GPT-4 当裁判与人类偏好的一致率 85%，超过了人类彼此之间的 81%——这是 LLM-as-a-Judge 立身的实验，但它交换位置后的一致率只有 65%，一个 token 就能操纵打分，模型版本一漂移榜单就作废。本文拆解机器裁判的奠基实验、三种已知偏差与缓解手段、工程化成本，以及什么时候不该用它。

过敏不是免疫力差，而是免疫系统的识别与调节出了偏差。本文走完从 IgE 致敏、肥大细胞脱颗粒到症状发作的全链条，讲清卫生学假说的现状、化验单的正确读法，以及回避、药物、肾上腺素与脱敏治疗各自的位置。

过去五年基金平均年化净值增长率 19.57%，基民拿到手的却少了一大截——被自己的操作吃掉的。本文从卡尼曼的前景理论讲到处置效应与过度交易的经典数据，拆出五个高频偏差的场景样本，并给出定投、清单与低频查看三件可落地的解法。

全世界投资者都爱重仓本国股市，中国投资者也一样。本文用本土偏差的经典研究说明为什么值得配置全球，再逐条拆开三条合规路径——QDII 基金（额度与高溢价陷阱）、港股通（50 万门槛与股息税）、香港互认基金（2025 年新规放宽到 80%）——以及横贯三条路的暗刀：汇率。

Agent 的行为是多步、不确定、路径不唯一的，传统「对一次输出」的评测方法失效。本文给出评测分层框架、评测集构建方法、三种判分方式与 LLM-as-judge 的偏差缓解，最后把评测接进 CI。

Coding Agent 把「理解偏差 × 执行速度」放大成新的失败模式：代码写得飞快，方向却是错的。本文给出好规格的六个组成部分、三种反模式与一份可直接套用的模板，把需求从口头默契变成模型可执行的上下文。

「感觉变好了」不算数。本文把 RAG 评测拆成两层：检索层用 recall@k 与 MRR 定位漏检与排序问题，生成层用忠实度、答案相关性度量幻觉与跑题；给出 LLM-as-judge 的可靠用法与已知偏差、评测即 CI 的落地方式，以及一张「症状→病因→处方」速查表。

Agent 工程系统学习第 9 章：评测是把 Agent 开发从手工艺变成工程的分界线。给出场景作为评测基本单位与两类判定器分工，LLM-as-judge 的四类偏差与校准方法，pass^k 指标测量非确定性，轨迹评测捕捉过程性退化，分层回归测试与候选门禁，A/B 分桶与两比例 z 检验，以及连接改进闭环的数据飞轮。

真机试错又贵又慢又危险，仿真里的动作却近乎免费——但仿真和现实隔着一道「现实差距」。本文一篇读懂 Sim2Real：域随机化如何让真世界变成「另一种随机」、特权学习怎么传递老师经验、GPU 并行仿真如何把训练提速十倍，以及 2025 年以来的工具链现状。

把"模型发布"当成一类可度量的事件冲击来研究。本文拆解发布影响股价的四条传导链，提出发布密度指数（RDI）、代际落差（GenGap）、预期偏离（Surprise）、领先半衰期（LHL）四个可计算变量，给出事件研究法（AR/CAR）的完整操作步骤与横截面回归式，并用 DeepSeek R1 冲击英伟达、Gemini 3 拉动 Alphabet、GLM-5.2 把智谱送上万亿、Kimi K3 两日击落智谱 42%、GLM-5.3"更强却更跌"、GPT-6 Astra 引发"硬件跌停应用涨停"等 7 个正反面样本做复盘。

容器只靠 namespace 隔离视图，资源限制与计量的真正执行者是 cgroup。本文拆解 v1 与 v2 的层级与委托差异，cpu、memory、io、pids 四大控制器的超限行为，Kubernetes 的 QoS 分级与 OOM 选择逻辑，并复盘 CPU limit 节流毛刺等经典误配的排查方法。

★27,270、Apache-2.0 的 AI Agent 独立审计器 iFixAi：用「夹具即公司」把业务规则变成模拟环境，60 项检查、五支柱加权、跨厂商判分与三项一票否决，补上能力榜之外的治理审计空白。拆解 structural 探针、零容差否决、manifest 可复现性与真实边界。

