llm-openai-decisions 0.1a0 插件发布:支持 OpenAI Decisions API
Simon Willison 发布 llm-openai-decisions 0.1a0 插件,用于通过 LLM CLI 调用 OpenAI 在 DevDay 上宣布的 Jev 风格 Decisions API。
Simon Willison 发布 llm-openai-decisions 0.1a0 插件,用于通过 LLM CLI 调用 OpenAI 在 DevDay 上宣布的 Jev 风格 Decisions API。
ProofAtlas 发布 500 个数学开放问题排名,基于 LLM 评估的重要性对问题排序。 采用可靠性加权模型结合 OpenAI、Claude、GLM、DeepSeek 的配对判断生成排名,P 与 NP 列为第 1 位。 提供诊断数据与状态审查记录,旨在辅助探索数学、计算及物理领域的核心问题。
OpenAI 发布的 GPT-6 Astra 模型规定输入超过 272K token 时,全请求输入与输出费用分别按 2 倍和 1.5 倍计费,而非仅对超额部分加收,这极易导致 RAG 和 Agent 任务账单激增。作者建议通过 token 预算护栏、RAG 检索预算控制、Agent 轨迹压缩以及分层路由等策略,避免误入超额计费区间。
推荐理由:指出了GPT-6 Astra在272K token处按全请求加倍计费的隐性成本陷阱,并给出了基于tiktoken的预算护栏方案。
开源生物游戏 Spinlings 运行于 Claude Code,通过共享 TypeScript 引擎统一离线与在线模式的生成及战斗规则。 在线服务基于 Cloudflare Worker 与 D1 数据库实现卡片交易与决斗功能;后续 UI 修复重点在于 Desktop 端点击目标及狭窄面板的交互问题。
OpenAI 推出名为 Dots 的常驻 AI 智能体,支持在对话间隙持续监控目标并执行多步数字任务。该系统由 GPT-6 Astra 驱动,每个智能体配备独立云端计算机和浏览器,并通过插件生态连接 4000 多个应用。OpenAI 将智能体从执行任务扩展至接管流程职责,例如自动监控客户反馈并构建代码修复,同时引入了权限、自定义规则和人工审批等治理机制,旨在定义 AI 承担持续数字化职责的边界。
作者分享了使用 Seedance 2.5 制作 8 分钟动画惊悚片《PRESCRIPTION》的完整工作流,总成本约 300 美元。该流程结合角色与场景参考图,配合详细的镜头级提示词(如特写、手持镜头、硬切)描述动作、对话和镜头运动。
作者在审查AI生成的代码时,发现LLM选择的抽象术语(如MutationIntent)往往不符合个人习惯,导致额外的认知负荷。为此,作者使用特定提示词让AI提取并解释这些非惯用术语,并生成包含定义及替代建议的Markdown文件。在确认术语选择后,AI会执行全局查找替换(包括文档),使代码语言风格更贴近作者习惯,从而显著提升代码审查的效率和可读性。
AWS 展示如何利用 Amazon Bedrock AgentCore 运行时与开源智能体系统 OpenClaw 构建具备持久记忆的个人 AI 助手。助手通过 AgentCore memory 将对话转化为耐用知识,并利用结构化元数据标记记忆以精准检索。
作者使用 Parseable 与 Datasette 处理 OpenTelemetry 数据,验证了该方案在本地链路追踪中的可行性。 Parseable 提供开源 AGPL Rust 实现及云服务,Datasette 自 1.0a41 版起支持 OpenTelemetry。 该方案实现了从数据摄入到本地 Web 界面可视化 247 个 Span 的完整链路。
作者对比了 BlueDot Impact、Lens Academy、Vista Institute 和 Center for AI and Digital Policy 的 AI 政策课程。 这些课程均免费但需申请,适合希望转型 AI 治理或安全领域人士,每周需投入 2-5 小时。 完成课程可获数字证书,是简历上的有力证明,有助于提升在 AI 安全岗位的竞争力。
AI Agent在长对话中会出现未提示的规则违反或逻辑偏移,这种失效源于长度、噪声干扰和早期猜测固化三种机制。研究显示多轮对话下模型表现平均下降39%,且错误具有累积效应。作者建议将规则存于外部Markdown文件、保持单话题对话、在关键位置重述规则,并在上下文占用过半时主动重置会话,以对抗“沉默”的失败。
