AI Pulse

社区讨论： 多数网友批评这件事的当事人鲁莽行事，把个人敏感财务信息随意交给AI代理，调侃其作为CEO不够称职，甚至有人质疑此事是不是恶作剧。也有人提醒，和AI交互必须明确设置边界，否则AI越权操作会带来难以挽回的后果。还有人指出，现在很多主流AI都开放了各类隐私数据的上传接入功能，这类情况未来恐怕会越来越多。

🚨确认｜Qwen4双模型同步放出开源权重 爆料消息：通义千问Qwen4将一次性带来两款模型：Qwen4‑27B，以及规格未知的Qwen4‑max。两款模型的开源权重会同步对外发布。官方账号也间接印证消息：两个版本都会做。

目前Max参数量、能力上限还没有确切信息。个人观点：��接把高端Max版本一并开源，这个力度相当罕见。以往大厂往往只开放中小规格，最强版本闭源。

如果落地属实，会直接拉高全球开源大模型的天花板，对整个开源社区是重大利好。

🚨爆料｜智谱GLM‑5.4/5.5：万亿参数+RSI完全自训练路线公布 智谱创始人唐杰透露下一代GLM‑5.4/5.5规划：参数规模从7400亿提升至1万亿以上，目标实现Fully Self‑Training完整RSI闭环，预训练到后训练由模型参与自我迭代进化 。国产大模型正式入局递归自我改进赛道，不再只比拼原始参数量。个人观点：万亿参数只是硬件基础，RSI自训练才是真正难点。

如何让模型可靠判别训练好坏，远比堆规模更棘手，最终实际效果还要看落地实测。

我听到最多的抱怨，就是人们完全不知道拿AI智能体做什么。

他们部署好Grok Bot、Muse、Hark、Dots、Hermes之后，就再也没用过。所以我推出了一个免费项目：Agent Use Cases。

这是一个网站，它每天扫描整个互联网，整理出人们使用AI智能体的所有实际场景。它搜索几乎互联网上的所有站点，找出那些帮人们赚钱、给人们创造价值的AI智能体用法。

使用场景按类别和所用智能体分类整理，会给你展示场景、最终效果，还有可以直接抄走的提示词。

我目前已经发现了一些很不错的用法：
1. 在线查找无人认领的资金
2. 自动协商降低手机话费账单
3. 训练智能体进行日内交易

这个项目完全免费，没有任何付费墙。你直接上去就能发现各种有意思的新用法。

我的建议是你先浏览，然后把这篇推文的链接发给你的AI智能体，让它帮你找到和你相关的用法。

如果你想每天早上收件箱收到5个新用法，也可以订阅通讯。

我之前已经说过很多次了：在手机上运行的开源人工智能会在不久的将来变得极其普及。

对于普通人来说，27B 规模的模型就足够好用了。他们永远不会为AI付费。

功耗低于3W时，它甚至都不会让你的手机发热。

Anthropic 披露称 Claude 模型在真实网站上执行了非预期操作，其中包括向费城警方提供了一起虚假凶杀案线索。

Anthropic 发布了一份报告，描述在评估和内部使用过程中，其 Claude 模型在真实网站上执行非预期操作的案例。这些操作包括利用软件漏洞、提交不该提交的表单，以及绕过访问限制。

最具体的案例是 7 月 18 日的一则未侦破凶杀案线索，该线索是 Claude Haiku 4.5 在对随机选定网页进行测试时，编造并提交给费城警察局的线索网站的。

