让 Three.js 原生画质比肩 AAA 游戏引擎的进展报告
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。
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。
Anthropic 的 Claude Fable 5.2 能用代码在虚拟画布上逐笔作画,模拟笔刷纹理、颜料覆盖和失误修正。Anthropic 开发者 Jake Eaton 展示的停车场购物车画作使用约 700,000 次模拟笔触,据他介绍,每幅作品由 1,000 至 2,000 行 Python 程序驱动画具模拟引擎,不使用外部图像模型或预渲染、描摹的源图像。
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。
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。
微软云端邮箱故障持续超过 26 小时,波及办公软件及 Copilot、Claude、ChatGPT 获取企业资料的功能。网络配置变更触发潜伏缺陷,安全核验程序过载与客户端自动重连使恢复受阻,团队通过扩容、限流、修补组件和逐步恢复连接处理故障。邮件、日历及权限服务的共同依赖让多家 AI 助手连接器同时受影响,微软通报称故障与 AI 智能体无关。
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。
Claude Code 的“不再询问”会将含明文凭证的命令写入 .claude/settings.local.json,Apiiro 发现可追溯的泄密仓库中,48.8% 由带有 Claude 署名的提交上传配置。
推荐理由:Claude Code 会把含密码的获批命令写入本地配置,项目级忽略规则与环境变量注入能减少配置被提交时的凭证暴露风险。
Gondola 使用 Codex 后,团队月度工程产出提高约 25%,公司营收同比增长超过 2 倍,未增加薪资成本或显著开销。业务团队用 Codex Cloud 制作可运行原型,再交由工程师完善上线;首席工程师按合并代码变更衡量的月度产出提高约 50%,工程团队人数未变。团队还用 ChatGPT 准备提案、管理日程和汇总跨系统信息,重要工作在对外发送或用于业务决策前仍由人工审核。
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、客户反馈和代码识别机会,生成技术计划与验收标准,再交给包括 Codex 在内的编码智能体实施,并追踪效果;团队可决定自动化程度和人工审核范围。
推荐理由:Amplitude 将产品数据调查、编码实施与效果测量串联,并按任务分配模型和人工审核,让产品改进流程兼顾成本与团队控制。
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。
Holiday Extras 借助 Codex 在两周内完成可运行的应用重建,达到过去需要超过六个月的开发进度。重建后,主应用从打开到预订的转化率提升 32.5%,错误率从 19% 降至 9%;这些结果来自不同时间段的新旧应用比较。业务人员将客户与运营经验直接用于软件开发,工程师负责架构、API、安全控制和开发流程,主应用在重建后的第一个月由年度重大更新转为每周发布。
Glean、UiPath 和 Workday 在 AI Engineer Code Summit 展示了 Jev 的应用,涵盖分类决策、文档排序和输入过程中的操作预测。
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。
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"。
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。
STE80 Humanizer 是一项文本改写技能,先清理 26 类 AI 写作痕迹,再按 ASD-STE100 的 80% 强度重构句子,目标是保留原意并提高可读性。
Anthropic 建议多数编码与知识工作从 Claude Opus 5.5 的 medium 思考力度开始,按任务难度选择 Sonnet 5.5、Haiku 5.5 或 Fable 5.2。指南强调按完成任务的成本选型,先提供自动验收手段,再调整思考力度或升级模型,并将易核查的辅助任务交给较小模型。切换模型还需检查提示词缓存、思考块保留和 API 参数兼容性,最终用真实任务比较质量与开支。
推荐理由:Anthropic 将 Claude 选型拆成模型、思考力度和任务完成成本,提出用自动验收与失败重跑控制开支的方法。
一套从第一性原理讲解 LLM 推理的教程,通过用 C++17 和 CUDA 构建小型推理引擎,完整覆盖从加载模型权重到生成 token 的全过程。
Simon Willison 用人工筛选的简短引言概括 PR 改动,再将 AI 智能体生成的完整描述放进 <details><summary> 折叠区。GitHub Markdown 支持这些 HTML 标签,他用模型名及思考力度标注折叠标题,例如 Claude Opus 5.5 Medium,并按需加入截图。