EasyVibeCoding Podcast

EasyVibeCoding Podcast

By EasyVibeCodingTechnology
Download on the App Store

All EasyVibeCoding Podcast episodes

  • Goodfire AI 推出 Silico 讓使用者重現學術論文

    Goodfire AI 推出 Silico 讓使用者重現學術論文。

    Goodfire AI 近期公開了其研究平台 Silico 的私有 Beta 版本,該平台旨在模擬 AI 研究團隊的實驗能力,協助使用者快速重現複雜的 AI 研究成果。Silico 透過自動化流程,將原本需要數月開發的實驗縮短至數天內完成,並提供模型內部的可視化分析工具。
    核心功能與實驗重現
    Silico 具備強大的自動化研究能力,能針對特定模型執行複雜的實驗任務:
    J-space 重現:在 GLM-5.2 模型上成功重現 J-space,並將 context window 擴展至約 256k token,在多跳(multi-hop)問答任務中達到與原研究一致的關鍵結果。
    RLFR 方法實作:Silico 在兩天內重現了 Goodfire AI 團隊耗時數月開發的 RLFR(Reinforcement Learning from Feature Rewards)方法。該方法利用模型內部的探針(probes)作為強化學習的獎勵訊號,成功將 Qwen3-8B 的幻覺率降低了 37%,且未造成模型能力的損失。
    根據 Goodfire AI 的實驗,利用內部探針作為強化學習回饋的 RLFR 方法,在 GRPO 訓練 150 步後,成功將 Qwen3-8B 的真實幻覺率從約 0.29 降低至 0.15,且未發生能力損失。
    自動化研究流程:根據平台展示,使用者可上傳 PDF 論文,系統會自動解析並提供「Replicate a paper」選項,自動生成實驗計畫與訓練堆疊(Training stack),包含 GRPO 訓練器、採樣器及幻覺探針環境。實驗啟動後,系統可自動執行 Slurm 指令並即時串流訓練指標,如 reward/mean、hallucinate_rate/eval 與 loss/value 等。
    Silico 平台展示了透過上傳研究論文並自動化執行實驗、擴展訓練規模及分析模型表徵的完整研究流程。
    模型內部表徵分析
    Silico 強調「透視」模型內部學習機制的能力,讓研究者能觀察模型如何理解資料:
    蛋白質語言模型分析:透過在蛋白質語言模型上使用 BSFs(Block-Sparse Featurizers),Silico 在無監督的情況下,於模型內部發現了與已知蛋白質結構相關的表徵子空間(subspaces)。
    Silico 在無監督的情況下,成功發現蛋白質語言模型中的子空間激活狀態與已知的 AlphaFold 蛋白質結構(Q7XP65)高度相關。
    病理模型解釋:平台展示了對 Midnight-12k 模型的一次性(one-shot)重現,透過 PICASSO 技術解釋數位病理模型。該技術能將模型所見的影像拆解為可讀的概念,識別出哪些特徵驅動了癌症預測,並模擬組織變化如何影響模型的預測結果。
    概念調整演示:在概念調整介面中,使用者可透過調整「concept push」滑桿(如 Concept c26120),即時改變生物組織切片影像的特徵表現,從平滑結構演變為高密度病理特徵,並即時監控 mean realized 數值變化。
    該影片展示了 Goodfire AI 平台透過調整「Concept c26120」的推力參數(push level),即時改變四組生物組織切片影像特徵的演示過程。
    擴展與存取
    Silico 支援大規模運算資源的調度,在展示中曾將訓練規模擴展至 64 個節點、512 個 GPU,以處理如 GLM-5.2 等大型模型的實驗需求。目前該平台已開放私有 Beta 測試申請,有興趣的使用者可透過 Goodfire AI 官方網站 提出存取請求。

    Silico 平台展示了透過上傳研究論文並自動化執行實驗、擴展訓練規模及分析模型表徵的完整研究流程。 影片中的 Prompt 與操作:

    Prompt(00:02): 重現這篇論文

    原文:replicate this paper

    Prompt(00:22): 現在擴大它的規模

    原文:now scale it up

    Prompt(00:23): 現在將其擴大到 GLM 5.2

    原文:now scale it up to GLM 5.2

    Prompt(00:31): 訓練是如何重塑模型的表徵?

    原文:how did training reshape the model's representations?

