01
通过 Homebrew 安装的 Music Decoy 进程可让系统在按下“▶ Play”键时不启动自带 Music 应用；它仅凭使用与 Music 相同的 bundle identifier（com.apple.Music）让系统误以为 Music 已在运行，从而阻止 rcd 守护进程在没有音频播放的情况下自动打开该应用；该机制还能在配置后将播放键映射到其他播放器，避免误触导致的意外播放或蓝牙耳机切换，进而影响日常使用键盘或耳机控制媒体的用户的操作流程与潜在中断。
ZhangYvJing's
Daily Brief
00
Film / Book Chapter
Arrival
Arrival (2016) · Denis Villeneuve
在面对持续迭代的模型、频繁的系统中断和信息噪声时，《Arrival》用语言的解码与时间的非线性呈现，让你在繁忙的 Agent 开发与产品决策中重新审视“未知”背后的结构，帮助理清情绪、校准对不确定性的直觉，并为接下来几周的设计与实验提供一种稳坐情绪、以更宽阔视角拆解问题的思考模式。
The Beginning of Infinity
The Beginning of Infinity · David Deutsch
Chapter 1: The Reach of Explanations
A broader chapter for sharpening what counts as a good explanation, useful when daily inputs are full of claims, demos, and partial narratives.
01
Insight
今天的信号显示，AI 实用化的重心正从单纯的模型体量与算力竞争，转向“系统化的自我维护”和“可靠性”两条路径：一方面，Apple 用 Gemini 共建的本地‑云混合架构、MiMo‑v2.5‑Pro‑UltraSpeed 的万 token/秒解码、以及 MemDreamer 将感知与推理剥离的记忆‑检索循环，都在证明高速、低延迟的模型已经可以直接嵌入日常工具链，削弱对外部云服务的依赖；另一方面，来自 Bright Data、Arize、Cloudflare 和 Qodo 的一系列演讲不断提醒我们，真正的工程挑战在于让这些模型“自我修复、主动检索、成本感知”，否则即使跑得快也会因为维护成本或错误传播而失效。Hacker News 上的 Apple Intelligence 与 MiMo‑v2.5 的发布相互印证了硬件‑软件协同的趋势，而对手艺式的 “Music Decoy” 小工具则显露出底层用户体验仍被最细微的系统细节卡住；同样，社交媒体内容被短视频埋没的噪声与 EU 禁用农药回流的监管闭环提醒我们，技术迭代的社会层面往往出现叙事错位——产品宣传的“隐私安全”与实际监管漏洞并行。学术层面，几篇 arXiv 论文分别指出：少样本提示可以在细粒度语言任务上追平标注模型（提示敏感性提醒产品在部署时必须防止 Prompt 注入），持续元学习与稀疏专家路由为长期模型更新提供了可防遗忘的框架，而概率推理仍是 LLM 的短板，这与“AI Agent 可靠性”话题相呼应。汇总来看，今天的核心判断是：高效、自治的模型已经进入落地阶段，但要让它们在真实系统里安全、可维护、且不被外部噪声吞噬，仍需在自我监控、检索记忆以及监管合规上投入工程资源。今天的阅读建议把目光放在 Apple‑Gemini 混合架构与 MemDreamer 的记忆‑检索设计上，同时警惕提示敏感与概率推理的薄弱环节，毕竟真正的 AI 价值在于可靠的执行，而非单纯的算力秀。顺带一提，今晚不妨看看《Arrival》（2016）再思考人类与外来语言的沟通方式。
03
Hacker News
02
Apple 将其 Apple Intelligence 平台换装为以 Google Gemini 技术为核心的全新 AI 架构，正式推出联合研发的 Apple Foundation Models。该模型既能在本机运行，又可通过已有的 Private Cloud Compute 在服务器上调度，配合居中的系统编排器实现跨应用、跨任务的统一智能响应，并在部分设备上提供更强的图像生成、语音合成和自然语言理解能力。由于全部采用本地与受限云计算，用户数据仅用于当前请求，外部审计可随时验证隐私保护，这将直接改变开发者集成 AI 功能的方式，降低对外部云服务的依赖并重新定义数据安全合规的成本和风险。
03
MiMo‑v2.5‑Pro‑UltraSpeed在1T模型上首次实现1000 token/秒的解码速度。通过仅对MoE专家层使用FP4量化并配合DFlash块级并行预测的投机解码，在单机8卡 commodity GPU 上消除了带宽和序列瓶颈。该速率使实时决策、代码生成等场景的开发者能够把模型当作即时思考的扩展，提升生产力并改变高频交易、反欺诈等业务的成本与风险模型。
04
05
细胞之所以保持微小，是因为表面积‑体积比和分子扩散速率两大物理限制决定了它们不能随意膨胀。随着半径增大，体积按立方增长而表面积仅按平方增长，使得营养摄取、废物排出和能量产生的效率下降；同时，内部空间扩大导致随机分子碰撞概率下降，尤其在拥挤的细胞质中，大分子扩散更慢，进一步限制了代谢速度。该认识将迫使生物实验室在设计培养基、显微检测和单细胞分析时必须考虑细胞尺寸对物质交换和信号传导的影响，进而影响实验成本、数据可靠性以及对大体积细胞模型的使用规则。
06
TI-84 Plus 的完整操作系统已被逆向工程，发布了 1 MiB ROM 的系统概览与分页、系统调用等细节。该计算器采用 Z80 核心、4 槽闪存分页和 bcall 机制，使单次只能映射 64 KiB 的限制被跨页代码与数据访问所突破，并通过浮点引擎、变量表和 TI‑BASIC 令牌解析构建用户交互层。逆向成果提供了每个子系统的文档对应、可信度标记以及完整的系统调用索引，降低了研究 TI‑OS 的技术门槛，可能促使教育软件开发者、固件分析人员以及安全研究者在工具链、成本和实现风险上重新规划工作方式。
07
社交平台的内容重心已从好友交流转向专业创作者的短视频娱乐；平台通过算法把用户不关注的内容推入时间轴，以延长停留时长并提升广告收入；这迫使小企业必须兼顾内容策划、编辑和趋势捕捉，承担额外的创意成本并面对更高的营销风险。
08
欧盟禁用的多种农药在米、茶和香料等日常食品中被检测出。实验室对荷、法、奥、德四国64件样品抽检，发现45件含有未经欧盟批准的农药残留，其中14件超出法定限量，且所有辣椒粉、辣椒和孜然样品均检出禁用农药。欧盟成员国虽已禁止这些化学品在本土使用，却仍可向第三国出口，随后这些产品以进口食品形式回流欧盟，形成“有毒农药回旋镖”。该现象对监管机构的检测与监控流程提出更高要求，可能导致合规成本上升，并使消费者面临更大健康风险。
04
YouTube
01
What is the fundamental compressibility of language? Check out our virtual career fair: https://3b1b.co/talent See new projects before they go live: https://3b1b.co/support Animation credit: Manim scenes by Aaron Gostein and Grant Sanderson Shannon’s story, as well as those for various pi creatures, by Mitchell Zemil. Lunar robot and prediction/compression coin by Paul Dancstep NanoGPT animations by Clayton Rabideau The way of visualizing entropy shown here is something I first came across in this excellent post by Chris Olah: https://colah.github.io/posts/2015-09-Visual-Information/ Shanno
02
Full episode: https://www.youtube.com/watch?v=Jj-kBHzUohs Me on twitter: https://x.com/dwarkesh_sp
03
