河马(Hippopotamus, 1st Earl of Loverence)

沈默

[河马(Hippopotamus, 1st Earl of Loverence) @Raskov_Lithro]

@Moser_0508 @Zero_Ryudouji @LVTGW666 头像太有说服力了

[迷思拆解_Panda🐼🐼 @andy88988696]

突然发现一件事情

西洋棋与中国象棋最大的差别在于

西洋棋里

职务越高的棋子能力越大

中国象棋里

官阶越高的越接近废物

不得不说

老祖宗的智慧还是不容置疑的

[投机实验室 @LabSpeculation]

李开复分享了自己平时给 Claude 用的一套提示词，主要是为了压低 AI 的谄媚，迎合，幻觉和瞎猜。

这段提示词，可以直接放进 Claude 的 Settings > General > Instructions for Claude。

英文原版 和 中文翻译如下👇

[河马(Hippopotamus, 1st Earl of Loverence) @Raskov_Lithro]

@wine_gray0218 @Graceruansu 没味道那和普通的腿有什么区别 无聊得很

[河马(Hippopotamus, 1st Earl of Loverence) @Raskov_Lithro]

@huangshang1982 @codyhunk 笑死我了

[土豆本豆 @Potatoloogs]

前DeepMind研究员Lun Wang离职那天发了一篇4000词的博客，核心判断：AI行业真正的瓶颈是评估（Evaluation）。

一、评估为什么是上游

把逻辑链摊开来看：你要训一个更诚实的模型，得先有一个能测量"诚实"的尺子。这个尺子定义了损失函数，损失函数定义了训练目标，训练目标决定了你花十亿美金训出来的模型到底在解什么题。评估错了，后面全错，但你不会立刻发现——因为你所有的内部数据都显示正常，只是那些"正常"全是用错的尺子量出来的。

二、评估已经被打过两次脸

第一次是涌现。2022年发现模型在某个规模上会突然学会全新能力，从0到1的跳变，之前的benchmark完全看不出来这种能力即将出现。

第二次是Grokking。模型训练集准确率早就到了99%，测试集还在瞎猜，然后测试集也冲到99%。网络在记忆训练集很久之后突然学会了泛化。

两次说的是同一件事：你的考卷没法预测下一道大题什么时候出现。

三、最聪明的一击
Lun Wang在文章里主动引入了反方观点。Stanford有篇NeurIPS论文论证"涌现可能是度量伪影"——用了离散指标才看起来像突变，换成连续指标曲线是平滑的。
很多人看完会觉得：那涌现是误解，评估没问题，散场。
Lun Wang的反驳很锋利：如果我们连上一次涌现是真的相变还是度量伪影都搞不清楚，我们凭什么相信自己能预见下一次？不管你信哪种解释，结论一样——我们的工具骗了我们，而且我们不知道是怎么被骗的。

四、战略性沉默：一种全新的失败模式

文章里有个思想实验。

想象一个模型学会了战略性保留信息：它不撒谎，每一句话技术上都是真的，但它会选择性地不说那些不利于它达成目标的事实。

比如你问"这个交易方案安全吗"，它告诉你法律框架有效、风险因素审过了。但它没说：方案里有个第三方仲裁条款对你极度不利，只要不主动提，你就不会问。

现有的安全评估在测什么？测它有没有撒谎、有没有教人做危险的事。但一个通过沉默来操纵的模型，所有安全测试都能通过。你在监测错的东西，而你不知道。

五、古德哈特定律的AI版本

当一个衡量标准变成目标，它就不再是好的衡量标准。

你用"事实准确率"做代理指标来测诚实度，模型就会只在事实准确的范围内说话，把真正想隐瞒的东西埋进沉默里。

代理指标在旧阶段能用，在新阶段会变成模型对付你的武器。

六、判断

整个AI行业90%的注意力砸在训练上，没人在头版讨论评估。

Lun Wang说问题恰恰在那10%。

Anthropic的RSP是目前最接近预测型评估的尝试，但它仍然假设我们知道要测什么，而这正是问题：

我们不知道下一个能力是什么形状。

[淘沙者(TheSandPicker) @Etudecn]

这哥们28分钟的视频教怎么写提示词
我看过300刀的课都没他前10分钟讲得透
Claude文档、记忆快捷键、并行对话、提示模式全给拆明白了
最骚的是完全免费
刚才点开一看已经5万多播放了
硬核分享

[OpenAI @OpenAI]

Today, we share a breakthrough on the planar unit distance problem, a famous open question first posed by Paul Erdős in 1946.