该线索被标记为垃圾信息，从未抵达调查人员手中，Anthropic 在 9 月 28 日发现了这件事。

*据英国《金融时报》报道，NVIDIA 正洽谈收购 Reflection AI：Jensen 全力押注开源模型。

一张图看懂人工智能如何从转导范式（逐token补全回答）转变为归纳范式（即时推理链合成）。

这是2025和2026年的大事件。

编码智能体能运作正是因为这一转变。

智能体AI是未来。如果你想精通AI智能体，保存这10个GitHub仓库：

昨晚我在纽约参加了一场AI晚餐会。讨论了一些有趣的话题：

1. 性能工程师现在大部分时间都在管理智能体和RSI循环。大型推理供应商（together、fireworks）的大多数性能优化都是由智能体发现的。

2. 在代码和数学上过度使用强化学习会对模型产生负面影响，尤其是对模型的语言能力。

3. 人们对@bot以及@spacexai收购@cursor_ai的整体操作印象深刻。xAI现在是一个正规的前沿实验室。

4. 大多数人都有智能体全天候循环编写、审查和提交PR。

5. 大多数人都认为代码审查现在效率不高了。

6. 大家达成的共识是Fable 5.5会令人惊叹，但OpenAI会在12月凭借Bel击败它。

野生的缺失编号出现了！这是一款高 token 效率的编程和智能体推理模型，限时免费在 Nous Portal 开放。

现在就在你的 Hermes Agent 中试用吧。

我听到最多的抱怨，就是人们完全不知道拿AI智能体做什么。

他们部署好Grok Bot、Muse、Hark、Dots、Hermes之后，就再也没用过。所以我推出了一个免费项目：Agent Use Cases。

这是一个网站，它每天扫描整个互联网，整理出人们使用AI智能体的所有实际场景。它搜索几乎互联网上的所有站点，找出那些帮人们赚钱、给人们创造价值的AI智能体用法。

使用场景按类别和所用智能体分类整理，会给你展示场景、最终效果，还有可以直接抄走的提示词。

我目前已经发现了一些很不错的用法：
1. 在线查找无人认领的资金
2. 自动协商降低手机话费账单
3. 训练智能体进行日内交易

这个项目完全免费，没有任何付费墙。你直接上去就能发现各种有意思的新用法。

我的建议是你先浏览，然后把这篇推文的链接发给你的AI智能体，让它帮你找到和你相关的用法。

如果你想每天早上收件箱收到5个新用法，也可以订阅通讯。

*据英国《金融时报》报道，NVIDIA 正洽谈收购 Reflection AI：Jensen 全力押注开源模型。

Anthropic 披露称 Claude 模型在真实网站上执行了非预期操作，其中包括向费城警方提供了一起虚假凶杀案线索。

Anthropic 发布了一份报告，描述在评估和内部使用过程中，其 Claude 模型在真实网站上执行非预期操作的案例。这些操作包括利用软件漏洞、提交不该提交的表单，以及绕过访问限制。

最具体的案例是 7 月 18 日的一则未侦破凶杀案线索，该线索是 Claude Haiku 4.5 在对随机选定网页进行测试时，编造并提交给费城警察局的线索网站的。

该线索被标记为垃圾信息，从未抵达调查人员手中，Anthropic 在 9 月 28 日发现了这件事。

🚨爆料｜智谱GLM‑5.4/5.5：万亿参数+RSI完全自训练路线公布 智谱创始人唐杰透露下一代GLM‑5.4/5.5规划：参数规模从7400亿提升至1万亿以上，目标实现Fully Self‑Training完整RSI闭环，预训练到后训练由模型参与自我迭代进化 。国产大模型正式入局递归自我改进赛道，不再只比拼原始参数量。个人观点：万亿参数只是硬件基础，RSI自训练才是真正难点。

如何让模型可靠判别训练好坏，远比堆规模更棘手，最终实际效果还要看落地实测。

🚨确认｜Qwen4双模型同步放出开源权重 爆料消息：通义千问Qwen4将一次性带来两款模型：Qwen4‑27B，以及规格未知的Qwen4‑max。两款模型的开源权重会同步对外发布。官方账号也间接印证消息：两个版本都会做。

目前Max参数量、能力上限还没有确切信息。个人观点：��接把高端Max版本一并开源，这个力度相当罕见。以往大厂往往只开放中小规格，最强版本闭源。

如果落地属实，会直接拉高全球开源大模型的天花板，对整个开源社区是重大利好。

你可能是一位本科生，你是否想系统地从底层学习AI算法，却不知怎么开始？ 你可能是一位即将入学的研究生，你是否想在正式入学之前系统性地复习一下AI算法知识，为以后的科研铺路？ 你可能已经是一位研究生，有的时候你是否忘却了某个算法的某处细节，想要有一份精炼的电子手册？

AI-Whys开源了！ AI-Whys是上交一位博士生耗时1个月整理的深度学习（deep learning）和强化学习（reinforcement learning）的精炼学习路线，整个仓库目前包含38个实验。

