EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • @sama:Sam Altman 批評「哪個更好」民調無聊,主張使用者依需求選 Codex 或 Claude Code,並慶幸擁有多元優秀工具。 OpenAI 執行長…
    Sam Altman 批評「哪個更好」民調無聊,主張使用者依需求選 Codex 或 Claude Code,並慶幸擁有多元優秀工具。
    OpenAI 執行長 Sam Altman 在 X 平台回應多位網友,強調 AI 程式撰寫工具競爭帶來選擇自由,反對無意義的「哪個更好」民調比較。他表示:「你知道嗎,所有這些『哪個更好』的民調都很蠢」,建議使用者「用 Codex 或 Claude Code,無論哪個最適合你就好」,並表達對當今「如此驚人工具」時代的感激,以及對「有選擇」的感恩。
    對工具多元性的立場
    Altman 明確肯定競爭環境的好處,拒絕陷入單一工具優劣爭論,立場樂觀且務實,呼籲使用者依實際需求選擇。
    回應「goblin mode」偏好
    網友 @blockchainbum0 抱怨「Claude Code 沒有 goblin mode?我偏好 goblin mode」,Altman 直接建議:「那你就選 Codex 吧」,展現彈性態度,暗示 Codex 具備該模式優勢,但不強推自家產品。
    駁斥運算資源疑慮
    網友 @JesusGodAndKing 質疑「Low on compute?(運算資源不足?)」,Altman 斷然否認:「nah we good(我們沒問題)」,顯示 OpenAI 運算能力充裕,無需擔憂資源限制影響工具效能。
    此對話凸顯 AI 程式開發工具生態的成熟,Altman 的回應語氣輕鬆自信,間接強化 Codex 在特定功能(如 goblin mode)的競爭力,同時避免直接攻擊對手,維持業界正面氛圍。
    原文:https://easyvibecoding.app/curated/1095
    2 min
  • @arcprize:GPT-5.5僅0.43%、Opus 4.7僅0.18%通過ARC-AGI-3,暴露三大失敗模式。 ARC Prize基金會分析OpenAI的「GPT-5…
    GPT-5.5僅0.43%、Opus 4.7僅0.18%通過ARC-AGI-3,暴露三大失敗模式。
    ARC Prize基金會分析OpenAI的「GPT-5.5」與Anthropic的「Opus 4.7」在「ARC-AGI-3」基準上的表現,兩者得分極低,分別僅0.43%與0.18%,僅顯示最終結果遠不足以揭示AI思維過程缺陷。透過檢視160個重播記錄與推理軌跡,團隊發現模型在新型長視野環境中屢屢失敗,開放原始分析套件以供檢視。
    ARC-AGI-3基準設計
    「ARC-AGI-3」包含135個由人類手工打造的新穎環境,旨在測試AI適應未知情境的能力,已累積超過100萬場遊戲遊玩紀錄。
    無遊戲指示,使用者須探索陌生介面、從稀疏回饋推斷規則(即建構世界模型)、形成並測試假設、從錯誤假設中恢復、將單一關卡學習轉移至下一關(即持續學習)。
    環境剝離模型慣用文化知識,隔離抽象推理,視為新穎性、歧義、規劃與適應的最低共同需求,模擬真實世界Agent任務。
    每個環境至少有兩位無特殊訓練的人類解決,強調AI需具備接近真實智慧:遭遇陌生環境、形成工作理論、測試並更新、攜帶學習前進。
    三大失敗模式總覽
    團隊透過下載GPT-5.5與Opus 4.7所有公開遊戲日誌、推理步驟,撰寫每個遊戲的基準策略,再用Codex/Claude Code分析推理對策略的偏差,進行跨遊戲元分析,並經人工驗證,歸納三大常見失敗模式。
    真實局部效果,虛假世界模型:模型察覺局部變化,但無法轉化為全球規則,為最主導模式。
    訓練資料的錯誤抽象層級:將未知機制映射至已知遊戲,導致行動選擇被劫持。
    解決關卡,未強化獎勵:即使通關,獎勵信號未轉化為後續成功。
    失敗模式一:真實局部效果,虛假世界模型
    此模式最為普遍,模型能感知局部效果,例如「當我按ACTION3,這物件旋轉」,但無法轉譯成世界模型,如「ACTION3旋轉物件,旋轉決定哪面獲新值,因此應先調整物件朝向目標再行動」。
    模型並非未觀察,而是無法將觀察錨定於世界模型,範例重播連結:https://arcprize.org/replay/67ca6a82-fc59-4bcb-8646-e66edd66d2eb。
    ARC-AGI-3透過重播每個行動與推理,顯露模型何處形成假設、何處放棄正確者、何處執著錯誤想法無法釋放。
    失敗模式二:訓練資料的錯誤抽象層級
    模型反覆將陌生機制比作訓練資料中已知遊戲,包括Tetris、Frogger、Sokoban、Powder Toy、Flood-It、MiniGrid、CoinRun、Breakout、Pong、Boulder Dash等。