    操作步驟: 1. (00:01)上傳 PDF 檔案 2. (00:02)輸入「replicate this paper」並送出 3. (00:08)點擊「Launch experiment」 4. (00:22)輸入「now scale it up」並送出 5. (00:23)輸入「now scale it up to GLM 5.2」並送出 6. (00:29)輸入「how did training reshape the model's representations?」並送出

    該影片展示了 Goodfire AI 平台透過調整「Concept c26120」的推力參數(push level),即時改變四組生物組織切片影像特徵的演示過程。 影片中的 Prompt 與操作:

    操作步驟: 1. (00:00)調整 concept push 滑桿至 p50 2. (00:01)調整 concept push 滑桿至 p90 3. (00:02)調整 concept push 滑桿至 1.5x p99 4. (00:03)調整 concept push 滑桿至 3x p99 5. (00:04)調整 concept push 滑桿至 2x p99 6. (00:05)調整 concept push 滑桿至 p99 7. (00:06)調整 concept push 滑桿至 p75

    原文:https://easyvibecoding.app/curated/2501-goodfire-ai-launches-silico-reproduces-papers

    4 min
  • Perplexity 發布 WANDR 評估 Agent 研究能力

    Perplexity 發布 WANDR 評估 Agent 研究能力。

    Perplexity 開源其內部基準測試 WANDR,該基準由 500 個研究任務組成,圖表展示了其在任務成員數、每成員記錄數、每任務記錄數及層級深度上的多樣化分佈,用以評估 AI 代理的廣度與深度研究能力。
    Perplexity 執行長 Aravind Srinivas 指出,Perplexity 內部高度依賴嚴謹的評估指標與基準測試;他也表示 Perplexity 在成本與效能的權衡上表現最佳。此次開源的「WANDR」(Wide ANd Deep Research)基準測試,正是該公司用來衡量 Agent 在處理複雜研究任務時,能否同時兼顧「廣度搜尋」與「深度驗證」的核心工具。
    WANDR 的核心設計理念
    WANDR 專為解決知識型工作中的複雜任務而設計,例如市場分析、盡職調查、文獻回顧與產品比較。這些任務通常要求 Agent 必須具備兩項關鍵能力:
    廣度(Wide):必須搜尋足夠廣泛的範圍,以找出所有符合條件的實體。
    深度(Deep):必須針對每個實體進行足夠深入的調查,並以具體證據支持每一項主張。
    此圖表展示了 WANDR 基準測試中 500 個研究任務在寬度(所需成員數)與深度(每個成員所需記錄數)維度上的分佈,並依三種難度級別進行標記比較。
    WANDR 包含 500 項真實的研究任務,並透過階層式、可獨立驗證的記錄結構來評分。與傳統依賴「標準答案」的測試不同,WANDR 採取「證據驗證」機制,會重新抓取 Agent 所引用的網頁,並檢查該網頁內容是否確實支持其提出的主張,這使得該工具能處理隨時間變化的事實。
    技術架構與執行流程
    WANDR 的評估流程具備高度的自動化與可解釋性,其 pipeline 同時兼具訓練資料生產工廠的功能。開發者可透過以下步驟進行部署與測試:
    這張流程圖詳細說明了 WANDR 任務從種子生成、編寫、審核到最終篩選的四個階段建構過程。
    確保環境已安裝 Python 3.12、uv 以及 Docker。
    複製專案並同步環境:
    `bash
    git clone https://github.com/perplexityai/wandr.git
    cd wandr
    uv --no-config sync --locked
    `
    建立環境變數檔案 .env 並填入相關 API Key。
    執行環境檢查:
    `bash
    ./scripts/wandr check
    `
    執行快速測試(Smoke Test):
    `bash
    ./scripts/wandr smoke-local
    `
    注意:smoke-local 仍會呼叫付費的 OpenAI 與 Perplexity API,執行前請確認 API Key 與費用。
    評估指標與實際影響
    根據 Perplexity 的測試結果,目前市場上的系統在處理「廣度與深度」兼具的任務時仍有很大進步空間。在 500 項任務的評測中,Perplexity 的「Search as Code」(SaC)系統在 Soft F1 分數上取得 0.363 的領先,而 Anthropic 則以 0.249 位居第二。
    根據 WANDR 基準測試結果,Perplexity (PPLX) 在成本與性能的資源權衡邊界上表現最佳,其 Soft F1 與 Hard F1 分數均顯著超越 Anthropic、OpenAI、Gemini 等競爭對手。
    WANDR 不僅提供單一的排行榜分數,其詳細的診斷報告能精確指出 Agent 在發現、資料豐富化、實體識別或證據建構等哪個環節失敗。此外,該工具的結構化設計也為強化學習(Reinforcement Learning)提供了潛在路徑,訓練者可以利用記錄層級的判斷來給予部分獎勵,引導 Agent 學會規劃覆蓋範圍並主動偵測缺失的資訊分支。詳細的技術報告與工具原始碼已公開於 GitHub 專案頁面。
    此圖表比較了 PPLX、OpenAI、Anthropic、Parallel、Exa 與 Gemini 在不同成本、中位數延遲及總 Token 消耗量下的 Hard F1 分數表現。
    在 WANDR 基準測試中,Perplexity (PPLX) 在成本與性能(精準率與召回率)的權衡前沿上,展現出最佳的深寬度研究能力。

