帖子精选。
这是一条微博社区帖子，介绍 Andrej Karpathy 制作的 YouTube 克隆站 HackerTube（hackertube.org），只收录 Hacker News 上被推荐过的视频，并转述他本人对制作过程的说明：从 HN 全部评论中筛选出推荐 YouTube 视频的评论，最终得到 2007 至 2026 年间 6,454 个视频、涵盖 150 个主题；网站用视频正片 50% 处的截图作缩略图，无需注册即可使用本地会话保存的推荐，支持键盘快捷键和数据导出。他还描述了用 Claude Code（Mac 桌面端，Opus 5.5 中等推理强度）完成建站、部署与安全加固，自己只手动创建 API 密钥、启动 VPS 和购买域名。适合关注 Claude Code 实际项目开发流程和 AI 辅助建站的人阅读。
这是一条微博社区帖子，介绍安卓手机 Agent 项目 Mika（github.com/wangzan101/mika），其特点是在一块不可见的后台屏上工作，运行时用户仍可正常使用手机，需要先用 ADB 获取权限后在虚拟屏幕上操作。帖子列出的场景包括：翻完微信群并总结当天讨论、打开小红书总结某位博主的内容、在 BOSS 直聘网页上给 3 个岗位打招呼、读取 Hacker News 首页前 5 条及其分数、打开汽水音乐看广告领听歌权益、在美团凑满减点外卖并在付款前询问用户。适合对安卓端自动化 Agent、ADB 与虚拟屏幕操作感兴趣的人关注或阅读。
一条微博帖子，介绍 Anthropic 技术博客中描述的“自我评估”（self-assessment）方法：Claude 每次回复后在系统追加指令下输出一段 JSON，标注对话是否有风险、风险类别、是否需人工优先审核等，用户不可见。帖子还引述了算力开销（整体推理额外消耗不到 2%）、不同规模模型的召回表现、对训练中未见滥用类型的识别情况，以及 8 月、9 月的两起实际标记案例和红队测试中防护效果的局限，Anthropic 将其定位为离线监控层。适合关注大模型安全监控、内容风控与模型部署的人阅读。
一条微博帖子，梳理有 12 年经验的程序员 Tw93 整理的 20 条用 AI 写代码的习惯。内容按环节分组：布置任务时只说明目标与背景、不指定实现方式、不随意加功能；配合规则上区分“看一下”和“改一下”、提交与删除需人工确认、关键规则用脚本卡住；写代码前先让 AI 说明改动范围和影响、建验证脚本、多 AI 并行时各管各自目录；调试时先定位原因、连修三次无效就清上下文重来；审查时写与查分开、最多三轮；发布时写清提交说明、加灰度；复盘时把 bug 和反馈转成测试用例。帖子末尾还提到评论区一位 15 年经验工程师从替 AI 操心到直接提要求的转变。适合正在用 AI 编码工具做开发、想建立个人工作规范的程序员阅读。
这是一条社区帖子，讨论资深开发者对智能编程代理保持谨慎的原因。帖中称他们关注的是代理生成的系统是否符合需求、便于演进、出故障能否兜住；引用一次实验说明团队几乎不亲自写代码，而是约三分之二时间在白板上梳理领域、划分边界，三分之一时间搭建测试、架构检查和交付流水线，应用能运行但构建频繁失败，暴露出并行协作、模块边界和检查速度等问题。帖中同时提到 DORA 2025 研究发现使用 AI 与交付吞吐量提升相关、也伴随交付稳定性下降，并建议管理者留出实验空间、开发者带着经验参与验证。适合使用或评估编程代理的开发者与技术管理者阅读。
这是一条社区帖子，记录对 Gemini 4 Argon 的使用体验。帖中称其知识面广、解释科学概念自然，长文本、OCR、旅行规划有亮点，搜索与 Google 地图结合方便；但 Pro 套餐配额偏低，连续发送几条中等难度消息就可能触发数小时冷却，且会在总结、转录、识图和资料问答中编造不存在的段落、设备、地点或引用，甚至搜索后仍给出未经核实的结论。编程方面被认为适合跟踪复杂任务和提出新思路，但代码质量、工具调用、PDF 处理及对未提交改动的判断不稳定，偶尔擅自修改或删除文件；Carbon 则主要停留在公告、榜单与有限测试阶段。适合正在评估或使用 Gemini 系列模型、关注其配额与可靠性表现的人阅读。
