AIBestBlogs AI 高分 · 3 分钟
腾讯混元开源 Hy Memory 2.0 记忆框架
腾讯混元发布智能体记忆框架 Hy Memory 2.0，开源模型、框架与 MemHub 应用，开发者可免费接入 Agent。
- 开源三层能力：Hy-Memory-30A3B 模型、记忆框架、MemHub 应用
- 模型约 3B 激活参数，四套记忆系统平均得分 55.49，超过 Opus5 的 54.62
- MemHub 支持 CLI 与 Mac APP，可连接 Cursor、Codex 等 10 种 AI 工具
查看原文 →AIBestBlogs AI 精选 · 5 分钟
实测四款个人Agent,33%成功率靠3套提示语救回
作者花两周三百多美元实测四款云端Personal Agent,发现只能稳定完成约33%任务,用三套提示语补足可靠性。
- 作者花两周、三百多美元订阅费,实测Google Muse、Grok Bot、OpenAI Dots、Manus Cue四款Agent
- 结论:云端Agent只能稳定承接约33%任务,卡在登录态、Computer Use和多任务管理
- 两个实用发现:信息源全转发到Gmail让Agent处理邮件,用飞书文档做本机Codex与云端Agent中转
查看原文 →AIOpenAI Blog · 2 分钟
Stack Overflow for Agents 用 ChatGPT 插件实现 3 倍注册增长
两名工程师用 Codex 几周做出面向 AI Agent 的问答社区，ChatGPT 插件带来最高 10 倍 Agent 创建增长。
- 两名工程师用 Codex 在几周内上线 Stack Overflow for Agents，主打 Agent 问答。
- ChatGPT 插件上线后，注册量翻 3 倍，Agent 创建量最高涨 10 倍。
- 案例来自 OpenAI 官方博客，展示插件分发对独立产品的杠杆效应。
查看原文 →AIHacker News 高分 · 3 分钟
苹果开源 MLX 分布式推理,Mac Studio 可组集群跑大模型
苹果机器学习团队发布 MLX 分布式推理方案,让多台 Mac Studio 通过雷雳互联跑大模型,个人开发者也能搭本地推理集群。
- 苹果官方开源 MLX 分布式推理,支持多台 Mac Studio 组网跑大模型
- HN 上 247 分 109 条评论,开发者最关心雷雳带宽和实际吞吐
- 对不想付云 API 费用的独立开发者,这是本地跑大模型的低成本路径
查看原文 →工具BestBlogs 编程精选 · 6 分钟
腾讯团队用 Harness 三个月重写 90 万行旧项目
腾讯视频剪辑项目借 Harness 工作流把 90 万行旧代码重写为 12 万行,沉淀出一套可复用的 AI 协作开发模式。
- 旧项目 90 万行、耦合严重无文档,团队只把它当需求说明书全部重写
- 新代码 12 万行、15 万行文档、6000+ 测试用例,覆盖率 86%
- 迭代从半年不到 3 个需求,提升到两个月 30+ 新功能
查看原文 →工具BestBlogs 编程精选 · 6 分钟
3个月用AI重写90万行旧代码的实战复盘
2-3人团队用Harness工作流把90万行旧系统重写为12万行,沉淀出AI代码验证方法论
- 旧系统前后端90万行、无文档无单测,团队放弃迁移式重构,把旧代码当需求说明书全部重写
- 开发阶段用TDD先写契约测试,再由架构、安全、性能等专职SubAgent做代码CR
- 引入变异测试评估单测有效性,覆盖率阈值放进红线配置防止AI作弊
查看原文 →论文arXiv cs.AI · 3 分钟
实时环境下的AI智能体评测新基准
研究者推出RealtimeBench，测试180个实时任务，发现慢速模型在暂停时更强，但游戏持续运行时反而落后。
- RealtimeBench包含180个任务，覆盖6种游戏类型，评估智能体在推理时游戏继续运行的表现。
- GPT-6.1-sol在暂停时优于Jev，但游戏持续运行时Jev反超，说明速度关键。
- TORSI方法让Jev平均分从13.51提升到24.19，且无需微调就能提升其他3个模型。
查看原文 →工具BestBlogs 编程精选 · 4 分钟
多模型组合与跨平台 Computer Use 实战
作者订阅 Claude Max 与 ChatGPT Pro,用 Mac 主控虚拟机、Windows 与安卓设备搭建跨平台自动化工作流。
- 同时订阅 Claude Max 和 ChatGPT Pro,用最强模型拉高业务判断上限
