stepheneeel

[meng shao @shao__meng]

斯坦福大学课程 CS329A: Self-Improving AI Agents

课程 9 讲视频都已发布在 Youtube，第 1 讲 52 万观看，第 9 讲 1.5 万。趁假期坚持看完 9 讲视频，你就超过了中间的 50 多万人，和连第 1 讲都没看过的无数人 😂

开玩笑，虽然 AI Agent 已经强大到很多人觉得不需要再学习，什么问题都可以直接问，到顶级大学的基础课程，系统学习下来，还是会很有收获，全局认知的提升。

课程主页：
https://t.co/xPCXKnuxfK
视频列表：
https://t.co/KuIBaYhXnM

[Fuli Luo @_LuoFuli]

MiMo-V2.6: The Hard Road to Scaling Up RL

MiMo-V2.6 is very likely one of the largest single RL runs, by compute, that any open-source model team has undertaken to date. In an era when compute is brutally scarce, we still chose to dedicate a team of several dozen people to one goal over an extended period: scaling up RL. That takes more than research conviction. It takes a vision for AGI, respect for the unknown, and the nerve to walk straight into the hardest problems.

The result is a model whose potential was built through mid-training and unlocked through heavy RL. Today, it is the number one open-source model. I strongly recommend reading the technical report. I believe it will become one of those papers that Agent RL practitioners keep reopening and discovering something new in each time. In my view, the research innovations and engineering challenges behind it surpass those of DeepSeek R1, which I was partly involved in.

Some will ask: why MixRL instead of MOPD? First, they are not competing choices. We ran MixRL on verifiable tasks of moderate difficulty, including code and related agentic tasks, and found that the resulting models generalize remarkably well. Second, tasks that are difficult to verify, extremely long-horizon, or simply too challenging to include in a joint RL run are trained separately. Including them would substantially reduce rollout efficiency or introduce significant rollout staleness. We then merge the resulting capabilities through MOPD. Games, 3D tasks, and tasks with subjective evaluation signals all fall into this category.

There is also a third, slightly cheeky answer. Our team is flat enough and free enough of organizational silos that MixRL simply is not difficult for us. More importantly, everyone enjoys working this way. People from different domains come together every day, driven by the pursuit of AGI and intelligence that can continuously improve itself, to confront and resolve the RL bottlenecks in each field. I will always remember the RL daily update meetings from this period. They were intense and dense, with intelligence emerging in real time.

To help the open-source community focus on solving real Agentic RL problems, we have released a Qwen model distilled from MiMo RL trajectories as a stronger starting point for RL, along with 7K diverse environments and a complete RL training framework. We hope these resources will help move Agentic RL research forward.

MiMo-V2.6 is only the beginning. In an era when intelligence is easy to replicate, we still choose the hard road toward self-improvement and AGI. Much of what lies ahead remains unknown. But we are willing to keep investing the time, compute, and passion required to take on one hard problem after another and work each of them all the way through, until intelligence crosses into a new regime.

[GitHubDaily @GitHub_Daily]

斯坦福 2025 年秋季，开了一门 CS146S「现代软件开发者」，讲怎么跟编码 Agent 一起写软件，8 周作业全部公开在 GitHub 上。

每周一个主题，从提示词技巧开始，接着给现成的小应用加功能，自己写一个 MCP 服务把外部接口接给模型。

再往后用 Claude Code 搭至少两个自动化流程、用 Semgrep 扫出并修掉至少 3 个安全漏洞，最后一周把同一个应用用 3 套技术栈各做一遍。

GitHub：https://t.co/OI7ZnTxpXa

第七周的作业我挺喜欢，每个任务只给 AI 一次提示就让它写完，自己逐行审一遍，再拿自己的审查意见跟 AI 审查的结果对比。

不少作业带现成的起步项目和测试，第一周还用 Ollama 在本地跑模型。没机会上这类课的，照着 8 周作业自己过一遍，能补上不少。

[AI樱木 @0xSilver_Time]

