卡内基梅隆大学在 YouTube 免费开放计算机科学课程
卡内基梅隆大学通过 CS Learn 在 YouTube 免费开放计算机科学课堂讲座,供学习者按自己的节奏观看。11 月课程涵盖大规模数据集机器学习、机器学习系统、AI 智能体和生产环境中的机器学习,2027 年 1 月将增加多模态机器学习等课程。免费自学课件将随后推出,提供即时反馈和徽章,AI 辅导也计划加入课件体验;入口为 https://www.cs.cmu.edu/learn/。
卡内基梅隆大学通过 CS Learn 在 YouTube 免费开放计算机科学课堂讲座,供学习者按自己的节奏观看。11 月课程涵盖大规模数据集机器学习、机器学习系统、AI 智能体和生产环境中的机器学习,2027 年 1 月将增加多模态机器学习等课程。免费自学课件将随后推出,提供即时反馈和徽章,AI 辅导也计划加入课件体验;入口为 https://www.cs.cmu.edu/learn/。
一份进展报告逐阶段对照 AAA 游戏引擎需求,梳理 Three.js 渲染管线现状:G-buffer、烘焙 GI、GTAO、随机 GGX SSR、SSGINode、TRAA/TAAU 等已落地或在评审中,最大缺口集中在 SSR 的 Hi-Z tracing 与 coverage、SSGI coverage,以及把两级级联接入 BRDF 的可插拔间接光照。
Holiday Extras 员工使用 dots 主动生成产品上线报告、提醒潜在问题,并通过语音讨论即将举行的会议。AI 创新副总裁 Liam Thompson 的 dot 从 Google BigQuery 获取数据后主动提交报告;同事 David Lee 的 dot 在 API 密钥需要停用时检索邮件,列出可能受影响的人。
Claude Code 团队约 90% 的代码由 Claude 编写和审查,通过运行真实应用、自动检查与人工介入验证改动。文章介绍端到端测试、属性测试和差分测试,并说明团队用 verify 技能执行验证,检查失败三轮后交由人工处理,审查规则从基础分支或默认分支读取,避免改动修改自身检查。
推荐理由:Claude Code 团队把端到端验证、失败转人工和审查规则隔离纳入开发流程,将逐条检查代码转为定义完成标准与审查证据。
Artem Legotin 发布 Golden Board 项目,用 4,194,304 位(512 KiB)的二进制消息向没有共同语言、文化或棋类知识的接收者教授国际象棋。消息前 64 行含 32 幅 64×64 图像构成引导层,先教会如何读取自身内容,下方载荷包含可视化课程、带反馈练习和完整对局。作者用 LLM 模拟未知接收者测试解码与理解,代码和文档已在 GitHub 开源。
Lean 检查能为定理正确性提供重要依据,但 AI 生成的代码还需核验命题对应关系、编译结果、所用公理及内核可靠性。文章介绍了用 lake comparator 检查命题一致性与公理、用 lake comparator --paranoid 进行多内核复核的方法,并指出 OpenAI 附带 Lean 代码的 290 篇论文中,约 38 篇的代码未陈述论文的主要定理。
MIT「How to Make Almost Anything」课程公布 2026 秋季日程,将 AI agents 与 Edge AI 纳入教学:10/01 的 3D 扫描与打印课辅以 AI agents 讲座,10/29 的输入设备课配 Edge AI 幻灯片与代码。课程还覆盖 CAD、嵌入式编程、电子设计与生产、CAM、网络与通信等,12/15 进行期末展示与 open house。
uBlock Origin(MV2 Firefox 版)存在一键通用 XSS 漏洞,恶意网站可诱使扩展添加任意可信过滤规则,从而在任意站点上下文执行 JS;MV3 版 uBO Lite 也受类似但较轻影响。
Paradigm 官网 Puzzles 页上线“Pack Semicircles”谜题,要求把 15 个相同半圆排成尽可能紧凑的布局,使外接圆最小,并配有公开排行榜。作者用 Affinity Designer 的 Symbols 工具手动尝试对称排布,把外接圆半径设为 3 时已能进入排行榜前 2/3。该谜题可用 X.com 账号登录提交解答。
Anthropic 建议 Claude Opus 5.5 用户删除“努力思考”等提示措辞,并从默认的 Medium 推理强度开始使用。公司称,内部测试中删除这些措辞后响应启动更快,质量没有可测量的下降;Opus 5.5 在 Medium 下的表现与 Opus 5 在 High 下相当。其他建议包括一次说明目标、输出格式和何时需要追问,直接附上图表或文件,以及具体指出不想要的设计样式。
推荐理由:Anthropic 将提示词调整归纳为明确终点、删除催促思考措辞和按需提高推理强度,让任务描述与模型的自适应推理机制相配合。
开发者用 190 行纯 JAX 复现了 DeepSeek-V3 架构,不依赖 Flax、Equinox 或 PyTorch,并在 MacBook Air 上从零预训练。
