01
VPN 出口 IP 服务器已开始部署新缓解措施，涉及澳大利亚、加拿大、德国、芬兰、法国、爱尔兰、挪威、瑞典、美国等十五个节点。列表中每台服务器均已应用该措施，以应对此前未说明的安全需求或流量异常。此举将迫使使用这些出口的网络运维在配置和监控上做出相应调整，可能导致测试流程延长并增加对合规审计的关注。
ZhangYvJing's
Daily Brief
00
Film / Book Chapter
Still Walking
Still Walking (2008) · Hirokazu Kore-eda
《Still Walking》以温柔却不回避的家庭细节，让你在面对持续的技术审查、合规迭代和跨团队决策时，感受到即使旧伤仍在，也能在日常的沉静对话中重新校准价值观与行动方向。
The Pragmatic Programmer
The Pragmatic Programmer · David Thomas / Andrew Hunt
Chapter 1: A Pragmatic Philosophy
A compact reset on ownership, taste, entropy, and being the kind of engineer whose work keeps improving after the first pass.
01
Insight
今天的材料显示，AI 技术研发正从“单一算力‑模型”向“异构协同‑工具链”两个维度分化，一方面学术上通过可控数据生成（如 PGT、ET CHR）和信息论视角（Shannon Scaling）把细粒度感知、噪声管理与超参数迁移系统化，证明在视觉理解和大模型扩容里，效率与噪声比才是真正的瓶颈；另一方面产业实践则在把这些理论落地：Callosum 用小模型专化子任务实现 3 × 加速，DeepMind 通过配额与 Darwin‑skill 机制把大规模 agent 的使用成本压到商业用户之下，且 Cloudflare 试图用 Durable Objects 形成类 React 的统一 agent 框架，这与传统 “单体‑GPU‑云” 的思路形成鲜明对比。与此同时，监管与合规的噪声也在放大：加州放宽 Linux 的年龄校验，显示开源生态对强制身份验证的技术兼容性困境；而欧盟对 VPN 出口 IP 的统一缓解以及荷兰对俄罗斯关联服务器的封堵，则提醒底层网络设施的信任链仍是安全隐患的主要入口。这些信号在社交平台上交叉呼应——教皇的《Magnifica Humanitas》把 AI 伦理推向宗教层面，Anthropic 的创始人公开呼吁独立伦理监督，正好映射了学术界对“AI 噪声”与“可解释性”担忧的实证研究。整体来看，技术创新正被从硬件‑算力的上移，转向软件‑架构的下沉与治理‑合规的并行拉伸；那些只谈算力攀峰却不提供系统化工具链或合规方案的讨论，已经成为噪声。面对这些趋势，今天的阅读提示我们：在选型时优先考虑异构模型流水线、可编辑的技能优化（SkillOpt）和低噪声训练框架，同时留意监管环境对基础设施的限制；如果要在产品路线上保持竞争力，最好在效率与合规之间找到平衡。顺带一提，今晚可以放松一下，看看《Still Walking (2008)》。
03
Hacker News
02
教皇发布《Magnifica Humanitas》文件，正式将人工智能时代的人类尊严置于天主教社会教义的核心议题；文件指出技术的强大渗透与数字权力的崛起，使AI既是提升福祉的工具，也潜藏失控与非人化的风险；因此教会呼吁在伦理、透明和治理层面设立监管框架，这将直接影响宗教机构、教育体系以及涉及AI开发与应用的组织的决策流程、合规成本和责任承担。
03
加州议会通过修正案，将大多数开源操作系统（包括常见的 Linux 发行版）排除在即将于 2027 年生效的数字年龄保证法要求之外；该修正案明确“操作系统提供者”不指在允许复制、再分发和修改的软件许可下分发系统的主体；此前原法要求操作系统在设备设置时收集用户年龄并向应用发送年龄区间信号，引发对去中心化开源生态难以实现强制验证的担忧；因此，Linux 开发者和社区将不必为合规建设年龄验证功能，而商业化、拥有专有应用生态的系统仍需满足该法要求。
04
5月25日，教皇发布《Magnifica humanitas》宣言并邀请Anthropic联合创始人克里斯·奥拉在梵蒂冈发表讲话，标志着AI伦理对话进入宗教层面。奥拉指出，前沿AI实验室在商业、生存与地缘政治等多重激励下难以保证完全的安全，而需要外部独立的伦理监督和批评才能弥补内部动机的偏差。此举意味着科研机构、技术公司以及公共政策制定者在设计、部署和监管AI时必须纳入宗教和人文组织的审议，进而影响研发流程、合规成本以及对技术风险的评估方式。
05
C 编译器在移植时遭遇标准库头文件的非标准扩展和属性宏导致的兼容障碍。由于 glibc、sys/cdefs.h 等通过宏检测决定使用 attribute((packed))、includenext 等 GCC 专属特性，而非 GCC 编译器会被宏屏蔽或产生冲突，导致结构布局、限制宏和内联函数语义出错。此情况迫使使用非主流编译器的开发者额外编写适配层或放弃这些编译器，显著提升移植工作量并增加维护风险。
06
现在可以仅用每月不到 10 欧元的支出，在全欧盟服务器上搭建完整的 web 产品栈。因为 Hetzner 等提供约 7 欧元的低价 VPS，邮件、分析、监控、表单、认证等服务都有永久免费层，组合即可覆盖 Django、Rails 等常用后端需求。这样把创业者的基础设施成本压到咖啡价，降低对美国云的依赖并减小合规风险。
07
Chert 推出基于 iMessage 的 API 平台，使开发者能够在原生 iMessage 线程中部署 AI、发送带加密的真实信息并支持附件、回执和实时状态。平台通过单一 API 把 iMessage、SMS、RCS 和多种 CRM、协作工具整合进同一链路，利用端到端加密和已验证发送者提升投递可靠性，同时提供即时交互特性如打字指示和表情。它将改变 GTM 与客服团队的沟通方式，使他们可以直接在客户熟悉的 iMessage 环境中完成预约、查询和支持，降低跨渠道集成成本并通过高回复率降低冷触达风险。
08
荷兰当局在5月18日抓捕了两名运营MIRhosting的嫌疑人，并扣押超过800台服务器，指控他们为俄罗斯在欧盟内部的网络攻击、影响行动和假信息传播提供基础设施。调查显示，这些服务器曾通过WorkTitans与被制裁的Stark Industries等平台相连，构成俄罗斯情报机构的跨境代理与匿名服务链条，而嫌疑人否认在制裁生效后仍为该链条提供支持。此举将迫使依赖类似托管服务的网络安全公司重新审视供应链合规和风险管理，并可能增加对跨境服务器租用的合规审查成本。
