kaksus

[kaksus @viking_superman]

@rwayne 大部分是斯拉夫

[kaksus @viking_superman]

@ty_qw1 sexy

[Sanbu 散步 @sanbuphy]

花了段时间写了 RL 教程 Hands-On Modern RL，路线是从 CartPole + PPO 入门，然后到 LLM 后训练（RLHF、DPO、GRPO）、Agentic RL。代码先行，公式用来解释现象。英文版很快更新。
目前是草稿版本，RLHF、Agentic RL 部分本地审校中。
欢迎提 PR 或 Issue & 显卡支持：https://t.co/PtgSByY96U

[AYi @AYi_AInotes]

Google今天放的这个东西，可以说是设计语言的Unix时刻了，可能会重新定义未来所有的设计工作。

它不是又一个AI画图工具，
也不是又一个Figma插件，
它叫DESIGN.md，
就是一个纯文本的Markdown文件。

前面用YAML写精确的设计token，
什么颜色是主色，什么字体是标题，圆角多大，间距多少。

后面用自然语言写，每一个设计决策的为什么，
这个暖米色做背景是为了更柔和，
这个深绿色做主色是为了传递权威感，
什么场景该用什么，什么绝对不能用。

就这么简单，
但它解决了AI设计最大的，也是所有人都视而不见的痛点。

以前AI做设计，永远在猜，
它只能看到颜色代码，看不到颜色背后的意图。
也不知道这个蓝色是品牌的命根子，还是我随便选的一个。
所以它永远会给你生成看起来还行，但哪里都不对的东西。

现在不用猜了，
Agent会严格遵守所有规则。
甚至会自动帮你检查WCAG可访问性。

David East现场演示，Agent生成了一个按钮，
linter立刻报错说对比度只有1.0:1，不符合标准，
Agent自己就改成了正确的颜色。

最狠的是，它不绑定任何工具，
你可以把这个文件扔给Stitch，
扔给Claude，
扔给Cursor，
扔给任何你想用的Agent。

设计系统终于不用锁死在Figma里了，也不用锁死在Tailwind的config里了。
它变成了一个可以复制，可以移植，可以版本控制的纯文本。

这里有一个反直觉的真相，就是你把规则写得越死，AI反而越有创造力。

以前你怕限制它，给它模糊的要求，
它给你一堆乱七八糟的东西。
现在边界划清楚了，
它反而敢在边界里大胆创新，不会搞出崩坏的界面。

以前设计散落在无数个Figma文件里，散落在无数个代码配置里，
散落在无数个设计师的脑子里。

现在第一次，有了一个单一的真相源，人类能读，机器也能懂。

以后设计师的工作，再也不是只画一个个界面了，维护好这一个文件。
定义好设计的灵魂，剩下的所有执行，全部交给AI。

[AYi @AYi_AInotes]

这才是找工作的最高境界啊，

老哥为了自己找工作写的求职神器，

开源两天 github 直接干到 12K 星，

顺便给全行业送了个大福利，respect bro🫡🫡🫡

[财经数据库 @caijingshujuku]

耶鲁大学经济学教授仅仅用1 小时，就把博弈论彻底讲透了。
可以收藏，反复观看！

[WquGuru @wquguru]

https://t.co/4EDfm20xOA

[Geek Lite @QingQ77]

awesome-autoresearch — 一个把 AutoResearch 真实应用案例和开源实现整理到一起的索引仓库

帮你快速看清 AutoResearch 这套 loop 到底已经被迁到了哪些任务上。

从 nanoGPT 训练，到 Shopify Liquid、CUDA kernel、voice agent prompt、表格建模，覆盖面比我预想的大。

https://t.co/MLOJIV8iq4

[木子不写代码 @ai_muzi]

Karpathy 这个autoresearch开源项目，

让我有些恍惚。

做过将近 4 年数据科学家/时间序列预测，

当时很多 Data Scientist 和 ML Researcher 工作正在被替代，

而且是被同行发明的工具替代。

过去数据科学家的工作，本质上就是这一套循环：
了解业务，
选模型建模，
实验超参数，模型深度，优化器选择，
训练循环细节，
跑训练，
看指标，
调整以上的策略，
然后继续下一轮

