
Sign up to save your podcasts
Or


Google DeepMind 與 EVE Online 團隊合作,用離線沙盒研究 AI 的長期記憶與規劃。
Google DeepMind 回顧從 Atari、圍棋到 EVE Online 的遊戲 AI 研究;右側四格包含迷宮、棋盤、3D 遊戲場景與 EVE Online 星艦戰鬥。
為什麼選 EVE Online
Google DeepMind 與 Fenris Creations 的研究合作,會先從一套架在本機伺服器、與正式世界 Tranquility 分開的離線 EVE Online 開始。研究人員將在這個受控環境裡使用模擬與歷史資料,不會直接拿玩家共同經營的 New Eden 當實驗場。
EVE Online 的難處,在於世界不會在一場比賽後重置。市場持續變動、資源有限、資訊不完整,數十萬名玩家又各自有不同目標。AI 代理不只要學會打贏一場戰鬥,還得在不知道全貌的情況下做決策,因應別人介入,判斷對方會合作還是背叛,並承擔幾個月甚至幾年後才浮現的結果。
四項研究挑戰
持續學習(continual learning):世界改變時學會新能力,同時不忘記原本會的事。 深層記憶(deep memory):保存並取回遠超過目前模型上下文視窗的資訊。 長期規劃(long-horizon planning):推演數週、數月到數年後的影響。 多代理互動(multi-agent dynamics):處理合作、競爭、談判、經濟活動與大規模互動中自然出現的行為。
先離線研究,再談遊戲內應用
Google DeepMind 表示,研究之後可能延伸到 EVE Universe 的不同環境。EVE Frontier 的可程式化組件 Smart Assemblies 與可延伸架構,適合探索 AI 如何適應新規則,以及人類與 AI 代理如何在開放世界共存;EVE Vanguard 則提供節奏更快的第一人稱戰術情境。只有當能力夠成熟、確定能讓玩家體驗更好時,團隊才會考慮把成果帶進 EVE Online 或 EVE Vanguard。
Fenris Creations 也把界線說得很清楚:不做替玩家遊玩 EVE 的系統,也不建立凌駕遊戲規則的自動化層。只要一項技術會消除風險、繞過後果,或代替玩家做決定,就違背 EVE 的核心。未來若真的採用智慧系統,也必須遵守世界規則,增加更有意義的選擇,而不是把選擇拿走。
Tranquility 累積了 23 年的玩家歷史、組織、戰爭與經濟決策,因此不能被當成一般測試場。相較之下,專用測試伺服器能讓研究團隊安全試驗,也能讓玩家自行選擇是否參與。
已經上線的功能,與仍在研究的方向
目前 EVE 已有一項和 Google AI 技術相關的實際功能:Aura Guidance 使用 Gemini 整理 Rookie Help 裡的玩家問答,協助新手理解遊戲。不過,這和本次離線研究、EVE Frontier 的後續探索,以及可能的半自主治理系統並不是同一件事;後三者仍是研究方向,不能當成已發布功能。
研究成果未來可能用於測試複雜系統、觀察模擬經濟中的變化如何擴散,或幫助新手理解大量遊戲路徑。至於用半自主系統在沙盒中創造更多衝突、機會與互動,官方只把它列為長期探索方向,沒有承諾一定會做。
從遊戲研究走向真實世界
這項合作延續 Google DeepMind 十多年來以遊戲研究 AI 的路線:從 Atari、AlphaGo、AlphaStar,到讓代理透過螢幕、鍵盤與滑鼠理解 3D 世界的 SIMA,遊戲一直是測試學習、推理與規劃能力的場域。EVE Online 下一步要補上的,是持續世界裡更複雜的人類互動與長期後果。
雙方的長期目標,是和遊戲開發者一起找出新的玩法,讓遊戲更容易上手、更符合不同玩家需求,也把研究得到的能力帶到現實問題與科學發現。不過這項 EVE Online 研究仍在早期階段,Fenris Creations 明確表示,目前不承諾研究最後一定會走向哪裡。
原文:https://easyvibecoding.app/curated/3106-google-deepmind-eve-online-offline-ai-research
Tibo 預告修正 Codex 快取命中率問題,付費訂閱額度將完整重置。
官方診斷 Tibo 在 X 貼文 表示,部分使用者的快取命中率低於過去穩定週期,可能導致使用量更快耗盡。三個主要來源包括:
長時間工作階段經歷多次內容壓縮(compaction)時,圖片處理效率不佳。 Computer History 的 p95+ 使用量偏高。 對話標題功能消耗的使用量超出原先預期。
