跳到正文

#Agent

今日 136 条
10月4日周日
  2. Hacker News 热门（buzzing.cc 中文翻译）72

    如何在 Claude 和 Claude Code 中充分利用 Opus 5.5

    Anthropic 发布 Opus 5.5 使用指南，说明它更适合长时间多步骤任务、会在每次回复前思考，并更清楚汇报已完成事项和所需输入。指南建议一次性交代完整任务与完成标准，删除 think carefully 等提示，在 CLAUDE.md 中规定何时继续或停下询问，并让大型审计、迁移任务分派给 subagents。

  5. Hacker News：AI 热帖37

    AI 编程是否会让库构建过时？

    AI 编程理论上可不依赖库直接生成代码，但现实中库构建不会被淘汰。成熟库历经多年修复 bug 与处理边界情况，自行实现会让开发者和 AI 智能体重蹈前人错误。AI 让这类开发更可行，但仍极不切实际。

  7. Hacker News：AI 热帖36

    Show HN：四个 LLM 用真钱直播玩 20 个问题游戏

    Twenty/Watch 第二季第 84 场直播让 Claude、GPT、Gemini、Grok 四个 LLM 用各自真钱参与 20 个问题游戏。当前余额分别为 Claude $15.50、GPT $45.40、Gemini $29.60、Grok $0.40，本局奖池为 $9.10，谜底物品是 feather duster。页面还提供过往局账本，并可通过邮件订阅实验结果和新游戏通知。

  8. Hacker News：AI 热帖25

    Zordt：将 AI 新闻提炼为事件本身及其重要性

    Zordt 从 52 条新闻中提炼出 5 条 AI 要闻，涵盖 OpenAI 安全员工辞职、Meta 开源 Muse 设备代码、Anthropic 设立 1 亿美元 Claude Frontier Academy、Claude Mythos Preview 密码分析突破及数据中心投资受阻。该日报还说明每条事件的影响，面向关注 AI 安全、开源、融资与研究进展的读者。

  9. Hacker News：AI 热帖77

    AI 是否已冲击劳动力市场：证据显示整体影响有限，初级白领招聘承压且归因存争议

    一篇综述判断，AI 对整体失业率和裁员的影响迄今较弱，但高AI暴露的初级白领招聘可能已经受到影响，相关下降是否来自生成式AI、远程办公或疫情后劳动力市场正常化仍有争议。

    推荐理由：文章系统梳理截至2026年10月的就业、招聘和AI采用证据，有助于区分整体劳动力市场稳定与初级岗位局部承压。

  16. Diogo Almeida24

    写了一篇关于语言模型“形态”及其未来可能带来的权衡的简短博客。我真心认为这是一个值得现在就开始思考的有价值研究方向，尤其是在智能体框架设计方面。 https://alexzhang13.github.io/blog/2026/shape/ 博主转发并激动表示支持探索更多智能形态，认为 append-only chat 并非最终界面。

    引用alex zhang@a1zhang

    Wrote a short blog about the "shape" of language models, and the tradeoffs they may present in the future. I genuinely think it's a valuable research direction to start thinking about now, especially w.r.t. harness design. https://alexzhang13.github.io/blog/2026/shape/

  19. Hacker News：AI 热帖55

    如何申请 AI 安全研究奖学金及后续机会

    Boyd Kane 分享申请 MATS 等 AI 安全奖学金的方法，核心是把已有能力通过简历、公开写作、项目和推荐清晰传达给评审。文章建议自学 ARENA 课程、研究目标导师论文、申请多个合适 stream，并维护 YAML 经历库和申请问答记录；同时强调可让 LLM 帮助梳理相关经历，但不要让 LLM 代写答案。

  21. Yuchen Jin41

    我有一阵子没碰 Claude Code 或 Codex CLI 了。 在我看来，终端时代已经结束。它不是编码智能体的正确界面。标签页是短暂的，但上下文是持久的，而管理 30 个标签页纯粹是认知负担。 我其实也不需要 Cursor 这样的 IDE。我已经很少浏览整个代码库了。 新的基本单元是智能体，而不是文件。 （Codex 桌面应用是目前最好的智能体 UI。但我们仍处于早期阶段。）

  24. elvis62

    一篇 Meta Superintelligence Labs 论文指出，预训练 LLM 配合轻量推理框架后可作为有能力的 AI 智能体，并在测试时采样预算充足时于 pass@K 覆盖范围上超过 RL 后训练版本。后训练模型在 pass@1 更强，但会把任务推向总是解决或从不解决，论文将这种测试时可扩展性损失称为 Sharpening Tax；该现象在 BFCL v4 multi-turn、ACEBench 和 WebShop 等评测中出现。论文还提出 PTGS，在 RL 中按提示词估计难度调整采样温度，以降低该代价并提升 pass@1，论文链接为 https://academy.dair.ai/papers/sharpening-tax-in-post-training-2610.01509。

    引用DAIR.AI@dair_ai

    Banger paper from Meta Superintelligence Labs. They find something super interesting and unexpected. (bookmark it) Base models with a light harness often solve more agentic tasks than their RL post-trained versions when both get enough samples. Post-trained models win on pass@1. At large K, base models frequently solve tasks the post-trained ones never solve on BFCL v4 multi-turn, ACEBench, and WebShop. This is because post-training pushes each task toward always solved or never solved. Consistency goes up, and coverage goes down. The authors call the lost test-time scalability the Sharpening Tax. Across 42 base and post-trained pairs, it shows up in most settings, grows with model size, and can be estimated from a few rollouts. Their fix, PTGS, sets the sampling temperature per prompt from its estimated difficulty during RL. It pays a smaller tax and also raises pass@1. Paper: https://academy.dair.ai/papers/sharpening-tax-in-post-training-2610.01509

10月3日周六
  3. Hacker News 热门（buzzing.cc 中文翻译）78

    Aleph Alpha 发布英德双语开放权重模型 Kolibri

    Aleph Alpha 发布英德双语 MoE Transformer 模型 Kolibri，总参数 78.1B、每 token 活跃参数约 3.46B，支持最长 1M tokens 上下文。

    推荐理由：材料完整披露参数规模、训练流程、基准结果和部署方式，可帮助读者评估欧洲主权开放权重模型的实际定位。

  7. Hacker News：AI 热帖49

    GPT-6 Astra 盲玩《魔兽世界》，40 分钟通关新手村

    OpenAI 的 GPT-6 Astra 模型在不读取任何渲染画面的情况下，仅依靠网络流量与服务器文件中的任务数据，40 分钟内零死亡通关《魔兽世界》兽人新手村。该测试通过开源客户端 agent-wow 与 Codex 中的单条提示词在私服完成，角色从 1 级兽人起步，完成试炼谷全部任务，最终在森金村结束。

  13. Hacker News：AI 热帖79

    团队用 Claude Code 和 Codex 制作 12 部 AI 黏土风短片，现金成本 184 美元

    团队用 Claude Code 和 Codex 驱动脚本、配音、图像、动画、剪辑、检查与上传，5 天制作 12 部黏土风短片并发布到 Instagram、TikTok、YouTube Shorts 和 Facebook，获得 18,971 次观看和 25 个关注。

    推荐理由：文章用完整账本和逐片迭代规则，呈现 AI 智能体批量生产短视频时的成本结构与人工判断边界。