如何解读“定理经 Lean 验证所以正确”这类说法
文章解释如何判断“经 Lean 验证即正确”的说法:OpenAI 上月的定理库包含 722 篇论文,约 45% 附带 Lean 代码,其中 290 个带代码的定理约 38 个并未陈述、更未证明论文主定理,三篇未形式化的论文因符号错误被撤回。
文章解释如何判断“经 Lean 验证即正确”的说法:OpenAI 上月的定理库包含 722 篇论文,约 45% 附带 Lean 代码,其中 290 个带代码的定理约 38 个并未陈述、更未证明论文主定理,三篇未形式化的论文因符号错误被撤回。
作者主张所有 AI 生成的代码都应开源:AI 模型是在未经许可、未署名的情况下抓取的开源代码和遵循 Creative Commons 许可的 Stack Overflow 内容上训练的,将其变为闭源专有代码如同“许可洗白”。
NVIDIA 发布教程,展示如何用 vLLM 通过 ConnectX-8 RDMA 将两台 GB300 DGX Station 组成单端点,本地部署 GLM-5.3 NVFP4 模型,实测吞吐达 607.8 tok/s。
作者在 LeCun 团队发布的 JEPA 世界模型 LeWM 上做了 600 次实验,发现将其预测器换成模拟器完美物理后,长时程任务成功率几乎不变(78% vs 77%)。
MotherDuck 联合创始人、首席数据工程师 Nick Ursa 表示,AI 让他职业生涯中首次没有了积压工单,但工作反而更忙——重心从自己算对数字,转为验证 LLM 与 agent 产出的结果是否正确。
【这是什么】一篇第一手科研写作经验分享,作者以自己被《食品科学》录用并网络首发的综述为例,拆解从选题、检索、写作、作图到投稿核验的完整工作流。【商业/痛点逻辑】解决研究生写综述时无人指导、文献整理与格式修改重复繁琐的痛点,用 AI 与数字工具减少重复劳动但保留科研判断。
【这是什么】Vercel 官方教程,讲解当 AI Agent 成为软件用户时,如何用 eval 衡量它们能否正确完成任务。【商业逻辑】Agent 也经历发现、选择、访问、成功四段漏斗,教程聚焦 Success 阶段,用 Harbor 框架在容器中反复运行任务并评分,覆盖确定性测试、单轮 eval 和 E2E eval 三层金字塔。
推荐理由:Vercel 官方给出面向 agent 用户的 E2E eval 完整方法论,从指标选择到 trace 分析,工程借鉴价值扎实。
Vercel 官方博客发布教程,讲解如何为 agent 及其调用的软件(API、CLI、MCP server、SDK)搭建端到端 eval,并用一个旧金山咖啡下单的 API 完整演示。
同一新闻,精选展示《Vercel 教你为 Agent 用户构建端到端 Eval:以 sfbeans 咖啡下单 CLI 为例》
数学教育者 Scott Farrar 用 Claude Code 搭建了一个家庭 AI 大脑:一个 Markdown 文件夹,在 Obsidian 中查看,记录家电、保修、保险文件和全家待办。他用它挑选车险、规划维修,并与妻子共用这套系统,优先级任务和「近期成果」会显示在 DAKboard 墙面屏上。
【这是什么】Strands Decider 是一个不生成文本、只对给定选项返回概率与置信度的决策模型,Amazon 内部票据系统用它替换 Claude Sonnet 4.6 承担工单分类。
Simon Willison 用 Claude Code 搭出 Beep Locator,靠多台设备组成的麦克风阵列做声学三角定位,把房间里间歇蜂鸣的声源锁定到约 40cm 范围内,最终挖出一台电量告急的一氧化碳探测器。
Pay2GPT 团队整理了一张 10 家 ChatGPT Plus 代充平台对比表,每格内容抄自各家官网并标注出处,找不到的信息写「没找到」。价格从 148.8 到 229,各家差距不大,主要差别在售后。表中三家把代充与共享号、成品号混卖,一家续费说明要求把账号密码发给对方并建议长期寄存,一家开不通只退平台余额。
开发者 lexandstuff 用一个 prompt 让 Claude Fable 5.2 一次性做完侄子梦想的 12 关横版格斗游戏,支持四人同屏、共 18 个可解锁角色。