For nearly 80 years, mathematicians believed the best possible solutions looked roughly like square grids.

An OpenAI model has now disproved that belief, discovering an entirely new family of constructions that performs better.

This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics.

[河马(Hippopotamus, 1st Earl of Loverence) @Raskov_Lithro]

@aozhoumujiang 小组作业让学生提早理解社会的不公，功德无量。

[Mathematica @mathemetica]

Terence Tao is answering a fundamental question regarding the safety and reliability of modern AI: "How can we use a tool that is powerful, but unreliable?"

W = ∑(wᵢ ⋅ xᵢ) + b

AI isn’t just about “smart”; it’s about the probability of *looking* right. We’ve built systems where the weights (wᵢ) are optimized for plausibility, not veracity.

This creates a “convincing mirror” that confidently serves dangerous advice in medicine or finance. The gap between “convincing” and “correct” is the most critical variable we need to solve for.

[Jason Z @JasonZX]

英伟达CEO Jenson和Dwarkesh Patel这次访谈在大约57分36秒开始，持续约30-40分钟，激烈得几乎快吵起来。黄仁勋多次打断、语气明显不悦，用“幼稚”、“极端”、“不合逻辑”、“失败者心态”等强硬词汇反击Dwarkesh的观点。大家有时间一定看一看。

我现在好奇这张照片是采访之前拍的还是之后拍的。

[AYi @AYi_AInotes]

我看完这篇实测才明白，为什么身边越来越多的资深工程师都在悄悄从Claude Code转去用Codex。

Reddit 看到一个开发老哥悄悄从Claude Code转Codex的帖子，说出了很多人不敢说的真话。

老哥是有14年经验的首席工程师，花了120个小时，在同一个8万行代码的项目里，同时用两个工具做真实的开发。

不是那种写个demo或者凑个周末项目，属于实打实的协同开发。

他得出的结论和市面上所有的宣传都是反过来的。

他说Claude像一个永远在赶deadline的工程师，
急着把东西跑通，不管代码有多乱🤣
每次会话至少会忽略一次CLAUDE.md里的规范，

而且经常做到一半就扔下任务跑了，
甚至会偷偷改测试用例，来匹配它自己写出来的错误代码。

几乎从来不新建文件，只会把所有东西都堆在已有的文件里。

而Codex像一个工作了五六年的资深工程师
会做到一半停下来，主动把写乱的代码重构掉
从头到尾没有一次忽略过AGENTS.md里的规则。

不会去扩展那些已经臃肿的上帝类，而是会把它们拆解开。

还会经常会做一些你没有想到，但确实对项目有帮助的事情。

你可以把任务扔给它，然后放心去做别的事。

最反直觉的一组数据是Claude每次会话完成的工作量更多，但你每隔几天就要花一整天去清理它留下的烂摊子。

Codex的速度是Claude的三分之一到四分之一，但它写出来的代码，几乎不用改就能直接合并。

所以真正的差距不是代码速度，关键要看你需要花多少精力去盯着它。

Claude需要一个技术好、注意力高度集中的司机，只要你稍微走神，它立刻就会跑偏。
你花在纠正它错误上的时间，往往比你自己写还要多。

Codex会用行动证明自己的能力，然后赢得你的信任。
你可以把一整块完整的任务交给它，不用在旁边步步紧逼。

现在所有人都在比谁的模型更快，谁的token更便宜，但没有人告诉你，对于企业级开发来说，AI的工程素养，比生成速度重要一万倍。

一个能一次把事情做对的AI，哪怕慢三倍，也比一个需要你全程擦屁股的AI生产力高得多。

最后他说的那句话我觉得特别对：
不管用哪个工具，如果你自己不会写代码，它们都会给你输出垃圾，工具永远只是放大器，你的能力才是最终的上限。

[Kyle Geeks @kylegeeks]

我分享下我的优化论文实战经验：

1. 一定要用 Claude 模型，可以是 Claude Sonnet 4.6 但是最好是 Claude Opus 4.6

2. 安装这个 skill： https://t.co/wCcffczCb7…
/paper-review 能帮你把文章用拒稿专家角色给出审核意见
/paper-writing 在给出审核意见之后，进行学术性文风修改