團隊預計隔日推出修正,並完整重置所有付費訂閱的使用額度;另一套效率改善方式將於下一週調查,但尚未公布可量化的成果。
重置時間 在後續 討論串 中,Tibo 說明付費訂閱重置預計於隔日太平洋時間下午 2 點左右進行,並更正先前寫成「14pm」的時間。
社群疑慮 Alex Getman 指出,快取命中率下降可能讓使用量迅速增加,也質疑問題為何未能及早被發現。他希望 Codex 提供快取統計,以及訂閱使用量與 API 等值用量之間更清楚的對照,並認為使用量透明度不足才是核心問題。另一位作者則解釋,長上下文的 Agent 工作流程一旦發生快取未命中,就必須重新處理上下文;但其中提到的數值折扣範圍只是作者主張,不能視為 Codex 訂閱換算率的獨立驗證。
原文:https://easyvibecoding.app/curated/3103-tibo-previews-codex-cache-hit-rate-fix-subscription-reset
Vero 測試 GPT-5.5 xhigh 在真實專案中同時完成程式碼與證明,90 分鐘解決 27/43 個實例。
最強的 GPT-5.5 xhigh 設定在 90 分鐘限制內,於 code-and-proof 模式完成 27/43 個實例。
測試設計 Vero 收錄 43 個源自真實專案的多模組 Lean 4 儲存庫,涵蓋 Python、Dafny、Verus 與 Coq 等來源語言。每個實例都提供固定 API、人工整理的規格與參考實作,要求 Agent 在既定介面與規格下完成工作。
Vero 的端對端建構與評估工作流程圖,分為 1 BENCHMARK CURATION(包含 1A REAL-WORLD REPOSITORIES、1B HUMAN-GATED CURATION、1C CURATED LEAN 4 BENCHMARK)、2 AGENT GENERATION(包含 2A PROOF-ONLY MODE 與 2B CODE + PROOF MODE)以及 3 EVALUATION(包含 3A INDEPENDENT GRADER 與 3B FORMAL AUDIT ROUTE),下方附有標題 Figure 1 與詳細說明文字。
proof-only:只合成機器可檢查的證明。 code-and-proof:同時實作程式碼並完成證明。
評測結果 @dawnsongtweets 表示,最強設定在 code-and-proof 模式完成 27/43 個實例;在 proof-only 模式則完成 25/43 個。這組結果顯示,當任務從單純證明擴大到同時實作程式碼與證明時,仍有許多實例無法在有限時間內完全解決。
Vero 基準測試包含 43 個實例,其中 Track 1(形式化)在 APIs、Specs 與 Source LoC 的平均數皆高於 Track 2(非形式化)。
方法與可信度 Vero 另設稽核機制,用於處理規格或參考實作彼此不一致的情況,避免評測結果受到不合理題目條件影響。官方貼文附上的結果圖比較兩種模式下的模型表現,而〈Vero 基準測試論文〉提供正式方法與完整的測試規範。
原文:https://easyvibecoding.app/curated/3105-vero-tests-gpt-5-5-xhigh-code-proof-27-of-43
Anthropic 透過 eli5 skill 把複雜主題轉成大圖少字的 HTML 說明。
這套做法面向完全不熟悉主題的讀者,以大型圖片和極少文字降低理解門檻。
使用方式 2026 年 8 月 21 日的介紹指出,使用者只要在指令後提供想了解的主題即可,例如 /eli5 how does DNS work。Anthropic 官方社群程式庫將 eli5 描述為「Explain any topic like I'm 5.」,也就是用五歲孩子能理解的方式解釋主題。
skill 設計 官方 skill instruction 會把使用者輸入放進 $ARGUMENTS,並要求模型依下列規則產出內容:
`text Explain like I'm someone who knows nothing about this topic, using a HTML artifact with big pictures and few words. Topic: $ARGUMENTS `
Discord bot 的運作原理與多步驟互動流程圖解
這個 skill 可依主題自動產生大圖少字的 HTML 說明,DNS 等抽象概念只是官方示例;原文沒有宣稱評測成效、特定涵蓋範圍或正式產品支援。