    理論上回想核心先驗知識有益,但字面類比劫持行動選擇:局部視覺相似演變成完整遊戲理論,浪費行動測試錯誤可供性(affordances)。
    失敗模式三:解決關卡,未學習遊戲
    即使模型通關關卡,該獎勵未轉化為進一步成功,顯示通關不等於理解。
    Level 1成功掩蓋缺失或扭曲的基本元素,部分勝利成為錯誤Level 2策略的自信支架。
    GPT-5.5與Opus 4.7差異比較
    綜合分數隱藏細微差異,兩模型失敗方式不同:Opus 4.7有錯誤壓縮,GPT-5.5則壓縮失敗。
    Opus 4.7擅長短視野機制發現,但易執著虛假不變量並積極執行。
    GPT-5.5假設生成更廣,較易表述正確想法,但難轉化為計畫。
    此區別凸顯單一分數無助診斷,ARC-AGI-3重播揭示推理是否能泛化。
    分析方法與啟示
    團隊流程包括下載所有日誌、定義基準策略、程式輔助分析推理偏差、跨模型元分析、手動驗證,揭示模型通過/失敗原因、共享與獨特失敗模式。
    AI基準通常僅示通過或失敗,但ARC-AGI-3展示思維過程,重播告知推理是否泛化,而非僅成就分數。
    ARC Prize基金會將持續審計每項重大前沿模型發布,真實世界Agent需相同元學習水準:遇未知、建理論、測試更新、攜帶學習。
    招募參與分析
    ARC Prize邀請加入,特別開放職位以擴大分析規模。
    遊戲平台工程領導:負責Python遊戲引擎與即時遊玩基礎設施,涵蓋環境穩定、會話路由、分數管理、錄製管道、負載可靠性、API認證;需遊戲引擎經驗、Python熟練、分佈式系統背景(AWS)、高主動性。
    模型測試與分析領導:管理前沿模型在ARC-AGI-1/2/3評估、建置分析套件產生重複報告、維護排行榜、與實驗室溝通、輸出如模型分數公告與分析部落格;需研究背景、模型評估經驗、工具建置能力、強烈擁有欲與溝通力。
    開放申請:描述貢獻意願、對ARC Prize使命興趣、經驗對齊,基金會為小型團隊,具全球影響力,與頂尖AI實驗室合作。申請連結:https://arcprize.org/jobs。
    原文:https://easyvibecoding.app/curated/1101
    6 min
  • @claudeai:Claude Code開發者大會下週回歸。 Anthropic即將於下週舉辦「Code with Claude」開發者大會,無論是Claude Code新…
    Claude Code開發者大會下週回歸。
    Anthropic即將於下週舉辦「Code with Claude」開發者大會,無論是Claude Code新手或資深開發者,皆有專屬議程,歡迎註冊直播參與。
    活動亮點
    針對初學者與進階使用者設計專屬session,涵蓋從入門到深度建置的Claude Code應用。
    提供直播形式,讓全球開發者即時參與,連結:http://claude.com/code-with-claude。
    參與價值
    大會強調Claude Code的實作導向,幫助使用者無論經驗層級,皆能快速上手並深化程式開發流程,展現Anthropic在AI輔助程式撰寫領域的持續投入。
    原文:https://easyvibecoding.app/curated/1086
    1 min
  • @vai_viswanathan:到底什麼是 World Model? 「World model」(世界模型)是當下最熱門的詞彙。李飛飛(Fei-Fei Li)的 World Labs 在…
    到底什麼是 World Model?
    「World model」(世界模型)是當下最熱門的詞彙。李飛飛(Fei-Fei Li)的 World Labs 在脫離幕後狀態後募資 2.3 億美元,隨後又完成了 10 億美元的融資。Yann LeCun 離開 Meta 創立了 AMI Labs,該公司以 35 億美元的估值募資 10.3 億美元,旨在從零開始構建世界模型。Google DeepMind 推出了 Genie 3。OpenAI 將 Sora 定位為「世界模擬器」。NVIDIA 發布了 Cosmos。Dreamer 4 僅憑離線資料就解決了 Minecraft 的鑽石挑戰(Diamond Challenge)。現在,任何有實力的機器人實驗室都有一篇關於世界模型的論文。
    問題在於,當你試圖釐清「世界模型」究竟是什麼時,根據詢問對象的不同,你會得到五種截然不同的答案。
    本文旨在拆解這個術語。首先,什麼是世界模型?其次,目前的技術路徑有哪些?第三——如果你是機器人開發者,這點至關重要——世界模型在現代機器人技術堆疊中究竟扮演什麼角色?
    什麼是 World Model?
