Bright

[苍何 @canghe]

https://t.co/0qtZ0boeBs

[plantegg @plantegg]

AI-Native 工程师招聘面试官手册，大家早点把手册交给各个大厂面试官吧

https://t.co/bot2AbKZR3

[GitHubDaily @GitHub_Daily]

面对成百上千篇医学或科研论文，想要快速提炼核心数据，单纯靠人工阅读效率太低了，用普通搜索又难以精准定位到需要的数据。

可以看一下，paperai 这个开源工具，专为解决大规模文献检索和分析而生，利用 AI 帮我们把这些文档变成知识库。

结合了 LLM 和 RAG 技术，能够对整个文档库进行批量提问，就像同时开启了数百个 AI 助手在帮我们阅读和总结。

GitHub：https://t.co/sBbj3Wr1V5

支持输出 Markdown 或 CSV 格式的深度报告，最实用的是能直接将答案精准标注在 PDF 原文件上，溯源非常方便。

提供 Docker 镜像一键部署，底层基于 txtai 和 SQLite，支持 Python 环境安装，数据处理流程清晰可控。

适合需要做文献综述、医学研究或是从大量非结构化文档中挖掘信息的朋友，值得尝试。

[GitHubDaily @GitHub_Daily]

用 AI 辅助科研时，可能会经常遇到大模型一本正经地胡说八道，尤其涉及到复杂的生物、化学或材料这些专业领域。

最近偶然看到 SciToolAgent 这个开源项目，在尝试用“知识图谱”来解决科学工具调用的难题。

相当于给 AI 装配了一个专业的“科学工具箱”，让模型能像科学家一样思考和操作。

整合了超过 500 个科学工具，覆盖 API、机器学习模型及各类 Python 函数。

核心在于构建了一个科学工具知识图谱（SciToolKG），精准处理工具间的依赖和兼容性。

GitHub：https://t.co/79oX9rTXwj

同时采用“规划-执行-总结”的架构，能自动把复杂的科研任务拆解成具体步骤并执行。

内置了安全检查机制，帮我们监控潜在的实验风险，确保结果的可靠性。

基于 Python 开发，通过 Conda 即可快速配置环境，支持自定义添加私有工具。

相关研究已发表在 Nature Computational Science，适合科研工作者或垂直领域 Agent 开发者参考。

[Barret李靖 @Barret_China]

推荐学习下微软搞的这个 R&D-Agent 框架，https://t.co/yxHAwNVYdc ，它是一个让 AI 能够自己做科研的系统——能提出问题、设计实验、验证结果、总结规律，整套科研流程都能自动化执行。

微软还基于这套框架，构建了一个用于量化投资研究的智能体 R&D-Agent(Q)，https://t.co/vRe2PweUvx，并与开源量化平台 Qlib 结合，实现了自动化因子挖掘与策略优化。照这个趋势发展下去，未来的量化研究，恐怕真得交给 AI 来操盘了，😅

R&D-Agent 的整体架构分为两个阶段：研究阶段（Research Phase）和开发阶段（Development Phase）。研究阶段由四个部分组成：规划、探索路径结构、推理管线和记忆上下文，它们通过反馈机制持续循环，不断在假设、实验与分析之间往复，让系统在多轮探索中自动调整方向、积累知识、优化策略；开发阶段则承接研究成果，主要包括编码工作流与评估策略，前者把想法变成可执行代码，后者负责验证与对比结果，确保系统演化出的改进真实可靠。两个阶段形成首尾相接的闭环，让科研过程实现持续反馈与自我进化。

从本质上看，R&D-Agent 不是在“模拟科研”，而是在“系统化科研”。它让科学探索从线性的人力流程，转变为并行的智能网络。每一次假设的提出与验证，都会被记录下来，形成一份不断扩展的知识图谱，让科研活动变得可编排、可追踪、可积累。

相关论文：1）《R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science》，https://t.co/HtQDl1XyiB ；2）《Qlib: An AI-oriented Quantitative Investment Platform》，https://t.co/GOsm997nJA

[Bright @zweibright]

@usd666666 @grok
把这五个习惯整理一份完整格式

[瞎玩菌 @Blind___Gamer]

2小时的课程硬是在几分钟讲完了

[iGeekbb @igeekbb]

👍这视频讲得真好，GPT是如何工作的？通过图形化的方式来理解 Transformer 架构 | 深度学习
https://t.co/bYaZYwkszx

[Viking @vikingmute]