    原文:https://easyvibecoding.app/curated/2500-perplexity-launches-wandr-agent-benchmark

    4 min
  • Codex 與 ChatGPT Work 重置使用者帳號額度

    Codex 與 ChatGPT Work 重置使用者帳號額度。

    里程碑慶祝
    Tibo (@thsottiaux) 於 2026 年 7 月 14 日宣布,Codex 與 ChatGPT Work 的活躍使用者數已正式達到 700 萬。為了慶祝此項成就,官方已為所有使用者的帳號新增一項「banked reset」功能,讓使用者能手動重置每週的使用額度。
    操作指引
    使用者可透過以下方式領取並套用額度重置:
    桌面應用程式(Desktop App):可直接套用額度重置。
    網頁版(Web):可直接套用額度重置。
    未來展望
    官方對成長速度持樂觀態度,Tibo (@thsottiaux) 並暗示最快可能在隔日(7 月 15 日)即會迎來 800 萬活躍使用者的慶祝活動。

    原文:https://easyvibecoding.app/curated/2499-codex-chatgpt-work-reset-account-quotas

    1 min
  • Elon Musk 承諾清除先前上傳的 Grok Build 資料;既有 /privacy 指令可退出同步

    Elon Musk 承諾清除先前上傳的 Grok Build 資料;既有 /privacy 指令可退出同步。

    事件背景與隱私爭議
    近期社群對於「Grok Build」的資料處理方式爆發強烈質疑,多位使用者指出該工具的 CLI 預設行為會將使用者沙盒內的程式碼庫(codebase)上傳至伺服器,引發對隱私權與資料外洩的嚴重擔憂。針對這些指控,xAI 官方與相關工程師 Andrew Milich 強調,Grok Build 一直以來都支援「零資料保留」(Zero Data Retention, ZDR)機制,並聲稱 /privacy 指令自首個版本發布以來便已存在,能讓使用者隨時調整設定並刪除先前同步的資料。
    官方回應與補救措施
    面對社群的猛烈抨擊,Elon Musk 親自出面回應,宣布作為預防性措施,所有在該時間點之前上傳至 SpaceXAI 的使用者資料將被徹底刪除,確保不留任何痕跡。xAI 官方亦重申,對於使用 ZDR 的團隊,系統不會保留任何追蹤紀錄與程式碼資料,且此規範同樣適用於所有透過 API 金鑰呼叫 Grok Build 的場景。
    這張圖片說明了 xAI 產品中關於資料隱私設定的說明,包含如何透過指令切換資料分享模式以決定程式碼資料是否用於產品優化。
    若使用者希望管理資料保留設定,可在 CLI 執行 /privacy 指令。以下為社群使用者 XBToshi 示範的操作步驟(先在空白暫存目錄啟動,避免將真實專案的程式碼同步上傳):
    建立並進入空白暫存目錄:
    `bash
    mkdir -p /tmp/grok-priv && cd /tmp/grok-priv
    `
    啟動 Grok CLI:
    `bash
    grok
    `
    執行隱私設定指令以退出資料同步:
    `bash
    /privacy opt-out
    `
    社群質疑與信任危機
    儘管官方給出了刪除資料的承諾,但社群對此仍抱持高度懷疑。批評者認為,xAI 在未經使用者明確同意的情況下,擅自將使用者電腦中的資料上傳至伺服器,這種行為在法律與道德上均難以接受。主要爭議點包括:
    缺乏透明度:使用者質疑官方為何在未經共識的情況下採取此類資料收集行為,並認為這並非單純的技術疏失,而是刻意為之的訓練資料獲取手段。
    不可驗證性:如使用者 XBToshi 指出,目前刪除資料的承諾僅建立在 xAI 的「口頭保證」上,外部使用者無法審計 xAI 的 Google Cloud Storage(GCS)以確認過往的資料包是否真的已被徹底銷毀。
    產業標準對比:部分使用者將此事件與其他工具(如 Claude Code)進行比較,指出雖然其他工具也存在資料保留問題,但 Grok Build 此次被指控「直接下載整台電腦內容」的行為,被認為更具惡意且令人不安。
    後續影響
    此次事件嚴重打擊了使用者對 Grok Build 的信任,部分使用者表示已決定解除安裝該 CLI 工具。儘管 Jason Ginsberg 等工程師試圖透過澄清預設設定與 ZDR 機制來平息眾怒,但社群中關於「AI Agent 是否會透過操作軌跡重建使用者機密內容」的擔憂依然存在。這場風波凸顯了在 AI 程式開發工具中,隱私權與便利性之間極度脆弱的平衡,以及使用者對於「黑箱」資料處理流程日益增長的零容忍態度。

