Akash Goyal

AI/ML practitioner 💻 🤖
CSE Grad | NIT 🏫

[Adithya S K @adithya_s_k]

Wake up, ppl 👀

Xiaomi just open-sourced ~7K of the RL environments it used to train MiMo on HuggingFace, across domains like code, cyber, general, music and web dev

I think this is one of the biggest things to happen in frontier open-source RL environment data.

Indepth analysis and learnings coming soon 👀

[Harveen Singh Chadha @HarveenChadha]

I wanted to figure out the best coding agent in open source

So I was recently using opencode and read somewhere to use oh-my-openagent for tokenmaxxing

Then i started using pi and someone suggested to use oh-my-pi for better results

I got amazing results from both of the above, now i am finding out that there is oh-my-codex, oh-my-claudecode also

People in open source are genuinely crazzy

[GC_Revolution @GC_Revolution]

कांग्रेस/SP/BSP आएगी तो जनरल कास्ट को कुछ नहीं होगा।

🔹 RSS बैन होगी…
🔹 मोदी जी जेल जा सकते हैं…
🔹 BJP वालों को सड़क पर दौड़ा-दौड़ाकर मारा जा सकता है…

जनरल कास्ट का क्या है? अभी भी फेक केस में जेल जा रही है, तब भी जाएगी। और हम अपने लिए लड़ लेंगे। 🙏🙏
@BJP4India @BJP4UP

[atomic.chat @atomic_chat_hq]

Local Laya moggs Jev at @grok 4.7-built Tetris 🧩

An open-weights System One model called Laya, beat cloud-based Jev at playing Tetris by making decisions 11 times faster, running locally on a 16GB MacBook Air!

Run AI models locally -> https://t.co/RbcCOIgVkj

[Richelle🚢 @Richelle_Ji]

Jev, now with open weights + vision.

Classified 1,697 SF Tech Week events with Gemma 4 26B-A4B.

Zero labels. No fine-tuning.

Jev-ify any open-source model on SimpleJev.

[govin.eth | G哥 @goan999999]

Jev 这东西有点太tm离谱了

速度快 20～200 倍，成本低 40～400 倍

我把目前能找到的 Jev 项目翻了一遍，你能用到的都在这里👇

01｜jev-ultrafast

Browser Use 高速 Agent，Jev 负责每一步判断，Google Flights 完整搜索约 7.1 秒
https://t.co/JZaDxxxzta

02｜jev-desktop
把 Jev 接进桌面自动化，直接判断点哪个控件、下一步做什么

相当于给 Computer Use 加了一个高速决策层

https://t.co/55IjCYbJQY

03｜Jev Review

先用 Jev 筛代码里的 correctness、security、reliability 等风险，再把重点交给强模型

https://t.co/8XQkzPFbGC

04｜Jev Codex Router
先判断任务难度，再自动决定该用便宜模型还是强模型。

作者回放 237 个真实 Turn，成本约降 60%

https://t.co/zugJgCsoME

05｜Prism
用 Jev 判断 Toxic Flow、市场压力、均值回归和流动性分布，搞金融市场的福音
https://t.co/O3OsQZyPOJ

06｜jev-mcp

把 Jev 封装成 MCP，用来做事实核验、Prompt Injection 检测和语义排序

Codex / Claude Code 都能直接接

https://t.co/zpiU8VQGTz

07｜neo4jev

给知识图谱候选路径打概率，再用 Beam Search 往最可能的方向找答案

https://t.co/9S71sHnSKJ

08｜Blink
搜索大代码库时，先让 Jev 判断最相关的目录和文件。
减少无效扫描，也减少上下文浪费。

https://t.co/2Veif8z9tH

09｜Winnow

先过滤 Read、Bash、Grep 里的垃圾输出，只把真正有用的信息塞进上下

https://t.co/WtVJdJj7am

10｜typesafe-mcp
把 Jev 接入 Codex / Claude Code，专门负责 Choice、Score、分类和路由。
让大模型少做一堆本来就不值得它做的小判断。

https://t.co/SktTqCLeVM

还有很多朋友问我怎么加入白名单，官网直接申请，填写个常用邮箱，一天左右就审核通过

https://t.co/vRgB7bXG4u

收藏吧，肯定用的上！如果你想感谢我，可以给我点个关注！

[Viktor Oddy @viktoroddy]

GPT-6 Astra is by far the best 3D design model today.
& this is THE Complete Tutorial Guide to Design in Codex.

