zhcf1ess

I.C.A.N.

I think i can

[zhcf1ess @zhcf1ess]

@colmugx 「这点我认」，是人我吃

[zhcf1ess @zhcf1ess]

我承认我是吃她的颜()

[zhcf1ess @zhcf1ess]

@yinmin1987 @poteto take a try

[zhcf1ess @zhcf1ess]

@yinmin1987 @poteto take a try

[zhcf1ess @zhcf1ess]

@aeroidesde 新智元笑死

[zhcf1ess @zhcf1ess]

我明明都屏蔽这个私募的建构了，为什么我还要犯贱点开看啊，我大抵确实是病了

[zhcf1ess @zhcf1ess]

@ZeroZ_JQ typo：astra（

[zhcf1ess @zhcf1ess]

@teakowa 产品是好产品，这种事情不要啊，我之前高强度使用他们的自部署的（）

[zhcf1ess @zhcf1ess]

@Card198454 好开心啊，大家终于认清这人的真面目了

[zhcf1ess @zhcf1ess]

lobehub 能招到这种傻福也是享福了，还好早就 b 了这个人

[geniusvczh @geniusvczh]

subscription是不能商用的🤪

[zhcf1ess @zhcf1ess]

让我想到了血源诅咒里的地牢，里面全是各种设计之初的废稿，箱庭的设计和怪物/剧情设计完全不输主流程的任何一环，甚至我认为玩血缘只完了主流程没刷地牢只玩了这游戏内容的 1/2 不到

[colmugx @colmugx]

不夸张的说：任天堂删掉的没实装创意，可能比你吃过的盐都多。这在红绿帽各种公开会议和采访都可以发现

现在成千上万独立游戏做的都是任天堂做过的游戏，多数人还会因能达到任天堂水平而兴奋

你即使用GPT10抄出了NS2的彩虹之路，任天堂只会拿出下一个彩虹之路告诉你，谁会死不好说

[Herrington Darkholme @hd_nvim]

恭喜 Head of Growth 喜提全网流量和拉黑

[zhcf1ess @zhcf1ess]

@hd_nvim 😮‍💨

https://t.co/OGjDnkb2My

[zhcf1ess @zhcf1ess]

我明明都屏蔽这个私募的建构了，为什么我还要犯贱点开看啊，我大抵确实是病了

[zhcf1ess @zhcf1ess]

做了我两个月之前做过的事情，已经喜提 block 了。

https://t.co/2r07nTJuNA

[库莫布 @kumobb_]

这种傻逼直接拉黑

[zhcf1ess @zhcf1ess]

@MizutaniSubaru_ 😭

[zhcf1ess @zhcf1ess]

@zhizijun 推荐使用 spokenly， 支持 byok， 用了几个月的 gpt 的语音模型还不到1 刀🌝

[zhcf1ess @zhcf1ess]

且听龙吟?

[Andrew Curran @AndrewCurran_]

It's fun to make predictions. Here's a new one:
Anthropic has solved a Millennium Prize Problem.
And I'll be even more specific.
Claude has solved Navier–Stokes.
It is out for expert review.
And to give myself a hard deadline, they will announce it before the IPO.

[zhcf1ess @zhcf1ess]

感觉。。不如。。抖音热榜

[zhcf1ess @zhcf1ess]

众所周知，rust 有良好的 dx 体验

[UNGETSU @ungetsuli]

今天读到葬 AI 发表的 Manus 团队关于 Research Bench 的文章。他们尝试提出了“信息量”和“隐喻率”两个指标，将研究报告的质量拆成可以自动评测的 Signal。

我抛出了两个问题，感觉还可以继续向前推一步。文章有一个非常吸引人的观点是关于 GPT 和 Claude 的中间笔记里。

我们知道，GPT 调用 Search 的次数更多，最终报告包含的事实却更少。Manus 团队继续回溯以后发现，Claude 会把每个信息源中的事实和数据逐条记录下来，GPT 更习惯先写成一两百字的完整摘要。

