alec

purine purger / adiosine / interleaver

[alec @hagdoquir]

https://t.co/U7Z6jYdbrB

[orph @orphcorp]

information is free because saturating your cognition & preventing you from taking action is the product

[David Ruhe @djjruhe]

Introducing 💫 Gumbel Straight Flow 💫: Distilling Autoregressive Models into One-step Flow Maps 🚀

Can autoregressive (language) models be used as teachers for flow map parallel samplers?

[alec @hagdoquir]

又是哥德不完備🤌🤦

[Jürgen Schmidhuber @SchmidhuberAI]

The holy grail of RSI is the mathematically optimal self-referential Gödel Machine (2003) [GM3-9] (Sec. 5 of the RSI report above). It inspired lots of recent work, e.g., the Darwin-Gödel Machine (2025) [GMD25], the Huxley-Gödel Machine (2026) [GMH26], the Red Queen Gödel Machine (2026) [GMR26]... See also our 2026 survey [RSI26] and its tweet https://t.co/VlJxnzlizV

[alec @hagdoquir]

壓縮嗎🤔

[hardmaru @hardmaru]

Recently learned that Schmidhuber’s Formal Theory of Fun and Creativity, covering compression progress and intrinsic motivation and their relationship to beauty, curiosity, art, science, music, and jokes, was published in a Japanese scientific journal in 2009.

https://t.co/iQcJf9r3K2

It is wild that this framework: compression progress as the basis for beauty, curiosity, art, science, and even jokes, was laid out in full formal detail in a Japanese journal 15 years ago.

[alec @hagdoquir]

https://t.co/DxU484XXnQ

[Jürgen Schmidhuber @SchmidhuberAI]

@geoffreyhinton Video tweet: my 2020 talk about recursive self improvement 1987-2020 https://t.co/yPeraJ4wv2

[alec @hagdoquir]

現代愛迪生嗎（幹

[Praetor @FourVork]

IQ maxxing is very simple when you have the right habits:

1) think through what you need to do that day, so you act intentionally
2) do one cognitively hard thing daily: coding, math, writing, building, or whatever is tied to your real goals
3) build things with feedback loops and let reality correct you
4) write every day to force yourself to articulate thoughts precisely
5) read smart minds, then reflect and write instead of just consuming
6) make predictions + review them. it trains calibration instead of hindsight
7) protect your attention, exercise, and sleep properly

it's mostly about designing your life around your brain getting constant reps + feedback.

you get smarter by thinking, being wrong, and iterating.

[shipra @shipranotes]

Get addicted to neuroplasticity, subconscious reprogramming, delusional optimism, game theory, quantum physics, cognitive biases, systems thinking, epigenetics, and first-principles thinking. I promise it will change your life.

[Tech with Mak @techNmak]

I put together a handbook on how speculative decoding actually works, starting with why autoregressive generation is serial and what changes when a cheaper proposer drafts several future tokens for the target model to verify together.

It works through greedy verification, exact speculative sampling, the min(1, p/q) acceptance rule, residual correction, acceptance rate, expected tokens per verification, draft-length and wall-time trade-offs, KV-cache commit and rollback, tokenizer compatibility, self-speculation, Medusa, SpecInfer, EAGLE, MTP, prompt lookup, dynamic speculation, and current serving implementations. Worked examples throughout, with citations back to the original papers and current documentation.

One thing I wanted to make especially clear is that acceptance rate is not speedup.

In one simple example from the handbook, α = 0.8 and γ = 4 gives 3.3616 expected tokens per target verification. But when draft cost rises from 0.05 to 0.20 of a target step, the same simple model drops from about 2.80× predicted speedup to 1.87×.

Made it to be the explanation I wish I’d had when I first tried to understand how speculative decoding can reduce expensive serial target steps while, under strict verification, preserving the target distribution.

Sharing the handbook here:

[Prof. Gary Francione @garylfrancione]

Being a "trans woman" means that the person claiming that status was born male. So unless someone is going to claim that biological sex changes during transition, which is absurd, the discussion about what characteristics are relevant to being a woman is silly. TiMs are, by definition, males.

[Nicholas Fabiano, MD @NTFabiano]

Grit predicts success even after IQ is accounted for.

Persistence adds what talent alone does not.