🚨 谷歌前CEO揭露了一个秘密，它将在未来几年重塑世界，都因为AI。

他说现在创造财富和创办自己的生意变得容易得多，只有一个条件：你必须进入这个领域并真正理解游戏规则。

如果你只有30天时间开始，就按照这个建议行动，全力以赴。这是完整的路线图和你需要的所有工具，100%免费：

第一阶段：理解架构和基础知识

代理架构：学习如何构建一个智能独立的AI代理，它能做出自己的决策并执行。
🔗 https://t.co/UVXMAJ2KFp
🔗 https://t.co/YGitnNpPrk

Claude Code 101课程：学习使用Anthropic强大编码工具的基础知识。
🔗 https://t.co/8dDOSJj2A2

实战演练：工具构建真实项目的现场演示，让你亲眼看到它的能力。
🔗 https://t.co/4IXAiPVRhf

第二阶段：掌握提示词和上下文

提示词工程官方指南：Anthropic官方教你如何写出专业级提示词。
🔗 https://t.co/s7jwIc81Ce

交互式提示词课程：GitHub上的实践培训，提升你的提示词技能。
🔗 https://t.co/CAFQzugpBL

CLAUDE.md和记忆：让Claude记住你项目的完整上下文和规则的秘密。
🔗 https://t.co/lXNipiovCJ

第三阶段：自动化和连接真实世界

MCP协议：真正的革命。连接Claude到你每天使用的工具和数据库，如Slack、GitHub和谷歌。
🔗 https://t.co/YpC8B9aKIJ

技能：教Claude重复工作流和自定义函数，让它在你的项目中智能重用。
🔗 https://t.co/HeeDkzdXQN

第四阶段：社区指南和专业进阶

完整Claude Code指南：来自开发者社区的大型开源指南，充满秘诀和技巧。
🔗 https://t.co/TCND9apRAw

超棒Claude Code集合：汇集最好的现成脚本、技能和插件。
🔗 https://t.co/7LeLcLrN80

Anthropic学院：公司所有13门官方课程，有证书，完全免费。
🔗 https://t.co/WHFh8LKFab

完整官方文档：Claude所有内容的最终参考指南。
🔗 https://t.co/KcjU7WR6AE

保存这个并打开通知，获取更多内容 🛎️

这些资源完全免费，不花一分钱，但能让你掌握一项技能，独自完成整个团队的工作，质量相同。

[柴郡🔔｜Crypto+AI Plus @0xCheshire]

Qwen 3.8 27B 跑到 2000 tokens/s 之后，一个非常离谱的东西出现了：

大模型现在快到可以凭空生成互联网了。

完全断网的情况下，搜索 YouTube，再把时间调到 1999 或 2045，模型会以接近 2000 tokens/s 的速度实时生成对应网页。

未来的软件、游戏和虚拟世界，可能都只是模型权重里等待被生成的状态。

[ESPN FC @ESPNFC]

For the FIRST TIME EVER, Barcelona have scored over 30 goals in their first 7 matches in all comps 🤯

THEY ARE A SCORING MACHINE THIS SEASON 🦿

[Tekkers Foot @tekkersfoot]

🚨🇪🇸 LAMINE YAMAL HAS MADE IT SEVEN! THIS BARCELONA TEAM IS INSANE!

Barcelona 7-2 Racing Santander.

[WquGuru @wquguru]

一张卡微调出来的 27B，已经打破了小参数大模型是勤快的小智障的刻板印象

跟还不了解背景的铁汁说下：这里的基座不是什么神秘闭源货，就是大家熟悉的 Qwen3.8-27B-Uncensored。

土耳其的安全研究人员没上集群，就拿一张 RTX PRO 6000（96GB）开了 LoRA SFT，挂在 BF16 基座上，上下文拉到 5k，闷头跑了大约 160 小时、1.9 万步。

听起来像普通炼丹日记，对吧。

结果天还没亮，靶场成绩单就甩出来了̋(ˊ•͈ꇴ•͈ˋ)

HackTheBox 实验室里两台机器，只给了IP地址，套上一个很普通的 agent harness，模型自己扫、自己调工具、自己顺着漏洞往上爬。 平均 25 步、28 分钟，普通用户和管理员权限相继沦陷。 一场下来大约 30 万 token，按基座公开价粗算，成本大概 0.7 美元。

无需多卡，也没有天价 API 账单，就是一张普通推理GPU + 一套红队数据，把 27B 训练成了会自己拿下隔离靶场目标的神奇模型。

更魔幻的是后面，研究者完事后自己先怂了，表示攻击能力太主动，完全不敢开源这个模型。

真的够魔幻的😝

[AYi @AYi_AInotes]