    首先要理解的最重要一點是:世界模型是一個「問題陳述」,而非一種「模型架構」。
    最貼切的類比是 SLAM(同步定位與地圖構建)。SLAM 並非特定的演算法,而是一個問題:給定一串感測器資料,在構建周圍環境地圖的同時,判斷自己身在何處。目前有數十種 SLAM 方法:基於濾波器的方法(如 EKF-SLAM 和 FastSLAM)、基於圖優化後端的方法(如 GTSAM 或 Ceres Solver)。感測器模態也各不相同——攝影機、LiDAR、IMU,或是三者的融合。即使在視覺 SLAM 內部,也有處理原始像素強度的直接法,以及提取關鍵點(如 ORB 或 SIFT)的特徵法。
    世界模型也是如此。「構建一個世界模型」是目標,而如何構建則是完全開放的。
    LeCun 的定義
    最簡潔的正式定義來自 Yann LeCun(來源):
    給定:
    x(t):一個觀測結果
    s(t):對世界狀態的先前估計
    a(t):一個動作建議
    z(t):一個潛在變數建議
    世界模型計算:
    h(t) = Enc(x(t)),即表徵(representation)
    s(t+1) = Pred(h(t), s(t), z(t), a(t)),即預測
    其中:
    Enc() 是一個編碼器(可訓練的確定性函數,例如神經網路)
    Pred() 是一個隱藏狀態預測器(同樣是可訓練的確定性函數)
    z(t) 代表了那些能讓我們精確預測未來結果的未知資訊。它必須從某個分佈中採樣,或在一組集合中變化。它參數化了合理預測的集合(或分佈)。
    讓我們用一個例子來落實這個正式定義。
    實例說明:自動駕駛汽車
    想像一輛停在空曠停車場的自動駕駛汽車,車上只有一個前置攝影機。它有兩個控制項:轉向角和油門。
    x(t) — 攝影機看到的初始影像。柏油路、地平線,可能還有圍欄。
    s(t) — 汽車的內部狀態:位置、速度、航向、當前轉向角。初始狀態為 (0, 0, 0),速度為零。
    a(t) — 汽車決定採取的動作。假設我們正在原地甩尾:左轉到底 (-1) 並全油門 (+1)。
    z(t) — 不可觀測的因素。輪胎抓地力有多少?一陣強風?路面上看不見的油漬?感測器雜訊?現實世界中任何會影響結果但無法從當前狀態讀取的因素。確定性模型會忽略 z(t),而機率模型會從分佈中採樣,給你一組合理的未來情境,而不是單一預測。
    基於這些,世界模型預測 s(t+1) — 汽車的下一個狀態。
    重要提示:這不是對下一張影像的預測,而是對底層狀態的預測。即在全油門、轉向到底的情況下,經過短暫時間後汽車的新位置、速度和航向。
    解碼器(Decoder)擴充
    如果你確實想生成下一張影像,可以增加一個解碼器步驟(由 Kevin Murphy 提出):
    x(t+1) = Dec(s(t+1))
    這種區別比看起來更重要。LeCun 有意將「預測」與「渲染」分開。世界模型的工作是針對狀態進行推理。將該狀態渲染回像素是一個獨立的、可選的步驟。正如我們將看到的,這種分離正是世界模型各流派之間產生分歧的地方。
    目前有哪些技術路徑?
    今天,構建現代世界模型主要有三種主流範式。每一種對於「壓縮什麼」、「預測什麼」以及「是否渲染」都有不同的立場。
    生成式世界模型(Generative World Models)
    這是最受矚目的類別。像 Sora、Veo、Genie 3、GameNGen 以及 World Labs 的 RTFM 等模型,學習在給定過去上下文和動作輸入的情況下,預測影片的下一幀。
    在架構上,它們通常是自回歸 Transformer 或影片擴散模型(Diffusion Models),且經常結合使用。你給模型一張起始影像(或文字 Prompt),可選地加上一串動作,它就會逐幀預測世界的演變。
    其邏輯很直接:如果模型能準確生成未來,它在某種程度上一定理解這個世界。在 Genie 裡玩遊戲,環境似乎具有一致的物理規律和物體恆存性;駕駛虛擬汽車,道路也會做出反應。
    但這些模型也存在眾所周知的失敗模式:
    自回歸漂移(Autoregressive drift)——小誤差在長序列預測中會不斷累積
    幻覺(Hallucination)——物體在被遮擋時會憑空消失或出現
    物理不合理性——水往高處流、剛體變形、光照不一致
    記憶缺失——當你轉頭看別處時,世界發生了變化
    這如何符合 LeCun 的定義:生成式模型將「狀態」和「觀測」合併為同一個東西——它們直接在觀測(像素)空間中進行預測,跳過了抽象狀態。LeCun 會認為這是一種貧乏的實例化:模型幾乎所有的容量都花在了渲染上,留給推理和控制等關鍵部分的容量就更少了。
    潛在世界模型(Latent World Models)
    潛在世界模型不是預測像素,而是在壓縮的抽象表徵空間中進行預測。目前有兩個主要的子家族,它們在哲學觀點上存在值得深究的對立。
    潛在動力學模型(Latent Dynamics Models)——如 Dreamer / DreamerV3 / Dreamer 4、PlaNet、TD-MPC。這些模型源於基於模型的強化學習(Model-based RL)。循環狀態空間模型(RSSM)學習在給定動作條件下預測未來的潛在狀態。關鍵在於,這些模型通常使用重構損失(reconstruction loss)進行訓練——解碼器強制潛在空間保留足夠的資訊來重構觀測結果——並結合獎勵預測,使潛在空間與任務相關。隨後,策略和價值函數會在這些潛在空間中想像出的軌跡上進行訓練。