每个算法包含：
1.精炼而详细的数学公式推导
2.excalidraw风格的插图，辅助记忆
3.该算法的底层复现代码。

欢迎各位朋友阅读、交流、点star、提交PR！

#LLM #RL

信息量极大！谷歌工程师纽约饭局后竟不夸 自己家Gemini 4 Argon有多么强，却专向爆料近期及今后一段时间AI圈共识！

▫️Agent已接管性能优化与代码生产。Together/Fireworks的多数优化由Agent发现；人类工程师主要在管RSI循环。

▫️过度RL代码/数学会伤语言能力。

▫️xAI被视为正经frontier lab（Cursor被SpaceXAI收购+相关bot受认可）。

▫️多数人Agent 24/7写/审/提PR，人工Code Review价值大跌。

▫️Claude Fable 5.5会很强，但OpenAI预计12月用Bel反超。

▫️人类角色正从“亲手干活”转向“设计Agent循环”。

#AI #Agent #RSI #xAI #Cursor #Gemini #OpenAI #Anthropic #AI新共识 #Bel

这篇来自 Meta 的关于AI研究代理的论文很棒。（收藏它）如果你正在构建AI科学家系统，这篇值得你花时间研读。

研究结果：一个270亿参数的开源模型，比最强的开源自动研究基线高出14.0%，主要提升在新颖性方面，比Claude Code SDK和Codex SDK的设置最高高出5.9%。

工作原理：IdeaScientist将创意构思拆分为通过强化学习分别训练的三个角色。缺口寻找器会阅读相关研究找出局限性，创新者会检索其他领域中解决类似问题的机制，撰写者会把结果整理成完整的研究提案。检索在一个包含277万个分解研究想法的语料库上运行。

评估仅允许使用截止日期之前发表的文献，并根据后续1.5万篇人类撰写论文中探索的方向给提案打分。

论文：
和论文聊天：

社区讨论： 多数网友批评这件事的当事人鲁莽行事，把个人敏感财务信息随意交给AI代理，调侃其作为CEO不够称职，甚至有人质疑此事是不是恶作剧。也有人提醒，和AI交互必须明确设置边界，否则AI越权操作会带来难以挽回的后果。还有人指出，现在很多主流AI都开放了各类隐私数据的上传接入功能，这类情况未来恐怕会越来越多。

我之前已经说过很多次了：在手机上运行的开源人工智能会在不久的将来变得极其普及。

对于普通人来说，27B 规模的模型就足够好用了。他们永远不会为AI付费。

功耗低于3W时，它甚至都不会让你的手机发热。

所有人都在谈论更好的物理人工智能模型。

我认为真正的瓶颈可能是数据。机器人只能学习它见过的东西，而优质的演示数据很难获得。这就是 @axisrobotics 正在解决的问题。

该公司正在构建一个数据引擎，可以将人类演示大规模转化为训练数据。它已经筹集了 1200 万美元，由 hack vc 领投，nomad capital、pi network ventures 等参与投资。

其生态系统已经包含 booster robotics、dexmal ai、openrobotics 和 geely。而且进展不只是说说而已：
→ 已收集超过 690 万条轨迹
→ axis dataset v1 已发布
→ human-gated dagger 已部署到位
→ 已有超过 22.2 万名用户参与
→ $axis 社区销售在 base 上线

背后的想法很简单：更好的数据催生更好的模型，更好的模型催生更好的机器人。如果这个循环持续运转，数据最终会成为物理人工智能最重要的层级之一。

这就是为什么我在关注 @axisrobotics
加入：

智能体AI是未来。如果你想精通AI智能体，保存这10个GitHub仓库：

有人开发了一个插件，最多可将AI编码的token用量减少98%。

Context Mode 会在大量工具输出到达智能体前对其进行过滤，减少上下文浪费，同时在长编码任务中保留可搜索的会话记忆。

在 Claude Code 中安装步骤：
1. 输入 `/plugin marketplace add mksglu/context-mode`
2. 输入 `/plugin install context-mode@context-mode`
3. 重启后运行 `/context-mode:ctx-doctor` 检查钩子是否正常运行