04
YouTube
01
A mixture of Qwen 3 VL8B and Kimi K2.5 beat the state of the art on Video Web Arena, outperforming the leading GPT and Gemini models by 18 and 25 percent while costing 3.7 times less and running 3 times faster. The reason it worked is that visual web navigation decomposes into subtasks that do not all need a frontier model: routing zoom and visual parsing to a smaller model alone produced 11x speed and 43x cost improvements on those steps. Adrian Bertagnoli from Callosum makes the case that the GPU cluster era of identical hardware and monolithic models is ending. Heterogeneous intelligence t
02
You kicked off an agent 30 minutes ago. It stopped after two minutes, blocked on a question, and has been waiting ever since. Michael Richman calls this FOMAT: fear of missing agent time. His answer is Cmd+Ctrl, a system that sends you a push notification when the agent needs input, lets you respond from your phone or watch, and lets you start new sessions from wherever you are. The demo shows Claude Code running in a terminal while the Cmd+Ctrl app on an iPhone mirrors the session in real time. Walk away, get notified when the agent completes or gets stuck, reply from the phone, pick up in t
03
Google DeepMind employees have worse token quotas than paying customers. That is not a mistake. KP Sawhney explains: customers get priority, and if an internal team spikes usage on a cluster someone monitoring 24/7 will just call and ask them to stop. This panel covers how DeepMind thinks about agents at scale from the inside: managing quota across thousands of power users, a Darwinian skills library where only the strongest skills survive as engineers contribute en masse, and where the Deep Research pipeline is going next. KP's current focus is replacing the pipeline's giant context blobs wi
04
Full episode: https://www.youtube.com/watch?v=X_ZVSPcZhtw Me on twitter: https://x.com/dwarkesh_sp
05
06
Angus McLean spent time building a complex agent application to generate his CV. Four letters beat it: HTML. He puts the improvement at 100x. The talk is from Oliver's AI Director, where agents generate around 4,000 creative assets a day for 200 plus brands, assets you have probably seen and had no idea were AI. The core argument: models are naturally verbose and tend toward complexity, and so are the developers working with them. His counter is to strip back. Replace internet access with curated documentation, ask how little context you can use and still complete the task, and never automate
07
Full episode: https://youtu.be/PAIhVfGbREA Me on x: https://x.com/dwarkesh_sp Renaissance historian Ada Palmer explains why Italy – the richest region in Europe – never unified, how the Pope had the money and armies to conquer Italy but couldn't consolidate, and why Machiavelli believed regime change always costs more lives than tyranny.