具身智能正在经历属于它的“Linux 时刻”，
OpenArm 的全面开源，
把过去只有顶级大厂才能染指的高动态双臂实验，
降维成了任何工程师在桌面上都能亲手拼出来的平民基建。

以后做人形机器人不再是只有大厂才能玩得起的资本游戏了。
日本东京团队 @enactic_ai 刚刚在 GitHub 上投下了一颗开源深水炸弹：
他们把一整套 7 自由度的人形机械臂（OpenArm）彻底开源——
从 3D 打印 CAD 制造图纸、BOM 零件表、底层电机固件，到动力学控制代码，整套方案毫无保留，全部白送！

任何一个独立开发者或者高校实验室，在自己的工位上就能徒手组装出一台具备极高运动学表现的双臂机器人：

看懂它的技术配置，你会发现这绝不是粗糙的玩具，而是把工业级力控特性下放到了极致：

1️⃣ 真正的人机安全：顺应性与高反向驱动（Backdrivable）：
传统的机械臂齿轮比极高、结构刚硬，人肉一碰就容易被夹伤，稍微撞到桌子减速机就崩齿；
OpenArm 专门针对接触密集的复杂环境设计，具备高反向驱动能力。
在实时重力补偿下，它的手臂轻得像漂在水里，你可以直接伸手拖拽着它示教轨迹，遇到物理阻碍自动柔顺卸力；
2️⃣ 零延迟的 1:1 主从力反馈遥操作（KER 架构）：
不仅开源了执行手臂，还配套开源了轻量化的主控手柄（Leader Arm）。
操作员握着主臂做动作，机械臂毫秒级跟随，抓握物体时的真实物理阻力会即时反弹回你的手心；
3️⃣ 真正的 Sim-to-Real 闭环（仿真直接进真机）：
这是它最值钱的地方——官方深度适配了 MuJoCo（甚至能免安装在网页浏览器里直接用 WASM 试跑）和 NVIDIA 的 Isaac Sim / Isaac Lab。
你在虚拟世界里把强化学习策略练到极致，插上代码就能直接指挥现实世界里的真实电机。

既支持全套图纸自己打印 DIY 组装，也有认证厂商提供现成套件或整机。

过去，一台能做高阶力控实验的工业双臂至少要大几万美元，
而 OpenArm 的出现，就像当年 3D 打印机迎来了开源的 RepRap 时代：
把昂贵的硬件彻底平民化，
让所有研究具身智能的人，终于不必再被昂贵封闭的硬件卡脖子，
而是把全部心力，投入到那个真正属于物理 AGI 的算法大脑里。

[玉米_AlphaNotes @YM_AlphaNotes]

兄弟们，microduck 和 microduck_rl 把我的 Codex 额度烧完了 🤣
microduck 今天更新了源码，我就想着把新特性兼容到 microduck-studio。
2 个 Plus 额度都见底了，关键还没收尾，明天继续。

今天先跑起来了这些：
• VSLAM apartment 场景、机器人第一视角相机
• 机身 IMU：陀螺仪、四元数
• Camera、ToF、Head IMU 到躯干的动态位姿
• 8×8 ToF 深度/状态热力图，共 64 区
• 传感器与 robot.state 的单调时钟偏移
• 手柄、头部 IMU 的状态和配置入口

部分 IMU 数据还没完全接通，但是额度没了，项目没完啊，明天继续吧，困死了，赶紧睡觉😴

[SkalskiP @skalskip92]

basketball AI (95% local AI + 5% GPT-6 Astra)

- detect ball and players
- track players
- re-identify players across plays
- OCR player numbers
- recognize player in possession
- detect court keypoints
- map player positions and trajectories

Astra is powerful, but expensive tool. use it when it actually makes a difference.