KV Cache 让一次推理不用重算历史 token，但多轮对话每次都把 10 万字的 system prompt 重发一遍——前缀缓存回答的是「相同前缀算一遍就够，能不能跨请求共享」。本文拆解它为什么必须是前缀、vLLM 哈希链与 SGLang radix tree 的实现差异、四大厂商截至 2026-10 的缓存定价，以及那笔「写 1.25 倍、读 0.1 倍」的账什么时候是赚的、什么时候反亏 25%。

Anthropic 的 Constitutional AI（Bai et al., 2022）提出两段式对齐：模型按约 75 条成文原则自我批评、修订回答做监督学习，再用 AI 反馈（RLAIF）替代人类偏好标注做强化学习。本文精读两阶段的机制、与 RLHF 的对照，以及「AI 给 AI 打分」的遗留问题。

Leaderboard 分数与真实体验错位，主要来自四类坑：数据污染（考题漏进训练数据）、面向榜单的针对性刷分（Goodhart 定律）、评测方法本身不稳（提示词、判分与统计方差）、静态基准的饱和失效循环。本文用公开论文与官方博客证据拆解每类坑的机制，并给出读榜时的 7 条防坑检查清单。

FLOPS、算力、卡时、集群规模混着说，是看懂算力新闻的第一道坎。本文厘清 FLOPS 与 FLOPs 一字之差的两个概念，给出 6ND 训练算力估算经验与卡时换算方法，解释峰值与有效算力之间的 MFU 差距，最后附一张看懂算力新闻的换算清单。

从 FP16 压到 INT4，体积与显存降到约四分之一，量化是大模型部署的标配。本文讲清量化原理、PTQ 与 QAT 两条路线、RTN/GPTQ/AWQ 的思想差异，以及按显存逐级下降的选型决策表。

把 2026 年可核查的公开证据整理成一张六层能力路线图——预训练、后训练 RL、推理时计算、上下文与记忆、智能体与 Harness、世界模型。含 Meta ScaleRL 40 万 GPU 小时实验结论、RL 预算占比 10%–30% 口径、Chinchilla 对比、Meta-Harness 6x 差距等数据锚点，并给出优先级表与算法工程师/产品经理的行动建议。

IT之家 10 月 26 日消息，据央视财经报道，在近期结束的 2026 金融街论坛年会上，**全国首个人工智能应用风险综合保障方案正式发布。**通过保险产品分别对人工智能服务给第三方造成的损失，和人工智能供应方自身费用损失进行保障，**填…

UCLA/MIT 背景团队开源的多智能体投研框架：四个分析师并行取证、多空研究员结构化辩论、三档风控独立审议、组合经理五档评级拍板，并用已实现收益结算决策记忆。本文拆解其状态机与评级解析机制、五类落地场景，并如实标注论文仅三个月窗口、夏普比率超经验范围等边界。

谷歌 Harness² 的双层递归要烧掉大量试跑 token，普通团队抄不动全套，但它背后的三条工程原则可以立刻用：把执行框架显式化为可编辑文件、没有执行证据不许沉淀经验、没有标准答案就用行为对比做探测。本文把它们翻译成八组件资产清点、EXPERIENCE.md 经验模板、盲选式 A/B 试跑与四道防退化护栏，并给出一个最小可行闭环。

谷歌 Cloud AI Research 开源 Harness²：把智能体执行框架拆成 8 个可编辑组件，用「任务级递归 + 元级递归」双层循环在无标准答案的开放任务上自动改框架——冻结 GLM-5 与 Gemini 3.5 Flash 权重，WorkBuddy-Bench 最高涨 11.5 分，LAB 基准涨 11.8 个百分点。本文拆解它的 Propose-Probe-Compose 机制、经验库硬约束与实验成绩，也整理了社区最尖锐的质疑。

「系统变慢了」是最难的工单——工具人人都有，方法论才分高下。系列收官篇讲透三套底层功法：给每个资源问三个问题的 USE 方法、让热点自己浮出来的火焰图、以及 P99 为什么比均值重要的尾延迟理论，外加压测圈最大的谎言「协调遗漏」。

发烧不是身体「出了故障」，而是下丘脑的恒温器被主动调高了——免疫系统的信号分子绕了整整一圈才拧动那个旋钮。本文从外源致热原讲到前列腺素 E2，解释为什么发烧会先觉得冷、退烧药在堵哪个环节，以及发热到什么程度该干预。

