yzxoi

Undergraduate @ Tongji University · Visiting Student @ Shanghai Innovation Institute
Leveraging 100B+ monthly tokens

[Ruiteng Huang @huangruiteng]

我的一个判断：通用长程能力，是 RSI（递归自我改进）的先决条件。

从今年 6 月开始，我一直在不同代码库里运行十几个 24/7 Agents。现在我更关心的问题是：第 100 小时的工作，能不能受益于前 99 小时的探索？

LoopX 想探索的是一个双层演化的 meta-harness。

任务内，Agent 持续积累并修订假设、实验标尺、反例和当前最优解。新证据要进入下一次决策：继续深挖、修正标尺，还是换一条路。

任务间，再用这些研究轨迹改进 harness 本身：上下文怎么组织、实验怎么安排、算力如何分配，让下一轮研究站在更好的起点上。

这里有个重要的元推理问题：剩下这几小时计算，究竟投给哪个实验最值得？有时要让一个方向持续跑下去，有时要先修掉一个误导实验的标尺。这个选择本身，就需要智能。

这也是我做 LoopX 的一条研究主线：让 Agent 长期做事，并把做事过程中得到的经验，转化为下一轮可验证的改进。

最终的判断标准：同样的总预算，能否交付更好的、独立验证过的成果。

[Xiuyu Li @sheriyuo]

造 bench 对于学术界算负反馈，因为很多会 bench 很好中，会先入为主地认为你有水 paper 之嫌疑（但是只是有 bias）

对于工业界来说又算正反馈，能给你带来相当大的曝光，并且给 TB4 / TB-Science / ALE 交过 PR、供过题是当下基模算法岗位的硬通货敲门砖

被迫跟随 frontier bench 不如自己创造 frontier bench

[james hawkins @james406]

how am i suppose to respond to this

[yzxoi @lxrmoe]

@bitwjg 大粉理论的正确性

[yzxoi @lxrmoe]

近日观 Weight-Space Programming 有感：
T+0，博客挂出来，标题带 Sparks of，摘要第一句 We find that frontier LLMs。
T+1，X 上开始：Weight-Space Programming changes everything，配一张 MATH-500 从 7.9% 到 48.1% 的柱状图，评论区已经开始 RSI、AGI 来了。
T+2，公众号：刚刚，LLM 学会直接改权重了。一文读懂 Weight-Space Programming。看完我瘫坐了十分钟。朋友圈开始转发，配文震撼。
T+3，知乎：如何评价 Weight-Space Programming？泻药，刚下飞机，组里连夜开会。有人开始说这不就是 abliteration 换皮吗，然后被喷不懂创新。
下一步，会出现一个国内团队开源，要么叫 Open-WSP 要么叫个差不多的名字
T+4，国内团队开源 Open-WSP，README 第一行：首个开源 Weight-Space Programming RSI 实现。Star 半天破千。Issues 里全是跑不起来、显存不够、Astra API 在哪。
然后就会有一大堆叠盒子的，比如
WSP-Harness、WSP-VLA、WSP-WAM、WSP-Agent、WSP-RAG、WSP-MoE、WSP-RL、WSP-Diffusion、WSP-World、WSP-Bench
Nano-WSP Micro-WSP Mini-WSP
一大堆仓库，还有一堆论文会出现在 Arxiv 上
《Weight-Space Programming Is All You Need》《Does Weight-Space Programming Is All You Need？》《Weight-Space Programming Is NOT All You Need》《Weight-Space Programming Is Not Enough》《Rethinking Weight-Space Programming》
几天后某高校宣布发了一篇综述，题目大概会是《A Survey on Weight-Space Programming: Taxonomy, Benchmarks, Challenges and Opportunities》
最后，究极进化 Awesome-Weight-Space-Programming 把上面这些通通索引一遍开始刷 star。炒作结束，概念冷掉，等待下一个概念。

参考文献：公式做题就是快，《Jev大模型版 近日观 Jev有感，感觉现…》

[yzxoi @lxrmoe]

@wchengphy 看看 non thinking 的表现就知道了

[yzxoi @lxrmoe]

@AtharvaRNaik lol看来已经传出国外了

[yzxoi @lxrmoe]

@Zekunnnnn 😂😂😂今早发完发现已经有了

[yzxoi @lxrmoe]

my ebooks will get the alpha!

[Xiaomi Tech @XiaomiTech_]

From recognizing text to understanding documents. 📄

Meet Xiaomi-OCR-0, an open-source document understanding model with just 0.8B parameters.

It brings document parsing, key information extraction, and OCR-oriented visual question answering into one lightweight model.

It scores 95.24 on Real5-OmniDocBench and 83.2 on average across five OCR-oriented VQA benchmarks.

On OmniDocBench v1.6, Xiaomi-OCR-0 ranks first in document parsing performance among models with fewer than 1B parameters.

Model weights, inference code, an interactive demo, MCP service, and Agent Skill are now open source. 👇
🤗 Huggingface: https://t.co/Ef8QOGcOkG
🔗 GitHub: https://t.co/x35kkNldK7
📄 Demo: https://t.co/V6cVuZCRF1 #XiaomiAI #OCR #OpenSource

[yzxoi @lxrmoe]

@xiaomovps @bot

[yzxoi @lxrmoe]

@BitcoinAlphaX subscribed

[yzxoi @lxrmoe]

@BitcoinAlphaX @grok @VOLTIXSOL DONE

[Tim Pan @mediastorm_en]

My iPhone Duo video went viral, so I'm giving away 100 iPhones on X 😛

[yzxoi @lxrmoe]

@Jenadony really frustrating...

[yzxoi @lxrmoe]

Honestly, really afraid of using Ultra now😇

[yzxoi @lxrmoe]

https://t.co/Vui709Bed3

[Manus @ManusAI]

Introducing Manus 2.0

[yzxoi @lxrmoe]

失业了。

[さんかくてん @sankakuten91256]

Opus 5.5はこんなこともできるのか

GPT Images 2.5 で9分割のダンスの画像を作成
Grokでグリーンバックのダンス動画
Opus 5.5でモーショングラフィックス
Astraで音の差し替え

[yzxoi @lxrmoe]

Slay the Spire 2, but GPT-6 Sol + Jev

[yzxoi @lxrmoe]

testing :)
https://t.co/9TXoDyNmsW