08
At most traditional enterprises, GenAI got handed to the ML platform team because it had AI in the name. Phil Hetzel from Braintrust argues that was the wrong move, not because data scientists lack value, but because Anthropic and OpenAI already ran the data pipeline. What is left is prompt and context engineering, distributed systems, human annotation, and functional evaluation across a much broader surface area than precision and recall. The mistake is isolating it to one team. The answer is a diverse one. Speaker info: - https://www.linkedin.com/in/philliphetzel
09
On SWE-Bench Pro, six frontier models land within a couple of percentage points of each other. The harness they run inside shifts performance by 22%. A competing lab once took a Kaggle benchmark, reran it with their own compaction settings, and published much better results. Neither number was wrong. Both were useless. The talk is from Nicholas Kang and Michael Aaron at Google DeepMind's Kaggle team, who are building the infrastructure to fix evals at the community level: an open benchmark platform anyone can contribute to, a PvP Game Arena where models play poker and chess for an ELO rating
10
We sit back down with our old friend Sunil Pai, keynote speaker at AIE Europe, to discuss how Cloudflare is leveraging Durable Objects (stateful serverless programming) and Dynamic Workers to build more efficient AI agent architectures, aiming to offer a competitive alternative to platforms like Anthropic’s cloud-managed agents (0:40 - 3:36). The Future of Software: The duo touches on the search for a new, standardized "React-like" architecture for building AI agents, noting that current approaches like "skills" or specific harnesses haven't yet reached a unified, cross-platform standard (4:3
07
Papers
01
它想突破 MLLM 在细粒度视觉定位上的短板——模型往往靠语义偏置而不是真实的几何感知来答题。作者直接在原图上贴上明确的几何形状，生成密集、可控的监督信号（Procedurally Generated Tasks），把视觉对齐和语义先验捋清楚，并把这些数据当作低成本的诊断/微调素材。实验表明，仅把 LLaVA‑v1.5‑Instruct 加上这些任务，就能把 What'sUp、CV‑Bench‑2D 等细粒度空间推理基准提升 10%‑20%，而不损失通用感知。对做 Agent/AI 产品的工程师来说，这是一套“刷视觉细化感知、定位盲点、快速提升模型空间推理能力”的实用方案，成本低、效果直接。
02
