全部 AI 精选，可按分级、类型、是否付费、收录时间筛选，按关键词搜索。
How We Took Over ChatGPT Accounts
Simon Willison 博客上的一篇摘要，介绍 Parameter Labs 发现的一条针对 ChatGPT artifacts（HTML 预览）沙盒机制的漏洞利用链：沙盒 iframe 可通过 postMessage 触发父页面中 MathLive 虚拟键盘的 innerHTML 注入，进而以无沙盒限制的 iframe 结合 YouTube oEmbed 端点绕过 CSP 执行 JavaScript，最终读取用户私有数据并外传。
Agents Prompt People: Using Agents for Long-Horizon Financial Work
Latent Space 在 AI Engineer New York 期间对财富管理公司 Arca 首席 AI 工程师 Aman Singh 的访谈。文中称代理承担公司大部分后台工作，但由人类顾问做最终决策，即“代理提示人多于人提示代理”；代理任务可能持续长达十天，过程断续且涉及多方交接，因此 Arca 建了按客户持久保存的内部记忆系统，用于跟踪已发生事项、近期待办与长期跟进。模型主要使用 Anthropic 的 Claude，并自建了 harness。适合关注代理在受监管金融业务中落地方式的人阅读。
Practical Deep Learning for Coders - Practical Deep Learning
fast.ai 的免费深度学习课程站点，主体是 2022 年第一部分共 9 讲、每讲约 90 分钟的课程录像，涵盖计算机视觉、NLP、表格数据和协同过滤建模，以及随机森林、回归、模型部署，使用 PyTorch、fastai 和 Hugging Face；页面还提到新推出的 30 多小时第二部分课程。适合有编程经验、想上手实际应用的人。
Simon Willison 博客上的一则短文，介绍 Drew Breunig 受 Divyansh Agrawal 的 qwenputer 启发，把 NES 的 6502 CPU 模拟器做进 Qwen3.5-4B 模型权重中，可以在模型里很慢地运行 Super Mario Bros 等 ROM；文中还引用了作者在 Hacker News 上披露的 Opus 5.5 提示词和所用的 NES CPU 一致性测试集。
Show HN: A language model that lives in a boot sector
一个 GitHub 项目，把完整的推理引擎压进 510 字节的 MBR，权重、词表和字符串放在后续扇区，用一个字符级小型神经网络生成虚假硬件的 Linux 启动日志；作者还说明了 train.py 与汇编代码采用相同整数运算，以及在 idiv 与指针寄存器冲突等调试中发现的问题。适合对引导扇区 demo、汇编和极简神经网络推理感兴趣的人看。
Show HN: A working Nintendo in ~1GB of Qwen weights
一个 GitHub 项目，把 NES 的 6502 CPU、2KB 工作内存和卡带 ROM 编译进标准 Qwen3.5 检查点权重中，游玩时模型逐个 token 预测 CPU 执行日志，宿主程序负责画面、手柄和 vblank 中断；项目基于 Qwenputer 的编译器和“Gated DeltaNet 状态即机器内存”的做法，并说明自带测试游戏的每帧输出与常规 6502 模拟器一致。适合对模型权重内嵌计算、模拟器实现感兴趣的人看。
An updated Model Spec for more capable and beneficial AI
OpenAI 关于其 Model Spec（模型规范）更新的说明文章，称新版规范围绕五项核心价值组织，用以引导能力更强的 AI 走向健全判断、尊重人类自主性并忠实于人类意图。文章还说明了围绕核心价值重构规范的思路、新增与移除的章节以及后续计划，并链接到 2026 年 10 月 29 日版本的规范全文。适合关心模型行为规范与对齐政策的人阅读。
一个 Android 端的端侧 AI 助理项目，定位为替用户操作 App、上网并完成任务，使用 Kotlin 与 Jetpack Compose 构建，涉及 accessibility、automation、llm、mobile-agent 等主题。材料显示支持 Android 12 及以上，采用 Apache-2.0 许可。适合关注安卓端手机 Agent 与无障碍自动化实现的开发者参考。
How Revolut Cut AI Coding Costs 90% With Self-Hosted Open Models - David Abitbol, Revolut
Revolut AI 运营负责人 David Abitbol 分享 2,000 名工程师的数据：自托管开源 GLM 模型使交付速度提升约 60–70%，成本约为原先支付给前沿实验室的十分之一。内容还包括所需 GPU、维持工程师满意度的延迟目标、同一硬件上提速 88% 的调优方法，以及受欧盟监管的银行如何满足合规要求。适合评估自托管模型方案的技术管理者观看。
How we detect frontier model misalignment
OpenAI 发布的一篇安全类文章，介绍其用分层监控系统检测前沿模型的不对齐和未授权的 agent 行为，以便响应人员在事件升级前介入。文章目录中列有“Layer 0: activation probes”（激活探针）等监控层级，页面标注日期为 2026 年 10 月 28 日，归属于 Security、Safety 与 Publication 分类。适合关注前沿模型安全监控与 agent 行为监督的人阅读。
How Anthropic Merges 30,000 Code Changes a Day - Manish Kapur, Sonar & Addy Osmani, Anthropic
对话讨论编码代理提交 PR 速度快于人工评审的现状，区分“明”“暗”两类软件工厂，并介绍 Anthropic 如何从每天约 2,500 次合并扩展到约 30,000 次，由 Claude 做首轮审查并附上真实验证证据。还涉及 Sonar《State of Code》调查数据，以及为何流水线每个环节都需要独立、多层的验证，结尾谈及是否给代理写的 PR 打标签及何时可安全合并。适合负责代码评审流程与 CI 体系的工程团队阅读。
一个面向 Claude Code 的 MCP 服务器项目，思路是用 Opus 做规划、由廉价模型逐行写代码、由测试决定是否交付，以降低 $20 套餐的用量消耗；仓库标签涉及 agentic-coding、claude-code-hooks/plugin/skill、deepseek、openrouter 等，并给出项目主页 cheapag.com。适合在 Claude Code 上做代理式开发、关注成本优化的开发者关注。