百无禁忌(勇版)

Tough but tender | 读书 | 护肤尤克里里长跑入门小白

[百无禁忌(勇版) @gougouduck]

接下来几年希望大家跟我一起见证：”一个傻逼的觉醒和自我救赎“

[百无禁忌(勇版) @gougouduck]

本来也就发达国家中层普通人的消费水平。可中国远远达不到，税后平均25.5K，税前基本35-38K了。这个数的工资，如果是刚毕业就拿到，基本得985硕+热门专业+前10%+大厂，而且得10-9-5

[禿道道🐟 @dearemon]

果然还是小孩……

[joey00072 @joey00072fp4]

when you do OPD with grpo as group size = 1

it is ppo,

you are replacing the value function in advantage with the teacher model

looking at thing through new lens/ diff view is good thing,

but ppo is dead take was always retared

[百无禁忌(勇版) @gougouduck]

@Seokjinnim_ 好家伙

[百无禁忌(勇版) @gougouduck]

共勉

[朱无忌无忌 @Wujizhuzhu]

健康的男人就应该多练腿，多睡觉，多吃碳水，然后疯狂工作，疯狂做爱。

一定不要打飞机。

[百无禁忌(勇版) @gougouduck]

牛逼。压缩就是智能，压缩程度越高，模型越强。之前大家一直不清楚大语言模型是如何压缩数据的，压缩到什么程度了。而此文证明了神经网络权重范数=柯尔莫哥洛夫复杂度。如果可以量化衡量数据被压缩的程度，就可以衡量LLM的智能程度了。

[Xingyi Yang @yxy2168]

I do like this paper.

It gives a proof that minimum neural weight norm matches minimum program length, aka Kolmogorov complexity, up to a log factor.

Weight decay work because small weights neural nets toward simpler, more compressible explanations.

https://t.co/7x8JSFjqVa

[百无禁忌(勇版) @gougouduck]

@syllabubunny 越来越美了

[百无禁忌(勇版) @gougouduck]

@syllabubunny 那跟屁羊呢

[Elon Musk @elonmusk]

Building the future

[Shawn Pang @0xshawnpang]

Cursor昨天发布了一篇文章 - 《Scaling long-running autonomous coding》去探索如何让智能体能像工程师一样连续很长时间干好一个项目。

@wilsonzlin 通过使用planner agent做管理分工，workers agent做编程完成任务让AI连续工作接近一周的时间，写了超过1000个文件100万行代码，做出来了一个网页浏览器。

用GPT-5.2 Pro做估算，每一行代码都需要多轮阅读上下文，做尝试/回滚/修复，不同的智能体做规划、执行、评估，每一行代码或许会消耗2-5k token。整个项目接近20亿到50亿token，为了简化分析粗略按照30亿token来算。

按照
90% input tokens
10% output / reasoning tokens

使用 GPT-5.2 标准价
Input：$1.75 / 1M tokens
Output：$14.00 / 1M tokens

最后的成本在8900美元左右。如果不按照工作量和工作小时来看，“雇佣”这样一个永不停歇的AI工程师一个月成本在35600刀，一年则为42.7万美元。和谷歌雇佣一个L4的工程师成本一样。

[AlexZ 🦀 @blackanger]

开源了，大家可以参考

https://t.co/A1yIdXBWl1

[Sebastian Raschka @rasbt]

https://t.co/5RF7KRzZeu

[anaum @anaumghori]

some recent reads from this month that I've learned from and that are pretty cool

1. Inside NVIDIA GPUs: Anatomy of high performance matmul kernels
https://t.co/p0o0ktBe90

2. Triton Flash Attention Kernel Walkthrough: The Forward Pass
https://t.co/CG4ieEldWb

3. This guy substack
https://t.co/y89yjEM9x3

4. Deep Dive into Triton Internals (3 Parts)
https://t.co/JiX9jhN6pg

5. HunyuanWorld-Mirror: Technical Report
https://t.co/u8rZf5Whsl

6. Understanding the CUDA Compiler & PTX with a Top-K Kernel
https://t.co/YiBQB8tHHa

7. Geometry Meets Vision: Revisiting Pretrained Semantics in Distilled Fields
https://t.co/SEfb3AxULE

[百无禁忌(勇版) @gougouduck]

@syllabubunny

[百无禁忌(勇版) @gougouduck]

无人驾驶真正落地的唯一路径就是，圈一片地儿，放几十万台、数百万台无人汽车，模拟人类生活的真实世界，持续运行一年，事故率远远低于真实世界的时候。所有人都会信任无人驾驶。

[百无禁忌(勇版) @gougouduck]

@syllabubunny 这样真可以！🤩🤩

[WquGuru @wquguru]

长期以来，为了让AI代码工具能自主持久运行数小时，各路高手探索出自己的方法，Claude Code之父Boris在最新的推文中提及了11月20日刚开发的官方插件ralph-wiggum

这个插件的核心原理利用Claude Code的Stop Hook机制：当Claude认为任务完成并试图退出会话时，hook会拦截退出，检查是否真正达成预设成功条件。如果未达成，它会自动递增迭代计数，并将相同的原始任务提示重新注入给Claude

Claude基于上轮留下的文件变更、git历史和测试失败，继续下一轮自纠错迭代。整个过程在单个会话内循环，无需外部脚本，状态通过本地文件持久化

使用方式简单：运行一次/ralph-loop "你的任务描述" --completion-promise "完成信号文本" --max-iterations N（强烈推荐设置上限防无限循环），当Claude输出<promise>完成信号</promise>时，循环结束

这个方法适合的场景：有清晰客观标准（如测试全通过）的任务，比如TDD开发、重构代码、构建完整功能。Reddit中应用案例有一夜生成仓库、全自主完成5w美金的高价值合同

不过也有局限性：不适合主观或模糊任务（易陷入低效循环）；token消耗高；多会话时hook可能意外接管（建议用git worktrees隔离）；依赖优秀的提示工程（如果不熟悉，可以看看这个A社官方的提示工程最佳实践交互课程https://t.co/91HiurD3IF）

这个插件标志着AI代理从分钟级到天级自主的跃进，值得每位Claude Code用户尝试

链接：https://t.co/NSpQ6FWZps

[马东锡 NLP @dongxi_nlp]

https://t.co/DR6qCCuE4s

[ahhhhfs @abskoop]

啥意思？

[百无禁忌(勇版) @gougouduck]

@syllabubunny 因为你的性癖是论文

[Yangyi @yangyi]

谷歌正在对浏览器和搜索的核心界面进行重大革新
他们正在测试GenTabs，这项功能可以将用户打开的标签页变成一个定制的Web应用程序（例如，用于规划旅行）。

用户可以通过输入自然语言，让Web应用程序进行优化。

这个太酷了，以后页面上的信息，都可以变成GUI界面，把信息重组快速使用了！