一篇交互式可视化文章用只有四个神经元、三个可调参数的虚拟生物 spark 演示强化学习:随机微调脑内连接,表现变好就沿该方向调整、变差则反向调整。spark 从随机接线时原地打转,经 50 次尝试开始移动、250 次学会避光、500 次冲向光源、2000 次成为追光专家。文章把这一过程画成“大脑参数空间”中的学习路径,显示数百个初始接线不同的个体最终都收敛到同一目标。
NVIDIA 用两台通过 ConnectX-8 RDMA 互联的 DGX Station,以 vLLM 张量并行(TP=2)在单端点本地服务 753B 参数的 GLM-5.3 NVFP4 模型,实现 607.8 tok/s 吞吐。
开发者通过一个伪造 uname 输出的 shell 包装脚本,让 Zed 误以为 FreeBSD 主机是 Linux x86_64,从而用 Zed 的 Linux 远程服务器在 FreeBSD 上跑通。
Ratatui 维护者提出一种终端协议,把细线画在单元格边缘而非占用整格,作为 Ghostty 补丁实现(更早版本进入 Rio),并用 Ratatui 构建了演示应用。每个单元格最多承载 12 段线,每段可独立设置颜色、宽度、位置和样式,边框随文本滚动、擦除与重排,且不会被复制粘贴带走。相比 Unicode 制表符方案,面板不再在每边损失一行一列,文本字段可直接在文字下方画线。
Haddy Alchaer 对 LeWM 进行了 600 次实验,找到四种无需额外训练的规划方法,将长时程任务成功率从 22% 提升至 85%。方法包括每隔 25 步设置子目标、为记忆图跨演示跳转增加代价、用变换后的演示补齐记忆,以及调整目标评分;在跨演示取起点与目标的更难测试中,最佳规划器成功率为 56%。
一位用户通过中间人(MitM)方式逆向工程 Coway Airmega IconS 空气净化器,试图让它脱离 Coway 云服务、改由本地控制。此前 Home Assistant 的 IoCare 集成只能模拟手机 App 轮询云端,每年会因封禁、App 改版、HTML 布局变动或服务器离线而失效一两次。
GitHub 以 Data Forge 和 Proof Agent 为例,讲解如何编写、组合与打包可跨智能体复用的技能。技能以 SKILL.md 为核心,将项目配置放入独立 manifest,并生成适用于 Claude Code、Cursor 和 GitHub Copilot 的客户端文件,工具、凭据和权限仍由运行环境提供。
Amplitude 估计,其主要由 OpenAI 模型驱动的产品智能体 Wave 可将产品改进交付时间从约一个月缩短至 1–2 天。Wave 综合产品数据、会话回放、客户反馈和代码发现改进机会,生成技术方案与验收标准后交给包括 Codex 在内的编码智能体实施,团队可控制自动化程度。
安全研究者将 PostgreSQL 核心中一个存在 22 年的类型混淆零日漏洞转化为高可靠性的内存破坏利用链,最终实现远程代码执行。该漏洞源于在复合类型字段中写入值后修改字段类型再读回,研究者在利用 pg_clickhouse 扩展时顺藤摸瓜发现,相关扩展漏洞已于 6 月 23 日修复。
在 Chrome 工具栏点击 Gemini 图标即可打开侧边面板,无需切换标签页就能让 Gemini 总结冗长报告、对比产品细节或用通俗语言解释复杂话题,同时保持当前浏览位置不变。
Easel 实测 AWS Lambda Web Functions 发现,执行环境在最后一次请求后仍存活 313–411 秒并持续计收内存费用,且无空闲超时配置;内存约占其测算计算与请求成本的 88%。Easel 因此改为自建计算、仅用传统 Lambda 承接溢出流量,同一 Next.js 16 应用热请求中位延迟快 1.5–3×,闲置 12 分钟后冷启动快约 3.5×。
Anthropic 的 Message Threads 将长对话请求包中位数从约 800 KB 降至 1.8 KB,减少重复上传、校验和切词,但不减少 token 消耗与账单。
推荐理由:Anthropic 用增量传输降低网关延迟,英伟达用上下文压缩降低解码成本,两条路线分别处理长对话的不同开销。
一位开发者用 Broadcom PEX88096 PCIe 交换机在单 x16 插槽上接入四块 AMD Radeon AI PRO R9700 和两块 RTX 3090,并发布内核模块 gpu-rebar-layout,在 GPU 驱动加载前把每块 R9700 的 BAR 设为 32 GB 并重新扫描。
smolmaxxing 通过定制内核、内存优化和权重流式读取,让小米 TV Box S(3rd Gen)与 iPad Air(2013)运行最高 16B 模型。
Google 对超过 91.3 万次真实编码会话的研究发现,能力更强的模型更容易被源码中的旧 TODO 注释带偏。智能体擅自追踪历史注释时,单次对话平均多执行 70% 的步骤、多消耗 77% 的 token,等待时间增加 105%。
