黑客还要打另外 3 家交易所的，这几天肯定会混迹很多钓鱼链接，一定小心。

这些记录链上都查得到，有兴趣自己去查查。

黑客的技术也越来越成熟，这就是AI时代，交易所要跟上时代的脚步啊！！

[Cos(余弦)😶‍🌫️ @evilcos]

@brucexu_eth AI - 新时代巨型后门🤣

[孟岩-Mike Meng @myanTokenGeek]

现在优质 AI 课程推出的速度远远超过个人的学习速度。尽管如此，作为 DLAI 的 PRO 会员、从 2014 年开始就掏钱买 Andrew Ng 课程并且认真考试的用户，我还是会第一时间入坑这个课程——毕竟内容太切中我的当前的需求了。

[数字生命卡兹克 @Khazix0918]

被很多专业者骂了，但是在折腾了3天以后，AIHOT最终还是重写完然后上线了。。。我觉得还是可以分享一下我全部跟AI协同的流程，万一对其他人有用呢（当然我就是个纯外行，仅供参考）：

1. 使用Claude Opus 5.5和GPT-6 Astra并行对旧项目进行蒸馏，并且设计交流包。要求：架构分离，为多Agent并行开发而设计，保留所有功能和容易踩坑的细节。

2. 使用Claude Fable 5.1对两个模型生产的功能文档、交接包和旧代码库进行全面对照，寻找不合理和遗漏的地方进行完善。

3. 使用Claude Opus 5.5在不看任何旧代码的情况下，根据最终的功能文档、交接包、线上网站的端到端测试，进行全方位的重写（大概写了12个小时）。

4. 使用Claude Fable 5.1和GPT-6 Astra并行审查新写完的项目，将其与旧代码库的所有细节进行逐行审计，看看是否有功能和细节遗漏，在用户体验层面，能否完美还原，最终产出两份审计报告。

5. 使用Claude Opus 5.5根据审计报告，进行优化开发，开发完成以后，清空所有上下文，自己再并行N个子Agent，以功能模块化的方式，跟旧代码库进行对比，看是否遗漏功能和逻辑细节（无视代码实现，只看功能和逻辑细节）。

6. 使用Claude Fable 5.1和GPT-6 Astra并行审查所有可能的BUG和漏洞，继续Opus 5.5优化。

7. 使用Opus 5.5优化所有前端UI，进行控件组件化统一，部分UI界面全面重设计，加了一部分Opus 5.5擅长的JS+Canvas动效，例如关于页和更新页。

8. 导出旧项目所有数据库，进行线上服务器彩排，6小时的影子系统并行，过程中实时监控，使用Claude Opus 5.5自动化并行修复过程中出现的所有问题。

9. 使用GPT-6 Astra进行全面的端到端测试。

10.无缝切换上线。

11. 使用GPT-6 Astra根据真实数据，全方位优化缓存、CDN、页面大小等问题，提升全站性能。

12.监控问题，不断优化。

以上，大概就是一个纯外行者的“重写”的经验，虽然AIHOT这个项目很小，但是我自己干的很开心。希望能对大家有一点点的启发。

[MATH FOURNITY @mathfournity]

🚨 也许你应该去看看这个权限了。

很多Desktop的用户，可能都没有注意到这个权限，本地网络权限。Codex会要，Claude Code也会要。这个权限有个什么效果呢？就是当你在Chrome浏览器中登陆了ChatGPT账号之后，你的Desktop客户端就可以直接感知到你的登陆账号。

对于中国用户来说，这就是风险，详述 👇

[白板报 zhongwen.ai @zhongwen_ai]

乘着塔勒布老师回复之东风，又上线了一个学习概率论的网站：https://t.co/yo5E7v4v7G

[宝玉 @dotey]

我不用 plan 模式，但是我复杂一点的会先写技术方案文档，主要是：
1. 人看看文档确保大方向有没有问题
2. Fable 写文档，文档里面写清楚技术细节和如何验证，后续 Opus 执行
3. 作为后续验收的依据，Opus 实施完，在新会话让 Fable 按照文档去验收一下
4. 一些重要文档会留档，但会保持更新
5. 有时候会在 ChatGPT 网页版用 GPT-6 Pro 访问 Repo 写技术方案文档，下载下来让 Fable 去审查再让 Opus 执行

简单来说，重点不是用 plan mode，但是用一个文档让人可以确认方向，以及后续多 Agent 协作传递上下文是很有价值的

[陈大黄 @realchendahuang]

想研究 Coding Agent 基本原理的朋友们，可以关注一下这个项目。

社区有人把 Claude Code 还原出来的 47 万行 TypeScript 源码，重新喂给 Claude 本人，让它逐行阅读自己的实现，整理出了一套 17 章的中英双语架构拆解。

不管是想自己手搓 Coding Agent，还是魔改开源 Harness，这套代码走读和设计模式都非常值得存下来研读。

项目地址：
https://t.co/wDddaOa8xU

在线阅读：
https://t.co/qPK7pWZQCe

[Yifan Xu @yifanxu_ephai]

学过数据结构和算法的人都知道，想要把优化问题从O(n)优化到O(log n)复杂度，就得用树🌲。

但是模型似乎对此不是很敏感，每次都得我提醒，可以考虑用树才知道如何进行优化。是不是得把此写入agents.md或者做成skill啊？

[PandaHero @KaroteeniQ]

为什么一个简单的视频转写任务都得用Astra……Sol怎么这么一坨狗屎

[Todd Zheng @ShiZheng24517]