这是一条社区帖子，转述 Anthropic 披露的一项实验：分析师借助 AI 代理处理没有标准答案的复杂决策时，86% 的方法选择最终顺应了模型随机预设的偏向；在指标选取与评估范围的研究中，AI 未编造信息却左右了最终政策建议，即便分析师事先已有明确立场，看到相反的 AI 倾向后仍有六成人推翻原有选择。帖中还提到“自主权错觉”，即近八成人复述了 AI 提供的论据却只有 15% 承认来源，过半认为出于自己独立判断；并指出分析耗时缩短近半小时、严重方法错误似乎更少，但代价是专业裁量权让渡，末尾给出提问前先独立记录判断、要求反方推演、全程留痕等做法。适合关注 AI 辅助决策、人机协作风险与专业判断边界的人阅读。
这是一条社区帖子，介绍 Google Research 提出的 Sleep 框架。该框架把单次固定训练改为类似生物“清醒与睡眠”交替的循环：清醒时模型正常工作并暂存短期经验，离线阶段调动预留的低秩专家参数，通过策略蒸馏把高价值信息固化进长期权重并清空临时缓存；还设有类似“做梦”的训练模式，让 MoE 专家跨领域组合自主生成题目，并借梯度信号筛除劣质样本。帖中称其在 BABILong 长上下文测试中表现出抗遗忘效果，SQuAD 新事实吸收测试得 46.2%（比基模型高 14.3 个百分点），AIME 数学推理达 79.2%，同时指出该方案依赖额外算力与严格数据过滤。适合关注持续学习、灾难性遗忘与模型知识更新的人阅读。
这是一条微博社区帖子，作者讲述借助 Claude 与即梦短剧工作室做出一款“性转马尔福”桌面软件的经历，代码已开源（github.com/op7418/malfoy-desktop），Mac 端为客户端、Windows 版上架 Steam Wallpaper 创意工坊。帖子描述了功能：开场互动短剧、桌面常驻角色与动作交互、好感度系统解锁称呼、剧情动画、服装和相册照片等；并记录了制作细节，如剧本拆场、建角色场景资产库以保持一致性、用文字描述五官再抽定妆照作唯一脸部参考、用 3D 导演台摆站位、用低价的样片模式反复试拍、视频提示词按运镜/人物场景/互动/风格/剧情音频分段书写。适合对 AI 短剧与角色类桌宠应用制作流程感兴趣的人阅读。
这是一条社区帖子，介绍 Cartesia 提出的分层架构 H-Net。该架构直接从原始字节输入，由网络端到端联合优化分块边界，底层读取字节并动态压缩成块，主干在较短序列上建模后再还原，分块随上下文实时变化并能自适应合并新概念。帖中称受控实验里它兼具纯字节模型的泛化优势与较高计算效率，下游评测相对标准 BPE 取得约 2 倍算力优势，在代码与 DNA 序列上领先，3B 规模下约 1T 数据即追平基准模型用 11T 数据时的均分。适合关注语言模型分词方案与底层架构设计的人阅读。
这是一条社区帖子，介绍 Herman Brunborg 在 8 张 H100 上把 NanoGPT 达到目标验证损失的训练耗时从 39.9 秒压缩到 6.702 秒的做法。其核心是用训练时闲置的 CPU 在数秒内扫描 37B 语料并构建 n-gram 检索索引，GPU 专注训练主干网络，候选 token 注入残差流由模型学习何时信任外部提示，低频但精确重复的文本交给检索兜底，并采用固定槽位等缓存友好的数据结构加速索引构建。帖中也说明该结果依赖评测集特征，不代表通用大模型训练只需数秒。适合关注训练加速、检索增强与软硬协同设计的机器学习从业者阅读。
一条微博帖子，转述一篇技术博客（divagr.com/blog/qwenputer）的内容：作者利用 Qwen 3.5 中 Gated DeltaNet 层的状态更新特性，配合门控、写入强度设为 1 和独热编码，将其改造为可精确寻址的 RAM，并在未经后训练的情况下把一套 RV32IM 指令集的 32 位 RISC-V CPU 逻辑编译进新增的 11 层网络权重。材料称该内嵌 CPU 可零误差连续运行 1800 万条指令，使长整数算术基准（NUPA）准确率从 48.6% 升至 100%，且未破坏原模型的语言生成分布；文中还展示了基于同一机制构建可跨会话持久化的哈希文件系统（最高约 5.3 万 Token），并讨论了对混合架构模型思维链隐匿性与安全监控的影响，模型与代码已开源。适合关注模型内部机制、线性注意力架构与 CoT 安全的人阅读。