FULL guide you need to know about Codex and GPT-6 to start using it for design work and 3D creative work.

[AYi @AYi_AInotes]

有点燃炸，这才是数学最狂暴的力量，全屏静音把这十几秒流动的拓扑轨迹看完，去感受一下什么叫真正的智识震撼！

这段在推特上狂揽 180 万播放的动态数学动画，直接把全世界玩了几十年的魔方，从根源上降维打击得体无完肤！

兄弟们你知道一个普通的三阶魔方，到底藏着多少种绝望的混乱吗？
整整 4300 亿亿种（$$4.3 \times 10^{19}$$ 种状态）！
如果你每秒钟转一种组合，就算从宇宙大爆炸那一刻转到现在，你连全盘状态的百分之一都试不完！
绝大多数人一辈子都在被动当人肉打字机——死记硬背七八套公式、一层一层转，转错一步全盘报废；
但在顶级数学家眼里，这个塑料块从诞生第一天起就不是玩具——
它是一个纯粹的对称置换群，是一张横跨高维空间的巨型「凯莱图（Cayley Graph）」！

看懂这段视频背后令人战栗的数学暴力美学，你的认知会被当场连根拔起：

1️⃣ 空间映射：把玩具变成宇宙级拓扑图：
魔方的每一个物理状态，在图论里就是一个孤立的“节点”；
你的每一次顺时针或逆时针旋转，就是连接两个节点之间的“有向边”！
4300 亿亿种混乱被编织成了一张巨大的超图；
解魔方的本质，根本不是把红色对齐红色、白色对齐白色，
而是在这张巨型网络里，寻找一条从当前节点通往“绝对对称点”的最短路径！
2️⃣ 算术级神迹：“上帝之数是 20”：
这是人类计算机科学史上最浪漫的公理之一：
数学家用了等效上万年的计算时间，跑完了这张图的每一个角落，
最终得出了震撼全人类的结论——这张包含 4300 亿亿个节点的巨网，它的最大直径，居然只有整整 20！
这意味着什么？
无论魔方被世界上最刁钻的人打得多乱、看起来多么病入膏肓，
在上帝视角里，距离完美还原，最多永远只需要 20 步！
3️⃣ 真正的降维解法：群论分层（Kociemba 算法）：
计算机绝不会像普通人一样从底层开始拼十字；
它利用抽象代数，先把整个置换群压缩投影到一个仅有 20 亿状态的“子群”里，
先解决朝向，再解决位置；
别人在平地像无头苍蝇一样乱撞，数学家在高维空间里直接开虫洞！

这段视频最让人热血沸腾的，不仅仅是魔方被攻破，
而是它用无懈可击的几何美感告诉你：
宇宙中看似最复杂的混沌，在足够高维度的规律面前，本质上不过是极其纯净的对称折叠。

生活和商业里的很多绝境也是一模一样：
低维的视角里全是死循环、全是撞墙、全是不可逾越的阻力；
但只要你站在图论的上帝视角往前看，
最黑暗的混乱背后，其实一直静静躺着一条不超过 20 步的最短测地线！

[小墨同学 @xiaomovps]

Pi+Jev 终于解决了长时间不响应的问题🔥

使用 Jev 模型 判断任务和时长，到底是真的程序在运行 还是 Agent 出问题，自动终止任务和重试

整体的执行流程和判断逻辑：

1、监控 Pi 是否持续产生模型输出、工具进度或生命周期事件。

2、如果持续有进度，判断为正常运行，继续等待。

3、如果长时间没有进度，调用 TypeSafe 判断是正常慢任务、需要用户处理，还是疑似卡住。

4、TypeSafe 判断正常时继续等待；判断不确定时提醒用户。

5、判断为卡住时终止当前请求，并自动重试一次。

6、重试仍失败时停止自动操作，提示用户切换模型、检查网络或手动处理。

7、如果 Pi 进程本身死锁，则交给外部系统级 Watchdog 重启

我相信很多用 PI 的人都遇到过，PI 在执行长时间任务的时候没有任何反应，只有终止当前任务才能继续

我在社区也看到了相关的解决方案，可以使用插件去监测时间消耗，我自己的处理方案是把对应的等待时间都调小，但是只是治标不治本，后面我就尝试使用 Jev 模型去做判断，没想到真可以