该文聚焦于动态图知识图谱数据市场的三大时序痛点：1）随时间变化的边导致静态混合索引失效、召回下降；2）分布漂移后 Shapley 定价失准；3）多智能体共享的差分隐私预算被抢光。CHRONOS 通过三层方案解决：首层用神经 ODE 为索引边加时间衰减，给出查询召回损失的显式上界；次层在检测到变点时重新评估 Shapley 价值，并提供有限样本误差保证；末层采用 EXP3‑IX 在线调度，实现 √T log T 级别的 regret，同时用 moments accounting 严格控制 ε、δ 隐私。系统每轮公开发布经高斯机制加噪的亲和矩阵，后续检索再处理不再消耗隐私预算。对 500 家卖家、四个基准的实验表明在 ε≈4.25、δ=10⁻⁶ 下仍能保持 0.937 的召回率与毫秒级延迟。对需要在时序演化、隐私约束下协调多 Agent 的产品团队，这套“公开·私有分层+时序衰减+自适应定价+隐私预算调度”方案提供了可直接落地的技术框架。
03
它解决了视觉几何 Transformer（VGT）在多视图 3D 重建时，因全局注意力导致的计算量随图像序列呈二次增长、难以扩展的问题。作者提出分两步的 token 剔除方案：先在帧层面用多样性驱动的 inter‑frame 筛选保留关键视角，再在选中的帧内部用层感知、基于全局注意力熵的 intra‑frame 稀疏化去掉冗余点。这样在保持或提升重建精度的同时，把 500 张图的推理时间砍掉 85% 以上。对要在边缘设备或高帧率场景里嵌入 3D 重建、姿态估计等 VGT 模块的 Agent 系统，这种通用且高效的 token 选取策略值得一看。
04
它要解决的核心问题是：在从传统稠密 Transformer 到各种 Mixture‑of‑Experts（MoE）结构时，超参数（学习率、权重衰减等）怎么“一次调好、全线迁移”。作者提出 Complete‑muE 框架，用两层桥接——第一层把稠密 FFN 映射到稠密 MoE（利用归一化的路由器尺度的 μP），第二层再把稠密 MoE 映射到稀疏 MoE（通过激活专家数量的缩放并用一阶 SDE 校正），得到一套统一的转移公式。对工程师和 Agent 产品团队而言，这意味着只需在小规模稠密模型上调好超参数，就能几乎无缝地扩展到大规模 MoE，省掉大量超参搜索成本，同时享受 MoE 在容量扩张下的加速收敛。
05
这篇论文针对多模态大语言模型在纯文本推理链路上的瓶颈——当问题需要细粒度聚焦或视角转换时，仅靠文字难以支撑。作者把“思考+图像”拆成两块：一个专门的图像编辑器负责把抽象问句转化为恰当的视觉变换，另一个理解模型负责后续推理。编辑器通过两阶段训练弥补语言映射和编辑深度的双重缺陷：先用标注的编辑轨迹做监督模仿，再用视觉语言模型的奖励优化编辑正确性和下游推理分数。因为编辑器与理解模型解耦，可直接插到现有的 MLLM（如 Qwen3‑VL、Gemini‑Flash、Kimi‑K2.5）而无需再训。实验显示在细粒感知、图表、逻辑、拼图和 3D 等五类任务上，Pass@1 平均提升约 5%。对做 Agent/AI 产品的你来说，这提供了一种即插即用、通过编辑强化视觉推理的轻量方案，能快速提升现有多模态系统的细节理解能力。
06
作者聚焦“技能”在语言代理中的全链路效用，系统评估了从经验生成、技能抽取到技能消费三个阶段的表现。做法是构建以实际效用为指标的评测框架，横跨五大任务域，比较不同抽取器和目标代理，剖析经验组成、技能特征、跨模型迁移等因素，并据此提出指导抽取的“元技能”。价值在于：它帮工程师量化并预测模型生成技能的真实增益，快速定位负向迁移风险，提供可操作的抽取准则，可直接用于提升自研代理的适配速度和可靠性。
07
这篇论文直击“大模型越大、算力越高反而掉绩”的谜团。作者把 LLM 训练抽象成信息在噪声信道上传输，用 Shannon‑Hartley 定理把参数视作带宽、训练 token 当作信号功率，推出了一个“Shannon Capacity”概念：只有保持足够的信噪比，模型规模和数据量的扩展才会带来收益，否则噪声会放大，出现性能回落的 U 型曲线。实验证明该框架在各种扰动（高斯噪声、量化、微调）下都比传统幂律更贴合实际，并能精准外推未见模型表现。对做 Agent、AI 产品的工程师来说，这提供了一个可量化的判据，帮助判断何时继续放大模型或数据已经进入“噪声泛滥”区，从而避免盲目烧算力。
08
它把“Agent 技能”从一次性手工/一次生成的粗糙产物，改造成可像权重一样在反馈下系统优化的对象。核心是引入独立的 SkillOpt 优化器模型，根据验证分数对技能文档做增删改编辑，只接受真正提升的改动，并用学习率预算、拒编辑缓冲等机制保证训练稳定，部署时不增加推理开销。这种把技能当作可迭代的 textual 参数来训练的方式，让同一个技能在不同模型、不同执行环境甚至跨任务都能保持提升，直接提升大模型在聊天、代码生成等实际产品场景的成功率，值得关注。