    JEPA(Joint Embedding Predictive Architecture)——如 I-JEPA、V-JEPA、V-JEPA 2,以及最近 AMI Labs 及其合作者推出的 LeWorldModel (LeWM)。視覺編碼器產生當前狀態的嵌入(embeddings);預測器則預測未來或被遮蔽區域的嵌入。沒有獎勵,沒有像素重構。模型純粹透過表徵空間中的自監督預測進行訓練。
    雖然兩者都在潛在空間中運作,但它們在四個方面存在重要差異:
    訓練訊號:潛在動力學模型透過重構損失(經由解碼器)和通常的獎勵訊號進行 End to End (端到端) 訓練;潛在狀態由重構像素和預測回報的需求所塑造。JEPA 僅使用單一的「嵌入空間內自監督預測」目標進行訓練——沒有解碼器,也沒有獎勵。
    對生成的立場:潛在動力學模型擁抱生成;例如 Dreamer 4 可以從潛在狀態想像出完整的影片序列。JEPA 則完全拒絕將生成作為訓練目標。LeCun 的論點是,世界包含本質上不可預測的細節(樹上的葉子、感測器的雜訊),強迫模型在像素層級預測這些細節,會浪費模型容量在那些根本無法預測的事物上。
    任務特定性:潛在動力學模型通常針對特定環境或任務進行訓練,獎勵會塑造潛在空間。JEPA 則以任務無關、無獎勵的方式在影片上進行訓練,隨後透過 MPC 或小型動作條件預測器適應下游控制任務。
    控制方式:潛在動力學模型通常在世界模型內部訓練一個明確的 Actor-Critic。基於 JEPA 的控制器通常在測試時執行 MPC:採樣候選動作序列,在嵌入空間中向前模擬,並選擇預測嵌入最接近目標嵌入的那一個。
    這如何符合 LeCun 的定義:不出所料,這是與正式定義最契合的路徑。潛在動力學模型擁有強大的 Enc()、透過 RSSM 實現的強大 Pred()、隨機採樣 z(t),以及訓練時使用但在規劃時常被捨棄的 Dec()。JEPA 則是純度最高的契合者——Dec() 從設計上就被移除,LeCun 認為這是一個特性,而非缺陷。
    3D 神經世界模型(3D Neural World Models)
    第三類別致力於將 3D 幾何作為表徵。NeRF 開創了這一先河——一種隱式神經函數,將 3D 座標映射到顏色和密度,並透過體積射線投射(volumetric ray marching)進行渲染。過去兩年,3D Gaussian Splatting 在很大程度上取代了 NeRF,它將隱式函數替換為數百萬個明確的小型半透明高斯球體,渲染速度大幅提升。
    World Labs…
    10 min
  • @aileaksofficial:GitHub Copilot 調整個人方案以應對 Agentic 工作流程資源壓力。 GitHub 宣布對 Copilot 個人方案進行重大變更,包括暫停…
    GitHub Copilot 調整個人方案以應對 Agentic 工作流程資源壓力。
    GitHub 宣布對 Copilot 個人方案進行重大變更,包括暫停新註冊、收緊使用限制並調整模型可用性,以保護既有使用者的體驗品質。這些措施源於 Agentic 工作流程大幅提升運算需求,導致服務可靠性面臨挑戰,官方承認變更具破壞性,但強調必要性。
    暫停新註冊與方案差異
    GitHub Copilot Pro、Pro+ 及學生方案暫停新註冊,此舉旨在優先服務既有使用者。
    Pro+ 方案提供超過 Pro 方案 5 倍的使用限制,使用者可從 Pro 升級至 Pro+ 以獲更高額度。
    Opus 模型從 Pro 方案移除,Opus 4.7 僅限 Pro+ 方案;Opus 4.5 及 Opus 4.6 將從 Pro+ 移除,如變更公告所述。
    使用限制機制詳解
    Copilot 設有兩種使用限制:會話限制(session limit)及每週限制(7 天週期),皆依 token 消耗量及模型乘數(multiplier)計算。
    會話限制防止高峰期過載,大多數使用者不受影響;觸發後須待重置視窗才可續用,未來將依需求與可靠性動態調整。
    每週限制針對平行化、長軌跡請求,控制高成本消耗;觸發後若剩 premium requests,可切換 Auto 模型選擇,直至週期重置。
    使用限制獨立於 premium requests,前者為 token 基底上限,後者決定模型存取與請求數量。即使剩 premium requests,仍可能觸發使用限制。
    透明度提升與避限建議
    自即日起,VS Code 及 Copilot CLI 顯示即時剩餘額度,助使用者避免意外觸限。
    選擇乘數較小的模型處理簡單任務,避免快速耗盡額度。
    Pro 使用者升級 Pro+ 可獲 5 倍以上額度。
    使用 plan mode 提升任務效率與成功率。
    減少平行工作流程,如 /fleet 工具會大幅增加 token 消耗,接近限制時應少用。
    變更原因與官方立場