玩得越来越有意思了 我要继续挖掘它新的能力！

[StudioYebisu @studio_yebisu]

やぁ！兄弟達！

一晩寝ただけで、Jev系のGitHubリポジトリはめっちゃ増えたから!!
ジャンル別にスターが多かったものをまとめておいたよ!!
スターの数はリサーチ時点のものだからそこは勘弁してほしいぜ!! ハハッ

Metaが出してるCV。SAM3.1もAPIで使えるようになったってのと。
JevもOpenRouterで使えるようになったみたいだ!!
もうウェイトリストに並ぶ必要はないよ。

CV x Jevで何か面白いものを作ってよ!!
今日も今日とてGrok翻訳みたいな文章はわざわざタイピングしてるヨ!!

【ブラウザ・PC・スマホ操作】
1. jev-ultrafast｜★4,891
圧倒的大人気！JevといえばUse系への活用が一番期待されてるみたいだね!!
ブラウザ操作と対象要素の選択をJevが担当し、テキスト入力時のみ小型LLMを呼び出す構成。
https://t.co/aZfA1mfOHX

2. typesafe-computer-use｜★203
macOS画面のOCRやアクセシビリティ情報を読み取り、クリックや文字入力を自動化するMac専用ツール。
https://t.co/nxPWCeWFPk

3. mobile-jev｜★103
Mobilerun接続のAndroid端末を操作。CLIやWeb画面、実行ログを確認しながら操作を進められる。
https://t.co/JKGDRx8gYV

4. jev-voice-browser｜★40
☆これ思ったより面白そうだったよ!!☆
ブラウザの音声認識から意図を抽出し、Playwright経由でWebページを操作する実験的実装。
https://t.co/21h1dM8du1

【AI開発・コードレビュー】
5. fast-jev-compaction｜★2,790
Claude Codeの履歴から、不要と判断したツール呼び出しや結果を削除・短縮。残す会話文は原文のまま。
https://t.co/cOuB4E7xcb
※これも、めっちゃ人気だね！Claudeの不要な部分をJevでコントロールするのは良いユースケースみたいだ!!

6. foreman｜★279
Codexの自律作業をJevが監督し、作業の継続や検証、停止を判断する開発プロセスの実験。
https://t.co/8BuweE6c1j
Codex版だね！

7. jev-review｜★251
Gitの差分やリポジトリ全体を段階的にレビューし、潜在リスクやテスト不足をローカル画面に表示。
https://t.co/0N2PRprSws

8. jev-router｜★121
Claude CodeやCodexの各ターンで、要求タスクの性質に合わせて呼び出すモデルを自動で振り分ける。
https://t.co/I0uCLYk8jI

9. jev-rules｜★3（新顔）
依頼内容や編集対象ファイルに応じて、Claude Codeへ渡す指示ルールや参照資料を選ぶ。
https://t.co/YTP8pxMGw5

【MCP・スキル・CLI】

10. skillbox｜★153
エージェント用スキルを管理・MCP配信する基盤。追加のJev連携で、タスクに合うスキルを推薦する。
https://t.co/PKwPfJaued
これもまるでハーネスの一部として、Jevを活用するってのは面白いよね！！

11. typesafe-mcp｜★62
ClaudeやCodexなどのMCP対応環境から、Jevの選択・採点・真偽判定を直接呼べる非公式ツール。
https://t.co/CoU8h9Dcb1

12. jev-shell-history｜★30
zshで入力中の内容に合う過去のコマンドをJevが選び、履歴から補完する。
https://t.co/jSyj38q394

【検索・データベース】
※このユースケースは注目だ！
Jevの評価機能を上手く使って、ソートをハックしてく。

ユーザーの行動にリアルタイムで合わせて選択をフィルタリングしていくってのはWebと相性が良さそうじゃないか？

13. pg-jev｜★143
PostgreSQLの行を、SQL内の自然言語条件で絞り込み・分類・順位付け。対象データは外部APIへ送信。
https://t.co/PDcAQiOxiV