而 autoresearch，

它给了一个小但真实的 语言模型 训练环境，

让它在固定的 5 分钟预算里反复做实验，

而且它改的不只是 learning rate 或 batch size

它可以直接改训练代码本身，
包括模型深度，
优化器选择，
attention pattern，
训练循环细节，
甚至模型结构的一部分

然后系统自己跑实验，
自己看结果，
有效就保留，
无效就回滚，
再继续往前推进

最重复，最耗时间，最像实验流水线的那一层，

都被自动化了。

而且这件事对今天做 agent 的我们也很有启发，

完全可以把同样的方法用到 agent 系统本身

比如让 agent 自己去搜索和迭代：
prompt，
tool 组合，
memory 规则，
routing 方式，
任务拆分，
handoff 结构，
评估方法

跑一轮，
看结果，
保留更好的版本，
继续迭代

同一个循环，

只是优化对象从 model training，变成了 agent system design

Repo：
https://t.co/6V6YC87EmG

[马东锡 NLP @dongxi_nlp]

CC + autoreseach 来发现新的越狱算法。

越来越多的类似的研究工作完全可以自动化。

autoresearch 重塑学术，正在发生。

[实践哥MinLi @MinLiBuilds]

今天给我司嵌入式算法工程师推荐了 autoresearch，跑了 7 轮就把他的祖传算法提升了近 20%，他睡不着了，晚上要盯着跑通宵。

[DIŸgöd ☀️ @DIYgod]

Autoresearch 这种 修改 -> 评估 -> 保留/舍弃 -> 修改... 无限循环迭代的思路太好用了，终于可以实现让 Codex 无人值守 24 小时不停工作了，就是 token 消耗太恐怖了，试了下只是跑 2 个循环任务，4 个 Pro 账号是不够用的

[sitin @sitinme]

obra/superpowers 是今天 GitHub Trending 总星最高的项目：78K 星，今日 +1483。

但它不是一个框架，更像一套"如何正确用 AI 写代码"的方法论——定义了 agentic skills 的结构、组合方式和软件开发工作流。

Shell 写的，极简。

看了一下核心思路：不是让 AI 一次性生成整个项目，而是把开发拆成一个个 skill，每个 skill 有明确的输入输出和验证标准。AI 负责执行 skill，人负责编排。

这比"给 AI 一句话让它写整个 app"靠谱得多。78K 星说明社区也认这个方向。

🔗 https://t.co/egZ1NLKF0e

[nash_su - e/acc @nash_su]

提升240倍！😱

AI 连续工作1天2夜帮我把一个算法模型准确度提高了240倍，这太震撼了！

前天下午，我用karpathy 大神的 autoresearch 的思路，编写了一个 program.md 文档，在一个GTX4090单卡机器上，让 Claude Code 按照文档要求帮我优化一个AI预测模型。

当天就提升了24%，但是后续一直没有明显进步，直到昨晚，我用 /btw 给他说要大胆一些不要约束在当前思路，可以从底层修改。

结果就在刚刚，完成了240倍的突破，AI 重构了模型架构，直接把 MSE 降低了240倍。

1天两夜，将近48小时的连续运行，自己做了快70个实验，太震撼了

[雨哥向前冲 @xiangxiang103]

Google 昨天刚发布的 Gemini Embedding 2 确实是个狠角色。

这是业内首个真正意义上基于 Gemini 架构的原生全多模态嵌入模型。以前我们要处理视频、音频、图片，得先用一堆模型做预处理（比如 OCR、语音转文字），现在这一套流程直接被“暴力美学”简化了：一个模型，一个向量空间，全搞定。

我举几个实际用例，简单给大家科普一下。

1. 工业/监控视频的“语义搜素”
以前的笨办法：你要找“穿红衣服的人拿走了快递”，得先用视觉模型识别“红衣服”、“快递”、“拿走”，再存成文字索引，最后搜文字。

