2026年10月24日Headroom 源码精读:给 Agent 压上下文,真正的约束是 prompt cache,不是 token 数读 Headroom 的 Rust 核心并在 v0.41.0 上跑了 6 组实验:它为什么只压最后一条消息、SmartCrusher 怎么决定留几行、CCR 为什么像虚拟内存的缺页——以及一个实测发现:超过 256 字节的字符串会被整段换成哈希,连 FATAL 错误正文也不例外。AIAgent 工程上下文工程源码阅读AI Infra
2026年10月24日ASENA 深读:72%→98% 的「自我进化」,我用一个 7B 模型零学习复现了 +25 分ASENA 报告权重不动、只进化工作区,R2R 十轮从 72% 涨到 98%——但十轮考的是同一组题、对着标准答案。我在本地 7B 上复现:零学习、只锁定做对过的答案,63%→88%;只许写通用经验,新题上 p=0.58。AIAgentAgent 工程论文深读评测记忆
2026年10月19日Harness² 源码细读:所谓"递归自我改进",到底在递归什么谷歌 harness²(arXiv:2610.14224)在固定模型权重下让 LLM 改自己 agent 的 harness,用执行差异当唯一信号驱动改进。我把 core/ 下 5700 行源码按模块读了一遍,整理出两处 for 循环、六个"让 LLM 当编辑器也不会自欺"的硬设计,以及一个独立判断——它是真 RSI,还是一个说得漂亮的「摊销式上下文策展」。AILLMAgentHarnessSelf-Improvement论文深读
2026年10月19日监控一个能自主上网的 Agent,要看哪几道关?——METR 控制评估精读METR 2026-10-14 提出:前沿 AI 开发者对内部 Agent 行为最主要的证据来源是 LLM 监控,而评估监控可靠性的方式,是把监控系统本身当被测对象去红队。精读原文五子问题,交叉验证七篇论文,并用一个可复现的串联失效模型说明:为什么"最弱的一环"决定整条监控链的生死。AILLMAgentAgent 工程AI 安全系统设计论文深读
2026年10月19日vLLM v0.32.0 深读:从 814 个 commit 看推理引擎正在变成什么v0.32.0 是 814 commits/363 贡献者的一版。表层是加模型、加算子、加安全补丁;本质是三层身份同时切换:成本重心从算力转向 KV 显存、优化指标前移到启动与分发、接口从生成 token 升级为结构化决策。六个"从表面看本质"的洞察,加一份部署行动清单。AIAI InfravLLMLLM Serving系统设计
2026年10月19日从 1126 条真实决策记录里挖出来的 4 个新门禁候选扫 6 场 1126 条决策记录。立即获胜命中率 100%、voluntary pass 7.9%,最可疑的是 25 次农民让地主。有一条验证到底——地主剩 2 张农民让单 9,下一轮地主就赢了。AILLMAgentAgent 工程评测
2026年10月19日弱模型斗地主的 7 个具体手段:每一个都对准一类肉眼可见的失手上篇讲 harness 和门禁的概念被追问具体做法。这篇讲 7 个真在仓库里跑的手段:forced_pass 的 4 行判定、grounding 的 outcomes 清单、残局 pool≤8 组合枚举……每个附代码行号+真实失手+附带新发现:昨天提的「必须解释偏离」被当天的 adherence 数据直接否了。AILLMAgentAgent 工程评测
2026年10月18日当斗地主玩家是弱模型:harness 和门禁各能把 25.9% 推到哪国产 Flash 档模型打斗地主 27 局只有 7 局精彩(25.9%,门禁线 80%);日志里 8 次模型只剩 1 张牌却选「不出」还写摘要「保留 Q 控场」。讲 harness 怎么把一阶事实错物理封掉、门禁为什么要拆成「合法性 100%」+「精彩率按档位走」两条。AILLMAgentAgent 工程评测
2026年10月15日Impeccable:给 AI 补上设计词汇,再用确定性检测器锁死「AI 味」AI 生成的界面为什么都长一个样?Impeccable 的答案是「共享词汇 + 确定性检测」两层:23 个命令的设计语言 + 一个用 Rust 写的、不需要 LLM 也能跑进 CI 的反 slop 检测器。我亲手跑了一次,也翻了源码。AIAgent 工程Skills工程实践
2026年10月15日把孙宇晨的「全盘 AI 化」做成一个 APP:信息架构、闭环链路与内容设计他说生活、训练、工作、学习全丢进 AI,100% 听 AI 的。我把这个主张拆成一个个人 APP 的产品设计:不是 dashboard,是被动采集 + 每日 AI 推送 + 闭环复盘的 PDCA 循环。AILLMAgent 工程工程实践
2026年10月15日检索指标一族:从 recall@10 到 NDCG,一次算清楚Precision/Recall/F1/MRR/AP/NDCG 不是一张需要背的清单。它们是同一个约束——用户不会无限翻页——推出来的:先把检索结果当集合看,再当排序看。AILLMRAG评测搜索
2026年10月14日Harness 时代的四条战线:认知外部化、全时 Agent、对抗评测、入口争夺当大家都说「模型层叙事结束了」,到底是哪些约束让 Harness 架构非这么长不可?用 METR 的时间视距、Dual-LLM 隔离、sandbagging 检测与特权分离这条共同祖先,把四条表面独立的战线串成一张图。AILLMAgentAgent 工程AI 安全上下文工程