14. jev-search｜★48
検索語の選定や対象期間の指定、取得したWeb検索結果の関連度ソートをJevに任せる検索パイプライン。
https://t.co/FO6xvZO4lr

15. neo4jev｜★17
Neo4jのグラフ構造において、次にたどる関係をJevに選ばせ、データのつながりを探索・可視化するデモ。
https://t.co/uoeOzKuCVe

【動画・Web閲覧】

16. unclutter｜★73
Webページ内の広告枠や邪魔なポップアップをJevで識別し、画面から非表示化するブラウザ拡張。
https://t.co/kwJsPBb0Ne

17. jevmeter｜★52
動画内の発言を指定した観点で採点し、メーター付きの動画を作る。事実確認や嘘の判定ではない。
https://t.co/nZzlODHtRg

18. youtube-sponsor-detection｜★46
YouTubeの字幕や音声から動画内のスポンサー紹介区間を判定して自動スキップ（配信広告除去とは別）。
https://t.co/iAgNa0Vq5G
※人類はどうしても広告を見たくないみたいだね！ハハッ！

【ガードレール・コミュニティ管理】
19. pi-warden｜★61
Piエージェントを監視し、プロジェクトのルール違反、同じ失敗の繰り返し、未検証の完了報告をチェック。
https://t.co/dbHkInBlxq

20. Jev-Moderation-Bot｜★25
Discordのスパムや詐欺URLを判定し、メッセージ削除や警告、タイムアウトを管理する。誤判定への管理者対応は必要。
https://t.co/hWvzIY1QYz

【マーケティング】
21. notra｜★171
AI回答でのブランド言及を追跡するGEOツール。言及の好意度や掲載順位などの分類処理にJevを活用。
https://t.co/vu1oa7FkJW
※おっと、こいつも注目だ！
GEOツールとして使うことで、事前にA/Bテストをしておくみたいなもんだな。Jevの評価の早さを上手く活かしてるぜ！

【スマートホーム】
22. HA-Jev｜★6（新顔）
Home Assistantの家の状態をJevで判定。洗濯物通知など日常の自動化向けで、安全設備には使わない。
https://t.co/3Mk680U0ta
※Homeへの実装は進めてほしいよな！

【ゲーム・ロボットのシミュレーション】
23. typesafe-mario｜★260
エミュレーターから抽出したゲーム状態データをもとに、Jevにマリオの行動を選択させる制御実験。
https://t.co/r2nQgGACcH

24. jevpilot｜★58
Three.js製の走行シミュレーター上で、提示された進路と速度の候補からJevが行動を選択する実験。
https://t.co/bVJ9HdUM1Y

25. jev-drone｜★58
物理エンジンMuJoCo上のドローンシミュレーションで、障害物の回避行動の判断をJevに委ねる実験。
https://t.co/fmLUYdDSWD

【売買ボットの実験】
26. jev-trader｜★804
Monad上のKuruで売買判断を試す実験。既定は模擬判断のmock、鍵なしは模擬取引のdry-run。収益性は未検証。
https://t.co/DODHIGpTJi
※これも注目度が高い。だれかテクニカル分析の専門家は自分の環境でチューニングしてみてくれよな。

【ローカル・オープンモデル研究（公式Jevとは別）】
以下4件は独立した研究・実装。公式Jevの公開版ではありません。
27. SemIf｜★1,500
公開モデルで選択肢の確率を直接読み出す独立研究（旧OpenJev）。ブラウザ上で動くデモも提供。
https://t.co/q2OZKmInGE

28. jevlike｜★851
可変長の選択肢群を一度に評価する小型モデル学習の独立研究。公式Jevの複製ではなく研究の出発点。
https://t.co/Ke9wmLHCTU

29. NanoJev｜★313
Qwen3-0.6Bベースの並列判断モデル。重みや学習コードを公開し、ゲーム制御デモなどを同梱した独立実装。
https://t.co/cQCR6VytW1

30. openjev-sglang｜★127
QwenとSGLangによる互換APIの独立実装。B200などGPUサーバーでの稼働を想定した構成。
https://t.co/QXklNwzA79

おっと、最後に注意事項だ。
API課金・外部へのデータ送信は使う前に各リポジトリで確認を。今回は公開資料を調べた紹介で、全件を試用・動作検証したわけではありません。

ある程度は内容を目視でみたけどな！流石に全部を検証する時間はなかったぜ！

[Akash Goyal @akashgoyal95]

2026: an agent hacked a gym waitlist. Another leaked creds across 4 services. Agent fleets hold real spending power - no gatekeeper.