Gemini Embedding 2 的逻辑：直接把整段 120s 视频丢进去变向量。

实操：你搜“偷东西的瞬间”，模型能直接在向量空间里匹配那段视频的动态特征。
直觉比方：以前是靠翻档案（文字描述）找人，现在是拿着照片（特征向量）在脑子里瞬时比对。

2. “图文混合”的复杂研报/合同 RAG

以前的坑：PDF 里的折线图、饼图是 RAG 的噩梦。你得 OCR 识别文字，再用另一个模型分析图片。
现在的打法：直接把 PDF 的页面（图片+文字交错）一次性嵌入。

场景：你问“去年第三季度研发支出占营收比例是多少？”，模型不仅看文字，还能“看懂”那个饼图里的占比，直接定位。
穿透本质：消灭了信息在多模型流转中的“翻译损耗”。

3. “以音搜影”或“以图搜音”的跨模态电商

降维打击：用户上传一张跑车的照片，你想让他听到这辆车咆哮的引擎声。

玩法：因为音频和图片都在同一个向量空间，你搜图片的向量，能直接匹配到频率特征相似的音频向量。
工程逻辑：打破了模态隔离，做到了真正的“全感官”索引。

[yibie @yibie]

Karpathy 的 AutoResearch 项目最近挺火的。但说实话，大多数人只看到了"让 AI 自动跑实验"这个表面，没看懂背后的方法论其实可以应用到任何领域。

我花了点时间拆解这个项目，发现它其实提供了一套通用的实验思维框架。不只是搞机器学习的能用，做产品的、做营销的、甚至优化团队会议都能用上。

## 1. 让专家定标准，让系统去试错

传统做实验的方式是人类自己上：设计实验、执行、分析结果、决定下一步。Karpathy 的方案是倒过来的——人类只负责制定"什么是好"的标准，剩下的让系统自动完成。

这在 AutoResearch 里体现为 program.md（人类写的规则）和 https://t.co/kKyTwvbv0s（AI 改动的代码）的分离。

但这个思路放到其他领域一样好用：

做广告的可以让设计师定义"好广告 = 点击率 > 5%，且符合品牌调性"，然后让系统或实习生批量生成 100 个标题+图片组合去测试。做产品的可以定义"好设计 = 用户完成率 > 80%，步骤不超过 3 个"，然后自动调整界面布局做 A/B 测试。

关键是把"判断权"和"执行权"分开。人类擅长定性判断，机器擅长大规模定量试错。

---

## 2. 时间盒约束：不要最优，要够快

Karpathy 有个洞察挺有意思：不要问"什么是最优解"，要问"在 5 分钟内能找到什么好解"。

AutoResearch 每次实验严格跑 5 分钟就停。这不是抠门，而是一种设计选择——约束会逼你找到更聪明的捷径。

不同类型的约束适用于不同场景：

- 时间盒（比如 5 分钟、1 小时、1 天）：适合需要快速迭代的领域，强制你试错而不是过度优化
- 预算盒（比如 100 元、1000 元）：适合商业实验，逼你选择高性价比方案
- 数量盒（比如 10 个版本、100 次尝试）：适合创意生成，强制多样性避免局部最优
- 样本盒（比如 100 个用户、1 个区域）：适合市场测试，降低失败成本

对比一下两种思路：

传统的做法是"我们花 3 个月做个完美版本再发布"——风险在于做完了可能发现没人要。

AutoResearch 的思路是"我们用 1 周做 10 个粗糙版本，每个测 100 个用户"——快速找到方向，失败成本极低。

---

## 3. 找到你的"北极星指标"

AutoResearch 用 val_bpb（验证集 bits per byte）作为单一指标。这个数字小了就保留改动，大了就回滚。没有讨论，没有纠结。

复杂世界被压缩成单一数字，决策速度指数级提升。

这听起来过于简化，但实际操作中极其有效。关键是找到那个真正重要的指标。

举几个例子：

- 写作领域：别纠结"深刻、有趣、易懂"这些模糊标准，直接看完读率 × 分享率
- 招聘领域：别空谈"能力强、文化匹配、有潜力"，直接看试用期内绩效评分
- 选址："人流大、租金低、竞争少"三难全，不如直接用月营收除以月租金
- 营销：别纠结"有创意、有传播、有转化"，直接算 ROI