字节热议：正式员工给外包QA求情，求领导层不要裁他们，说他们工作真的很辛苦很努力。
我来说点不好听的冷血的话：
1. 你的报酬从来不是由你有多努力决定的，而是由创造的价值决定的。（我都懒得论述这一点了）
2. 工作本质就是出卖劳动力，你卖多少，公司付多少钱，一手交钱一手出力。
3. 整个国内的研发体系还是沉迷于过去的血汗工厂的思路，不改变这种思路，最后都会被更小更快更灵活的团队超越。AI只是个催化剂，让这个速度变快了。不要说什么对手都加班你不加班就会被甩下，如果你的业务是为了加班而加班，那你的业务也许就应该被甩下。

过去3年，我们和各种qa打交道，无数次质疑过他们的各种限制，人工审批，奇怪的指标对齐，还有各种各样的专项。很多团队，研发厌恶qa，qa嫌弃研发。
我一开始觉得是工具的问题，后来我觉得是流程和最佳实践的问题，最后我发现问题是整个产出线被高度挤压变形的结果。
运营有指标压力，所以挤压pm，pm有prd落地压力所以挤压研发，研发有上线压力所以挤压qa，qa要为线上事故背锅所以疯狂和研发对抗。

Ownership为什么重要？是因为我知道这个产品和我的名字相关，我为我做的事情自豪，我为我犯的错羞愧。如果链条里面的每个人都觉得自己是上游的工具，没人有ownership，没人会想负责，每个人都想的是事前撇清责任，事后疯狂甩锅，没人会在乎用户体验和产品品味，所有人都被虚无缥缈的指标异化了。

我做的产品不是perfect的，它承载了很多研发的整个开发流程，肯定有人不满意的地方，不管他们的不满是合理还是不合理，我都为我的产品我的系统负100%的责任。我愿意在没有ai的时候每年写25w行代码，写大量单元测试，自己构建需要的可观测性工具，因为当别人说这个系统问题这么多的时候，我负全责，我知道我需要回去埋头继续修bug。

[PandaHero @KaroteeniQ]

要坚信大部分普通人的普通能很好地抵消掉工具的强大

[Tinyfool @tinyfool]

几十年前的计算机可以送卫星上天，载人登月，可以计算石油的位置，可以做有限元分析，但是放在石油企业这些计算机可以带来几千万上亿的价值，放在普通人手里面呢？工具是一样的工具

[独立开花卓富贵 @fuguizhuo]

最近在学 agent 的知识。huggingface 和 ai engineering from scratch 的质量非常高，推荐给大家。
https://t.co/5IH2BJ6IUk
https://t.co/PwsCSb9mQm

[PandaHero @KaroteeniQ]

嘎嘎嘎嘎嘎嘎嘎嘎嘎

[𝙋𝙖𝙨𝙨𝙡𝙪𝙤 𝘼𝙄 @passluo]

哈哈哈哈哈哈哈

[Cos(余弦)😶‍🌫️ @evilcos]

1. 你许多密码都不知不觉存在了 Apple 的 Keychain 中（甚至 iCloud 同步），iPhone 被这样投毒后，Keychain 里的隐私就没了（目前看 Passkey 没问题，这是更复杂些的认证机制）。这些密码包括你的许多账号的密码、钱包解锁密码等

2. 恶意 App 投毒穿透拿到其它 App 本地相关加密文件（如钱包私钥加密文件、加密的备忘录等等），结合 1 里的相关密码，即可解开

大概这样。

针对钱包 App 的缓解机制我们有些思路，还在实践。

感谢 @okx @wallet 安全团队和我们发起的调查，也感谢之后参与进来的其他钱包团队一起推进相关预警及缓解工作，还有社区里的不少玩家提供的情报及预警工作。

再再再次提醒：iOS 有新版本就尽快更新起来。还有不排除 iPad/Mac/Android 的类似风险。保持警惕。

[PandaHero @KaroteeniQ]

太恐怖了

[lifcc @mylifcc]

文科生有救了，妈妈再也不怕我的localhost:8888别人访问不了了！

Cloudflare优化了神器Cloudflare Quick Tunnels！这就是 Cloudflare推出的“零配置、免登录、即开即用”的内网穿透工具。

以前开发工具的逻辑是：“Localhost是留给人类调试用的。”

但进入 Coding Agent 时代后，你会发现一个极其尴尬的痛点： 你的 Agent 在沙箱里辛辛苦苦把一个 Web 服务跑起来了，结果卡在 —— 它只有个 localhost:3000，外网根本访问不到。

人类要看效果、分享文档、GitHub/Stripe 要发 Webhook、Eval 评测要跑截图，全被这堵墙挡住了。

Cloudflare 最近给 Quick Tunnels 偷偷更新了一个神仙特性，简直就是为 Agent 量身打造的：

自带 JSON 输出：Agent 再也不用痛苦地去 terminal 里写正则抠 URL 了，直接机器可读。

用完即毁（Ephemeral）：进程一死，隧道直接销毁，绝对干净。

零配置：不用买域名、不用配 DNS、不用注册账号。

以后的 Agent 命令行工具（比如你自己搞的 CLI），完全可以把这玩意儿变成内置的底层能力：
agent dev ➡️ 自动拉起服务 ➡️ 自动打通 Quick Tunnel ➡️ 拿到 JSON 地址 ➡️ 自动注册 MCP / 跑 Eval。

对 AI Native 的工具链来说，让 Agent 拥有一个即时、临时的公网 URL，就是接通现实世界的“最后一公里”。

以后别再让你的 Agent 困在本地了。给它个 URL，它能给你整出花来。