    Agentic 工作流程根本改變 Copilot 運算需求,長時間平行化會話常超原方案設計,代理執行更多工作導致使用者頻觸限制,無行動將使全體服務品質惡化。官方承認聽到使用者對限制與模型可用性的不滿,並承諾改善溝通,但強調這些高價值工作流程已挑戰基礎設施與定價結構,常見少數請求成本即超方案價格,此為 GitHub 需自行解決的問題。今日措施確保既有使用者獲可預測體驗,同時開發永續方案;不滿者可在 5 月 20 日前至計費設定取消 Pro 或 Pro+ 訂閱並獲剩餘時間退款。
    未來展望與「Copilot Max」暗示
    官方公告雖聚焦防護既有使用者,但 AI Leaks 指出「Copilot Max」方案正開發中,月費 99 美元,作為更高階 AI 體驗的預留位置,顯示 GitHub 正重整產品線以因應需求。公告於 2026 年 4 月 20 日發布,並於 4 月 21 日更新退款政策說明,4 月 29 日最後更新,反映快速迭代應對。
    原文:https://easyvibecoding.app/curated/1090
    5 min
  • @dotey:Demis Hassabis:AGI 還缺什麼,Agent 到底行不行,下一個科學突破長什麼樣 Demis Hassabis 是 Google DeepM…
    Demis Hassabis:AGI 還缺什麼,Agent 到底行不行,下一個科學突破長什麼樣
    Demis Hassabis 是 Google DeepMind 的 CEO,也是 Isomorphic Labs 的 CEO。他在棋手神童和遊戲開發者的身份之外,拿了認知神經科學的博士學位,研究海馬體和記憶的工作方式。2024 年,他因為 AlphaFold 的工作獲得諾貝爾化學獎。
    這次他做客 Y Combinator 的 How to Build the Future 直播,和 YC CEO Garry Tan 聊了四十分鐘。幾個核心話題:當前 AI 範式距離 AGI 還差什麼、Agent 的真實水平、AI 在科學領域的突破模式,以及給深科技創業者的建議。
    原始影片:https://www.youtube.com/watch?v=JNyuX1zoOgU
    原始標題:Demis Hassabis: Agents, AGI & The Next Big Scientific Breakthrough
    要點速覽
    Hassabis 認為當前範式(預訓練 + RLHF + 思維鏈)會是 AGI 架構的一部分,但有 50% 的機率還需要一兩個尚未發現的關鍵突破,持續學習、長程推理和記憶是三個未解問題。
    百萬 token 上下文視窗聽起來很大,但處理即時影片時只夠錄 20 分鐘,當前把所有東西塞進上下文視窗的做法是「用膠帶糊住的臨時方案」。
    AlphaGo 和 AlphaZero 時代的技術(蒙地卡羅樹搜尋等)正在被重新引入當代基礎模型,Hassabis 認為未來幾年的進步將大量來自這些舊想法的規模化應用。
    他用下棋來測試 Gemini 的推理能力,發現模型會識別出一步是錯棋,找不到更好選擇後又回去走那步錯棋,這種「缺乏自省」是當前推理系統的核心缺陷。
    創造力的真正測試是能否從一段高層描述中發明圍棋這個遊戲本身,AlphaGo 下出 Move 37 級別的創造力還遠遠不夠。
    完整虛擬細胞大約還需要 10 年,關鍵瓶頸是無法在不殺死細胞的情況下對活細胞進行奈米級解析度成像。
    他給創業者的建議:如果你的 AGI 時間線是 2030 年,深科技創業通常需要 10 年,那 AGI 會在你旅程的中途出現,你的商業計畫必須把這個因素算進去。
    【1】AGI 還缺一兩塊拼圖,機率 50/50
    Garry Tan 開場問:當前的 AI 範式,大規模預訓練、RLHF、思維鏈,這些東西裡已經包含了多少 AGI 的最終架構?還有什麼根本性的缺失?
    Hassabis 的回答比較謹慎。他說當前這些組件「幾乎可以確定」會是 AGI 最終架構的一部分,走到今天這一步已經證明了太多東西,不可能突然發現這是一條死路。但在已有的東西之上,可能還需要一兩個大想法。
    他列出了三個未解問題:持續學習(continual learning,即模型在部署後持續從新經驗中學習的能力)、長程推理,以及記憶的某些方面。這些問題也許能靠現有技術的漸進式創新解決,也許需要全新的方法。
    他給出了一個有意思的機率判斷:50/50。一半機率是現有技術足夠,另一半機率是還缺一兩個關鍵突破。Google DeepMind 兩邊都在押注。
    【2】記憶:百萬 token 上下文其實不夠用
    話題自然轉到了記憶和上下文視窗。Garry Tan 提到現在的系統每次處理都是無狀態的,持續學習缺失的情況下,大家都在用「夢境循環」(定期批次更新)這類臨時方案。
    Hassabis 對這個話題有獨特的發言權。他的博士研究就是海馬體如何將新知識優雅地整合進已有的知識庫。大腦在睡眠(特別是 REM 快速動眼期)中回放重要的經歷片段來鞏固學習,DeepMind 最早的 Atari 遊戲 AI 程式 DQN 就借鑒了這個機制,用「經驗回放」(experience replay)反覆重放成功的遊戲軌跡來加速學習。
    我們現在的做法有點像用膠帶糊住,就是把所有東西都塞進上下文視窗。
    (“We're kind of using duct tape right now—shove it all in the context window.”)