好指标有三个特征：能测量、当天或实时知道结果、单一不需要权衡。

---

## 4. 实验也需要"后悔药"

AutoResearch 用 Git 分支管理实验。尝试 A 失败了就丢弃，尝试 B 成功了就合并到主干，然后基于 B 继续尝试 C。

这听起来是技术细节，其实是一种思维方式：任何尝试都要有"回退"机制。

不会用 Git 的人也能实践这个思路：

写文档的可以用版本历史，或者养成"另存为 v1、v2、v3"的习惯。做设计的可以用 Figma 的版本历史，或者复制画板保留旧版本。定商业策略可以写决策日志，限定可撤销的试点范围。培养个人习惯可以做 30 天试验 + 日记记录，不行就换。

关键是不要因为害怕失败而不敢尝试——反正随时可以回到上一好状态。

---

## 5. 设计"不用人在场"的系统

program.md 里有一句指令很有意思："NEVER STOP... The human might be asleep"。

核心理念是把"人必须在场"变成"人可以不在场"。

这需要设计一个完整的自主循环：

首先是触发器——什么情况下开始一轮实验？可以是时间驱动（每天早上 8 点）、事件驱动（新数据来了）、或条件驱动（指标下降了）。

然后是执行器——具体做什么？要有明确的动作清单、出错怎么处理、资源够不够。

接着是判断器——怎么算成功？怎么算失败？最坏情况怎么优雅降级？

最后是记录器——每次尝试都要记，为什么做这个决定也要记，方便事后复盘。

这套机制搭好了，你就可以去睡觉，让系统自己跑。

## 实战：用这个框架优化团队会议

光说理论没意思，看个实际例子。

假设你们团队每周例会太浪费时间，想优化。很多人不知道怎么下手，或者用"感觉"试错。

用 AutoResearch 框架这么干：

先定义实验空间——哪些东西可以调整？比如会议时长（30/45/60 分钟）、参与人数（全员/代表制/自愿参加）、议程结构（先信息同步后决策讨论，还是只讨论预提交议题）。

然后明确固定约束——什么不能动？比如每周一次周三下午、必须有会议记录、关键决策者必须在场。

接下来找到北极星指标——怎么算"好"？可以用会议满意度评分（1-5 星）和决策效率（议题闭环率）。

设定资源盒——打算投入多少资源试错？比如 4 周试验期、每周试 1 种新形式、固定 8 人团队参与。

最后是决策规则——什么时候保留新形式？比如满意度 ≥ 4.0 且闭环率 ≥ 80%。什么时候放弃？满意度 < 3.0 或有人明确反对。

跑 4 周下来，你会有一个明确的"最佳会议形式"，而且是数据支撑的，不是拍脑袋定的。

## 几个关键的心智转变

这套框架要求你改变一些固有观念：

- 从"我要找到最优解"变成"我要在有限时间内找到足够好的解"
- 从"人必须参与每一步"变成"人监督，系统执行"
- 从"失败是坏事"变成"失败是数据，快速失败是优势"
- 从"专家直觉判断"变成"指标驱动决策"
- 从"做完美再发布"变成"快速试验，快速学习"

## 一句话总结

AutoResearch 的本质是用"可计算的成功标准 + 严格的资源约束 + 版本化的试错机制"，把探索优化过程从"专家的手工艺术"变成"可自动化的大规模实验"。

这套思想不只适用于机器学习。广告创意测试、产品界面优化、投资策略回测、教育内容设计、组织流程改进、个人习惯养成——只要满足三个条件都能用：变量能编码（可以写在配置里）、结果能量化（可以 return 一个数字）、实验能快速验证（5 分钟到 1 小时见分晓）。