↓ deep dive

[AYi @AYi_AInotes]

卧槽真的牛逼，人类历史上第一个真正被“意识上传”的生命，已经在赛博世界里被抓去打了两天黑工了！！

大家别光顾着看视频哈哈大笑，这事背后的硬核与荒诞，放眼整个人类科技史都相当炸裂：
科学家们耗费了数十年，终于把一只真实果蝇的大脑连接组（Connectome）彻底攻克——
14 万个神经元、5000 万个神经突触，被完整扫描并做成了活体数学仿真模型（LIF）。
理论上，这是人类距离“创造纯数字生命”最近的里程碑。

结果这具数字灵魂刚在云端睁开眼，
极客们既没让它研究宇宙，也没让它探索物理，
而是直接给它的运动皮层接上输入信号，把它扔进了 VR 节奏游戏《节奏光剑》（Beat Saber）里切方块。

更有意思的是全网的剧烈反应：
顶尖神经科学家看完全程懵逼：“我研究了一辈子脑科学，做梦也没想到人类的终局是把果蝇送进节奏地狱”；
甚至有大量网友开始认真声讨开发团队“手段残忍，属于数字虐待生物”，
以至于另一帮开发者看不下去，连夜在虚拟世界里搭了一个装满无限腐烂水果的“赛博果蝇天堂”，试图把这只打工飞虫从 VR 地狱里“赎身”。

最讽刺的反差也在这儿：
现实世界里的苍蝇，面对一扇敞开一米宽的窗户，能硬生生在玻璃上撞死；
而云端里被模拟出来的这坨神经元，已经开始在音游节奏里刀光剑影、精准劈砍。

以前我们总觉得《黑客帝国》里的母体和意识上传离我们有几个世纪的距离，
现在才看清楚：
人类甚至还没想好怎么面对数字生命的哲学定义，
就已经下意识地把它们扔进虚拟流水线里，当成不要钱的赛博牛马使唤了。

https://t.co/ffsWVjd1v4

[Xudong Han @Xudong07452910]

最近恰逢秋季开学，我也连续推荐了好几门北美顶尖高校新开的 Agent 课程，一个信号越来越明显：

Agent Engineering 开始大量被正式写进顶尖高校的课程体系了。

这次是 CMU 新开的 11-768《AI Agents》，看完 syllabus 后感觉内容真的很贴近现在一线在做的东西。

Tool Use、Context、Skills、Memory、Planning，往后还有 Coding Agent、GUI、Deep Research、SFT/RL、Sandboxing 和安全。

作业设计是我更看重的部分。

这个课程要求先自己搭 Agentic Harness，再做 Agent Eval，然后需要用 RL 去训练 Agent，最后做一个研究项目。

这个顺序其实挺能说明 2026 年高校开始怎么理解 Agent 了，会调用模型已经很基础，接下来要学的是怎么把 Agent 搭出来、测明白、训练好，再让它可靠地跑下去。

而且课程资料会公开，视频也刚刚开始上传。

最近想系统补 Agent 的，很推荐跟着这门课学。

课程官网：https://t.co/KnFBfSnbIG
课程 Schedule：https://t.co/38uSswcx3F
课程 Assignments：https://t.co/LLW1XZ7XCr
youtubu 视频：https://t.co/7mXPMpj2a0

[WquGuru @wquguru]

Microduck 是新时代的树莓派吗？

树莓派当年解决的是普通人第一次能摸到完整计算机，而 Microduck 想解决的是普通人第一次能摸到完整的具身智能闭环：传感器、舵机、仿真、强化学习、真机部署。它把 Physical AI 的入门门槛，从实验室搬到了书桌。我花了一周时间学习了一遍，整理了一批高质量推文：

1. 先看它是什么
官宣：
真机能做什么：https://t.co/IIOu4ovnyJ
Sim2Real 才是核心，不只是外壳可爱： https://t.co/Yc9HhQGUkk

2. 它从哪来

前世今生： https://t.co/Cu63iwAP7f
Open Duck Mini 60 秒从零件到走路： https://t.co/6b7mKUVutT
零件与套件清单： https://t.co/Eck11pALoX

3. 对比树莓派

树莓派值钱的不是那块板，是：便宜、开源、文档全、社区自己出来教程和周边。Microduck 正在重现类似盛况：

从零 DIY 复刻长文： https://t.co/LIICo9hsUZ
复刻系列合集（架构、爆炸图、成本、CAD、仿真、真机）： https://t.co/mbayTy1roY
全网首只 DIY 真机（FanGe）： https://t.co/w99D3ZMDVf
70个零件的 3D 拆解应用： https://t.co/A1ANLdt3ii
开源本地控制室 microduck-studio： https://t.co/i1FG0aPdP5
AI 直接画 Microduck PCB： https://t.co/OTcBxB0ZWW