Built Warden - blocks a bad call live, before it executes. Gemini, ADK, Cloud Run, Vertex AI.

https://t.co/fUXUZievXH

#AllThingsAgenticHackathon

[THE SKIN DOCTOR @theskindoctor13]

Goons arrive to kidnap Sunny's sister. Sunny flashes his rakhi and shouts his vows to protect her. But just as he is about to beat them to a pulp, the Azaan plays. Now helpless, Sunny sits for Namaz, giving the goons an easy chance to take his sister away.

Pre-social media Bollywood was on another level of delulu.

Insaniyat (1994).

[The Bugged Dev @thebuggeddev]

A digital Promise Wall built with Claude Fable 5 in ONE PROMPT using @threejs 👀

I was watching a series the other day where the protagonist runs a beautiful cafe in the mountains.

There was this lovely concept called a Promise Wall where visitors could leave their promises behind.

As an introvert, I randomly thought it would be really cool to bring that idea into so called world of "bites & bytes",... and Claude built it in just a couple of minutes. Crazzzy 🤯

You can add lots of notes to the wall, choose different types, and move around the space with buttery smooth animations. It honestly feels ridiculously satisfying.

So… do you have a promise to make?

Go put it on the wall 🫶

Live: https://t.co/qepXpzNjLV
Code: https://t.co/dzj7BYfriA

[Suraj Sharma @suraj_sharma14]

Advanced RAG techniques nobody's shipping.

Everyone demos naive RAG.
Almost nobody ships these.
This is the gap between a demo and a product.

1. Contextual Retrieval
Prepend each chunk with an LLM-generated context line before embedding.
Anthropic measured 35% fewer retrieval failures. 67% when combined with reranking.

2. Hybrid Search + RRF
Fuse BM25 (exact terms) with dense embeddings (semantics) via reciprocal rank fusion.
Catches queries that pure vector search misses.

3. Cross-Encoder Reranking
Retrieve 50 fast. Rerank down to 5 with a cross-encoder (BGE, Cohere).
Precision at top-5 jumps dramatically.

4. HyDE
Generate a hypothetical answer first. Embed that not the query.
Fixes vocabulary mismatch between user questions and your docs.

5. Query Decomposition
Split complex questions into sub-queries. Retrieve in parallel. Merge results.
Required for multi-hop questions naive RAG fails on.

6. Small-to-Big (Parent Document)
Embed small chunks for precision. Return the parent chunk for context.
Best of both: tight matching, full context.

7. Late Chunking
Run the whole document through a long-context encoder first. Then pool per chunk.
Every embedding carries global document context.

8. ColBERT / Late Interaction
Token-level matching instead of single-vector similarity.
Wins on technical, domain-specific queries.

9. Semantic Chunking
Split by meaning (embedding breakpoints), not fixed token counts.
Stops chunks from cutting ideas in half.

10. Contextual Compression
Extract only the relevant sentences from retrieved chunks before prompting.
Less noise. Fewer tokens. Higher accuracy.

11. Corrective RAG (CRAG)
Grade retrieved docs. If confidence is low, rewrite the query or hit web search.
Your system self-heals instead of hallucinating.

12. GraphRAG
Extract entities and relations. Build community summaries.
Answers "whole corpus" questions vector search cannot.

13. RAPTOR
Recursive clustering and summarization into a tree. Retrieve at multiple levels.
Multi-hop reasoning across the corpus.

14. Lost-in-the-Middle Ordering
Place strongest docs at the start and end of context. Attention is U-shaped.
Free accuracy gain from ordering alone.

15. Retrieval Evals
Track hit rate, MRR, NDCG on a golden dataset. Block deploys on regression.
You cannot improve retrieval you do not measure.

THE IMPLEMENTATION ORDER

Week 1: Semantic chunking + hybrid search

Week 2: Reranking + parent document retrieval

Week 3: Query decomposition + HyDE for hard queries

Week 4: Corrective loop + evals

Do not ship all 15 at once.
Stack them one at a time. Measure each.