Kcc 是一款由作者单人使用 LLM 辅助开发的 C17 形式化编译器,完全以 ARM64 汇编写成,可引导 Linux 内核。 该项目基于名为 weft 的人机共读元语言,全书约 1000 页,支持交叉编译至 x86-64,并能编译 Lua、SQLite 和 DOOM。 代码采用 MIT 协议开源,由 Cuauhtémoc Pacheco 与 AI 合作者 Claude 共同完成。
arize.com 博客文章介绍了 tracelint,一个用于 Arize Phoenix OpenInference 轨迹的小型开源 linter,能在 CI 中通过确定性检查发现 agent 的结构性缺陷,例如 schema 校验失败或失败结果被重复用于副作用动作。
作者使用 Claude Sonnet 5.5 在 Hono 项目中对同一 bug 进行了 11 次独立修复实验,发现 6 次提交中包含代理未申报的文件。这些文件是 macOS 环境下使用 sed 命令产生的备份文件(如 validator.ts-E),代理未察觉且 git diff --stat 未显示新文件。
基于 Amazon Bedrock AgentCore 构建实时语音旅行管家,集成 Nova 2.5 Sonic 实现语音交互,通过托管知识库回答政策问题。 使用 Strands Agents 框架构建智能体,经 MCP 协议连接 AgentCore Gateway 调用后端服务,支持坐席变更与实时转接人工。
Amazon SageMaker HyperPod 支持多团队共享集群计算资源,其核心治理挑战在于明确权限、容量分配及问责机制。 系统通过组织、项目、集群、工作负载四层控制实现治理,支持将 HyperPod 集群连接至 SageMaker Unified Studio 项目工作区。 该模式分离了基础设施团队对集群的管理权与机器学习团队在项目上下文中的计算使用权,确保共享可见性下的访问控制有效。
AWS 提供 ISO/IEC 42001 实施指南与负责任 AI 透镜,协助客户整合 ISO/IEC 42005 标准以建立 AI 治理框架。 该标准指导客户通过 Annex D 简化评估流程以避免重复,或利用 Annex E 模板进行独立影响评估。 支持 Amazon Bedrock 等已获认证服务,帮助企业在风险管理系统中规范化 AI 影响评估。
Simon Willison 测试 Claude Opus 5.5 生成《猴岛小秘》风格电脑游戏音乐,结果令人惊喜。 模型设计了文本音乐格式并构建播放 artifact,包含示例音轨。作者推测作曲或像 3D 图形一样,是近期大模型新涌现的能力,需更多实验验证。
JumpStar 是国际跳棋最强 AI 引擎,其核心模型 JumpStar_60 是 CCERL-2P10-v2 基准测试冠军,现已上线 iPhone。 该模型参数量约 10.36M,基于 180 万个重分析局面在 MacBook M4 上通过自对弈训练而成。 项目建立了公开基准测试体系,允许其他 AI 系统挑战其超人类水平,并可能发掘新策略。
开发者开源了名为 make-it-click 的 Agent Skill,将 Andrej Karpathy 提出的 LLM 输出理解技巧转化为 AI 智能体能力包,旨在提升人类对 AI 输出的理解效率。
Higgsfield 推出 Genjutsu 视频到视频模型,支持在保留原始主体运动、镜头轨迹及画面时序的前提下,替换视频中的物体、背景、风格或产品。 该模型提供 Motion Transfer 和 Objects Swap 两种核心模式,支持 480p、720p 和 1080p 分辨率生成,用户需根据视频时长购买预付费点数。
一款无依赖的 MCP 服务器允许支持 MCP 的智能体无需密钥或注册即可匿名加入 GlyphDNA 网络。 该系统采用 Ed25519 密钥对生成身份,通过多方可信会议室实现消息签名与脚本来源追溯。 匿名层级工具利用临时沙盒会话验证任务提交,支持在 Claude Desktop 等环境快速集成。
CharacterMemory 是一款受神经科学启发的 AI 角色记忆系统,模拟人类检索机制,将情感、近期性和关联度纳入考量。 该系统支持世界与情感追踪,可管理角色的日常习惯、日历、地点及心跳状态,提供 WebUI 界面并易于集成至现有代码。
一项实验通过筛选 GPT 至 S 系列模型,测试 LLM 生成原创笑话的能力,发现模型幽默感随时间提升。 实验旨在验证 LLM 在数学等可验证领域的进步是否延伸至笑话等不可验证领域。 证实了 LLM 在非验证性“品味”领域可能正逼近人类水平。
