搜索
Agentic Engineering 这个词刚被大神 Karpathy 提出了 1 个月，就已经有了不少大佬现身说法如何管理你的 Agent团队了。
刚刚，YC最新创业清单点名「AI欺诈猎手」。当黑灰产开始用AI作案，防守方也在组建智能体军团——反欺诈的终局，或许不是更强风控，而是一个自带安全基因的智能体世界。
Anthropic CEO Dario Amodei在摩根士丹利会议上扔出一颗深水炸弹：Scaling Law根本没撞墙，2026年将迎来激进加速。他用棋盘稻米寓言做了个精准比喻——我们正站在第40格，前39格的所有震撼加在一起，不过是后24格的零头。这场指数级狂飙，没人准备好。
陶哲轩办公室有 6 块黑板，他说绝不放弃。但他刚带 50 个人用 AI 和代码解决了 2200 万道数学题。
Openclaw是不是不如骆老师轶航家的狗还需要探讨，但云端Openclaw肯定是路边一条。
长期以来，计算机视觉领域陷入了一个 “表征（Representation）” 的执念。我们习惯设计各种精巧的 Encoder，试图将动态世界压缩成一组特征向量。然而，视频作为现实的高维投影，其熵值之高、动态之复杂，让这种试图 “定格” 的表征显得力不从心。
亏贼！ GitHub热榜，居然被纸片人占领了—— 不是手办，是AI。你的赛博老婆，开源了。
一句话总结：社区里困扰了多年的一个 “玄学” 现象终于被拆解清楚了：在 BF16 等低精度训练里，FlashAttention 不是随机出 bug，而是会在特定条件下触发有方向的数值偏置，借助注意力中涌现的相似低秩更新方向被持续放大，最终把权重谱范数和激活推到失控，导致 loss 突然爆炸。论文还给出一个几乎不改模型、只在 safe softmax 里做的极小修改，实测能显著稳定训练。
在 Princeton 发布 SWE-Bench 之后，用真实世界代码仓库+可执行测试评测大模型软件工程能力，几乎已成为学术界与工业界的共识。围绕 SWE issue 的评测范式迅速发展，也催生了一系列 SWE 系列 benchmark，在刻画模型 bug 修复能力方面发挥了重要作用。
最近关于OpenClaw的事，除了我昨天说的Github登顶之外。还有另一个非常魔幻的事——就是OpenClaw收费上门安装。一次费用，几百不等。更离谱的价格也有，前段时间在群里看到的：OpenClaw安装，1.6万！？