「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」。

文章通过半事实提示干预分析大语言模型对任务无关提示特征的敏感性，发现抑制高漂移token可提升推理准确率，并指出GRPO对所有token赋予相同优势可能强化虚假依赖，据此提出信用分配增强的策略优化方法。

提出EviAlign方法，通过生成语义证据并在证据单元边界读取上下文状态、聚合为归一化嵌入，联合生成与对比检索目标训练共享多模态大模型结构。

obra/superpowers 单日再涨 1,096 星。拆解它的 SessionStart 引导注入、1% 技能触发规则、每任务新子代理加双阶段评审的执行引擎与 Quorum 行为评测闭环，并给出五类落地场景、横向对比与风险清单。

推理模型改写了提示词的规则——OpenAI 官方文档明确写着「避免思维链提示」「通常不需要 few-shot 示例」；Anthropic 则把叙事重心移交给了「上下文工程」。提示工程死了吗？没有，它收缩了：从话术技巧收缩成「先建评估、再写规格、管好上下文」的工程实践。本文以三家官方文档为一手依据，对照出仍然有效的技巧清单、官方明确说可以省掉的技巧，以及实证研究给出的边界。

法国科学家Henri Kagan和日本科学家硖合宪三因在手性分子形成机制方面的贡献获2026年诺贝尔化学奖：Kagan发现操控化学反应产生更大镜像过剩量的新方法，硖合宪三展示了仅生成单一镜像构型的反应。

长上下文常被当成大模型的头号卖点，但它有三层代价：平方级注意力计算、线性增长的 KV Cache 显存，以及塞得进去未必用得好的召回衰减。本文讲清长度受限的原理、显存的估算方法与三条扩长路线，并给出上下文预算分配的实操建议。

完整版（含研究方法、逐条证据台账、口径冲突清单、常见误判澄清表、渐进式落地路线与 18 条参考文献）。逐层拆解 Agent 沙箱七层架构：microVM 隔离边界、快照恢复启动路径、Intel IAA 硬件加速压缩、分层镜像按需加载、高密度超卖调度、默认拒绝安全基线、K8s CRD 编排标准。锚定 Firecracker NSDI'20、Sabre OSDI'24、DeepSeek DSec arXiv 2609.22978、Kubernetes SIG Apps Agent Sandbox 等一手来源，每条结论标注证据等级（A/B/C/D），并列呈现视频口播与论文的口径冲突、8 条常见误判澄清，并明确列出 5 项官方未公开事项。

学习另一门语言是一项高度复杂的脑力活动。它要求人们记忆单词、分辨陌生的声音、识别语言规律、推敲语法规则，在恰当的时刻提取出正确的表达。而这一切，都在人们进行倾听、理解并准备回应的同时发生。这些脑力活动也能帮助保持衰老大脑的健康吗？研究表明，…

论文分析仅用单元测试奖励做RL训练的问题（模型学会大量编辑并在正确代码中幻觉出bug），提出PreciseCoder算法，加入语义验证的局部编辑信号，在4B/9B/27B模型上把平均编辑行数从7-15降到3，且能从单行bug泛化到仓库级调试。

从 FunSearch 把 cap set 下界从 496 推到 512，到 AlphaEvolve 五十六年来首次改进 4×4 矩阵乘法，再到陶哲轩带着 AlphaEvolve 一次测了 67 个问题——AI 正在从「解出已知的题」走向「产出人类未知的新构造」。本文梳理这条机器发现路线的方法演进与代表结果，也整理 METR 与陶哲轩本人最直接的质疑：这到底是数学发现，还是高级暴力搜索。

2024 年 8 月，OpenAI 联合 Princeton 人工过滤出 SWE-bench Verified；2026 年初，还是 OpenAI，宣布不再报告这个基准——审计发现近六成无法稳定解出的题目有测试缺陷，且三大厂商的模型全部被实锤「见过题」。本文按时间线拆解 SWE-bench 从 1.96% 到 80% 的刷分史、scaffold 决定一半分数的评测真相，以及读代码基准分数的正确姿势。

小模型突破瓶颈，旗舰模型打开新空间]

一次 RAG 请求到底花多少钱？查询向量化几乎免费，检索只要几厘，生成环节却吃掉九成账单。本文把成本拆成一次性入库与每次请求两栏，给出各环节的量级估算方法与七个省钱杠杆，以及一条先砍生成、再调检索的平衡框架，帮你把预算花在真正影响账单的地方。

红队测试是大模型发布前发现弱点的核心工程手段：自动化攻击把已知模式跑成规模，人工探索发现未知失败，度量与修复闭环决定真实成效。本文梳理与传统渗透测试的异同、危害分类、自动化方法谱系、指标口径与最小可行起步清单。

