跳到正文
10月20日周二
  1. R/ArtificialInteligence54

    用AI评审另一个AI的回答比问两个AI同一问题更有效

    作者认为直接让 ChatGPT 和 Claude 回答同一问题只会得到语气不同但实质相似的自信答案,更有效的方法是让第二个 AI 评审第一个 AI 的回答。作者提供了一套包含具体任务的提示词模板,要求评审者指出哪些观点站得住脚、哪些站不住、遗漏了什么以及会如何不同回答,并特别要求如果完全认同则简短说明,以避免模型无意义地挑剔。

  2. Hacker News AI81

    Visokio 团队分享如何用 16 个 Claude 智能体打造个人新闻工作室

    Visokio 团队用 16 个基于 Claude 的研究智能体加上编辑和旁白,每周自动运行一小时新闻聚合。每集阅读约 420 页,处理 283 条候选新闻,保留 47 条并生成带音频的个人播客。

    推荐理由:原文明确展示了这套多智能体工作流在成本与效果上的权衡,读者可借鉴其架构设计用于自身场景。

  3. Hacker News AI42

    JQD:DM 发起 AI 同行评审实验

    Journal of Quantitative Description: Digital Media 开启特殊工作流问题征集,试点将 AI 融入科研发表流程。 编辑通过共享 skill 文件让 LLM 预审手稿,作者需迭代直至模型批准。 旨在提升稿件质量与审稿效率,同时保持人类判断在学术出版中的核心地位。

  4. Hacker News AI22

    AI 对齐资源列表更新

    该资源列表定期更新,涵盖 AI 对齐与控制的核心概念,包含动机、书籍及技术综述分类。 最后更新于 2026 年 10 月,收录 Dario Amodei 及 1300 多名前沿 AI 公司员工签署的声明。 提供从大众科普到技术深度学习的结构化资源,支持社区反馈完善。

  5. Hacker News AI67

    Busabase:让团队使用无状态 Agent 的实践经验与方法

    Busabase 团队总结了让 AI Agent 真正适配团队协作的核心方法论,提出让 Agent 保持无状态、将记忆集中存储在团队的上下文数据库中,并主张按权限而非按岗位拆分 Agent。文章结合其五代落地实践及三家合作团队的真实案例,提出了一套团队立即可执行的检查步骤,核心原则是把判断权保留给人。

  6. Hacker News AI81

    Reticle 发布:让 AI 编码智能体通过应用内 SDK 验证自身工作结果

    Reticle 是一款验证 AI 编码智能体输出的工具,通过部署应用内 SDK 驱动真实运行中的应用,读取网络请求、状态和控制台日志,给出带文件行号证据的验证结论(通过、失败或无法判断)。它支持保存验证流程以便无模型确定性重放,并集成了 CI 门禁功能,开源协议包含 Apache-2.0 和 FSL-1.1-ALv2,支持 Chrome、Electron 和 Tauri 环境。

    推荐理由:Reticle 引入应用内 SDK 验证机制,解决 AI 编码智能体缺乏验证反馈的痛点,支持无模型重放。

  7. Hacker News AI60

    如何节省AI智能体的Token成本

    作者通过三个生产级杠杆降低AI智能体的Token支出:用低成本模型预筛选搜索结果以压缩上下文、根据V模型将昂贵推理仅用于任务边缘、以及部署LLM代理进行智能路由。实测数据显示,该策略使上下文接收量减少40%。

  8. Hacker News AI54

    智能委托管道优化 AI 智能体成本

    laya-delegate 管道结合 RTK 输出过滤与 Laya 路由委托,将编码任务调查转移至 Haiku 子智能体,并压缩大块文件读取。在 Claude Opus 5.5 的 SkillsBench 基准测试中,总成本从 3.587 美元降至 3.088 美元,降幅达 13.9%,且奖励值维持在 0.81。

  9. Qoder53

    Qoder 如何通过 Harness 层工程优化让 Fast 档位更快

    Qoder 通过 Harness 层工程优化缩短 Fast 档位的用户等待时间。文章解释了优化机制,包括将字节码解析移至构建时、后台化身份初始化、预热 Git 上下文,以及利用前缀缓存和按需加载 MCP 工具定义来减少推理开销。在执行层面,通过流式调度实现工具并行运行,并建立基于调用 ID 的中断恢复机制以保留已确认的执行进度。

  10. 豆包工作63

    豆包工作学术科研实战指南:7 个场景提示词与 Skill 教程

    豆包工作官方发布学术科研实战教程,覆盖 Origin 绘图、COMSOL/MATLAB/ANSYS 仿真、文献调研、论文精读、写作润色、投稿审查及组会汇报 7 个场景。

    推荐理由:通过 7 个科研场景的实操案例,展示了如何利用豆包工作配合 Skill 工具,实现从文献检索、论文精读到仿真建模的自动化流程。

  11. 面壁智能90

    面壁智能开源前瞻专家调度(LES)推理技术,实现35B MoE手机实时运行

    MiniCPM-V 团队开源了前瞻专家调度(LES)技术,首次实现35B-A3B规模MoE模型在iPhone 18 Pro Max上以超过20 token/s速度实时无损运行。该系统通过预测下一层专家提前加载权重、优化存储布局与混合精度量化、结合DSpark批量验证,在M4 iPad上以3GB内存配置实现了9.6 token/s的解码速度,相关代码已在GitHub开源。