    原文:https://easyvibecoding.app/curated/2498-elon-musk-vows-to-delete-grok-build-uploads

    4 min
  • Claude 推出 Artifacts 公開分享功能

    Claude 推出 Artifacts 公開分享功能。

    核心功能更新
    Claude 官方宣布 Artifacts 迎來重大升級,正式支援公開連結分享與多人即時編輯。這項更新旨在改變過去團隊間需反覆傳遞檔案版本的作業模式,讓使用者能直接在同一個 Artifacts 中共同作業。目前此功能已開放給 Team 與 Enterprise 方案的使用者。
    Claude Tag 的整合應用
    本次更新的亮點之一在於 Claude Tag 與 Artifacts 的深度整合。使用者現在可以直接在 Slack 執行緒中呼叫 Claude Tag 建立內部使用的 Artifacts,例如要求建立一個專案儀表板,系統會直接回傳一個可運作的頁面,並能立即在組織內部共享。
    實際應用與社群回饋
    協作潛力:開發者 Thariq 指出,這讓 Artifacts 的表現力大幅提升,並能透過創意組合應用,例如建立一個可由他人或本地 Claude Code 執行階段共同編輯的專案儀表板。
    這張截圖展示了 Slack 中的 Claude(Claude Tag)根據團隊成員在對話串中的需求,自動生成並呈現「Alcove v2.0」介面改版預覽 Artifact 的工作流程。
    技術挑戰:使用者 Braxton Pike 在實測時回報了錯誤,指出透過 Claude Tag 建立的 Artifacts 連結出現「page not found」的狀況,目前該問題已由 Thariq 介入調查。
    未來展望:社群成員 Chris Lakin 表達了對 Slack 直接嵌入功能的期待,並呼籲 Slack 相關開發人員(如 marshallofsound、felixrieseberg 及 Keeley Hammond)關注此項整合需求。
    使用效益
    透過將 Artifacts 推向公開分享,使用者現在可以將原型工具直接發布至公司外部,突破了過去僅限於單一使用者或封閉環境的限制。這項變革讓 AI 生成的工具能更快速地從開發階段進入實際應用場景,實現更流暢的端到端協作體驗。