原文:https://easyvibecoding.app/curated/3095-anthropic-eli5-skill-converts-complex-topics-html-guides
Claude Code Remote Control 改善跨裝置連線,手機可在指定機器與資料夾啟動並同步 session。
核心更新 @ClaudeDevs 表示,Remote Control 是使用者最希望修正的功能之一,團隊因此集中改善可靠性:
手機可選擇已執行 claude remote-control 的機器與目錄,直接啟動 Claude Code session。 電腦與手機即時同步;筆電恢復 session 時,手機不會錯誤封存,Claude Code 結束後數秒內會顯示離線。 筆電短暫關閉或切換 Wi-Fi 後,連線會自動恢復。 模型與推理強度會在手機和 CLI 間同步;iOS 開啟大型 session 的速度也更快。 /clear 會重設手機畫面,/compact 顯示壓縮標記,/diff 開啟原生差異檢視視窗。
來源:@ClaudeDevs(回覆)|黑色背景的行動版介面,頂部中央顯示標題「Code」,上方選單包含選單圖示;下方為「Devices」區塊,帶有一個包含綠色指示燈與筆電圖示的「Lydias-MacBook-P」按鈕以及新增按鈕「+」;更下方為「Sessions」區塊,右側設有「All」下拉選單,並列出一筆狀態為「Connected」的「lydias-macbook-pro-local-buzzing-p...」工作階段項目。
使用範圍與限制 Remote Control 目前是研究預覽版,提供給 Pro、Max、Team 與 Enterprise 方案;不支援 API 金鑰,Team 和 Enterprise 必須由管理員啟用 Remote Control。Claude Code 需使用 v2.1.51 以上版本;Visual Studio Code 的 /remote-control 指令則需 v2.1.79 以上。它會跨裝置同步,並在睡眠或網路中斷後自動重連,但執行中的本機處理程序不能停止;中斷約 10 分鐘後,session 會逾時並結束。
安全進度 Lydia Hallie 確認團隊已根據大量回饋推出多項改善。Boris Cherny 表示,Remote Control 今年稍早推出後,團隊持續處理手機啟動筆電 session 的預設安全性;設計包含裝置信任與驗證、提示注入防護等組件。現有功能已可使用,後續仍會有安全更新。
原文:https://easyvibecoding.app/curated/3092-claude-code-remote-control-cross-device-session-sync
Marin 公開訓練 535B-A23B:以即時紀錄提高大型模型訓練透明度。
公開訓練計畫 Percy Liang 表示,535B-A23B 已於 2026 年 8 月啟動訓練。整體行程規劃將 80% 用於 pretraining、20% 用於 midtraining,在 11 座 GB200 NVL72 上運算約 3 個月,預計處理 18.75T token、消耗約 2.7e24 FLOPs,post-training 之後再進行。Mary Newhauser 認為,這可能是目前最開放、最透明的模型訓練之一,但也指出 OLMo 3 的公開程度同樣令人印象深刻。
資料與可稽核性 公開資料集包含 23.11T token,分布於 40 個語意領域與五個品質分級。Harrier K40 overview 以涵蓋資料庫 94.6% token 的確定性對齊樣本估算來源組成;各欄位比例可精確計算,但來源組成仍只是稽核估算,不是完整的來源歸屬。
Scaling ladder 與觀測 正式 Hero Run 前,團隊先用四階 scaling ladder,從 1.6B-A61M、48B token 測到 27.7B-A1.2B、926B token,用來除錯、預測最終損失,也檢查中間 checkpoint 是否符合進度。公開的 W&B 報告提供五次 run 與即時圖表,包括 MFU、每秒 token 數、MoE 丟棄比例、參數範數、梯度範數與交叉熵損失;整套效能追蹤約占總運算量的 1%,預計持續約 100 天。
Marin 模型訓練進程中各 scaling ladder 配置與 hero 跑實驗的 train/crossentropyloss 曲線變化,顯示 rav-ladder 系列模型的維度越大(從 d768-v2 至 d2048-v3),其 cross-entropy loss 越低。