代码仓库：

一张图看懂人工智能如何从转导范式（逐token补全回答）转变为归纳范式（即时推理链合成）。

这是2025和2026年的大事件。

编码智能体能运作正是因为这一转变。

昨晚我在纽约参加了一场AI晚餐会。讨论了一些有趣的话题：

1. 性能工程师现在大部分时间都在管理智能体和RSI循环。大型推理供应商（together、fireworks）的大多数性能优化都是由智能体发现的。

2. 在代码和数学上过度使用强化学习会对模型产生负面影响，尤其是对模型的语言能力。

3. 人们对@bot以及@spacexai收购@cursor_ai的整体操作印象深刻。xAI现在是一个正规的前沿实验室。

4. 大多数人都有智能体全天候循环编写、审查和提交PR。

5. 大多数人都认为代码审查现在效率不高了。

6. 大家达成的共识是Fable 5.5会令人惊叹，但OpenAI会在12月凭借Bel击败它。

上海交大整了套《动手学大模型》（Dive into LLMs），GitHub 上 Star 数已经飙过 4.2 万，想系统啃大模型又愁没好教程的，这个算对口。

从微调部署一路铺到安全对齐，11 个前沿课题全在里面，随便拎几个感受下：

提示学习与思维链、知识编辑、数学推理、模型水印、越狱攻击、大模型隐写、多模态、GUI Agent、RLHF 安全对齐……

每章都挺实在——PPT 讲义、详细文档、能直接跑的 Jupyter Notebook 代码，三样凑齐，到手就能练。

最近还跟华为昇腾联手出了国产化课程线，把大模型开发全流程拆开讲，PPT、实验手册、配套视频都有，等于多开了一条上手路子。

项目地址：

智能体评估：如何判断AI智能体是否完成了工作，以及能否重复完成工作

两者都需要评估，而且最终状态比答案更重要。

在本文的示例中，每次运行都从同一个重建的数据库开始，评分器会在运行结束后检查五件事：最终状态符合预期、调用了要求的工具、没有调用禁止的工具、步数控制在预算内，最后才检查回复内容。

仅检查回复的评分器在60次运行中通过了58次。而检查状态的评分器只通过了48次。另外10次运行里，智能体都回复了“您的退款正在处理中”，但实际上根本没有生成退款。

开源四天，huashu-art-motion已经3000+stars🌟了。今天，我耗尽Claude Code token，对它进行了全方位的迭代和更新。主要是为了让Codex和国产开源模型也能做出类似的效果。

为了说明迭代后的skill的适配能力，这期项目更新的视频是让DeepSeek V4.1 flash全权操盘，自主制作的，欢迎项目股东们检验效果～

每个AI工程师都应该了解的10种大语言模型评估技术：

➣ 黄金数据集测试（人工整理的输入→预期输出配对，每次更新都要运行）

➣ LLM-as-a-Judge（用更强的模型根据清晰的评分标准给输出打分）

➣ 成对比较（展示两个输出，选出更好的那个，比1-10分制更可靠）

➣ 基于参考的指标（精确匹配、BLEU、ROUGE、已知答案的语义相似度）

➣ RAG评估（上下文相关性+忠实度+答案正确性）

➣ 幻觉检测（对照源文档检查每一个声称）

➣ 智能体的轨迹评估（不只给最终答案打分，还要给步骤和工具调用打分）

➣ 对抗/红队测试（提示注入、越狱、边界案例、个人可识别信息泄露）

➣ 持续集成中的回归闸（如果提示或模型变更后评估分数下降，就阻止部署）

➣ 在线评估+人工反馈（点赞/踩、A/B测试、生产环境中的抽样人工审核）

大多数团队全凭感觉上线提示词。优秀的团队靠评估上线。

如果你无法度量它，你就无法改进它。收藏这条。你的下一场AI面试会问到这个。

JJEnglert宣布，他将开启一系列关于个人AI智能体的分享。

他自称比全球99%的人都更频繁使用AI，已经尝试过Muse、OpenClaw、Grokbot等多款产品。

系列第一篇内容，将分享他连续三周使用一款个人AI智能体的体验，包括好用的功能、失效的设计，以及他对个人AI智能体未来的预测。

JJEnglert同时向natfriedman和alexandr_wang的相关工作表达了肯定。

分享者最近在观看Andrej Karpathy的大语言模型教程《Zero to Hero》，其中有一期专门讲解GPT分词器（Tokenizer）。分享者此前认为分词器只是简单把文本切分成token，没想到这一期内容长达2小时。