【这是什么】Claire Vo 花两天实测 Anthropic 新发布的 Claude Fable 5.2 前沿模型,逐项拆解其表现。【商业与使用逻辑】她用真实任务验证能力:从一条推文生成动画营销视频、靠模糊地板照片拼装无说明书家具、把品牌 sprite 扩展成带预告片的防御游戏,并实际重构了 ChatPRD 的产品智能管线。
【这是什么】作者分享一套在终端使用 Claude Code / Codex 时避免多线程上下文过载的工作流实验。【商业/痛点逻辑】将工作组织成优先级队列,队列存放在 git 中,每个工单是 repo 里的 markdown 文件,board 状态是提交快照,解决 AI 会话切换导致的专注力崩塌问题。
【这是什么】开源工具 LoreKit 作者的提案文章,主张为 Agent 记忆制定统一开放格式。【商业与痛点逻辑】当前一个开发环境里并存 AGENTS.md、Anthropic memory 工具。
【这是什么】一位使用 Claude Code 一年多的开发者宣布将主力编码环境迁移到开源 harness Pi,并详细复盘原因。【商业逻辑】作者不满 Claude Code 的 AGENTS.md 兼容问题、VSCode 多会话限制、GUI 扩展缺陷,以及一年 244 个版本中超 3/4 改动系统提示词带来的不稳定,认为其缺乏产品方向。
Anthropic 发布关于 Claude Agent 记忆系统设计的研究文章,把记忆分为会话内标记显著事件写入记忆笔记、离线时段的 dreaming 反思整理,以及 wiki 等记忆表征与层级注入。
推荐理由:Anthropic 官方拆解 Agent 记忆系统设计,结合 Pokémon 和基准评测给出做梦式整理记忆的工程借鉴。
【这是什么】Nouride 是一款轻量级 AI Agent 工具,功能类似 OpenClaw,可连接 Telegram、Discord、WhatsApp,通过聊天让 AI 调用工具、执行命令、完成自动化任务。
【这是什么】Hightouch 团队用基准测试评估决策模型 Jev 与 GPT-6 Luna 能否自动审核身份解析(IDR)中的过度合并结果。
【这是什么】开发者复盘国庆期间用 Claude Code 制作割草小游戏奶蛙的全过程,并同步一个政策变化。【商业/痛点逻辑】微信小游戏发布现已不用先等备案;作者此前因备案来回改了一个月,首次驳回理由是截图含骷髅怪等恐怖血腥元素,整改后才通过。
推荐理由:作者完整复盘用 Claude Code 制作微信小游戏的流程,含美术生成、数值模拟调难度与备案驳回整改的踩坑细节。
macOS 27(Golden Gate)已不再兼容 x86,但借助 Claude Code 与 Ghidra 等工具,Hackintosh 和 hackios 社区近几周出现爆发式发展。
MCP(Model Context Protocol)是连接 AI 应用与其所用工具、数据的开放标准。架构上由 Host(如 Claude、Cursor、ChatGPT)、Server(暴露工具、数据或提示词的小程序)和 Model 组成,模型决定调用什么但不直接与服务器通信。
【这是什么】少数派作者 Tw93 复盘其 Mac 清理工具 Mole 的 Windows 版开发全过程,涵盖多端技术选型思路与实操细节。
Simon Willison 复现论文 Sparks of Weight-Space Programming 的实验,发现 Qwen 3.8 27B 在笔记本上(仅 17GB,经 LM Studio)也能从原始浮点权重中判断强化学习网络玩的是哪款游戏,四次实验识别 Pac-Man、Pong、Breakout 成功,Freeway 失败,单次推理耗时 46 分钟到 1 小时以上。
【这是什么】V2EX 开发者 xslug 把 WorkBuddy「1024 造物挑战」的 14562 个公开作品当成创意库,做了一次系统性选题筛选。【商业逻辑】筛选标准是「一个人能做、不用教育市场、不被巨头或资质卡住、有人愿意付钱」,经模型初筛保留 1982 条、人工改判后 1570 条,最终 28 条通过全部维度。
LLM 辅助编程正在重演“LISP 之咒”:生成代码比学习现有库更省事,开发者转向隔离开发。作者分析两大后果——开源库使用下降导致维护者失去反馈,以及新开源库因维护成本高而停滞,两者还会互相放大。作者认为应依赖经过验证的库,而非生成数百行只解决局部问题的代码。