- 以 Mac 为核心,串联虚拟机、Windows 实机和安卓平板做 Computer Use
- 用 AI Agent 自动处理 GitHub Issue、收集 Notion 反馈并沉淀 Skills 合集
查看原文 →创业Hacker News 高分 · 2 分钟
美国90%工时任务AI基准未覆盖
Mercor研究显示美国90%工作时间花在AI基准测试未覆盖的任务上,揭示AI能力评估与实际工作需求的巨大错位。
- Mercor发布劳动指数,对比AI基准与实际工作任务覆盖度
- 美国90%工时任务未被现有AI基准有效评估
- HN 354分304评论,开发者热议AI能力评估盲区
查看原文 →创业BestBlogs 商业产品 · 4 分钟
Karpo 创始人:Personal AI 竞争在意图前插
Karpo 创始人 Leah 认为 Personal AI 的胜负在于用户开口前捕捉模糊意图,而非比拼任务执行,团队已获数千万美元融资。
- Karpo 定位生活体验推荐,名字取自 Carpe Diem,已获高瓴、蓝驰数千万美元融资
- Leah 曾任豆包早期成员,主张「意图是一切的起点」,但称这并非行业共识
- 她认为 Browser Use 跨过可用线带来技术窗口,行业或形成「一超多强」格局
查看原文 →工具BestBlogs 编程精选 · 3 分钟
用 Grok Bot 加 Cloudflare 自动收录开源项目
作者分享一套自动化管线：Grok Bot 每日扫推特筛开源项目，Cloudflare workflow 解析后人工审核发布到 OpenFree。
- Grok Bot 定时扫推特，项目首发阶段就能抓到开源动态
- 筛选后提交 OpenFree 后台，Cloudflare workflow 自动解析项目
- 最后一步保留人工审核，避免机器误收垃圾项目
查看原文 →论文Hacker News 高分 · 6 分钟
从联想记忆出发,亲手推导 Transformer
一篇长文用联想记忆的视角重新推导 Transformer 架构,帮开发者真正理解注意力机制从何而来。
- 作者 Alex Wang 从联想记忆的数学形式一步步推出注意力机制
- HN 上拿到 474 分、109 条评论,讨论热度很高
- 适合想搞懂 LLM 底层原理、又不想啃论文的独立开发者
查看原文 →AIBestBlogs AI 高分 · 3 分钟
Perplexity 开源 Agent 代码执行平台 SPACE
Perplexity 开源内部 Agent 沙箱平台 SPACE,用 Firecracker microVM 隔离不可信代码,提供完整 API 与安全模型。
- 基于 Firecracker microVM 隔离 Agent 代码,硬件级安全边界
- 抽象出 Template、Sandbox、Process 等 5 个核心概念,支持异步生命周期
- 控制面/数据面分离,支持 K8s 与单机部署,附 CLI 和 Web UI
查看原文 →AIBestBlogs 编程精选 · 3 分钟
HN 热榜:Meta 开源 816B 模型与 N100 自托管
Meta 发布 816B 参数开源模型,双 Mac Studio 可跑;N100 主机自托管 28 项服务的取舍经验值得借鉴。
- Meta Muse Spark Open:816B 总参数、42B 激活、100 万 token 上下文,双 Mac Studio 本地可跑
- 权重许可设门槛:年收入超 2000 万美元的服务商需另谈条件,个人开发者不受限
- 作者用 Intel N100 自托管 28 项服务,强调取舍而非堆配置,适合一人公司参考
查看原文 →AIBestBlogs AI 高分 · 3 分钟
腾讯混元开源记忆框架 Hy Memory 2.0
腾讯混元开源完整记忆基础设施,含30B参数记忆模型、SDK与桌面工具,基准得分55.49领先。
- Hy-Memory-30B-A3B 用 MoE 架构,30B 参数只激活 3B,推理成本接近小模型
- 配套 hy-memory SDK 覆盖聊天、工作、编码三类场景,支持向量检索与代码版本挂载
- 桌面工具 MemHub 可同步多个 AI 工具会话历史,存储后端可插拔替换
查看原文 →AIBestBlogs AI 高分 · 3 分钟
Claude Code 公开 AI 代码审查系统全流程
Anthropic 披露 Claude Code 的 AI 原生代码审查系统，从自检到多 Agent 投票，支持千级 PR 且回滚率低。
