标签
Heretic 2.0 作为重大更新正式发布，将其从一个审查移除工具转变为通用模型修改框架，引入了全新的任意秩消融（ARA）引导方法和插件架构。
推文分享了 Andrej Karpathy 时长两小时的 AI 实战课程，系统讲解 AI Agent、Harness、Loops 和 Graphs 等核心工作原理，适合想深入理解 AI Agent 的开发者观看。
AMD中国开发者平台推出15个免费大模型API调用，包括DeepSeek V4.1 Flash、GLM-5.3 Flash、Qwen3.8、MiMo等，无需绑卡，每天零点重置额度，可通过手机号或GitHub登录获取Key直接调用。
Troy Hunt 的第 528 期每周更新讨论了 Proton 首席执行官颇具争议的 AI 工程宣言，其中谈到开发者的角色正转向引导大语言模型，同时也分享了对阅读 AI 生成代码以及太阳能经济效益的思考。
SWE-Trail 是一种面向编码智能体、由历史信息引导的轨迹收集器，利用先前的 rollout 来指导收集资源的分配，同时不向智能体暴露这些历史信息，从而避免训练与测试不匹配。在其收集的轨迹上训练后，参数量为 124B 的 Ling-3.0-flash-base 学生模型在 SWE-bench Multilingual 和 SWE-bench Pro 上的解决率相比独立采样分别提高了 2.33 和 1.60 个百分点。
FusionCow/Sulphur-3 是 Hugging Face 上一个受限访问的模型，基于 MiniMaxAI/MiniMax-H3 微调而来，上个月有 195 次下载，目前尚不支持推理提供方。
CrowdGPT v2.6 推出了重大更新，通过众包方式在普通个人电脑上协作训练 10 亿参数的大语言模型，加入拜占庭交叉验证、加密签名与协作数据集，并在 6 天内新增训练了 45 亿个词元。
Matt Dancho 解释了为什么理解分词是转向 AI 工程的数据科学家必备的技能，重点介绍了词元如何影响上下文窗口、成本、嵌入和多语言表现，并提供了一本分词手册和一场免费工作坊的链接。
介绍康奈尔大学与 ASAPP 的 DecisionRAG 论文：用决策模型（如 Jev 1.13）在文档树上导航取代向量相似度检索，实现 retriever-free RAG，在 Natural Questions 上 top-1 命中率达 65.4%，优于 embedding 检索加 8B reranker 的 48.0% 和 GPT-5 reranking 的 60.8%。
新发现的 Volta-Autodoxer 木马将商用大语言模型集成到信息窃取恶意软件中，能自动对受害者进行画像与优先级排序。思科 Talos 研究人员通过其 CAIRN 框架发现了这一人工智能驱动的恶意软件变种。
实践者们讨论了“上下文大杂烩”——在 AI 智能体或模型之间交接工作时，传递完整对话记录导致 token 数量膨胀、指令相互冲突的现象——并分享了通过精炼状态进行交接的模式，例如本地台账、CLAUDE.md 风格的文件，以及结构化的交接回执。
SelfMorph 让冻结的大模型在推理时根据输入自适应选择内部计算拓扑（原始前向、层重复、局部并行分支），通过轻量选择器统一管理这些计算形态，在多个基准上取得显著提升，提出测试时扩展的新维度。
清华大学研究人员提出了一种有界双环自动化原理图综合框架，可将自然语言规格转换为经过验证的电力电子 KiCad 原理图。与原生大语言模型基线相比，该框架将元器件验证覆盖率从 22.2% 提升至 98.6%，并将 SPICE 仿真通过率从 0% 提升至 100%。
本文系统分析了社会人口统计信息在何时、何处有益于多元冒犯性建模，表明其在群体／总体层面的收益比在个体层面更为明显，且对人口统计特征进行显式推理的效果优于直接以这些特征为条件进行建模。
作者探讨当 AI 编码智能体的代码产出速度超越团队理解速度时，如何通过编译器硬约束、架构骨架、只读契约、重构循环与可抛弃实现等五层治理手段，对抗系统熵增与人类认知破产，守住软件的可维护性。
PostgreSQL 19 将推迟至 11 月发布，因为 LLM 让发现 bug 变得容易得多，导致回溯补丁提交量激增 60-74%，同时维护者被大量待审查的修复淹没，数个功能在后期被回退。
谷歌的 Suncatcher 项目成功向一颗在轨原型卫星发送了指令，启动了 TPU，运行了一条提示词，并在地球上收到了由大语言模型生成的完整俳句回复——这是在太空中运行 AI 模型的一个里程碑。
作者推荐了 MAI-Thinking-1 和 Qwen3.8-Flash-Next 两份技术报告，认为它们是了解前沿大模型训练细节的最佳学习材料，涵盖数据处理、预训练、强化学习、架构选择与训练稳定性等内容。
一位创作者正在制作一个进行中的 YouTube 播放列表/课程，涵盖 LLM 训练与推理相关的主题，包括分布式训练、微调、强化学习、OPD、服务部署、推测解码和优化器等，并征求建议以使内容更加完善。