突然发现微软有很多特别棒的初学者课程，而且还有中文版，之前推荐过人工智能初学者，今天推荐的它的 - 《Generative AI for Beginners：面向初学者的生成式人工智能课程》

https://t.co/0cMcy0q7Ak

这个 Github pages 搭建的文档页面阅读更方便。

同样也是十二章：

* 有导学视频
* 有源代码
* 还有作业
* 以及各种进阶链接

同时大家一定要注意首页底部的一系列课程，都是微软出品的类似的初学者课程，非常值得收藏：

* [ML for Beginners](https://t.co/OXaIrhYOFr)
* [Data Science for Beginners](https://t.co/ySo8yUiK5N)
* [AI for Beginners](https://t.co/u6ejTyhiyw)
* [Web Dev for Beginners](https://t.co/EhHZclD3X6)
* [IoT for Beginners](https://t.co/m0LlaQETTG)
* [XR Development for Beginners](https://t.co/90SM7ivIws)

[Underfox @Underfox3]

In this paper is presented a qualitative and quantitative benchmarking of the Intel Xeon MAX 9480 Processor, showing the core-to-core latency and memory bandwidth comparison with the Ice Lake and the Milan-X architectures.

https://t.co/dAp50efd0q

[Nicholas Malaya @nicholasmalaya]

Published at ISCA: "A Research Retrospective on AMD's Exascale Computing Journey" -- this was a really fun paper to write, summarizing the decade-long research leading to #exascale and Frontier. https://t.co/50snU3bY7Y

[Tw93 @HiTw93]

#最近看啥 探索到又一个很适合编程、学习、看书时候听的背景音乐电台「CodeRadio」，提供了一个 7*24 小时不间断的音乐流，不少是电子、舞曲、轻音乐的类型，网站只有一个播放器，很容易使用，配合降噪耳机可帮助你在吵的环境里很专注敲代码。
🤖 https://t.co/oHuU1OOLis

[Underfox @Underfox3]

In this paper is presented an overview of the deployment of monitoring services for ARCHER2, showing how these checks were implemented and how the data collected played a key role in the deployment of ARCHER2. #HPC

https://t.co/vj387BvYJM

[ARCHER2 HPC Service @ARCHER2_HPC]

Performance of different routing protocols on ARCHER2: OpenFabrics and UCX
Webinar Wednesday 17th August 2022 15:00 - 16:00 BST
All welcome
https://t.co/rJAZ4KFa1F

[Kenneth Hoste (mastodon: [email protected]) @kehoste]

Are you lost in the Open MPI alphabet soup too? Don't know what's what anymore with UCX, PMI, PMIx, PML, BTL, MTL, MCA, OB1, etc.
Time to do something about it: attend the remote talk by Open MPI devs @jsquyres and Ralph Castain on Wed June 24th, see https://t.co/ncQKyBmth5 #HPC

[Hao Chen @haoel]

做了一个小功能，把常用的很有用的 shell 命令行做成一个列表，然后点一下就帮你输入到 Terminal 等待你的编辑并回车了……大家可以把你们常用的 shell 命令留在评论区，我把其做到我们 MegaEase 的控制台上……（大家可以上 https://t.co/8Ucr1tXQqJ (国内) 或 https://t.co/skp2puo71c（国外）试用）

[plantegg @plantegg]

再推荐一次 https://t.co/SZFNS86MIJ 是把计算机组成原理结合实践得最好的博主，numa共写了7篇（2016年，最后两篇没有release），MEMORY DEEP DIVE 7篇完整。我当时学的时候没发现走了不少弯路。要是谁能找到最后没有release的两篇可以放评论里。唯一的缺点就是结合ESX有点多

[plantegg @plantegg]

全栈也只是个相对概念，没有人能在沙子上刻下二极管。但是如果你比别人多跨一个栈那么解决问题的效率就能提升10倍。
现在很多问题都是协调、拉通，时间都浪费了，久而久之你就更愿意多跨几个栈，也没必要追求十分的全栈

[plantegg @plantegg]

RFC1180 https://t.co/nGtXi6vl7q，清晰简洁，图文并茂，结构逻辑合理，把一个包怎么从内核出发开始路由到对端讲得清清楚楚，但是对于95%的程序员没有什么用，当时看的时候很爽、也觉得自己理解了、学会了，实际上看完几周后就忘得差不多了
最后我挨个环节抓包、实践然后写了https://t.co/BKblRtFDEf