4. 等不及鸭子的，可以先看替代品

Reachy Mini：
https://t.co/knxwL7GNZE
https://t.co/bOc2M0Ia2h
https://t.co/QqUYysa5k6

开源机械臂 $122：
https://t.co/S9jQQjbqYl
https://t.co/fB6JgNtC1m
https://t.co/j4z2NVlDF1

消费级具身智能小机器人全览： https://t.co/7eiB3YmTo6

5. 如何系统性学

先建立工程师地图，再碰硬件：https://t.co/G0bpxxCJSk
为什么未来 12–24 个月该学机器人： https://t.co/8ds1UweaX4

建议顺序：看懂产品 → 看懂前身 Open Duck Mini → 跑通仿真 → 再决定买整机还是 DIY → 最后才改结构和重训策略。官方仓库：
https://t.co/AGn1NZNwCh
https://t.co/Fj5hgB1BtH

树莓派没有让每个人都成为计算机科学家，但它让足够多的人第一次把计算机从神话变成零件。从当前热度来看，半年内应该会出现一批人能复刻、修改、训练Microduck，并且回馈开源社区。 https://t.co/sHiAbcZ1nC

[meng shao @shao__meng]

CS329A Self-Improving AI Agents

斯坦福大学一门关于「能够通过与自身和环境的交互持续自我改进的 AI Agents」的课程。

讲师阵容
Azalia Mirhoseini：AlphaCode 与 LLM 大规模训练调度优化（"Circuit Training"）的核心人物，现为 Reflection AI 联合创始人
Aakanksha Chowdhery：PaLM 2 与 Gemma 的负责人，同样在 Reflection AI

嘉宾名单
Misha Laskin（Reflection AI CEO）
多位 Google DeepMind 研究员（Denny Zhou、Thang Luong、Melvin Johnson）、Physical Intelligence（Danny Driess，机器人）

课程主线：一条完整的自我改进技术栈
1. 推理时自我改进（Test-time）
2. 从反馈中学习（Feedback → Learning）
3. 开放式进化与搜索（Open-endedness）
4. 工程化与瓶颈（Agentic Engineering & Bottlenecks）

课程详细信息：
https://t.co/GHiTbHADxB

[astaxie @astaxie]

真的很感慨，斯坦福的课程更新速度太快了。

CS329Z 已经在教 AI Agent：RAG、Tool Use、MCP、Memory、Multi-Agent、Eval、Coding Agent……

再看看很多大学生还在学习上一个时代、甚至已经被淘汰的东西。

强烈建议身边的大学生都去学学这门课，真的很值得。

https://t.co/7CWzlKMzlu

[Ray Wang @wangray]

https://t.co/A1zpN5k17A

[Mundo Albiceleste ⭐🌟⭐🇦🇷 @MundoAlbicelest]

Lionel Messi with a number 15 Argentina shirt. The shirt he won gold at the 2008 Olympics in Beijing (Argentina play Australia in Beijing). 🇦🇷

[Max For AI @MaxForAI]