[alec @hagdoquir]

https://t.co/IJ14JZ8pOx

[lumxss @bkdgiffug]

想系统学 Agent，又不知道从哪开始，可以看看这本开源教材 Agentic Design Patterns。

作者是 Google 的 Antonio Gulli，内容覆盖 21 章 + 7 个附录，从基础一路讲到进阶：

① Prompt Chain、路由、反思
② 多 Agent、记忆管理、RAG
③ 安全护栏与 Agent 设计模式
④ 每章都配有可运行的 Jupyter 代码
不是只讲理论，跟着 Notebook 一章章跑，比较容易把概念真正串起来。
另外，项目方表示书籍版税会全部捐给 Save the Children。
🔗 https://t.co/z09GaNFF4F

[Brivael Le Pogam @brivael]

Il y a quelques années, j'ai vu une vidéo où Elon Musk expliquait que la majorité des PhD ne servaient à rien. Sur le moment, j'ai trouvé ça excessif.

Puis j'ai commencé à bosser dans l'IA. Et aujourd'hui, je lis des papiers de recherche toutes les semaines. Et bien souvent, je referme le PDF en me disant : mais putain, à quoi ça sert ? Des mois de travail, souvent payés par l'argent public, pour produire des trucs qui ne créent absolument aucune valeur. Aucun produit. Aucune avancée. Aucune idée nouvelle. De la branlette intellectuelle.

Et j'ai fini par comprendre. Quand un système est gangrené par l'idéologie, il cesse de récompenser ce qui marche. Il récompense ce qui se conforme. On ne cherche plus la vérité, on cherche la publication. On ne cherche plus à construire, on cherche à être cité par ses pairs. Le réel n'est plus le juge. Le comité l'est.

C'est pour ça que ce que fait Alex Karp chez Palantir est génial. Il ne se plaint pas de l'université. Il la contourne. Il prend des jeunes de 18 ans, les met sur de vrais problèmes, avec de vrais enjeux, et les juge sur une seule chose : est-ce que ça marche ? C'est la plus vieille pédagogie du monde. Et c'est la plus efficace.

Mais Palantir ne peut pas tout faire. C'est l'intégralité du modèle éducatif qu'il faut reset. De la maternelle jusqu'au doctorat.

Regardez ce qu'a fait Elon Musk avec Ad Astra, l'école qu'il a créée pour ses enfants. Pas de classes par âge. Pas de notes. Pas de cours magistraux sur des outils dont on ne comprend pas l'utilité. On part d'un problème. Si on veut comprendre un moteur, on ne commence pas par un cours sur les tournevis. On donne un moteur aux enfants, et on leur demande de le démonter. Les outils viennent naturellement, parce qu'on en a besoin.

Et surtout, Musk a une image que je trouve magnifique : il faut apprendre en arbre. D'abord le tronc, les principes fondamentaux. Puis les grosses branches. Et seulement ensuite les feuilles, les détails. Sinon les détails n'ont rien à quoi s'accrocher, et ils tombent. Notre école fait exactement l'inverse. Elle déverse des milliers de feuilles sur des enfants qui n'ont jamais vu le tronc. Puis elle s'étonne qu'ils oublient tout.

Et maintenant, l'IA change absolument tout.

En 1984, le chercheur Benjamin Bloom fait une découverte qui aurait dû révolutionner l'éducation. Un élève qui bénéficie d'un tuteur particulier progresse de deux écarts-types par rapport à un élève en classe classique. Concrètement, un élève moyen devient meilleur que 98 % de ses camarades. Le problème : on ne pouvait pas offrir un précepteur à chaque enfant. Trop cher. Réservé aux princes.

Aristote était le précepteur d'Alexandre le Grand. Pendant 2 500 ans, ce privilège a été réservé aux fils de rois.

Aujourd'hui, chaque enfant de la planète peut avoir son Aristote dans sa poche. Un tuteur infiniment patient, disponible à toute heure, qui s'adapte à son rythme, qui connaît toutes les disciplines, et qui peut lui faire remonter l'arbre du savoir du tronc jusqu'aux feuilles.

C'est la plus grande révolution éducative depuis l'imprimerie. Et la gauche va mourir dessus. Parce que tout son pouvoir reposait sur le monopole de la transmission. Quand chaque enfant peut apprendre directement, sans passer par l'idéologie de l'institution, le monopole s'effondre.