*基于 Karpathy 的 AutoResearch 项目分析 (https://t.co/1K1Ul5Glr3)*

[AYi @AYi_AInotes]

翻墙出来一定要多看优质的信息源，不要只是出来看片！多逛英推区宝藏，看不懂听不懂阿绎给你翻译拆解系列 02：

Claude Code信息获取从“有限+幻觉”变成“近乎无限+可信”的结构化管道，这套方法论用在你的 Open Claw小龙虾上也会如虎添翼。

Santiago 大神这期视频讲的是把Claude Code从“受限聊天工具”升级为“实时、无幻觉、全结构化互联网情报引擎”，Agent实用性直接10x+！大神是真手把手教啊👍

我已经翻译为中英双语，要点也拆解在评论区帮助理解，可以三连收藏，X 会给你推送更多优质推文！

[0xMeg ττ @DuoMeg]

你以为孙哥在推荐闲鱼，其实是在给你上金融课。

“一手价格来自权力，二手价格来自市场。”
第一次看到这句话，以为只是调侃大家去逛闲鱼。但如果你真的长期观察二级市场，会慢慢意识到，这句话其实在讲价值发现：
前段时间整理了一下家里的东西，把很多朋友送的电子产品挂到了闲鱼上卖。平时根本用不到，但当你把这些东西放进二级市场的时候，就会发现一件事：
很多商品在官方渠道看到的价格，其实只是标价，不是市场价。
比如最近很火的 亚朵深睡枕。
如果你在官方渠道买，一只大概要 430 元。但在闲鱼上，全新的基本 260 左右就能买到，折价接近 40%。

为什么会这样？
因为这些枕头大量来自：
· 企业客户礼品
· 酒店会员积分兑换
· 商务赠送
· 活动奖品

当这些东西进入二级市场时，供给远远大于真正需要的人。
于是价格很快回归到一个更真实的位置。
官方标价 430，但市场最后给出的答案是：260。

这就是所谓的 价格发现

更有意思的是，有些产品在二级市场不仅不会打折，反而会涨价。

最近两个例子特别典型。
一个是 Mac mini。因为 OpenClaw 最近突然爆火，很多人开始用 Mac mini 做本地模型部署、小模型推理。需求一下子上来了。
结果二级市场价格：3100 → 3500。

官方价 → 二级市场打折
但少数真正有需求的产品是：
官方价 → 二级市场溢价

这其实和金融市场完全一样。
一级市场负责发行。
二级市场负责定价。

IPO只是发行价。
股票真正的价格，是在二级市场交易中形成的。

同样的逻辑，其实也存在于消费市场。
京东、天猫、线下专柜，本质上更像是一级市场。
而闲鱼，其实是中国最大的：消费品二级市场。

如果把这个逻辑再往上看一层，会发现更有意思的事情。
像 Mac mini、Pocket 3 这种电子产品，本质上是功能型资产。涨价通常来自真实需求。

但真正涨跌最夸张的，是那些叙事型资产。

比如：
艺术收藏，泡泡玛特，NFT

这些东西的价值，很大程度来自：
稀缺性 + 叙事 + 情绪共识
当共识形成的时候，价格可能会是发行价的：
10 倍，50 倍，甚至 100 倍。

但一旦情绪消失，价格也可能迅速归零。
所以孙宇晨那句话，其实不只是消费建议，更像是一种市场哲学。

他还说过一句很典型的交易思维：
“不要抄一底，永远抄二底。”

一底，是理论价格。
二底，是市场确认。

很多人喜欢在“觉得很便宜”的时候买。
但真正安全的，是市场已经形成共识的时候。

闲鱼这样的地方，本质上就是一个巨大的自由定价市场。
在那里，没有营销话术，没有品牌滤镜。
只有一个问题：市场愿意为它付多少钱。

[看不懂的SOL @DtDt666]