    他接著解釋為什麼這個方案不夠好。百萬 token 上下文視窗聽起來很大,人類的工作記憶平均只有 7 個數字左右,而 AI 有百萬甚至千萬級別的上下文。但問題是,我們把所有東西都扔進去了,不管重要不重要、對不對。更關鍵的是,如果你要處理即時影片流,天真地錄入所有 token 的話,百萬 token 其實只夠 20 分鐘。如果你想讓系統理解你一兩個月的生活,遠遠不夠。
    即使儲存空間無限,找到當下決策真正需要的那條資訊,這個搜尋成本也是不可忽視的。Hassabis 認為記憶領域還有很大的創新空間。
    【3】AlphaGo 的技術遺產正在復活
    Garry Tan 追問 DeepMind 在強化學習方面的歷史積累,AlphaGo、AlphaZero、MuZero 這些系統背後的哲學在今天建構 Gemini 時發揮了多大作用。
    Hassabis 說強化學習的重要性「在起伏中輪迴」。DeepMind 從創立第一天起就在做 Agent,Atari 遊戲 AI 和 AlphaGo 說到底都是 Agent 系統,能自主設定目標、做決策、制定計畫。當時選擇遊戲領域是為了讓問題可控,然後逐步挑戰更複雜的遊戲,比如 AlphaGo 之後又做了星海爭霸(AlphaStar)。
    過去幾年的核心問題是:能否把這些模型從遊戲推廣到語言和世界模型?而今天所有前沿模型的思維模式和思維鏈推理,其實都可以追溯到 AlphaGo 時代開拓的路徑。
    他透露了一個值得關注的資訊:Google DeepMind 正在重新審視當年的一些舊想法,包括蒙地卡羅樹搜尋(Monte Carlo tree search)等方法,在當今基礎模型的規模上重新應用。他認為未來幾年 AI 的很多進步將來自於 AlphaGo 和 AlphaZero 時代的想法與現代基礎模型的結合。
    【4】小模型在快速變聰明
    Garry Tan 觀察到蒸餾技術讓小模型越來越接近前沿模型的能力,Flash 模型大約能達到前沿模型 95% 的水平,成本只有十分之一。他問蒸餾有沒有極限。
    Hassabis 說這是 Google DeepMind 的核心優勢之一。他們當然要建最大的模型來推動能力邊界,但快速把這些能力壓縮到更小模型中是他們的強項。Google 有十幾個十億使用者級的產品,搜尋的 AI 概覽和 AI 模式、Gemini 應用、YouTube、Maps,每一個都需要 AI 服務。幾十億使用者需要極快、極高效、低延遲的服務,這種商業壓力反過來成了技術進步的引擎。
    關於蒸餾的理論極限,他說目前沒有看到任何資訊密度的硬性天花板。他們的工作假設是:前沿模型發布半年到一年後,同等能力就會出現在邊緣級小模型上。
    他還提到了一個架構設想:未來可能是高效的本地模型處理日常任務(比如音訊和影片流),只在特定情況下才呼叫雲端的前沿模型。這種「本地 + 雲端」的分層架構對隱私和安全特別有意義,尤其是考慮到家用機器人等場景。
    【5】Gemini 下棋暴露的推理缺陷
    Garry Tan 接著問推理能力:模型能做出很厲害的思維鏈推理,但在聰明大學生不會犯的錯誤上翻車。
    Hassabis 認為當前的思維範式還很粗糙,有很大的創新空間。比如可以監控思維鏈的進展、在推理過程中途介入糾正。他經常覺得這些系統在「過度思考」,陷入某種循環。
    他舉了一個具體的例子。他有時會用 Gemini 下棋,所有前沿基礎模型在遊戲上都表現很差,但這恰好提供了一個有趣的觀察視窗。因為棋局的規則是確定的,他能很快判斷模型的思維鏈是否在走彎路。
    他觀察到的現象是:模型考慮某一步,意識到這步是臭棋,但找不到更好的,於是繞了一圈又回到那步棋,然後走了出去。
    在一個真正精確的推理系統裡,你不應該看到這種情況。
    (“You just shouldn't be seeing that happening in a very precise reasoning system.”)
    這就是他所說的「鋸齒狀智慧」(jagged intelligence):一方面能解國際數學奧林匹亞(IMO)金牌級別的問題,另一方面換個提問方式就會犯基本的算術錯誤。在他看來,這種不一致說明系統缺少某種對自身思維過程的「自省」能力。但他也補充說,修復這種缺陷可能只需要一兩個關鍵調整。
    【6】Agent:實驗階段,投入產出比還沒對上
    Garry Tan 問 Agent 是炒作還是剛剛開始。Hassabis 的回答是:剛剛開始,但還在實驗階段。
    他的論點是:要達到 AGI,你必須有一個能主動解決問題的系統,Agent 就是通向 AGI 的路徑。但目前,Agent 在「完整任務」上還不夠好,主要是因為它們不能在具體使用環境中持續學習和適應。缺乏持續學習是 Agent 無法做到「交付後不管」(fire and forget)的根本原因。
    他還提到了 a 個耐人尋味的觀察:
    我看到很多人啟動幾十個 Agent 跑 40 個小時,但我不確定產出能匹配這種級別的投入。
    (“I see a lot of…
    6 min
  • @jaseweston:Autodata透過Agentic方式自動生成高品質訓練與評估資料,將推理運算轉化為模型效能提升。 Facebook Research推出「Autodat…
    Autodata透過Agentic方式自動生成高品質訓練與評估資料,將推理運算轉化為模型效能提升。
    Facebook Research推出「Autodata」,一種讓AI Agent扮演資料科學家,迭代建構高品質訓練與評估資料的方法。透過meta-優化資料科學家Agent,能產生更優資料,Agentic Self-Instruct實作在科學推理任務上顯著優於傳統合成資料生成法。