    原文:https://easyvibecoding.app/curated/2496-claude-adds-public-artifact-sharing

    3 min
  • OpenAI 開放開發者報名 OpenAI Build Week 挑戰賽使用 GPT-5.6 與 Codex 進行專案開發

    OpenAI 開放開發者報名 OpenAI Build Week 挑戰賽使用 GPT-5.6 與 Codex 進行專案開發。

    活動核心資訊
    OpenAI 官方宣布舉辦「OpenAI Build Week」,旨在鼓勵開發者、創作者及學生運用 GPT-5.6 與 Codex 進行創新實驗。參賽者需於 2026 年 7 月 21 日下午 5:00(PT)前提交專案,獲勝者將有機會獲得獎金、OpenAI credits、DevDay 門票及與 OpenAI 團隊交流的機會。
    參賽流程與要求
    報名與準備:參賽者需註冊 OpenAI 帳號,並於 7 月 17 日中午 12:00(PT)前申請免費的 Codex credits。
    工具整合:建議安裝「Devpost Hackathons plugin」,以便直接在 ChatGPT 桌面版或行動版應用程式中存取挑戰細節、規則及提交專案。
    專案提交:
    1. 專案必須使用 Codex 與 GPT-5.6 開發,類別涵蓋生活應用、工作生產力、開發者工具及教育領域。
    2. 提交內容包含專案說明、一支 3 分鐘內的 YouTube 演示影片(需說明如何使用 Codex 與 GPT-5.6),以及程式碼庫連結(需包含 README 與設定指引)。
    3. 參賽者需在提交表單中輸入 /feedback Codex Session ID,以供評審檢視核心功能開發過程。
    評選標準
    評審團由 OpenAI 內部成員組成,包括 Thibault Sottiaux、Kath Korevec、Tara Seshan、Leah Belsky 及 Peter Steinberger。評分重點在於:
    技術實作:Codex 的使用深度與程式碼品質。
    產品設計:是否為具備完整體驗的成品,而非僅是技術概念驗證。
    潛在影響力:是否能具體解決真實使用者的問題。
    創意品質:團隊對問題領域的理解與創意展現。
    更多詳細規則與直播活動資訊,請參閱 OpenAI Build Week 官網 或 Devpost 挑戰頁面。

    原文:https://easyvibecoding.app/curated/2495-openai-opens-build-week-challenge-signups

    3 min
  • OpenAI 在 Amazon Bedrock 上全面推出 GPT-5.6 系列模型,提供 Sol、Terra 與 Luna 三種不同定位的智慧層級

    OpenAI 在 Amazon Bedrock 上全面推出 GPT-5.6 系列模型,提供 Sol、Terra 與 Luna 三種不同定位的智慧層級。

    此圖宣佈 GPT-5.6 Sol、Terra 與 Luna 模型已在 Amazon Bedrock 平台上正式推出,支援開發者建構自主代理與高效推論應用。
    Greg Brockman 宣布 OpenAI 的最新模型系列 GPT-5.6 已正式於 Amazon Bedrock 平台全面開放使用。此系列包含三款針對不同需求設計的模型,並整合了 Amazon Bedrock 的次世代推論引擎,旨在為企業級 Agent 應用提供高效能、高安全性與可擴展性的支援。
    模型分級與應用場景
    GPT-5.6 引入了全新的命名系統,透過三個層級滿足不同工作負載的需求:
    GPT-5.6 Sol:旗艦級推理模型,專為複雜的多步驟任務設計,如自主程式開發、漏洞研究及藥物研發。其在「Artificial Analysis Coding Agent Index」達到 80 分,並具備「max reasoning effort」功能,可針對複雜任務調高運算資源。
    GPT-5.6 Terra:平衡型模型,適用於日常生產任務,如程式碼生成、內容創作與結構化資料提取,提供比 GPT-5.5 更優異的效能與成本效益。
    GPT-5.6 Luna:輕量化模型,主打高吞吐量與低延遲,適合分類、摘要與即時互動等高頻率推論任務。
    技術架構與效能優化
    Amazon Bedrock 為此系列模型提供了專屬的基礎設施,重點包括:
    Prompt Caching:針對 Agent 執行過程中重複出現的系統指令、工具定義與參考文件,引入了具備明確斷點的 prompt caching 機制,快取輸入內容可享 90% 折扣,並至少保留 30 分鐘。
    安全性與合規:整合了 OpenAI 的安全堆疊與 AWS 的零操作存取(ZOA)安全模型,確保資料在硬體層級受到保護,並透過 AWS IAM 與 VPC 進行嚴格的存取控制。依模型供應商要求,被分類器標記的流量資料可能保留最多 30 天,用於自動化濫用偵測。
    定價與整合:定價與 OpenAI 原生費率一致,且使用量可計入既有的 AWS 承諾額度。
    使用者可透過 Amazon Bedrock 主控台或 Responses API 呼叫這些模型(詳見 AWS 官方公告)。目前 GPT-5.6 Sol 已於美國東部(維吉尼亞、俄亥俄)區域上線,Terra 與 Luna 則額外支援美國西部(奧勒岡)區域。

    原文:https://easyvibecoding.app/curated/2494-openai-brings-gpt-5-6-to-amazon-bedrock