十年来 AdamW 是大模型训练不容置疑的默认优化器，直到 Kimi K2 用它跑起万亿参数训练。本文从梯度下降的几何直觉讲起，拆解 AdamW 为什么统治了十年、Muon 的正交化更新为什么只需约 52% 的训练算力就能追平 AdamW，以及这轮换血里真正的工程细节与边界。

田, 晏林* 2026-10-21 15:15:05 来源：量子位 世界模型赛道新看点：千诀隐变量可辨识性方向的研究，比LeCun相近工作早一年，不堆画面预测，主打物理规律与跨本体复用。 田晏林 发自 凹非寺 量子位 | 公众号 Qbit…

Cloudflare 开源的编码智能体安全审计技能，近一周被社媒二次引爆，单日涨星 1,680。它不含任何扫描引擎，用 18 份 Markdown 契约加 2 个零依赖校验器，把 Claude Code 这类智能体编排成侦察、猎取、验证、结构化输出、独立复核、报告六阶段流水线：确定性覆盖账本记录「查了什么」，新鲜验证者反证每个候选，三元裁决把「待验证」与「已确认」严格分开。本文拆解其架构取舍、LLM 应用审计场景与 token 成本争议。

你在 K 线前犹豫时，另一批参与者每秒完成上千次决策。本文拆解量化交易从因子挖掘到执行算法的流水线，核对规模 3 万亿级的中国量化行业与 2026 年落地的三层监管（高频认定：每秒 300 笔），并复盘 2024 年 2 月那场让「同质化」三个字上教科书教科书级的流动性危机。

当日涨星 582 的港大 HKUDS 项目：不做 GUI Agent 的截屏点击，而是把 GIMP、Blender、LibreOffice 等真实软件「提升」成有状态、可检查、可验证的 CLI 契约——79 个本地 CLI、24 个公共 CLI、5 个能力矩阵，CLI-Hub 实测 87.8% 调用来自智能体。

从 SICP 的 wishful thinking 设计心法，到 vibe coding 的调侃与事故，再到 2026 年 intent-oriented 的正名——梳理许愿式编程的词源、争议与实践方法：愿望本身不是问题，许完不管才是。

禾赛于10月14日发布包括手持AI空间相机Kosmo One与云平台Kosmo World的三维世界数据引擎，可将真实空间扫描为可编辑的三维副本，并借此从车载激光雷达向具身智能领域拓展。

破晓智能与天珑移动发布SeePhys Hub数据采集系统，通过四目头环、腕部手环、腰腿部追踪器和触觉手套，将视觉与身体运动、触觉信号融合，为机器人学习全身移动操作补充Ego数据中缺失的交互信息。

一水* 2026-10-12 13:48:36 来源：量子位 游戏打到21:0，AI甚至不用再调用大模型了 一水 发自 凹非寺 量子位 | 公众号 QbitAI 一边打游戏，一边给自己升级？ 好家伙，华为这波直接让AI学会了《边玩边变强》…

文婷* 2026-10-11 15:52:16 来源：量子位 文婷 发自 凹非寺 量子位 | 公众号QbitAI 数学2.0时代已至。** 刚刚，数学界的领军人物、菲尔兹奖得主陶哲轩正式发文： AI正在让数学证明变得泛滥，建立在证明稀缺之…

Epoch AI 估算公开人类文本有效存量约 300 万亿 token，按现有训练节奏将在 2026–2032 年间耗尽。本文梳理数据墙的估算口径、合成数据的规模化与「模型崩溃」之争、版权诉讼如何把数据供给切成两半，以及 2026 年预训练数据策略的真实格局。

微软、谷歌、Meta、亚马逊 2026 年资本开支合计约 7200 亿至 7450 亿美元，OpenAI 用股权、担保与债务融资把芯片厂和云厂织成算力联盟；回报缺口争议与收入口径事件让多空对峙白热化，本文梳理数字、时间线与正反论据。

固定窗口、滑动窗口、漏桶、令牌桶四种限流算法逐个拆解：各自怎么工作、临界突刺藏在哪、适合什么场景。附固定窗口与令牌桶的可运行 TypeScript 实现，最后给一张选型表，并交代 Redis + Lua 的分布式落地现实。

Jay* 2026-10-09 16:47:34 来源：量子位 这是一台机器人正在关闭微波炉门时，因人手突然插进来而紧急悬停的时间 Jay发自 凹非寺 量子位 | 公众号QbitAI 0.2秒。 这是一台机器人正在关闭微波炉门时，因人手突…