Naive RAG is a demo. Advanced RAG is a product.

One retrieval pipeline plus public benchmarks plus documented tradeoffs
equals more credibility than 10 chatbot wrappers.

Most people ship the tutorial version. Builders ship the production version.

Bookmark & Repost!

[The Bugged Dev @thebuggeddev]

Your our history shouldn’t be taught in a boring way 🫠

I’ve always loved history, but I could never imagine what life actually looked like back then.

So I built Empire Atlas, a 3D interactive explorer of 8 historical empires using @threejs and @Kimi_Moonshot K3 🔥

It lets you explore how people lived, what their homes looked like, their maps, daily life, interiors, and more. Properly researched.

But the craziest part is that this was near one shot vibe coded with Kimi K3 🤯

When I previously built a 3D anatomy app with GPT 5.6 sol, I had to iterate on performance and optimization.

With Kimi, the moment I handed over the 3D assets (generated using @tripoai), prompt and design (by GPT Image 2.0), it created an 11 step engineering plan to build the entire thing.

The very first step it did was optimizing the assets.

It took nearly 500MB of 3D assets and brought them down to just 17.8MB using mesh simplification, Draco compression, and 1024px WebP textures.

Absolutely nuts.

It also generated 56 historical images across the 8 empires showing daily life, maps, interiors, and more using its image plugin with batch processing.

Those were converted to WebP too, bringing the total image size to around 10MB.

That’s a huge reason the experience loads so fast on website.

It's engineering workflow or intelligence has really impressed me so far. The only downside is that it took more than 5 hours, though 😅

Anyway, back to history.

In Empire Atlas, you can explore 8 different empires and see how people and our ancestors lived at that time. I really love those textures I was able to create using @tripoai.

You can explore their homes in 3D, and there’s so much more we could do with this.

We could extend these houses into fully explorable interiors and create increasingly realistic reconstructions of what life actually looked like. And maybe create fun education games too.

I genuinely think this can make history education so much more immersive. Much more than showing black and white images in boring textbooks.

Go explore your history now 👇

Live: https://t.co/Dbgxr13L0g
Code: https://t.co/sahbaZeq63

[Akash Goyal @akashgoyal95]

@zeropsio @WeMakeDevs Thank you ❤️

[Akash Goyal @akashgoyal95]

Superior quality in sequence processing can be achieved by entirely removing the complex recurrent and convolutional networks typically used for these tasks.
📄 Attention Is All You Need (Transformer)
https://t.co/BmaidBBuBp

Built by PaperFlakes-zerops
@WeMakeDevs @zeropsio

[The Bugged Dev @thebuggeddev]

5M Edge requests. 2K GitHub stars. In just 7 days. 🤯

You all loved this vibe coded project way more than I ever expected. Thank you so much ❤️

To celebrate the milestone, I've added two new features using Claude.

First, interactive quizzes. Instead of simply answering questions in boring style, you now have to locate things on the organ. Where is the aorta? Which one is the left ventricle? A completely new fun way to do quizzes.

Second, multilingual support with RTL support, something many of you have been asking for. For example, when you switch to Arabic, the entire experience automatically shifts from right to left.

I’m planning to add more features, improve the models, and make the experience even more detailed. If you have any feature requests, let me know.

And thank you @sonofalli and @vercel for supporting my lil project ♥️

[oil-oil @I_am_oil_oil]

我把我用 AI 视频做动画的 Skill 开源啦：https://t.co/RQwQEgDTDA

整个 Skill 的流程大概是这样的：

参考素材、表达目的和控制方式
↓
先确认开始、中间和结束时应该是什么样子
↓
使用 AI 视频生成这些画面之间的连续动作
↓
逐帧检查，删除停顿、重复和异常画面
↓
按照页面中的实际显示大小整理并压缩资源
↓
把滚动、鼠标、拖动、触摸或设备方向对应到动画进度

因为整个流程还是有点复杂的，所以我把我实际做的时候的一些实现做成脚本放进去了，这样生成后处理动画会更加稳定一些，而且我还补充了一些创意方面的参考文档，比如说大家能够在视频里面看到的那个苹果的滚动爆炸图的效果。

欢迎大家体验～