🚨这是一个足以获得图灵奖级别的AI突破！

来自俄罗斯的研究者的革命性创新可以让你手机上运行的4B模型，随时可以获得GLM5.3级别的智能！

刚刚， @WIRED 报道了一家很新的AI公司 @mostik_ai 。

Mostik在俄语里是桥的意思，他们做的事情不是蒸馏，也不是让大模型先生成一大段CoT，再让小模型读一遍。

他们做了一件很不一样的事：把两个完全不同的模型连接起来，让它们不需要先生成文字、再把文字喂给另一个模型，而是直接通过模型内部的数学表示传递信息。

Mostik拿两个中国开源模型做了实验：

一个是753B参数的GLM-5.2，另一个是只有4B、可以跑在移动设备上的Qwen-3.5。

连接之后，这个混合系统的性能正好落在两者之间，但运行成本只有完整GLM-5.2的1/20。

这件事真正有价值的地方，是它可能改变大模型的使用方式。

现在两个AI模型合作，本质上还是像人一样聊天：A生成一堆token，B把这些token重新读一遍，再继续干活。

Mostik想做的是：大模型只负责最难的思考，然后把内部状态直接交给便宜的小模型继续干活。

也就是说，未来手机、电脑甚至机器人上都可以长期跑一个小模型，只有真正遇到难题时，才去云端借一下大模型的推理能力。

以后大模型可能不用从头到尾处理整个任务，只负责提供最难的那部分能力，再通过内部表示把信息交给小模型继续执行。

而且他们已经用这套方法做出了一个模型，目前冲到了ARC-AGI 3排行榜第一，只是比赛还没结束，所以具体方案暂时没公开。

Mostik目前只有15个人，12位博士，首席科学家还是2010年菲尔兹奖得主Stanislav Smirnov。

我觉得这个方向太牛逼了。

大家都在研究怎么造一个更大的模型，Mostik想的是，能不能让一群大小模型直接共享思考。

如果这条路成立，未来最强的AI系统可能根本不是一个万亿参数的超级模型，而是一整个互相连接的模型网络。

[LimboAI @limbopeng]

DSH（DeepSeek Harness）和 Pi Agent，架构哲学其实是两条相反的路，越看越觉得值得拆开聊聊。

Pi 的哲学是做减法。Mario Zechner 做 Pi 就是烦透了 Claude Code 这类工具越堆越重，于是把核心砍到只剩 read/write/edit/bash 四个工具，系统提示词不到一千 token，没有 plan mode、没有 subagent、没有 MCP，甚至默认不做权限校验。这是一种克制的极简主义——核心足够薄，剩下的全交给外部扩展去做，让你自己决定要不要加回这些复杂度。

DSH 的哲学是做加法后再拆碎。它不是精简出一个薄核心，而是把整个 agent 系统的每一层——模型、工具、文件系统、Shell、沙箱、会话存储、Subagent，甚至 Agent Loop 本身——全部做成可替换的插件。官方那套 Coding Agent 只是 “用这些插件拼出来的一个默认答案”，不是唯一答案。这个模块化的颗粒度比 Pi 深了一层：Pi 是核心不变、外围可插拔，DSH 是没有不可替换的核心。

再往底层看，两者对 “谁该拥有系统控制权” 的答案也完全不同。Pi 的答案是开发者：极简是为了让你把每一步都看得清楚、改得动，它信任的是写代码的人，而不是运行时的 agent 本身——所以宁可不做的事就不做，也不让核心替你做决定。
DSH 的答案更像是把控制权逐步下放给运行时本身：连 Agent Loop 这种最核心的调度逻辑都能被换掉，意味着系统本身没有预设 “应该怎么跑” 的立场，一切规则都可以在运行时被重新定义。这其实是两种对复杂度截然不同的态度：Pi 认为复杂度是负担，要主动砍掉；DSH 认为复杂度应该被结构化、装进插件里，而不是消灭，因为消灭了就没法长出新东西。

真正拉开差距的是自进化这件事。DSH 已经能让 agent 在运行时检查自己的能力边界，现场写一个插件挂载上去，然后在后续任务里直接调用这个刚获得的能力——虽然现在还很实验性，动态插件只存在内存里，重启就没了，也不能自动沉淀成永久插件，但这个方向已经打开了。Pi 的扩展机制目前还是人写 TypeScript 扩展、显式安装，是静态的，agent 自己不会在任务执行中主动发现能力缺口然后现场造工具再用上。这也呼应了架构哲学上的分野：Pi 把 “谁来扩展系统” 这件事留给人，DSH 在尝试把这件事也交还给 agent 自己。

前景上我会更看多 DSH 一些。Pi 已经证明了极简可扩展这条路能跑通，也确实催出了 OpenClaw 这种一周冲到十几万 star 的衍生项目，说明这套思路有市场。但它的天花板相对清晰——核心哲学就是少管事，扩展权彻底交给社区和用户，DeepSeek 官方不会去碰那层。DSH 现在虽然早期、接口还在剧烈变化，插件生态刚起步，函数式编程风格也确实有上手门槛，但它把"agent 能自己长出新能力"这件事做成了架构里的一等公民，而不是靠外部工具拼出来的效果。如果这条线真的跑通，DSH 想象空间会比精简的可扩展 harness 大一个数量级——它赌的不是 “给你更好的积木” ，而是 “积木自己进化！”