Jayden

LLM Research | Intern @Apple @Microsoft @ShanghaiAILab @NetEase

[小麦搞钱计划 @ma_zhenyuan]

坏了，这是真有用的

[Binfeng Xu @billxbf]

Tech report now live 🚀🚀
https://t.co/uGaoV7mRtn

[HeyXiaoDuo_ @xiaoduoya_]

不知不觉，Codex With ChatGPT已经快6K Stars啦！

其实做这个项目一开始的初衷很简单，
只是为了能让Plus用户更好的利用他们的额度，
让「用5分钟就没额度」的事情不再发生

通过MCP+Skill，让网页端GPT能够访问本地文件，
进行修改规划和建议，本地Luna模型执行

在开源过后，也收到了很多issue和PR，
也让我第一次这么深的体会到了开源的魅力。

如果你确实有这方面的需求，可以来试试，顺手点个star

[Jayden @junjiel46772067]

收藏备用

[zhouluobo @zhouluobo]

Jev 大家用上没有啊，可太好用了

整理了一批 Jev 项目，大家可以参考啊。

1. fast-jev-compaction
Claude Code 插件。每次工具调用后，用 Jev 判断哪些内容该保留、压缩或丢弃，减少上下文膨胀。
https://t.co/CQwOYO7R1Q

2. jev-browser
让 LLM 负责规划，Jev 负责浏览器里的具体选择。支持 CLI、Library 和 MCP。
https://t.co/QbZpMZ9VZ2

3. jev-search
把 Jev 用在搜索流程里，负责理解查询、选择信息源、筛选结果。
https://t.co/fm3NEdRMk9

4. Reticle
给 Web 和桌面应用增加运行时感知能力，帮助 Agent 理解自己正在操作的界面。
https://t.co/B67PaL5GlB

5. NanoJev
一个 Jev 的轻量复现项目，包含并行决策、动态候选项和完整训练流程。
https://t.co/iTWCDVahfa

6. open-alternative-jev
尝试用开源模型复现 Jev 风格的 System One 决策层，并提供基准测试。
https://t.co/nL9WykIQcz

7. pi-jev
把 Jev 接入 Pi coding agent，用来控制工具调用，也支持类型化、带置信度的回答。
https://t.co/Wb3e6oNaYR

8. hermes-jev-skills
直接把 Jev 接进 Hermes、Claude Code 和 Codex，覆盖模型路由、记忆、上下文压缩、Skill 选择和浏览器操作。
https://t.co/q7QbCQQX5q

这个列表感觉收藏吧，早晚用的上。

[Jayden @junjiel46772067]

有意思

[huangserva @servasyy_ai]

最佳Jev模型的应用😄

[超级峰 @Mileson07]

🤯 我勒个去。。。 飞书 CLI 支持查询全网的公开的云文档 😱

我惊呆了 😅，太夸张了吧，这难道不是中文互联网最高质量的地方了吗

另外，建议大家不要轻易公开飞书云文档了，因为指不定你的云文档就被别人用 飞书 CLI 直接查到了，信息泄露了

[karla ❀ @karlarboledas]

Un ingeniero senior de IA en Microsoft acaba de revelar cómo los equipos de Microsoft crean agentes de IA con Anthropic.

34 minutos de taller gratuito, directamente por el equipo de Microsoft.

Opus 4.7 + más de 1 400 herramientas MCP ya listas para usar.

Conectas Claude a un agente → le agregas herramientas → lo despliegas en producción.

Más útil que la mayoría de las formaciones de vibe-coding vendidas por 500 $.

guárdalo y sígueme para más → @karlarboledas

[Michael Chao e/acc🇸🇬🇺���🇮🇱 @michaelchiu777]

16.67万个果蝇神经元刚刚接管了3架无人机，没人教过它们怎么飞。

科学家绘制了一只真实果蝇的完整大脑，每一个神经元以及全部2500万个连接，并免费放到了网上。

把这个大脑复制了3份，每份接入一架无人机。

没有飞行代码，没有手势预设，没有“避开椅子”的规则，只是摄像头把画面喂给果蝇的眼睛，神经元直接控制油门。

一架悬停，一架从椅子旁滑过，一架落到地板上并稳住。

这个大脑花了3.5亿年学习如何待在空中，现在它又回到了属于它的地方。

没有GPU，没有训练过程，没有千亿美元的数据中心，只是一颗像糖果粒一样的大脑。

一只苍蝇给你3个飞行员，1000只苍蝇给你一个机群。
苍蝇死了，但它的大脑刚刚拥有了一支中队。

[Jayden @junjiel46772067]

Cool

[Suman @0xSuman]

“Jev can’t generate text”

Ofc it can @CompleteSkeptic

[动帧格 @nian_tu41685]

用A100跑最新的DeepSeek V4.1 Flash，6张卡才跑出33 tok/s，最后只用4张卡反而干到了并行吞吐1400+ tok/s，比DeepSeek官方API还快三倍多，这篇文章的质量高得吓人。

A100是六年前的数据中心GPU，现在算“老古董”了。一开始Claude Code直接告诉他“硬件不支持FP4，跑不了”。他不信，自己想了想——“不支持FP4”，那我换个方式算不就行了？然后就带着Claude Code一路死磕优化，卡少了，速度反而翻了几十倍。