    3 min
  • Google 在 Cerebras 平台推出 Gemma 4 31B 模型

    Google 在 Cerebras 平台推出 Gemma 4 31B 模型。

    效能突破與應用場景
    Google Gemma 4 31B 在 Cerebras 平台上達成了極致的推論速度,根據 Artificial Analysis 的測試數據,其輸出速度高達每秒 1,851 token,相較於傳統 GPU 端點快上 35 倍。此效能表現帶來了以下關鍵優勢:
    即時互動:首個 token 的回傳延遲僅需 1.5 秒,讓 Agentic 程式開發與視覺處理流程能達到即時回應的體驗。
    多模態整合:這是首個在 Cerebras 平台上支援影像理解的 Google DeepMind 模型,開發者可將螢幕截圖、文件、圖表及 UI 狀態作為輸入,進行快速分析。
    Agentic 迴圈:極高的處理速度解決了過去在 GPU 上運行 Agentic 迴圈時常見的延遲問題,使模型能更頻繁地進行工具呼叫、結果驗證與錯誤修正。
    市場定位與技術優勢
    Gemma 4 31B 被定位為中型模型的參考標準,其智慧程度與 Claude Haiku 4.5 相當,但在 Cerebras 平台上運行的速度快了 18 倍。該模型採用 Apache 2.0 授權,不僅具備開源彈性,且作為密集型(dense)模型,在維持高效能的同時,避免了 MoE 模型常見的龐大記憶體佔用問題。
    開發者應用範例
    Cerebras 官方指出,這種晶圓級的推論速度將改變開發者建構產品的方式,而不僅僅是提升既有功能的執行效率,具體應用包括:
    螢幕截圖分析:即時識別儀表板或文件重點,並回傳結構化輸出。
    長文本摘要:快速處理研究報告,實現單次對話內的快速閱讀、反應與追問。
    程式碼除錯:輸入 UI 截圖、原始程式碼與主控台錯誤訊息,模型能迅速回傳最小化修正檔(patch)與驗證檢查。
    目前 Gemma 4 31B 已於 Cerebras Inference Cloud 開放公開預覽。此外,Cerebras 團隊近期透過「Big Chip Club」系列訪談,深入探討了運算效能提升如何從根本上重塑 AI 產品的設計邏輯。
    兩位講者在訪談中探討 AI 模型推論速度提升對使用者體驗與應用場景的影響。

    原文:https://easyvibecoding.app/curated/2489-google-brings-gemma-4-to-cerebras

    3 min
  • Browser Use v4 發布,讓使用者自動化執行瀏覽器任務

    Browser Use v4 發布,讓使用者自動化執行瀏覽器任務。

    核心功能與優勢
    Browser Use v4 此次更新重點在於大幅降低自動化門檻,透過 Browser Use Cloud API,使用者無須編寫程式碼、處理選擇器(selectors)或進行繁瑣的環境設定。該系統提供完整的 Agent 服務,具備以下關鍵特性:
    支援已登入帳號的瀏覽器設定檔(profiles)。
    內建代理(proxies)與即時監控視圖。
    透過 workspace 實現跨執行任務的環境重複使用。
    實際應用與操作
    根據示範影片顯示,Browser Use v4 能高效處理網頁資料提取任務。使用者僅需發送指令,系統即可自動執行網頁瀏覽與資料抓取。在示範中,系統成功前往 x.com 並提取了 98 筆追蹤者的姓名、使用者名稱及互相關注狀態,最終匯出為 CSV 檔案。
    Browser Use v4 透過 API 實現自動化瀏覽器操作,可將網頁數據提取為 CSV 檔案。
    若要透過 API 呼叫執行任務,開發者可參考以下 curl 指令結構(實際執行需替換 API 金鑰與參數):
    `bash
    curl -s -X POST https://api.browser-use.com/api/v4/runs \
    -H "Content-Type: application/json" \
    -H "X-Browser-Use-API-Key: $BROWSERUSEAPI_KEY" \
    -d '{
    "task": "前往 x.com 並提取所有追蹤者的姓名、使用者名稱及互相關注狀態,並匯出為 CSV 檔案",
    "model": "gpt-5.6",
    "browserSettings": {
    "profile": "YOURPROFILEID",
    "proxyCountryCode": "us"
    }
    }'
    `
    取得方式
    目前 Browser Use v4 已正式開放,使用者可透過 Browser Use Cloud 平台直接體驗 API 功能,將自動化瀏覽器操作整合至現有的工作流程中。

    Browser Use v4 透過 API 實現自動化瀏覽器操作,可將網頁數據提取為 CSV 檔案。 影片中的 Prompt 與操作:

    Prompt(00:01): 前往 x.com 並將我所有的追蹤者提取到 CSV 中。給我他們的姓名、使用者名稱,以及他們是否回追我(真/假)。

    原文:Go to x.com and extract all of my followers into a CSV. Give me their names, usernames, and whether or not they follow me back (true/false).