Alors voici ce que je pense qu'il faudrait faire. Que des milliardaires reprennent des universités privées. Il y en a des dizaines en difficulté chaque année. Qu'ils virent toute la bureaucratie administrative qui a proliféré pendant trente ans. Et qu'ils en fassent des écoles de droite, fondées sur le mérite, la compétence et la recherche de la vérité. Pas des écoles qui remplacent une idéologie par une autre. Des écoles qui apprennent à penser, pas quoi penser.

Le modèle existe déjà. Il a 2 500 ans.

À Athènes, on ne formait pas des spécialistes. On formait des hommes complets. Au Lycée d'Aristote, on étudiait la biologie le matin, la politique l'après-midi, la logique le soir. On marchait en débattant. On cherchait la vérité ensemble, sans peur, sans tabou. Les Grecs avaient un mot pour ça : la paideia. La formation de l'être tout entier.

C'est de là que sont sortis ceux qui ont inventé la philosophie, la démocratie, la géométrie, le théâtre, la médecine. En quelques générations, une petite cité a posé les fondations de toute la civilisation occidentale.

Voilà ce qu'on doit reconstruire. Des écoles de polymathes. Des esprits libres capables de coder et de lire Platon, de comprendre une équation et de défendre une idée, de douter de tout y compris d'eux-mêmes. Des penseurs qui travailleront avec l'IA comme copilote et qui inventeront des choses que nous ne pouvons même pas imaginer aujourd'hui.

Athènes avait des esclaves pour libérer du temps aux penseurs. Nous aurons des machines. Pour la première fois de l'histoire, une civilisation entière peut devenir Athènes.

Ce n'est pas la fin de l'école. C'est sa renaissance.

[alec @hagdoquir]

今天一直腦霧
終於可以回家了（幹

下班前還趕死線拯救了同事，我真棒😑

[alexei @alexeixbt]

the way you talk to yourself directly rewires how your brain processes stress and emotion.

[AYi @AYi_AInotes]

世界上最顶级的几个 AI 大模型公司官方放出来的深度文章，大家一定要看，
这是 @AnthropicAI 第一次把他们内部是怎么做 Prompt 优化、Agent 评测和自动调优的底层方法论，毫无保留地全盘分享出来了，
同时在 Claude Code 的官方 Skill 里直接上线了两个神级指令：
一个叫 build-eval，一个叫 hillclimb。

一句话概括它干的事：
让 AI 在你的项目代码库里，自动建真实验收测试集，然后自己改代码、自己跑分、自己去重和防过拟合，直到把准确率拉上去、把 Token 账单砍到原来的五分之一。

做过 Agent 和重度提示词的人，应该都懂那种想砸键盘的绝望感：
改了一句 Prompt，这里好像变聪明了，那里又莫名其妙崩了；
或者自己写了几个测试用例自嗨，一上线遇到真实用户直接翻车。

以前我们调优全靠肉眼瞎试和玄学，
现在 Anthropic 直接把这套工业级的自动化调优流水线开源了。

我把这篇万字干货里的核心精髓，拆成三个最值钱的维度给大家讲透：

第一个，什么是真正能打的评测（Eval）？
Anthropic 给出了四条铁律，直接打碎了很多人的认知误区：

1. 别拿今天模型的短板去建题库：
大模型的能力表面是参差不齐的。如果你专门挑它今天答错的题去考它，你测出来的根本不是任务本身的难度，而是这个特定版本的指纹缺陷。下一代模型一出，你的题库全作废。

2. 顶尖模型在最强思考档下，跑分也必须远低于 100 分：
如果你的测试集让最强模型轻松拿满分，说明题目太简单，你根本测不出后续改动到底是变好了还是变差了。

3. 裁判优先用程序，其次才是大模型：
能用代码跑单元测试、校验 JSON Schema 的，坚决不用大模型当裁判；必须用大模型当裁判时，不要打 1 到 5 分这种模糊分数，而是写成可逐条核对的事实验证清单，或者做盲测 A/B 对比。