所以最终报告开始生成以前，第一次信息损失已经发生了。

Research Agent 的完整过程大致包含信息搜索、内容读取、笔记写入、上下文选择、材料综合和最终表达。每一次转换都会决定哪些信息能够继续进入下一阶段。原始资料里存在过的事实，一旦没有进入中间笔记，后面的模型除非重新读取来源，否则很难凭空恢复。

因此，中间笔记可以理解为 Research Agent 的 Working Memory，也是一种带宽有限的中间表示。

原子事实和完整摘要服务于不同的目标。摘要更连贯，也更节省 Context；与此同时，它会提前合并事实、判断、因果关系和来源边界。到了最终写作阶段，LLM 失去了一部分重新组合、交叉验证和准确引用材料的空间。

这和我之前把 Agent Memory 理解为推荐系统的思路有些相似。保存了多少历史，只能说明数据层是否完整；真正影响下一轮输出的，是哪些内容以什么形式进入当前 Context。因此一段 Research 的质量，可能有相当部分决定于 Agent 在思考“如何记笔记”的这一过程中。

关于隐喻率，我仍然保留一点疑问。

文章把隐喻表示为 y=f(x)，并据此推导隐喻必然造成信息损失。在随机变量和编码方式被清楚定义的情况下，确定性变换确实不会增加信息熵；如果 (f) 可逆，信息量也可以保持不变。Research 真正关心的任务相关语义，又无法直接等同于字符串的信息熵。

自然语言中的读者实际接收到的也不只有 (y)，还包括上下文、共享知识和个人经验。隐喻可能降低字面精度，也可能借助双方已有的知识完成更高效的表达。首先，“信息瓶颈”这个词本身就带有隐喻性质，却比重新描述完整机制更容易理解。

至于高密度隐喻在 Research 场景里造成的问题，我倾向于理解为解码成本和语义歧义。

当作者与读者共享同一套语义映射时，隐喻可以压缩表达；当这套映射只存在于模型刚刚经历的任务历史中，读者就必须反向猜测它究竟指向什么。

这也解释了为什么“字段”、“运行”等等这类已经进入公共语言的隐喻无需计算，而 Fable 偏爱的身体隐喻（臭名昭著的“腿”、“臂”），以及 CC 在长程任务中产生的高信息熵黑话，会显著降低可读性。前者拥有相对稳定的公共解释，后者依赖一段只有 Agent 自己完整经历过的 Context。

隐喻率因此是一个很有价值的文风诊断指标。进一步测量时，也许还可以观察：多个独立 Judge 能否把同一句话还原成一致的字面表达；改写前后能够抽取出的原子事实是否一致；同一个隐喻是否对应多个合理解释。

信息量也存在类似的边界。事实点数量衡量的是报告中还剩多少可以单独识别的 Claim，它会受到拆分粒度、事实相关性和重复程度的影响。一个模型可以把同一事实拆成更多条目，也可以堆积大量真实但与任务关系很弱的信息。

如果这些指标最终进入 Harness 的优化目标，还需要防止模型开始学习指标本身：用事实碎片提高信息量，用彻底平直的语言降低隐喻率，最后得到一份分数更高、实际体验更差的报告。

也许 Research Eval 最终需要沿着完整的信息路径展开？模型接触了什么，笔记保留了什么，综合阶段改变了什么，用户最后又能准确理解什么。

从最终报告的角度出发，它只能展示最后幸存的信息，无法告诉我们信息究竟在哪一轮消失。文章里的 Manus 团队通过修改中间笔记方式以后，GPT 最终报告的信息量随之提高，我觉得这已经是一个很有价值的验证，后续期待更多技术和验证方案的出现。

https://t.co/bm7Kbn9lqJ

[zhcf1ess @zhcf1ess]

非常推荐这篇 grok bot 的设计理念文章，在我看来几家模型厂在产品的 UI/UX 设计中无出其右者。

https://t.co/iKpPJuwaOX