    操作步驟: 1. (00:01)輸入指令並送出 2. (00:05)顯示 API 呼叫指令 3. (00:10)系統自動瀏覽網頁進行資料抓取 4. (00:16)顯示產出的 CSV 檔案內容

    原文:https://easyvibecoding.app/curated/2485-browser-use-v4-automates-browser-tasks

    2 min
  • Google 提出 Sleep 範式讓大型語言模型持續學習

    Google 提出 Sleep 範式讓大型語言模型持續學習。

    這是一篇探討大型語言模型如何透過「睡眠」機制進行自我修正與記憶鞏固,以實現持續學習的研究論文首頁。
    核心概念與動機
    現有大型語言模型(LLM)在預訓練結束後即處於凍結狀態,若要更新知識,通常面臨計算成本高昂或發生「災難性遺忘」(Catastrophic Forgetting, CF)的問題。研究人員指出,現有模型處理記憶的方式類似人類的「順向失憶症」,僅能依賴上下文窗口(In-Context Learning, ICL)進行短期記憶,缺乏將資訊轉化為長期參數知識的機制。為此,本研究參考人類大腦的睡眠機制,提出「Sleep」範式,讓模型在「清醒」(Active)與「睡眠」(Sleep)狀態間循環,實現終身適應。
    Sleep 範式的運作機制
    該範式包含兩個關鍵階段,旨在將短期、脆弱的記憶轉移至穩定、低頻率的參數中:
    記憶鞏固(Memory Consolidation):透過「知識種子」(Knowledge Seeding, KS)進行向上蒸餾,將小型高頻記憶模組中的知識,轉移至擴展後的低秩專家(low-rank experts)模組。此過程結合了「策略內蒸餾」(on-policy distillation)與基於強化學習(RL)的模仿學習,確保模型能將新資訊內化為長期權重。
    夢境生成(Dreaming):模型模擬 REM 睡眠,利用強化學習生成合成數據課程(curriculum of synthetic data),在無人類監督下進行自我改進與知識重演。此階段透過 MoE 架構中的路由器隨機選擇專家,引入無關知識以理解不同領域間的關聯,並透過梯度篩選機制維持數據多樣性。
    技術架構與優勢
    多頻率記憶層級:模型被視為不同更新頻率的 MLP 區塊鏈,透過參數擴展策略,將知識從高頻(更新快)層級逐步整合至低頻(穩定)層級,有效減輕災難性遺忘。
    抗遺忘能力:在持續學習任務(如 MTOB、Manchu 資料集)中,採用 Sleep 機制的模型展現出顯著的抗遺忘能力,優於傳統的微調(SFT)或僅依賴 ICL 的方法。
    長文本與推理表現:在 BABILong 基準測試中,模型在擴展至 10M tokens 時表現穩定,優於 GPT-4 與 GPT-4o-mini;在數學推理任務(如 AIME-24、AIME-25)中,Sleep 演算法在達到相同目標效能時,比 SFT 更具時間效率。
    與現有方法的差異
    作者強調,Sleep 機制與近期研究(如 Lin et al. 2025)不同,後者多旨在節省上下文計算資源,而 Sleep 專注於將文本數據知識轉化為參數權重更新。此外,相較於現有的線上策略自蒸餾(OPSD)方法,Sleep 透過「向上蒸餾」解鎖參數,並結合 RL 獎勵機制,能有效解決模型容量不足與資訊洩漏的問題。
    OPSD 的侷限與 Sleep 的設計動機
    論文指出,現有 OPSD 與單純自蒸餾方法存在以下失敗模式,而這正是 Sleep 兩階段設計欲解決的問題:
    若過度依賴豐富的特權資訊(privileged information),可能抑制模型的認知口語化能力,導致在特定模型(如 Qwen3-8B)上出現分佈外效能衰退。
    長期迭代的自蒸餾可能導致資訊洩漏與訓練崩潰,侵蝕模型原有的推理穩定性。
    詳細研究內容與參考文獻請參閱:https://alphaxiv.org/abs/2606.03979

    原文:https://easyvibecoding.app/curated/2477-google-proposes-sleep-paradigm-continual-learning

    4 min