4. 必须能区分真变好和随机波动：
如果跑分每次都不一样，说明题目有歧义，或者环境残留了上次测试的文件让 AI 抄了近道。

第二个，神级指令 `/claude-api build-eval`
你在终端里敲下这行命令，Claude 会像个资深架构师一样采访你，在你的代码库里现场搭评测系统：
先抽你生产环境的真实对话记录，再翻 Bug 报告和工单，最后才补少量合成数据。
搞定后直接在本地生成一个极简的可视化网页，把每个测试用例、评分理由、调用链路 Trace 摆在你面前，你点个确认，基线就立住了。

第三个，全自动刷分爬坡 `/claude-api hillclimb`
这是整篇文章最炸裂的部分。
有了评测集之后，你只要告诉它你的目标是提高性能还是降低成本，它就会自动把数据切成训练集和测试集，开始自动迭代：

每次只改一个最小补丁，绝不大拆大改；
如果训练集分数涨了，但独立的测试集没动，它立刻判定为过拟合，秒级回滚；
如果改动有退步，立刻撤销重来；
只有训练集和测试集双双上涨，这个改动才会被正式保留下来。

当跑分卡住两三轮不涨的时候，它不会瞎猜，而是停下来把所有失败用例拉个清单做归因分析：到底是指南写漏了，还是裁判自己判错了。

官方在文章里放了两个真实实测战报，数据非常硬核：

第一个案例：客服 Agent 极限降本
原本用 Opus 4.8 跑高思考档，准确率 74.4%，单次成本 4.6 美分。
跑完 hillclimb 后，系统自动帮它删除了冗余的思维链和冲突规则，把模型换成低思考档的 Sonnet 5，
最终在未见过的测试集上，准确率从 78.6% 飙升到了 90.5%，而单次成本直接降到了 1 美分。
准确率大涨的同时，账单直接砍掉了近 80%。

第二个案例：修复 AI 脑子里的旧时代记忆
他们在优化官方 claude-api 技能时，发现评分一直卡在 77 分。
AI 复盘后发现：模型本身其实懂新接口，但由于预训练时期的习惯，总是下意识去写老旧废弃的 API 格式。
于是自动在规则最上方补了一张新旧 API 对照表，准确率瞬间冲到了 88%。

过去我们做 AI 应用，90% 的精力都在当人肉测试员和 Prompt 缝合怪；
现在顶尖大厂的解法是把玄学变成工程：用真实的业务数据立住标尺，剩下的调优和降本，让 AI 坐在工位上自己给自己爬坡。

这套工具已经集成在 Claude Code 的官方技能库里了，终端里装上 claude-api 就能跑。

做 Agent、写提示词、或者被 API 账单卡脖子的兄弟，强烈建议去啃一遍原文。
你们平时在业务里调优 Prompt，最头疼的是改完后测不准，还是跑分很高上线就翻车？评论区交流交流～

[alec @hagdoquir]

原來是致敬（？）經典，本來看的時候想說畫面都很棒、製作人員品味很好

[桃華あかり@アニメ @HuI4L4TYWq88899]

ヤニねこの特殊OP verとオマージュと合わせてたら神すぎるから見てほしい
#ヤニねこ #yanineko

[alec @hagdoquir]

楽しそう

[「ヤニねこ」TVアニメ公式 @yanineko_anime]

なんもねえ 〜住人大合唱ver.〜
￣V￣￣￣￣￣￣￣￣￣￣￣￣￣
🚬

TVアニメ『#ヤニねこ』最終話放送記念✨
MV公開！

「なんもねえ 〜住人大合唱ver.〜」
ヤニねこオールスターズ(夏吉ゆうこ、松岡美里、船戸ゆり絵、清水彩香、井澤詩織、明智璃子、稲田 徹)

https://t.co/gBVPjEAXUT

[lifcc @mylifcc]

当年游戏神级程序员 John Carmack 想转行搞 AGI，跑去问 OpenAI 首席科学家 Ilya Sutskever 怎么入门。

Ilya 没让他去刷几千道 LeetCode，也没推销什么网课，而是直接甩给他一份清单：

“把这 30 篇论文彻底搞懂，你就掌握了当今深度学习 90% 的核心。”

很多同行以为这只是一份书单，结果最近 GitHub 上真有狠人，把这 30 篇论文全部用 Python 从零手写实现了（从 AlexNet、Transformer 到 GPipe、Scaling Laws），每个都做成了可直接跑的 Notebook。

[alec @hagdoquir]

請假在家耍廢結果被外面施工聲逼瘋