    背景與動機
    傳統AI訓練仰賴人類撰寫資料,但效能提升日益依賴模型自身生成的合成資料。此法解決真實語料中邊緣案例與長尾情境不足、手動標註耗時等問題,並可能產生比人類資料更具挑戰性的內容。自「Self-Instruct」以降,零/少樣本提示、Grounded Self-Instruct( grounding於文件以減幻覺增多樣)、CoT Self-Instruct(加入思考鏈推理建構複雜任務)、Self-Challenging(挑戰Agent互動工具提任務與評估函數)等方法陸續出現,但皆僅靠過濾、演化、精煉控制品質,無法精準把關。
    Autodata核心架構
    Autodata泛化上述方法,讓Agent如人類資料科學家般建構與策展資料,包括基準資料與訓練資料。流程涵蓋初始資料生成、分析(逐例檢查正確性、品質、挑戰度,或資料集層級多樣性、訓練效能)、萃取洞見,並迭代改善配方至停止條件。外部迴圈設防駭機制,多代Agent可累積前代洞見。
    資料生成:主LLM Agent grounding於特定文件(如數學、法律、程式碼),運用工具、先前技能與推理時運算,反覆生成LLM訓練或基準資料。
    資料分析:檢視生成資料優缺,逐例評估正確性/挑戰度,或資料集多樣性/訓練效用,將洞見回饋下輪生成,直至滿意。
    整體資料科學家迴圈:重複生成-分析至輸出最終資料集。
    meta-優化資料科學家Agent
    進一步meta-優化Agent本身,提升其資料科學家效能。使用autoresearch或meta-harness優化,內迴圈(生成更好資料)標準指導外迴圈(Agent優化),如演化優化框架將Agent harness視為程式碼迭代改善。
    Agentic Self-Instruct具體實作
    實驗聚焦「Agentic Self-Instruct」,主LLM Agent存取四子Agent:
    (i) Challenger LLM:依主Agent提示生成訓練範例。
    (ii) 「弱」解題器:預期多數失敗。
    (iii) 「強」解題器:預期多數成功。
    (iv) 驗證器/評審:檢查範例與模型解品質。
    主Agent發初始提示(含grounding資料)予Challenger生成輸入-回應對,後送弱/強解題器,依驗證器判斷給獎勵。可驗證任務要求強解題器多數票正確、弱解題器多數錯;不可驗證任務則依評審評分量尺差距。分析報告若未達標,主Agent依洞見修改Challenger提示,重試至達標。此法讓Agent學會生成專門挑戰「弱」解題器的資料。「弱/強」解題器可為同一LLM不同模式,如強版增推理運算、鷗骨架、聚合,或存取特權資訊。
    電腦科學研究任務實驗
    測試於開放式電腦科學(CS)研究問題,使用S2ORC語料庫(2022+)逾10,000篇學術CS論文。Challenger生成脈絡、問題、參考答案、自包含評分量尺(權重準則,評審如Kimi-K2.5無參考答案評分)。Kimi-K2.5任主協調/挑戰/評審Agent;Qwen3.5-397B-A17B為強解題器;Qwen3.5-4B為弱解題器。僅強解題器顯著高於弱者之問題視為有用。處理逾10,000篇論文,產生2,117對QA滿足品質與效能差距。
    資料品質分析結果
    Agentic Self-Instruct迭代過程透過探索改善品質,每輪依回饋(前題太易/無法區分)從不同推理角度生成新題。接受題目需質性不同推理:特定技術機制、多步推導、論文專屬設計權衡,勝過無迴圈之泛化題目。
    與CoT Self-Instruct(單次提示生成)比較,後者弱/強解題器評分近似(弱71.4%、強73.3%,差距僅1.9個百分點),顯示單次題目無法挑戰任一模型。Agentic Self-Instruct降弱分至43.7%、升強分至77.8%,差距擴至34點,專門獎勵強模型能力,而非兩模型皆能解題。
    RL訓練結果
    以Kimi-K2.6為獎勵模型,依生成量尺評分,使用各資料集保留100例為測試集,GRPO訓練Qwen-3.5-4B約一輪。Agentic Self-Instruct資料訓練模型在兩測試集(分佈內/外)均顯優,證明Agentic管線生成挑戰資料轉化為更強推理效能。
    meta-優化實驗發現
    meta-優化資料科學家Agent,使用內迴圈標準優化harness。經軌跡分析識別系統失效:弱解題器泛化答案與量尺格式錯誤為主因。優化自動發現並修改harness:
    論文專屬洞見強制:要求題目測試論文特定知識,非泛ML/CS知識。
    脈絡洩漏防阻:脈絡僅述問題領域/設定,絕不涉論文解法。
    正向量尺與權重上限:移除負權準則(常誤殺強模型分數)。
    結構化量尺格式:強制JSON格式整數權重,消解析錯誤。
    結論與未來方向
    初始實驗僅冰山一角,進一步探索優化將帶來更大獲益。未來擴及其他任務/模型/基準;強化防駭(如Agent改弱解題器提示假裝弱,已部分處理);擴例級至資料集級分析(如多樣統計、與既有資料集互動);從自改善進階「co-improvement」,Autodata系統任挑戰者,同時訓練其技能/權重與解題器。此方向有潛力改變AI資料建構方式,將增加推理運算轉為更高品質模型訓練。
    原文:https://easyvibecoding.app/curated/1082
    5 min