作者用编码智能体重建了 2018 年的 Javascript 交互式逻辑教材“QED”,新版本暂定名“Lean Grimoire”,可展示当前游戏状态对应的 Lean 证明进度。应用还提供“fantasy mode”,把数学命题、表达式等元素替换为药水、卷轴等奇幻文本。作者希望获得试玩反馈,以提升其教授逻辑证明和 Lean 的效果。
Google 工程师用 48 个 AI 智能体分析 NASA 激光雷达数据,在不到 72 小时内发现墨西哥一处疑似玛雅遗址并收到官方回复。智能体逐张检查地形影像,筛出广场、至少 8–12 m 高的金字塔等结构,并检索文献、档案及核查原始点云。墨西哥国家人类学与历史研究所 INAH 回复称,该位置没有已登记考古遗址,但遗址尚未获得正式认定,实地调查须经 INAH 授权。
推荐理由:Google 工程师用智能体筛查激光雷达影像,再核对文献、原始点云与官方登记,将视觉线索推进到考古候选地点的核查。
Nathan Barry 用线性规划编辑 Qwen3.5-0.8B 权重,缓解推理循环,以少 8× 的权重改动取得接近 GPT-6 Astra 编辑方案的基准表现。
研究者发现 GA100 的电压故障注入漏洞,将 CMP 170HX 8GB 矿卡解锁为功能上相当于 A100-80G 的显卡。硬件解锁后的 FP16 FMA 吞吐量约为零售 A100 的 ~1.2x,可用显存取决于芯片缺陷,部分卡只能使用 64 GB。
OpenAI 工程师在 AI Engineer Code Summit 演示了 Codex 的云端任务、语音控制和个人智能体 dots 工作方式。Codex Cloud 版本 2 支持发布一次环境后,在隔离实例中运行多个任务,但本地任务向云端交接仍涉及上下文差异,团队正在改进体验。语音可用于管理任务线程和委派工作,dots 则可提醒遗漏、承接委派,并利用已有上下文推进 PR。
Modelplane 的推理工程指南面向平台工程师,系统讲解模型与 GPU 的配合、生产部署及职业学习路径。指南涵盖权重与 KV cache 显存预算、prefill 与 decode 瓶颈、引擎优化、网关鉴权、可观测性和扩缩容,并强调用真实流量开展并发评测。
开发者 Spencer Kittleson 提出智能家居第一规则:核心设备断网也必须可用,其家中逻辑跑在 Tasmota 固件、MQTT broker 和树莓派上的 Node-RED 上。他因 Google 破坏 API 导致 Nest 集成失效、三星冰箱屏幕报 TLS 证书错误等问题,主张云服务只能作为附加项。他还要求云设备必须提供带日志的 API,否则不安装。
Simon Willison 用 Claude Fable 5.2 Medium 生成了一段 three.js 动画:Yonkers 以大型机甲姿态站起,并踩踏曼哈顿、皇后区与布鲁克林,地图数据来自 OpenStreetMap。模型还正确推断出提示词中的 "átomos" 是手机键盘误打的 "stomps"。
Amazon 将内部工单分类模型从 Claude Sonnet 4.6 换为 Strands Decider E4B,称效果相当、成本降低 98%,预计每年节省数百万美元 token 费用。
CPython 形式化项目使用 Opus 5.5 将 CPython 3.15.2 的函数逐行改写为 Lean,已有 4,071 个函数通过测试、形式化验证与独立智能体审查,占待检查函数的 15.7%。
推荐理由:CPython 形式化项目将逐行建模、差分测试与独立审查结合,用真实运行结果检验形式化结论是否遗漏异常与内存行为。
Anthropic 文档指出,将 Claude Fable 5.2 设定为代码所有者和长期维护者,会使它更倾向于合并重复代码。在小型编码任务测试中,未加入这一身份描述时,重复代码合并比例不足 10 percent;加入后约为 75 percent。Simon Willison 引述的提示词是“你是这个代码库的所有者和长期维护者,其设计由你决定”,模型有时还会主动完成相关修复。
推荐理由:Anthropic 的小型编码测试显示,赋予 Claude Fable 5.2 代码所有者身份能提高重复代码合并比例。
Agent 技能依赖维护需要同步锁文件与实际技能文件,文章比较了 gh skill 和 APM + Dependabot 的方案与限制。Dependabot 调用 apm lock 更新账本,不同步已入库的技能文件且跳过安全扫描,对多行依赖配置、MCP 服务和私有源也存在支持限制。
Simon Willison 用 Claude Code 构建 Beep Locator,通过多台设备监听和三角定位,将家中蜂鸣声的位置缩小到约 40cm 范围,找到了需要更换电池的旧一氧化碳探测器。
CodeRabbit 联合创始人兼 CEO Harjot Gill 表示,使用 Codex 后,公司过去 6 个月在未增加工程师的情况下,软件交付量达到约 20 倍。