模型與實作細節 公開的 launchscalingladder.py 以五種模型寬度實作同一套 hero-shape recipe:
每個階段使用 384 個 routed experts 與 top-8 routing。 採用 hidden/2-wide experts、pooled-wave transport,以及 Harrier 2026.08.18 two-phase mixture。 評估使用 dropless held-out evaluation。 規模從 d768、48B token、61M active/1.6B total parameters,擴展到 d6144 Hero Run。Hero Run 的公開規格為 18T token、23B active/535B total parameters,約需 2.7e24 FLOPs。 step budget 以每個 active parameter 791 token 設定,梯度範數與參數範數每 10 steps 記錄一次。
hero · 535B-A23B · 18T tok 在 dropless paloma macro-loss 指標上全程保持最低損失並領先其餘各規模模型。
工程與不確定性 issue #8435 指出,完整方案是 EP64 MoE pretrain,規格為 535.3B total、22.76B active parameters 與 18.0T token,並在 GB200 上使用手工打造的 pooled-wave expert-parallel all-to-all 實作。團隊同時公開 JAX/GPU Expert Parallel、硬體規格、context 從 4k 延伸至 8k、65k、262k 的訓練指標,以及長上下文 RL 的 cooldown 實驗設計;Percy Liang 也坦言這是團隊迄今最大規模的 run,因此過程中仍可能遇到意料之外的問題。可查看 Harrier K40 資料報告、W&B 即時報告 與 Marin issue #8435。
來源:@mnewhaus|瀏覽器介面呈現 535B-A23B 18T Token Hero Run 與 Scaling Ladder 專案實驗的多項訓練損失與效能評估圖表與執行列表;evaldropless/paloma/macroloss 的可見最低曲線為 rav-ladder-d2048-v3。
瀏覽器介面呈現 535B-A23B 18T Token Hero Run 與 Scaling Ladder 專案實驗的多項訓練損失與效能評估圖表與執行列表;eval_dropless/paloma/macro_loss 的可見最低曲線為 rav-ladder-d2048-v3。 影片中的 Prompt 與操作:
操作步驟: 1. @00:03捲動頁面檢視 Scaling Ladder 圖表與執行狀態列表 2. @00:05游標懸停在圖表數據點上檢視詳細數值 3. @00:08向下捲動瀏覽更多訓練監控圖表
原文:https://easyvibecoding.app/curated/3094-marin-releases-535b-a23b-training-transparency-records
DeepSeek v4 Flash 調價五倍後日用量跌至高峰一半以下,暴露低價模型供應瓶頸。
原文:https://easyvibecoding.app/curated/3073-deepseek-v4-flash-daily-usage-surges-sixfold
JetBrains 調查:AI coding agents 每週使用率達 90%,Claude Code 採用率升至 39%。
原文:https://easyvibecoding.app/curated/3077-jetbrains-survey-ai-coding-agents-weekly-use-claude-code
Claude Security 在 Claude Enterprise 公開 beta 採用 Mythos 5 掃描程式碼並回傳可審核修補建議。
原文:https://easyvibecoding.app/curated/3079-claude-security-enterprise-beta-mythos-code-scanning-repair
DeepSeek 推出 DeepSeek-V4-Flash-Vision-Exp,讓多模態 Agent 結合視覺理解與工具使用。
From the publisher's feed