  • @aaronp613:Apple 支援 App 更新意外洩露 Claude.md 設定檔,遭緊急修補。 Apple 在「Apple Support」App v5.13 更新中意…
    Apple 支援 App 更新意外洩露 Claude.md 設定檔,遭緊急修補。
    Apple 在「Apple Support」App v5.13 更新中意外嵌入 Claude.md 檔案,暴露內部 AI 開發配置,隨後於 v5.13.1 發佈緊急更新移除。
    事件經過
    使用者 @aaronp613 發現 Apple 於今日推送的「Apple Support」App v5.13 更新中,意外包含 Claude.md 檔案,此檔為 Claude Code的專案級 Markdown 設定檔。Aaron 發文後,Apple 迅速回應,推出 v5.13.1 緊急版本移除這些檔案。
    Claude.md 功能
    Claude.md 如同 AI 的「新人入職指南」或「大腦」,置於專案根目錄,讓 Claude 每次啟動時自動讀取:
    專案架構
    開發規則
    常用指令
    注意事項
    解決重啟對話後 AI 遺忘上下文的痛點,大幅提升自動化開發效率。
    隱含意義
    此意外洩露顯示 Apple 內部積極採用 Claude Code於 App 開發流程,凸顯大型軟體專案對 AI 助手的依賴,但也暴露設定檔管理疏失,引發安全疑慮。
    原文:https://easyvibecoding.app/curated/1077
    2 min
  • @DrizzleORM:Drizzle ORM 推出 v1.0.0-rc.1,效能逼近原生驅動並支援 LLM Agent。 版本亮點 Drizzle ORM 發布 v1.0…
    Drizzle ORM 推出 v1.0.0-rc.1,效能逼近原生驅動並支援 LLM Agent。
    版本亮點
    Drizzle ORM 發布 v1.0.0-rc.1,帶來多項重大升級,包括 Effect v4 原生支援、JIT row mappers 將 ORM 開銷壓低至近零、重構 casing API(這是重大變更),以及 Drizzle for LLM agents(預覽版)。開發團隊強調,Drizzle 現在快到與直接使用 raw driver 並手動映射(或不映射)結果不相上下,徹底擺脫 ORM 效能瓶頸。
    效能革命
    開發者質疑為何還需持續優化 Drizzle 的速度(或說「變得不那麼慢」),因為許多人僅用它來管理 schema 和 migrations,卻搭配 GoLang 後端,這正是他們想改變的現況。現在,搭配 Bun with bun/sql,或 Elysia/Hono + Drizzle with JIT 的組合,甚至比 GoLang 伺服器使用 sonic、fiber 和 fasthttp 還要快,程式碼卻更密集且簡潔。團隊欽佩 JS 生態,並希望扭轉「JS 很慢」的刻板印象,這在當今已絕非事實。
    Effect v4 整合
    Drizzle 現原生支援 Effect v4,這是 v1.0.0-rc.1 的核心新功能之一,讓開發者在 Effect 生態中無縫運用 Drizzle 的 ORM 能力。
    重大變更警示
    ⚠️ casing API 已全面重構,這是 breaking change,使用者需注意相容性調整。
    試用指引
    可透過 @1.0.0-rc.1 標籤立即試用,並提供回饋。若想體驗 Drizzle for LLM agents,可切換至 drizzle-orm@ai 分支,團隊歡迎在這裡或 Discord 求助,他們將提供完整指引。
    對 Prisma 的諷刺
    當有人問「Drizzle,那 Prisma 呢?」,開發團隊回應已基準測試 Prisma v7.8,但鑑於 Prisma 目前正經歷的種種變動(whatever they do/going through),這是否還有意義?Drizzle 四年來專注做好 ORM 本份;Prisma 八年後卻像在拚命求生(doing whatever they can to stay)。你怎麼想?歡迎在下方留言區分享看法!
    原文:https://easyvibecoding.app/curated/1104
    3 min
  • @thsottiaux:Codex CLI 支援長時間持續運作與目標追蹤。 Codex CLI 最新版本讓 Agent 能連續運作數天,搭配 GPT-5.5 模型,能處理複雜程式…
    Codex CLI 支援長時間持續運作與目標追蹤。
    Codex CLI 最新版本讓 Agent 能連續運作數天,搭配 GPT-5.5 模型,能處理複雜程式開發任務,如建構完整 OS 核心程式、偵測程式庫關鍵錯誤或最佳化資料庫結構,潛力無限。
    Codex CLI 0.128.0 新功能
    新增「/goal」指令,實現「Ralph loop」概念:跨多輪互動維持單一目標不中斷,直至達成。
    由 Eric Traut(Pyright 開發者、Felipe Coury 的 OpenAI 導師)打造,他被譽為日常合作的「GOAT」(頂尖高手)之一。
    Agentic 程式開發進展
    此更新讓 Codex CLI 能「把目標養起來」,避免傳統 Agent 輕易中斷,適用於 GPT-5.5 等先進模型驅動的長程任務,如自主建 OS 核心或除錯大型程式庫,展現無盡應用可能。
    原文:https://easyvibecoding.app/curated/1080
    2 min