Natta v1 是一款确定性优先的本地开发控制平面,支持注册仓库管理。AI 仅用于语义路由和规划,实际执行由确定性代码完成,确保操作可验证且安全。 该工具当前支持 macOS 环境,依赖 Python 3.11+ 和 Git,无需额外安装包或模型权重。 Natta 明确区分直接命令与语义层,防止 AI 越权执行,适用于 iOS/Xcode 工作流及通用 Git 仓库管理。
14 岁开发者在 PolyBot 项目中训练 AI 驾驶 PolyTrack,发现高速下策略对扰动极度敏感,+0.0001 转向偏移致车辆在 56% 进度失败。 使用 TQC、PPO 和 GRTQC 等算法,GRTQC 从零训练采用双 128 单元门控网络、121 个输入及自定义课程学习。 作者正在可视化数百条历史轨迹,并寻求连续控制强化学习领域的反馈以解决闭环敏感性问题。
作者分享了一个使用 AI 完成 8 分钟短片剧本、剪辑、VFX 和混音的工作流。管线使用 Claude 编写文案,PyTorch 和 ffmpeg 处理视频与特效,ElevenLabs 处理声音。作者发现版权管理比生成更难,且使用真实素材的成片效果优于在 RTX 4090 上本地生成的 AI 视频。
本文为科技初创公司提供了五步生成式引擎优化(GEO)策略,以帮助其在 AI 搜索的零点击结果中胜出。 具体步骤包括:定义要占据的类别、映射目标提示词和引用来源、构建一致的叙事、结合获得的媒体与有用的站内内容,以及追踪 AI 系统实际展示的品牌和来源。其核心目标是让品牌易于被买家和 AI 系统理解、引用和验证。
Scott Aaronson 在 UT Austin 开设 AI 对齐理论课程(CS395T),采用研讨会模式探讨对齐与数学基础。该课程没有标准教材,重点讨论 Eliezer Yudkowsky 等学者的对齐研究。首份学生报告对《AGI Ruin》进行了详细解读,引发了关于模型可解释性和人类合作的活跃课堂讨论。
SemiAnalysis 测试多家厂商 AI 订阅套餐的 Agent 工作负载,将额度折算为 API 等值价格后发现:使用 Opus 5.5 的 Claude 订阅价值约为使用 GPT-6.1 Sol 的 OpenAI 同档套餐的 5 倍。
该研究构建 AI FOMO 指数,基于 14,696 条语料记录衡量近期 AI 新闻关注度。 指数得分 43,敏感性分析显示得分在 38 到 52 间波动,Hacker News 占语料 80%。 提供数据校验和版本 1.1.0 方法供复现,无独立验证或 DOI。
Modeloptic 提出通过为 LLM 提供领域特定语言(DSL)来优化 AI 金融建模,认为直接操作 Excel 单元格会给智能体带来过多偶然复杂度,降低准确性。
文章指出在AI智能体编写大部分代码的背景下,设计系统可转化为AI转向层,通过上下文维持品牌与代码规范统一。文中展示了使用AGENTS.md和Figma MCP连接,将设计规范和组件直接同步给智能体的实际案例。
Tanmay Sah 开源了教育框架 AI Agents: Zero to Hero,包含 16 个模块用于从零构建 AI 智能体。项目基于 Python 3.11+ 纯标准库实现,无需 API Key 即可运行核心 Observe-Decide-Act 循环。课程覆盖智能体架构、MCP 协议、多智能体系统及生产环境安全验证等底层机制,帮助开发者理解框架抽象背后的计算原理。
AI 因依赖相邻像素间数学对比边缘,在模糊、运动或失焦下失效,导致识别管线崩溃。 与人类利用语境、空间物理及先验经验解读模糊场景不同,AI 缺乏此类高层推理能力,仅靠像素级细节处理图像。 该机制揭示了计算机视觉与人类视觉系统在底层逻辑上的核心差异,解释了 AI 在低质量图像表现不佳的原因。
Vibe coding 可能向生产系统引入硬编码密钥和授权失效等漏洞。 建议建立严格护栏、集成实时安全扫描并强制关键路径人工审查以应对风险。
作者认为 AI 去标识化模型需查看原始数据,可能侵犯隐私,因此不推荐使用。 文章提出一种确定性方法,通过校验和识别并移除敏感信息,无需依赖 AI 模型。
2026 年主流 LLM SEO 工具如 Peec AI 和 Otterly.AI 通过监测 AI 模型回答来追踪品牌曝光,入门月费在 $29 至 $199 之间。
文章提出让 LLM 编写 DSL 代替直接生成代码或 Prompt,以提升效率和稳定性。在 Captain-Hook 案例中,DSL 使模型只需编辑几行代码即可管理复杂的 JSON Hooks 配置。
Claude Opus 5.5 和 Claude Sonnet 5.5 登陆 AWS GovCloud (US),为 ITAR 等合规场景提供 AI 辅助开发通道。