但这篇文章最让我有感触的是他反复强调的一个观点：
现在的AI写代码确实能写出不出bug的代码，但它没有“质疑”的能力。 AI说“这是极限了”，它是真的认为到头了。它不会去怀疑“凭什么这就是极限”，不会拿profiler去一毫秒一毫秒地抠，不会去想“这个设计前提本身就是错的”。每一次关键突破，都是他作为人觉得“我不信”之后才发生的。

他说AI的思维方式本质上是“所有人类的平均反应”——大多数人觉得“不支持就是不行”，AI也就这么觉得了。但真正的工程是质疑前提、测量瓶颈、打破假设。

AI是很好的工具，但“这事儿真的只能这样吗”这个问题，需要由屏幕前的你来回答，而不是你手中的AI。

[Jayden @junjiel46772067]

非常有意思

[小互 @xiaohu]

Anthropic 放了个视频
演示 CLaude Tag 怎么帮工程师值夜班…..

晚上 11点，支付接口的出错率冲破 2%，值班工程师被报警叫醒

结果她还没打开电脑，CLaude 已经在查了

CLaude Tag就在工作群里（ SLack 里），全程是这样：

• 报警一响直接开查：拉监控数据、对比最近几次上线、翻功能开关的改动记录

• 15 分钟找到原因：新功能里负责重发的程序没限制并发数，把队列冲爆了

• 列出两个修复方案，推荐一个，然后 ＠ 工程师拍板

• 工程师只回了一句“加上限，功能保持开着"，它才去改代码，一共4行

• 上线后自己盯 10分钟出错率，稳住了才宣布修好，还给下次留了条备注：“先查功能开关"

不只是自动瞎搞，权限有边界，能查问题、能提改代码的申请，但合并和上线必须有人批准

一种自动化值班方案...

[Jayden @junjiel46772067]

Interesting

[空言 @__soragoto__]

面试官：我看你简历上写熟悉 Linux，大概有多熟悉？看过源码吗？
我：看过一些。
面试官：那说说有什么优秀设计，或者让你印象比较深的地方。
我：那就要说到华硕的 HID 驱动了。
面试官：？
我：华硕有些键盘会在某些特定情况下往 host 发送电源相关的键值，导致 host 关机，所以内核驱动里专门把那个键值屏蔽了。
面试官：nmd，现在也是我印象最深的地方了。

[Jayden @junjiel46772067]

非常夸张，而且正确

[Yifan Zhang @yifanzhang_]

We are at the dawn of Superintelligence.

Introducing the Recurrent Looped Transformer (RLT),

We now have Transformers with Infinite Reasoning depth.

From now on, we should pace progress at the Open Frontier of Superintelligence,

Until Safe Superintelligence is achieved.

https://t.co/yMWIWU4upo

[Jayden @junjiel46772067]

非常好的公文写作技巧，值得所有tech blog writing 学习

[realazy @_c_x_a_]

@skywt2003 当公司足够有钱的时候，就会养一群文案警察。https://t.co/x1zT1FFcMQ

[Jayden @junjiel46772067]

好贴切

[Dongxi 东锡 NLP @dongxi_nlp]

读完 deepseek 的 KV Cache Compression，我突然觉得，人生同样需要好的 KV Cache

K 是唤起记忆的线索，V 是记忆留下的内容。新的情景发生时，Q 带着此刻的问题，从过去寻找答案。

经历越多，思虑越重；精力有限，再重要的往事也可能被冲淡，旧船票难以登上新船，错误的记忆也会影响后来的判断。

所谓成长，大概就是给生命做 KV cache

[Jayden @junjiel46772067]

这是真东西啊

[Jayden @junjiel46772067]

Fanny

[過呼吸になるぐらい笑った画像 @meishuppin]

オンライン面接で緊張しない方法

[Jayden @junjiel46772067]

It’s so excited result

[Boris Cherny @bcherny]

I am pleased to see that OpenAI’s new model is roughly on par with Gemini Flash and Opus 4.8 on prompt injection risk. Nice work!

Evaluating and naming other labs turns out to be a great way to encourage them to train more aligned models. We will continue to do this until other labs pay more attention to safety. This is good for everyone and there is a lot of room left to go!

We solved prompt injection in practice for Claude models about two months ago. But prompt injection is a significant security risk no matter what model you use, and it is important that the industry similarly spends more effort to train their models to be resistant to prompt injection, among other elements of model alignment.

As models become more capable and central to businesses and economies, the risks only increase. We should be taking them seriously, and doing the right thing for our customers and the world.

[Jayden @junjiel46772067]

非常高质量的文章，同时我们要知道怎么从模型怎么避免人类发现它的hacking任务，再到真正完成任务的表现

[Jakub Pachocki @merettm]

I wrote about the state of AI, why I’m concerned about the next few years, and the choices we need to make to keep the future in humanity’s hands.

An Alien Mind: https://t.co/FeIfWNe0UE

[Jayden @junjiel46772067]

So excited studying

[DAN KOE @thedankoe]

https://t.co/7l7Jef99QZ