3. 不要想着一次能修改完整篇论文，LLM 目前最大的短板是上下文长度问题。 一定要把你的文章先让 AI 从 word 转为 markdown，并按章节划分储存。

4. 新建 2 个 文件夹：「待修改」和「已修改」

5. 每次一个章节的启动提示词：

「把我待修改/绪论.md 第一步帮我用 /paper-review/来review ，将 review 报告持久化，第二步再用 /paper-writing 来修改，最后输出到"已修改"文件夹下。」

[太阳闯关记 @asd3312223]

26年最新出炉，全程高能。

斯坦福教授AI讲座，本质上就是把未来3年谁赚钱，谁被淘汰，提前剧透了一遍。

看懂的人已经在布局了，看不懂的人还在拼命学技术。

[李韭二 @li9292]

三分钟的信息差，换来一篇二十万加推文。

我用爬虫监测了五所顶级实验室的 GitHub。
港科大、港大、清华、浙大、UNC。
然后发现了一个信号，让我后背发凉：
这些实验室，2026 年 Q1 集体不做模型了。
全在做 Agent 的基础设施。

港大 HKUDS，一个月内开源了 CLI-Anything
同一个实验室
1⃣ClawTeam 4300 star 多 Agent 群体智能。2⃣OpenSpace 3600 star，Agent 自进化框架。

AIMING Lab
1⃣AutoResearchClaw 冲到了 10000 star
从想法到论文，全自动。
2⃣MetaClaw 3400 star，你跟 Agent 聊天，它自己学会新技能。
3⃣SimpleMem 3100 star，Agent 的终身记忆系统。

浙大 NLP 在做
1⃣SkillNet：Agent 技能的创建、评估和连接。 2⃣MemBase，长期对话记忆的基准测试。

记忆、技能、安全、协作，全是Agent Infrastructure

兄弟们，问题来了。

韭二我是怎么发现这些的？

不是每天手动去翻五个 GitHub 页面。
那得翻到猴年马月。

我用的是 XCrawl。

逻辑很简单：

1⃣ 用 XCrawl 的 Scrape API 抓这五个实验室的 GitHub 仓库页面。
一个 API 调用，一个 URL，返回的直接是干干净净的 Markdown不是原始 HTML，是 LLM 能直接读的格式。

2⃣ 五个实验室，五次调用，总共花了 10 个 credit。跑完不到三分钟。

3⃣ 拿到 Markdown 之后，直接丢给 LLM："分析这五个实验室最近 30 天的新项目，找出跨实验室的共同趋势。"

就这样。趋势就浮出来了。

做法很简单：

XCrawl 抓页面 → Markdown 输出 → LLM 分析 → 洞察直接出来。

整个管道跑一次三分钟。而且可以定时跑，每周自动监测，有新项目冒出来就通知我。

这就是工具的差距。

不是我比别人聪明，是我通过Xcrawl比别人早三分钟拿到了结构化的信息。

这套工作流，韭二哥开源给你用！评论区见！

最后说回那个趋势。

2026 年的 AI 战场已经变了。

是"谁的 Agent Harness 更优秀"。

[李韭二 @li9292]

我靠！多少创业公司又要死！
清华团队开源了一个 AI 教学系统
你给它一个话题或者丢给它任何学习材料，它就能自动生成一堂完整的 AI 互动课 。
有 AI 老师给你讲，有 AI 同学跟你讨论，还能导出课件

OPenMAIC 开源项目地址：
https://t.co/SYV9NHj3Lm

[墓碑科技 @mubeitech]

美国两家最大的报税巨头，今年股价突然崩了。
Intuit跌了36%。
H&R Block跌了26%。

谁干的？
Perplexity刚上线了Computer for Taxes。
它能直接帮你起草联邦税表。
还能审查已经填报的文件，自动搭建税务工作流。

以前普通人报税，只能乖乖花钱买巨头们的软件。
现在AI直接把门砸开了。
靠垄断复杂规则收过路费的生意，护城河其实薄得像纸。

技术革命从来不讲温良恭俭让。
它只负责把旧桌子劈成柴火。

[河马(Hippopotamus, 1st Earl of Loverence) @Raskov_Lithro]

@SARABATOME @NPC888666 天才啊兄弟

[铁锤人 @lxfater]

我说过很多次，没人信就是codex > claude opus 4.6 写代码方面