    推荐理由:原文给出了调度、存储和计算三层系统的具体设计,读者可以据此理解35B MoE模型如何在不增加训练成本的情况下实现端侧实时运行。

  12. Hacker News LLM40

    Apertus:在自有服务器上使用 vLLM 部署瑞士开源多模态 LLM

    企业可通过在自有服务器上部署 Apertus 等开源权重模型实现 LLM 主权,避免依赖商业 API 带来的隐私和弃用风险。 Apertus 8B 模型采用 BF16 格式,需至少 32GB GPU 显存;测试基于 1 块 48GB Nvidia RTX A6000,使用 vLLM 框架并启用 thinking 模式。 该方案将数据保留在内部网络,确保核心资产私密且受控。

  13. Hacker News AI65

    Vite+ 作为 AI Agent 开发的优秀工具链实践

    作者经过三周实践,推荐在 Vite 新项目中将 Vite+ 放入给 AI 的首个提示词。该工具链通过 vp 命令统一管理创建、检查、测试和构建,将原本分散在 ESLint、Prettier 等多处的配置整合。实测显示,在 monorepo 中 CI 时间从 4 分钟缩短至 50 秒,pre-commit 检查从 11 秒降至 2 秒以内,且简化了 Agent 对验证流程的理解。

  14. IT之家42

    粉丝借助 AI 基于虚幻引擎 5.8 重制《恶霸鲁尼》

    推特用户 @ashen_one 正在利用 AI 辅助,基于虚幻引擎 5.8 开发非官方、非商用的《恶霸鲁尼》重制粉丝项目。 项目全程公开,演示视频显示当前版本在 Mac 设备上 1080P 分辨率可达 45 帧,性能将随迭代提升。 项目目前处于开发阶段,需按 GitHub 指引手动部署,开放给其他爱好者共同完善。

  15. Hacker News AI67

    Red Hat 工程师使用 Claude Code 解决 Linux 未记录驱动开发难题

    Red Hat 软件工程部总监 Christian Schaller 使用 Claude Code 加速 Linux 驱动开发,在数小时内完成扫描仪后端基础功能,数天内实现红外扫描等近乎完美的功能。该方法不反编译专有代码,而是通过 hw-harness 工具包捕获 Windows 虚拟机中的设备流量与 Linux 端流量进行对比,让 AI 分析差异并生成修复代码。

  16. R/ArtificialInteligence59

    制作 AI 音乐视频的经验:如何通过具体反馈和示例提升 AI 输出质量

    作者使用 Claude Opus 5.5 和 Suno 制作了一部 122 个镜头的 AI 音乐视频,发现泛泛的反馈(如“更大胆”)效果有限,而具体的视觉细节描述和提供参考示例能显著提升质量。作者强调,将改进过程保存为“技能”(Skills)可避免下次从零开始,并建议通过示例而非单纯描述来引导 AI 生成更优结果。

  17. GitHub Blog · AI & ML33

    GitHub Copilot 如何在 VS Code 中继续 App 会话

    GitHub Copilot 允许用户直接在 VS Code 中打开并继续其 App 端会话,无需重建上下文。 点击“Open in VS Code”即可加载包含任务、计划和对话记录的完整会话,项目通过关联的 worktree 隔离运行。 开发者可在编辑器中手动修改代码、运行本地测试,并继续向 Copilot 提问或推送更新至 Pull Request。

  18. AWS Machine Learning Blog36

    TwelveLabs Pegasus 1.5 已上线 Amazon Bedrock

    TwelveLabs Pegasus 1.5 在 Amazon Bedrock 上线,该视频语言模型支持单次分析长达 2 小时的视频并输出带时间戳的 JSON 元数据。 新增多模态提示、视频分段及实时处理功能,支持从 Amazon S3 URI 或 base64 字符串直接输入,无需预索引,数据保留在 AWS 边界内。

  19. 智东西24

    公开课:NVIDIA DGX Spark 本地部署智能体最佳实践

    NVIDIA DGX Spark 专为本地运行 Agent 设计,搭载 GB10 Grace Blackwell 芯片,具备 1 PFLOP FP4 算力。 设备配备 128GB 一致性内存,支持 2000 亿参数推理与 700 亿参数微调,预装 NVIDIA AI 软件栈。 10月23日,智猩猩联合紫光晓通举办专场,分享 DGX Spark 本地部署最佳实践,降低云端依赖。

  20. LessWrong · All Posts42

    利用校准概率与部分评分改进 RLHF 策略的建议

    提出一种通过让模型评估任务可行性概率而非二元判断的 RLHF 改进策略,旨在减少模型幻觉与奖励攻击。 评分机制包含部分答案得分、对不可能任务做出正确概率校准及推理过程奖励,并由第三方 LLM 在 RLHF 完成后进行再评估。 该方案通过识别误标记任务建立价值对齐,为后续开发更强的诚实模型提供可验证的训练路径。

  21. AWS Machine Learning Blog56

    vLLM 支持双向 KV 缓存传输以改善多轮智能体工作负载的 TTFT

    vLLM 引入双向 KV 缓存传输功能,让 prefill-decode 分离部署中 decode 节点保留已生成的 KV 缓存并反向传回 prefill 节点,避免多轮对话时重复计算上下文。在 Amazon EC2 P5en 实例的 1P1D 基准测试中,开启该功能后 Qwen3-32B 的 TTFT 最高降低 1.6 倍,zai-org/GLM-5-FP8 最高降低 3.3 倍。

10月19日周一
  1. Hacker News LLM32

    隐私 LLM 应用为何重要:开源权重模型与 Merrin 的本地推理实践

    主流云端 AI 助手默认开启模型训练,且数据删除难以彻底,而开源权重模型(如 Gemma、Llama、Qwen)现已能在手机本地运行。 作者开发了隐私应用 Merrin,利用本地推理确保对话、记忆及记录完全保留在用户设备上,支持离线使用且无服务器副本。 该设计消除了数据泄露与商业滥用风险,用户可完全掌控记忆存储与删除,实现真正的数字隐私保护。