V2EX 创造节点上的一则讨论,主题是如何测试自己使用的 ChatGPT API 中转站所提供的模型是否被掺水,即中转站是否用降级或替换后的模型冒充原版。帖子正文未提供具体测试方法细节。
【这是什么】x.ai 的 Grok Bot 官方 Guides 按岗位介绍 bot 用法,作者将其 18 篇译成中文,命令、路径和产品名保留原文。【商业/痛点逻辑】降低中文用户理解官方指南的门槛,示例覆盖工程(凌晨自动清理代码库、提交 PR)、入门(用公开资料把 X 关注整理成个人 CRM)、手游(双人版广告把单次安装成本从 15 美元降到 1 美元)等场景。
推荐理由:原文整理了 Grok Bot 按岗位划分的 18 篇官方指南中文译读,可参考各岗位自动化场景的实际玩法。
【这是什么】Lenny's Newsletter 播客两期合集:一期用九项真实任务横评 Grok Bot、Dot、Meta Muse 与 Claude Duet 四款个人 AI 助理,另一期由 Figma 增长 PM Ezra Mechaber 演示团队如何日常使用 AI。
Figma 增长 PM Ezra Mechaber 与同事把个人 Claude Code 配置打造成 PM OS——一个含 31 个 skills 的共享 repo,目前 60 到 70 名 Figma PM 在使用。他还介绍了用 Codex 做 bug bash、能自动跑实验且首次实验就发现重大机会的 AutoXP,以及与 Jev 共建的实时写作助手。
【这是什么】一款图片转 PPT 工具,可将图片、截图、单页 PDF 转成可编辑的 PPTX,成品无水印。【商业/痛点逻辑】核心思路是让模型先输出带坐标、尺寸、颜色等字段的元素清单,再由渲染器只负责绘制,出错时可区分清单错误还是渲染错误。
【这是什么】Nolan Lawson 设计的框架基准测试:用 Claude(Opus 5.5)驱动 agent 分别以 Next.js、Nuxt、SvelteKit、Astro、Hono+htmx、Angular 等 12 种框架构建同一个 PokéAPI 应用,比较成本、代码量与 Lighthouse 表现。
【这是什么】工程师 Kunal 的个人长文,讨论使用 AI agent 编程时「认知投降」即不加思考地全盘接受模型输出的风险与应对。【商业/痛点逻辑】指出完全依赖 agent 会导致复杂度爆炸、技术债累积和对系统的理解快速流失,并援引《The Ironies of Automation》说明自动化让人失去练习简单任务的机会。
【这是什么】作者分享做图片转 PPT 时保证还原度的方法:让 agent 反复渲染成图、与原图逐块比对、找出最差一块再修改,单张通常需十几轮。【商业与痛点逻辑】核心难点不是生成第一版,而是让结果与原图对得上;渲染比对让差异可量化而非靠模型自述。
一位开发者让 codex 修改 APIFOX 同步插件,发现每个类执行后有 sleep 100ms 的固定等待,于是将其改为 1ms,并精简调试日志、去掉上传 JSON 的缩进换行改为紧凑格式。在 2,960 个类的扫描测试中,完整任务耗时从 277.2 秒降到 100.3 秒,减少 176.9 秒,约 63.8%。
Trakkr Research 向 ChatGPT、Perplexity、Gemini、Claude 和 Google AI Overviews 提出 200 个需要数字的问题,逐层追溯其引用来源。
【这是什么】少数派作者的健康数据分析系列第二篇,讲 Apple Watch、Oura Ring、训记的数据经 Freddy 和 Python 脚本汇入 NAS 上的 SQLite 后,如何让 AI Agent 正确处理并给出训练建议。
Claire Vo 在 How I AI 首个个人 agent 评测中,用 9 个真实任务(Slack 回复、Sentry 修 bug、Figma 缩略图、收件箱分类等)对比 Grok Bot、Dot、Muse 和 Claude Duet。
一位开发者发现 CI 因 SonarQube 报告 App.tsx 圈复杂度过高而失败,排查后发现 Codex 将约 30 行代码里的 15 个完整组件各写在单行上,且逻辑虽过度工程化但全部正确;让 Codex 重构拆分成 10 个文件后 CI 通过。