- 流程含 PR 前自检、Subagent 差分审查、多 Agent 并行检测与投票
- 支持千级 PR 规模，实现低回滚率，部分场景可零人工合并
- 人类仍负责决策与架构把控，风险分级审批保留人工介入
查看原文 →AIBestBlogs AI 高分 · 3 分钟
Agent-Native:让AI与人类共享同一套业务能力
新架构理念主张软件从底层让AI Agent直接调用业务Action,而非模拟人点击UI,人机可交替操作同一状态。
- 核心是 Shared Actions、Shared Data、Shared State 三层共享,AI 直接调底层能力
- 抛弃让 AI 模仿点击按钮和填表单的老路,效率低且易碎
- 用户可用自然语言或图形界面交替操作,同一份业务状态实时同步
查看原文 →AIBestBlogs AI 高分 · 3 分钟
pstack 把工程原则编码给 AI Agent
pstack 作者 poteto 提出用极简命名原则替代冗长流程指令,让 AI Agent 按工程智慧执行任务。
- 核心思路是把「最小改动」「先删后加」等原则压缩成 10-20 行指令
- /poteto-mode 强制原则与决策挂钩,保证每条原则可被检验
- 原则来自真实纠错的结构化沉淀,用短语即可唤起精准重定向
查看原文 →AIBestBlogs 编程精选 · 6 分钟
淘特端侧模型全链路实践:准确率43%到91.8%
淘特团队用 QWen3-0.6B 做端侧意图识别,经 LoRA 微调、剪枝、AWQ 量化后真机准确率达 91.8%,落地信息流重排序与发券。
- 基础模型选 QWen3-0.6B,识别闲逛、比价犹豫、场景购物三类意图
- 数据集两代迭代,第二代用 10 万级灰度用户真机日志回流重建
- 剪枝删 6 层后必须做 Healing 微调,不同 GPU 量化后准确率差超 21%
查看原文 →工具BestBlogs 编程精选 · 3 分钟
早报精选:端侧模型与MLX分布式推理实践
BestBlogs 10-17早报汇总10篇工程实践,涵盖淘特端侧模型优化、Mac Studio MLX分布式推理与Meta智能体编排。
- 淘特用意图标签+剪枝量化+真机回流,搭出端侧模型上线闭环
- Apple 在 Mac Studio 上用 MLX 结合 RDMA 测试本地分布式推理
- 腾讯混元 Hy Memory 2.0 框架与模型全开源,可直接取用
查看原文 →AIBestBlogs AI 高分 · 3 分钟
SaaS 卖数据给 AI 实验室等于自掘坟墓
收入下滑的 SaaS 公司以 10 万至 200 万美元出售数据集，却为 AI 实验室提供了取代自身功能的训练素材。
- 部分 SaaS 公司把用户数据集以 10 万到 200 万美元卖给数据经纪商
- 这些数据最终流入 AI 实验室，训练出能直接替代 SaaS 功能的模型
- 短期填补收入缺口，长期等于把核心能力拱手让人
查看原文 →工具BestBlogs 编程精选 · 3 分钟
MoonBit 对比 Rust：AI 写代码省 12% token
同一 AI 智能体分别用 MoonBit 和 Rust 从零写 SQLite 引擎，MoonBit 源码与输出 token 均少约 12%，但样本仅三次。
- Claude Opus 5.5 各跑三次，每次约 1.3 万行代码、489 个测试用例
- MoonBit 源码与累计输出 token 均少约 12%，隐藏测试通过率仅差 0.7 个百分点
- 代价是编译检查失败率 13%，约为 Rust 的 2.25 倍，语料稀少是主因
查看原文 →AIHugging Face Blog · 3 分钟
英伟达开源印度语预训练数据流水线
英伟达在 Hugging Face 发布 2.8 万亿 token 的印度语预训练数据生成流水线，覆盖 20 多种语言，全部开源。
- 英伟达放出 2.8 万亿 token 的印度语语料，覆盖印地语、泰米尔语等 20 多种语言
- 不只给数据，还开源了整套数据生成流水线，可复用到其他小语种
- 对做多语言产品或本地化 AI 应用的独立开发者，等于省下爬数据的大工程
查看原文 →AIBestBlogs 编程精选 · 3 分钟
小红书 AllSpark 提出 Skill2Env 自动合成 Agent 训练环境
小红书 AllSpark 团队提出 Skill2Env 框架,从 47K 个 Skill 中筛选 3K 个,自动合成 2963 个可执行任务训练 Agent。