AlphaFold 解决的是「预测」，RFdiffusion 开创的是「创造」——把结构预测网络微调成去噪器，AI 就能从零设计出自然界不存在的蛋白质。本文讲透蛋白质设计的逻辑链、RFdiffusion 的方法论与实验战绩，以及 2025 年底开源、速度再快十倍的 RFdiffusion3 把边界推到了哪里。

研究发现健康珊瑚与白化珊瑚的短暂物理接触可通过组织融合将共生甲藻重新引入白化珊瑚，使其在数天至数周内恢复，但该方法目前仅对相同基因型的珊瑚有效。

提出通过测试时训练学习文档级紧凑KV缓存，在不访问下游问题、模型权重保持冻结的情况下压缩长上下文缓存以降低内存与注意力开销。

过去 60 年全球鱼类消费量增加了一倍多。随着需求上升，过度捕捞也达到了危险程度：目前全球三分之一的鱼类资源正以不可持续的方式被捕捞。水产养殖原本被寄望于帮助解决这一问题，减轻海洋因过度捕捞而承受的压力。但养殖鱼最有效的喂养方法是捕捞其他体…

提出 SYNC，一种基于共享词表索引的免训练接口，使异构语言模型无需微调或学习型翻译器即可进行多智能体间的事实通信。

论文提出“战略选择”元博弈框架：在博弈收益矩阵未知且需在线学习的情况下，从模型组合中动态选取LLM参与博弈，弥补现有路由器不考虑对手策略自适应的不足。

BigCell 在超过 12 万张公开 WSI 上训练 2048×2048 的 flow-matching transformer，首次实现原生千兆像素分辨率的全切片病理图像生成，并可通过病理基础模型嵌入进行条件控制。

2024 年 9 月 o1 用「先想一会儿」在 AIME 上打出 83% 对 13%，2025 年 1 月 DeepSeek-R1 把整套方法开源复现，到 2026 年 10 月，推理档位已成各大模型 API 的标准旋钮。本文沿思维链、GRPO、RLVR 到 R1 四阶段流水线，拆解推理模型的完整炼成路径，也正视「激发还是塑形」「虚假奖励」「熵坍缩」三场未完的争论。

RLHF 要同时养四个模型、跑采样流水线，DPO 只用「好回答与差回答的对数概率比」做二元分类——推导只走三步，训练不用采样、不用奖励模型、不用价值网络。本文拆解 DPO 的完整推导链与全部关键实验，以及 IPO、KTO、SimPO、GRPO 组成的后训练方法论家族谱系。

RAG 系统调不动检索质量时，最先该看的不是向量模型，而是查询本身——用户嘴里的「问题」和索引世界的「查询」是两种语言。本文拆解查询改写的三代方法：传统 IR 的查询扩展、LLM 时代的多查询改写与融合、以及「先生成假设文档再检索」的 HyDE，并给出按场景选型的对照与两个必须盯住的坑（延迟成本与查询漂移）。

论文提出个性化测试时扩展（Personalized Test-Time Scaling）问题，将用户对精度、延迟与推理成本的联合要求纳入优化目标，并给出摊销式智能体策略发现框架 PersonTTS 以降低为不同用户需求重复搜索策略的开销。

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。

提出 Negative-Policy OPD，在在线策略蒸馏中引入低能力负策略的采样作为负参考，以弥补强教师与学生分布重叠不足时正向信号不足的问题。

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。

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。

切块是 RAG 检索质量的第一道关卡：太大稀释相似度，太小丢上下文。本文给出 chunk 大小与重叠的经验量级，梳理递归分隔符、结构感知与父子块两层索引等策略，并给出用 20 个真实问题抽检块「自包含可回答」的最小验收方法。

想在笔记本上跑大模型，Ollama 是门槛最低的路径之一。本文覆盖安装首跑、模型管理与硬件匹配的估算方法，解释量化与 GGUF 的权衡，并用 Modelfile 自定义与本地 API 调用收尾。

文章提出FastOPD框架，通过将流映射用于单状态教师监督并结合自洽性目标进行在策略蒸馏，构建紧凑的学生模型来学习教师动态，以解决大规模视觉-语言-动作（VLA）基础模型部署计算成本高的问题。

由于索尼频繁更新 PS5 的固件，而大部分 PS5 越狱方法只针对特定固件版本的漏洞，因而这些越狱方法实用性相当有限。但情况在本周二发生了变化，名为 Relapse 的漏洞利用方法适用于最高固件版本 v13.6 的 PS5 游戏机，而 v1…