奈斯！最近搞了Mac mini丐版，配上那个复古扩展坞，感觉这波操作真的香，忍不住来嘚瑟一下。

16G + 256G 的乞丐版Mac mini，现在就是龙虾养殖基地。

24小时低功耗挂机，养点小龙虾（跑点小模型和自动化任务），性价比拉满。

配上 Wokyis M5 这个长得像麦金塔的扩展坞，颜值和功能双双在线，256G 的存储焦虑也解决了，桌面还变好看了。

关于 Mac mini 养虾的玩法：

· 低成本隔离： macOS 原生多用户隔离，比 Docker 还轻量，16G 内存硬是跑出了 32G 的感觉。配合 ClawdHome，帮全家人在这个小盒子上安全跑 OpenClaw 小龙虾，我一个人就养了好几只不同等级的。

· 可视化交互： Wokyis M5 的副屏完美解决了 Mac mini “无头”的尴尬，随时瞄一眼小龙虾在干啥，连树莓派上的小虾也能监控。

· 低功耗之王： 24小时不断电的家庭 AI 中心，配合 OpenClaw 生态，简直是开发者和折腾党的福音。

· 本地模型真香： 最近 Qwen 3.5 小模型和本地 TTS，用 Apple MLX 架构跑点小模型干体力活，隐私优先，美滋滋。

说下这个扩展坞（Wokyis M5）：

本来以为就是个复古摆件，结果发现功能也太顶了：

· 5寸高清监视屏： 不止给 Mac 当副屏看时钟，我还把它接到树莓派上，实时盯着“小龙虾”跑浏览器自动化，这种视角莫名解压。

· 实体按钮超爽： 屏幕开关、亮度调节都有物理按键，按压反馈满满，比触控条舒服多了。

· 内置 M.2 硬盘位： 最高支持 8TB 扩容，256G 用户瞬间不焦虑了。以后不管是存小龙虾数据，还是当家庭备份中枢，随便折腾。

· 接口大满贯： 4个 USB-A + 1个 USB-C（全是 10Gbps），还有 SD/TF 4.0 双卡同读。摄影师导片子再也不用去主机屁股后面“盲插”了。

· 散热与静音： 底部露出一截主机，虽然美观度差点，但有利于散热，M4 是真不热。

太香了，主打一个爱折腾，好玩。

[M @Maggie191919]

🔥Peter Thiel 的一个判断，可能会让很多“数学精英”不太舒服

很多人一直以为，在 AI 时代最安全的人才是两类：

工程师
量化人才

因为他们掌握最硬核的技能——数学与算法。

但 PayPal 联合创始人 Peter Thiel 最近提出了一个非常不同的判断。

他认为：

AI 正在终结过去 200 年以数学能力为核心的精英体系。

工业革命之后，整个精英结构其实围绕着一件事建立：

谁更擅长数学和逻辑。

工程师
物理学家
量化交易员
计算机科学家

这些职业长期占据社会最顶端的薪资和地位。

因为他们掌握的是机器无法替代的复杂计算能力。

但 AI 的出现，正在改变这件事。

过去需要大量数学训练才能完成的任务，现在 AI 可以在几秒钟内完成。

建模
优化
代码生成
复杂计算

机器不仅可以做，而且越来越便宜、越来越快。

这意味着一个变化：

很多“数学型人才”的核心优势，其实正在被压缩。

但这并不意味着人类竞争力消失。

它只是转移了方向。

在 Peter Thiel 看来，未来真正稀缺的能力可能不是计算，而是：

理解复杂社会结构
构建叙事
进行高质量沟通
把技术嵌入真实世界的系统

换句话说：

未来最重要的人，不一定是写算法的人。

而可能是那些能够：

理解技术
理解社会
并且能把两者连接起来的人。

如果说过去 200 年的精英体系是：

数学 + 技术

那么未来可能会变成：

语言 + 系统理解 + 技术工具。

AI 可以计算。

但它不会真正理解社会结构。

也不会自然构建叙事。

而真正能把 AI 变成现实生产力的人，

往往是那些能够：

提出问题
讲清问题
组织资源解决问题的人。

所以 Peter Thiel 的判断其实很简单：

未来的赢家，不一定是最会算的人。

而是最会用 AI 解决真实世界问题的人。