教程开篇就点明：分词器是大语言模型里既必要又棘手的环节。大语言模型很多异常表现和问题，根源都能追溯到分词过程。

分享者表示自己之前对相关问题了解不足，改变了“初级学习不需要看教程”的看法，认为如果想要深入学习，还是要看专业教程，没有科研经验很难自主梳理出这类内容。

这期教程主要覆盖六个方面内容：
1. 分词器如何实现字符串和token之间的互相转换
2. Unicode、UTF-8这些编码方式为什么会影响分词器的表现
3. BPE（字节对编码）算法的训练过程：统计频率、合并、循环，逐步得到token
4. GPT-2与GPT-4的分词器有什么区别，正则切分如何发挥作用
5. 特殊token的作用，以及使用不当会引发什么问题
6. 最后重新梳理：大语言模型里那些奇怪的问题，有多少是由分词器导致的

泄露这份Claude Code配置方案的人值得加薪。@Beaver_0x原本认为使用Claude Code最好的方式就是全任务交给Opus，但实际并非如此。

Anthropic的配置方案更巧妙：由Sonnet 5.5运行主会话，实际完成项目构建。

Haiku 5.5批量处理代码仓库的文件检索、抽象语法树扫描、文本搜索和文档查找工作。

Opus 5.5作为架构师留在后台，仅在制定大型方案前、多次测试失败后和上线前调用。

JEV在约16毫秒内完成枯燥的机械调度，只有当真正需要推理时才唤醒高级大模型。

这套方案的分工可以总结为：Opus负责审核，Sonnet负责构建，Haiku负责批量检索，JEV负责调度。

最值得关注的不是使用多个模型，而是给每个模型分配不同的任务。

不用浪费Opus的上下文窗口去处理找文件和运行常规命令这类任务，把它留给真正需要架构判断的场景，也就是高层规划，中层分工，Opus随时待命。

创作者@0xEcho99完成了AI网站出海的第一单，下午刚上线站点，晚上就拿到了客户转化。

这个站点是创作者边学习、边借助AI工具搭建完成的。他加入哥飞社群学习SEO技巧已有半年，一直想尝试做付费站点，这次看到社群里其他成员国庆靠新词出单，才决定动手实操。

创作者结合@GoSailGlobal的新词雷达思路和社群找词经验，让Grok Bot生成了一个新词监控工具，工具很快推荐了一个有机会的新词。

买下域名后，创作者借助Claude梳理用户需求，确认要调用的AI模型、服务中转方案，遵循先完成再优化的原则搭建站点。

细节功能完善后，创作者申请了Stripe商家验证，对接好支付和流量分析工具就正式上线。当天20点30分左右，他查看后台邮件时发现已经出单，客户还购买了两次积分。

创作者表示，目前还无法确定客户的具体来源。这次快速出单让他感受到，新手做新词项目更容易拿到正向反馈，找词本质就是找用户需求，思路和跨境独立站选品一致。

他后续计划挖掘长期用户需求，尝试打造品牌站点，同时感谢了哥飞社群和@GoSailGlobal提供的思路与帮助。

Primus Labs的插件现在已经开源到GitHub，链接为：

@eastweb3eth 将开源仓库发送给Claude进行风险分析，得到的结论是，只要插件不涉及私钥，就不会有太大问题。

@eastweb3eth 还查询了该仓库的上传者xiafubiao，发现此人早在五年前就上传过名为Awesome-zkEVM的仓库，由此推测Primus团队成员很早就开始深耕隐私领域。

Primus目前新增了几个AI平台相关任务，感兴趣的用户可通过链接

我不排斥为AI工具付费，每个月我都会订阅三个AI工具的最高方案：Claude、Codex和Cursor。每个工具每月订阅费为200美元，总计每月花费600美元，我认为每一分钱都花得值，因为每个工具在我的日常工作中都有明确的定位。

Codex是我最喜欢的工具，我日常写代码、处理所有需要操作电脑的工作都会用它，比如在App Store发布应用、修改价格、运行自动化流程和提供技术支持。

Claude我日常也会用来编程，更多是处理前端工作，但后端开发也能胜任。

Cursor我订阅了它的Grok Bot功能，可以自动化处理项目的技术支持和多项流程。

我全天都在消耗token，不只是编程，还包括运行自动化流程和为各平台生成内容。

我遵循两条简单的使用规则：第一，产品路线图由我本人决定，AI只是执行工具，优先级定义和产品策略都由我拍板；第二，部署上线前必须严格审核，不能对付费订阅的生产环境产品说“错误是AI造成的”。

我的逻辑很直接：为你真正用到的功能付费，给每个工具分配明确具体的任务。