IT之家 9 月 23 日消息，OpenAI 今日发布 GPT-6 系列模型的最新成员 **GPT-6 Sol 和 GPT-6 Luna**。 OpenAI 官方表示，两款模型采用与 GPT-6 Astra 类似的方法进行训练，将 Astr…

IT之家 9 月 18 日消息，Anthropic 今日发布了一套用于衡量前沿 AI 实验室研发进度的方法，并公布公司内部的阶段性数据。 该体系主要关注 3 项指标：AI 参与 AI 研发的程度、AI 智能体的监督情况，以及算力在 AI 研…

发表在《自然》期刊上的一项研究表明，移植到小鼠体内的人脑类器官能够重现大脑发育的某些特征，包括形成功能性神经网络，从而支持脑活动。这一成果得益于一种培育脑容量缩小的小鼠的方法。这种方法使得这些由人类细胞培养形成的三维类脑组织，即人脑类器官能…

2026 年 9 月 17 日，唐杰与 GLM 团队披露：GLM-5.3 驱动的 Infra Agent 在超过 10 万张国产芯片组成的集群上，参与完成 GLM-5.3-Flash 整套推理服务的适配、诊断与优化，不到两周把端到端吞吐提升到同一硬件初始基线的 3 倍。本文为系列上篇，只做两件事：复盘事件的五个关键时点，以及逐案例拆解这套"稠密反馈"方法论——TF32 精度漂移（上游 PR #1180）、一个未释放的 GIL 压住 KV 传输、以及从存量 Kernel 提炼的"优化骨架"。每个案例给出"现象→归因→修复→验证"完整链条，并附同业坐标对照表。全系列共三篇：上篇讲技术，中篇做 RSI 分级定位与七组数字的口径核查，下篇谈边界、风险与行动清单。

2026 年 9 月 15 日凌晨，Opus 5.2 在 Claude Code 中被曝灰度测试，"RSI 真来了？"随即刷屏。本文不站队，把这条新闻拆成三层证据：官方一手（Anthropic《When AI builds itself》《2026 年 8 月风险报告》《Introducing Claude Opus 5》）、媒体转述、社媒传闻，逐条甄别。结论：Opus 5.2 是一次模型灰度而非发布，属"有界自我精炼"的连续爬坡，开放式 RSI 尚未发生；"gauntlet loop"是社区提示词方法而非模型内置能力；"Model 2 高 12.5 分"与官方"增幅不大"口径冲突；"替代 85% 研究团队"溯源到社媒，与官方"18 名受访者中仅 1 人认可"直接矛盾。文末给出"三层证据法"与三个必问问题，并指出真正该盯住的是"智能体能力与验证能力之间的差距"。

系统拆解吴恩达 2026 年 8–9 月连发五封来信构建的《AI 工程技能地图》：四大顶层能力、编程智能体的三阶段工作流与五项细分技能，剖析其数据方法论、隐藏主线与三条反主流论断，并对地图本身的边界与争议做批判性审视，附个人自评与团队落地清单。

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。

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。

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。

提出一种高效方法，将双向扩散模型蒸馏为因果少步自回归学生模型，把轨迹监督压缩到单样本，并分析了极端设定下质量坍缩的成因。

论文指出VLA模型开放的自然语言导航接口带来驾驶员误发或恶意下发不安全指令的新风险，提出了首个同时评估导航遵循与冲突意识及对抗鲁棒性的基准，并发现现有模型（如SimLingo在闭环中无法完成语言指令变道、冲突信号下性能骤降）均存在不足，进而提出SafeDriveVLA方法。

论文提出K-Pop压力测试（快节奏镜头与多人编舞的舞台视频），诊断出主流单目世界空间人体恢复方法中相机与人体估计在尺度不匹配导致轨迹漂移的问题。

提出一种无需重训的方法，通过可松弛的神经元与注意力头联合排序，将预训练 Transformer 转化为可随算力预算动态伸缩的单一模型。

论文提出记忆整合（Memory Consolidation）任务框架，并介绍 Cortex 方法，通过生成前瞻性查询并将上下文条件输出蒸馏为可合并的低秩或前馈网络更新，在 4B–120B 的稠密与 MoE、文本及多模态模型上验证了整合与保持能力的效果。

针对Rank-GRPO每次训练仅选一条回复导致优势信号主要反映抽样差异的问题，论文提出ReMaRk方法，将生成列表与所有回复标题的并集对比打分并均匀采样请求，在7个骨干模型和3个数据集上以25%-53%的步数达到原方法2000步的验证召回率。

研究发现投影器训练主要起粗对齐作用：少量数据即可恢复大部分下游性能，且不同数据集训练的投影器可线性插值，据此提出无需训练的投影器初始化方法 PORTAL。