闻乐* 2026-10-09 15:11:55 来源：量子位 答不答得对，得看Token站位 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI DeepSeek的神鬼二象性被字节Seed团队逮到了。 同一道题，什么都没改，只在前面多塞…

田, 晏林* 2026-10-09 11:52:21 来源：量子位 星动纪元选择将视频预测与动作学习分阶段训练，重点不是「视频、动作一锅炖」，而是把两者「解耦」，重新「排序」。 田晏林 发自 凹非寺 量子位 | 公众号 QbitAI 好家…

2023 年 UniAD 拿下 CVPR 最佳论文，2024 年特斯拉 FSD v12 把约 30 万行手写 C++ 驾驶规则换成一根端到端神经网络——此后两年，端到端从研究界的挑战者变成了智驾行业的主路线。本文拆解它替掉了什么（模块化流水线的三宗罪）、怎么工作（可微分架构 + 模仿学习）、以及它把哪些老问题换成了哪些新问题（可解释性、安全验证、数据长尾）。

美国医学会 2026 年调查显示 81% 的医生已在工作中使用 AI，三年前这个数字是 38%；FDA 官方清单上的 AI 医疗器械授权已达 1614 条，瑞典 MASAI 随机对照试验最终结果登上了《柳叶刀》。但佛罗里达州一桩指控 ChatGPT 给出危险医疗建议的诉讼提醒所有人：AI 误诊时谁负责，至今没有判例答案。本文梳理临床证据、监管数据与责任真空这三条主线。

传统数值预报靠超级计算机解物理方程，一次中期预报要算数小时。GraphCast、盘古气象、伏羲等 AI 模型把 10 天预报压缩到单块芯片一分钟内，ECMWF 已将 AI 模型正式业务化。但 2025 年的新研究提醒：破纪录的极端天气仍是 AI 模型的软肋。

从自注意力不识顺序的痛点讲起，用二维复数把旋转位置编码的推导一次讲透：内积为何只依赖 m−n、高维频率如何分配，配一份本地跑通的 numpy 最小实现与整体平移不变性实验，再谈 PI、NTK-aware、YaRN 的长上下文扩展路线与 ALiBi 的取舍。

CLIP（Radford et al., 2021）用 4 亿网络图文对做对比学习，零样本在 ImageNet 拿到 76.2%——追平全监督的 ResNet-50。本文拆解对比学习的训练机制、零样本分类的「提示词即分类器」玩法、CLIP 的失效模式，以及它如何成为多模态时代的地基。

15.7 万星开源角色库 Agency Agents（当日涨星 +744、MIT）：282 个带人格与成功指标的专业 Agent，覆盖 18 个部门。核心是「一源多目标」编译流水线——用 format 契约保证字节级一致、convert.sh 编译到 17 种宿主原生格式、install.sh 幂等投递且不覆盖用户文件、6 个 CI 工作流做格式门禁。拆解围栏状态机与颜色可解析性校验背后的真实缺陷史，附五个落地场景与 opencode 119 上限等硬边界。

看榜单选 embedding 模型经常翻车，因为榜单是通用语料，你的数据不是。本文给出语言与领域的第一分水岭、维度的真实代价、可信评测的做法与工程参数对照表，五十条真实问题即可完成一次有依据的决策。

从 kube-apiserver 处理一条请求的完整链路讲起，拆解 Kubernetes 控制平面与数据平面的分层设计：声明式 API 与控制循环为什么成为事实标准，调度、网络、存储、资源模型如何协作；再落到生产实践——资源与 QoS、探针配置、滚动发布、调度约束与常见故障排查。

Agent 工程系统学习第 2 章：给出 Agent 的严格定义（LLM+循环+工具+终止条件）与 workflow/agent 的第一分叉口；提供约 100 行零框架最小可运行 Agent 并逐段精读；梳理 ReAct / Plan-and-Execute / Reflection / Router 设计模式谱系与选型速查表；详解四层终止预算刹车系统、死循环形态与对策、流式与并行工具调用、可恢复循环宿主架构。

90k 星开源项目 Agent-Reach（当日涨星 +1,696、MIT）：给 AI Agent 补上互联网访问能力层。拆解「薄核心+厚渠道」架构、16 平台有序多后端路由、区分 missing/broken 的真执行探针、原子写+600 权限的凭据落盘，附五个落地场景与横向对比。