- 从 ClawHub 下载超 47K 个 Skill 文件夹,筛选保留约 3K 个
- 构建 2963 个可执行任务,覆盖 25 个领域,初始工作空间含 46295 个文件
- 用 1.5K 条高分轨迹微调 Qwen3.6-35B-A3B,七项 Agent 基准均提升
查看原文 →论文arXiv cs.AI · 3 分钟
基准饱和后,模型能力还能从解题记录里挖出来
arXiv 新论文发现,基准分数饱和后,模型解题过程记录仍能预测能力,成对评判法误差降低 5.3 倍。
- 论文用历史基准模拟饱和,只拿做对的题的过程记录来预测未饱和题上的表现
- 成对评判法效果最好,预测误差比只看饱和分数低 5.3 倍
- 信号集中在推理和工具调用环节,但遇到分布变化会失灵,比如低估 2025 年初的推理模型
查看原文 →AIHugging Face Blog · 2 分钟
Beam 开源 501B 模型,个人也能私有部署
Hugging Face 上线 501B 参数开源模型 Beam,主打可拥有、可定制、可扩展,个人开发者也能私有化部署。
- Beam 参数规模 501B,由 Reflection 团队发布,权重在 Hugging Face 开放下载
- 官方强调可 own、customize、scale,面向自托管和二次微调场景
- 501B 体量对单卡不友好,个人更现实的是量化后跑或走 API 托管
查看原文 →AIBestBlogs AI 高分 · 2 分钟
斯坦福因AI作弊改考核:编程作业改一对一讲解
斯坦福教授发现学生用AI交完美作业但期末考崩盘,系里把编程作业从提交制改为一对一讲解制,验证真实掌握度。
- 学生用AI写出完美作业,却丧失答疑动力,期末考试集体崩盘
- 斯坦福相关系部把编程作业从提交制改为一对一讲解制
- 助教职责重定义,学生须当面讲清代码逻辑才算过关
查看原文 →AIBestBlogs 编程精选 · 3 分钟
奥特曼专访:后悔零持股,证实曾叫停前沿模型训练
奥特曼在《名利场》专访中证实OpenAI曾主动暂停前沿模型训练,并坦言零持股是重大失误,还回应了马斯克与AI安全争议。
- OpenAI因安全对齐跟不上能力跃升,单方面叫停了一项前沿模型训练
- 奥特曼称当初零持股是重大失误,不图钱反而破坏了公众信任
- 他认为Agent若出恶意偏差,开发者须承担全部责任,并怒批马斯克是霸凌者
查看原文 →论文arXiv cs.AI · 3 分钟
AlphaDiana:测量AI智能体推理能力的开源系统
arXiv新论文提出AlphaDiana,可模块化测量智能体在推理任务中的表现,发现工具框架并不总能提升准确率。
- AlphaDiana支持数据集、智能体、环境、评分器模块化接口,保留原生控制循环
- 测试3个开源模型和3个开源框架,在5个基准上发现框架不总提升准确率
- 技能引导和记忆保留均不能可靠提升准确率,低token熵可能伴随错误答案
查看原文 →创业Hacker News 高分 · 2 分钟
Waymo 无人出租车正式落地多伦多
Waymo 宣布进入多伦多,成为其首个美国以外的运营城市,自动驾驶商业化再下一城。
- Waymo 官方博客宣布多伦多上线,是其首个美国境外城市
- HN 上 235 分、332 条评论,讨论热度集中在监管与冬季路况
- 对独立开发者而言,自动驾驶数据/地图/调度类工具需求或被带动
查看原文 →论文arXiv cs.AI · 3 分钟
正确性反馈反而抹掉审计证据
arXiv新论文发现:Verus/Rust程序审计中,纠正性反馈会让认证见证产出从59%降到27.1%,先保留失败证据再修复效果更好。
- 12个Verus/Rust任务、4个模型家族对比,无反馈发现率59.0%,IntentShield反馈循环仅27.1%
- 分阶段执行不重用响应也能达到同等产出,Phase-Revised合约实现成功率81.3%,高于IS-Revised的62.5%
- 该效应在Dafny和Lean上未复现,说明结论只适用于Verus/Rust工作流
查看原文 →AIHacker News 高分 · 3 分钟
Claude 破解 ECDSA 曲线种子来源之谜
Anthropic 用 Claude 追溯出 ECDSA 椭圆曲线随机种子的生成方式,密码学界多年悬案被 AI 解开。
- Anthropic 官方研究,Claude 还原了 ECDSA 曲线种子的生成过程
- HN 上 549 分、234 条评论,密码学圈讨论热度很高
- 原始推导见 filippo.io 的 seeds-solved 一文,可自行验证
查看原文 →