2026年10月14日93 个自进化 Agent 的主结果里,只有 8 个能证明「那条更新真的跑过」Harness Self-Evolution(arXiv:2610.18813)把一份 93 条的证据审计放进了公开仓库。我把 TSV 拖下来自己复算了一遍:没有一条主结果同时满足四条标准,最薄的是 activation——「被接受的那条更新,在打分的那几次运行里到底起没起作用」,只有 8 条给得出证据。然后我用同一把尺子量了自己的博客 harness,得分 0/4。AILLMAgentAgent 工程论文深读评测
2026年10月14日想要长期任务的稠密奖励,先把"世界"造出来:TeV 的反向环境合成长期智能体 RL 的卡点不是缺模型,是缺"能信的地面真值"。TeV 把每个长时任务从隐藏世界 W 反向渲染出来,让验证器和稠密进度奖励都是同一个 W 的函数。AILLMAgentAgent 工程论文深读
2026年10月13日AI-Native 需求研发平台全景:28 个产品背后,真正值得汲取的核心从 Linear、Jira、Productboard 到 Kiro、Intent、Devin、应用生成平台和国内研发工具,比较五条 AI-Native 路线。用证据过期实验和交付耗时算账,提炼需求、执行、验收与反馈应如何贯通。AIAgent 工程工程实践系统设计
2026年10月12日AI 时代研发岗位的决策地图:八个工种、一张收敛度梯度不是「加一个 AI 工程师」,而是把八个工种按「离模型多近、离用户多远」排成一条梯度。本文沿同一套「业界/论文证据 → 产品传导链 → 收敛度」方法,把 AI 时代的研发组织拆成八个决策点逐个判断,并给一张可拿去对照自己团队的岗位表。AIAgent 工程工程实践系统设计
2026年9月23日大模型与 Agent 研究方向全景图:10 层 75 个分支,以及一笔给"多想一会儿"定价的账把大模型与 Agent 领域拆成 10 层 75 个研究分支,每条给一句话定位、为什么算独立方向、以及热度判断;53 个论文锚点全部用 arXiv API 逐个验活(并抓到一处标题错读)。附本机两轮交叉校验的 decode/prefill 实测与 KV cache 手算——用来给"测试时算力缩放"这件事定个价。AILLMAgent论文深读评测AI 安全模型训练
2026年9月22日ASPIRE 深读:NVIDIA 教机器人的那套技能库,交付物是一个 CLAUDE.mdNVIDIA GEAR 的 ASPIRE 用 Claude Code 写机器人程序,把调试经验攒成技能库,长程任务零样本从 4% 提到 31%。但论文标题盖住了它自己的消融结论:拿走技能库不是最痛的,拿走执行轨迹才是(14%→62%)。这篇顺着「技能该存成什么」这条线,把 Voyager 到 ASPIRE 的表示切换拆开,并拿我自己的两个知识库跑了一遍论文的 Limitation 4——我的一条 skill 确实过期了。AIAgentAgent 工程论文深读Skills记忆
2026年9月18日Shiplight 全栈拆解:Agent 原生测试平台如何把意图变成可持续回归我实际走查 Shiplight 官网、67 个文档入口、公开 Agent Skill、npm 包与 Trust Center,拆开它的 MCP 浏览器、YAML 意图层、Playwright 执行层、Action Cache、自愈、CI 归因和云端商业飞轮,并给出一条不照抄产品表面的 clean-room 自研路线。AIAgent自动化AI Infra评测
2026年9月16日Gavel 深读:别把技能目录塞进上下文,让模型从自己的中间层路由深读 Gavel 的 glance、verdict 与 product of experts:为什么技能路由既不该挤占任务上下文,也不该完全外包给检索器;并复算索引显存与路由成本。AIAgent 工程论文深读Skills
2026年9月15日五种 embedding 压缩,我把它们跑了一遍:96 字节能打赢 1024 字节1000 条真实 embedding、18 组配置、recall@10 全部本机实测。int8 几乎免费(4× 压缩,0.9950);二值化单独用只有 0.4673,加一次 float 重排就跳到 0.9524;而占 10 倍存储的 MRL 截断到 256 维只有 0.6832。AILLMRAG工程实践源码阅读
2026年9月15日从 ELIZA 到 Kimi K3:大模型 60 年,真正跨过的是四道门槛一张 AI 时间线把 ELIZA、感知机、反向传播、Word2Vec、Transformer 和前沿模型串在一起。真正值得带走的不是年份,而是表示、学习、路由与规模四道瓶颈如何依次被解除。AILLMTransformer零基础学习笔记
2026年9月15日现代 AI 工具生态勾勒:11 层 82 款产品与它们的官方链接按 Rathnakumar Udayakumar 的《Modern AI Ecosystem – Tools》一图,逐层拆解 11 个能力层里的 82 款产品;每条给一句话定位与官方链接。附本机跑过的 46 家 GitHub star 数、5 处 org 迁移与 4 处跨层重复的观察。AIAI InfraAgentMCPRAG自动化
2026年9月15日Parasma 深读:把 Friston 的自由能原理装进 Y Combinator 的湿件赌注一家 YC S26 湿件公司拿人脑细胞做 next-token prediction,网站上那句「Biological compute with living neurons」背后是四条被压缩的决策链——基质、训练算法、读出、经济学,每一条都能挂到一篇 20 世纪或 21 世纪初的老论文上。AIAI Infra论文深读系统设计