Scraping is not the hard part anymore. Maintaining scrapers is. This session shows what it looks like when an agent uses MCP to inspect a site, understand its structure, generate a production scraper, and keep that pipeline working when the site changes. Using Bright Data's MCP, APIs, and browser infrastructure, the flow moves from one-off extraction to something much more useful: agents that build parsers, save tokens by switching from page parsing to reusable scripts, and repair broken collection jobs without a human getting dragged in at 2am. If you're thinking about web data, automation,
04
Two failed crypto mining rigs in a basement in 2022. The founders posted on Reddit offering the GPUs for free in exchange for feedback. That is the origin of RunPod, now at $120 million in annual recurring revenue with 500,000 developers on the platform. The demo runs in under five minutes: pick a model from the Hub, configure a context window, deploy a serverless endpoint on H100s. First request queues for 41 seconds on cold start while the container initializes and the model downloads. Every request after that executes in about 1.5 seconds. You pay only while a worker is handling a request.
05
Your agent called tool B before tool A, and B has a dependency on A. You did not catch it because nothing in your code audits agents. The telemetry does. Dat from Arize AI walks through what observability actually means when the system you are debugging is nondeterministic and the execution path changes with every run. The talk covers the five flavors of eval signal (LLM as judge, human feedback, golden datasets, deterministic checks, business metrics), what scope to run them at (single span, multispan, trajectory, session), and where this is heading. Arize Phoenix is open source, runs as a s
06
Matt Carrie and Sunil Pai from Cloudflare's agents team explain why Durable Objects turned out to be the right compute unit for AI agents: addressable, persistent, hibernating, stateful, and fast enough that 15ms London latency puts you inside a single animation frame. The Agents SDK builds on this to give resumable streaming, multi tab sync, and background scheduling out of the box, without any distributed systems engineering in userland. The bigger reveal is Dynamic Workers: take a string of LLM generated code, run it in a sandboxed isolate with no ambient access, and grant only the capabil
07
Full episode: https://www.youtube.com/watch?v=Jj-kBHzUohs Me on twitter: https://x.com/dwarkesh_sp
08
David Senra on the simplest, truest career advice I've heard in years. #ceo #entrepreneur #founder #careeradvice
09
Give an agent your full codebase and it will attend to the start and the end, then quietly drop the middle. Nupur from Qodo calls this the U curve and builds the whole talk around it: why growing the context window did not fix the problem, and what actually does. She runs through iterative retrieval, hierarchical summarization, and self correction with honest cost tradeoffs for each. The second half covers the orchestration paradox: capable models burn most of their tokens deciding how to solve a problem rather than solving it. Her team's fix is an 80/20 split, using high reasoning models for
10
Training a standard LLaMA 3B model with a 3 million token context on a single 8xH100 node fails before you even start: the model parameters alone exhaust GPU memory. Max Ryabinin from Together AI walks through the full stack of techniques needed to get there: fully sharded data parallelism, DeepSpeed Ulysses context parallelism for an 8x activation reduction, activation checkpointing for another 8x, CPU offloading for transformer block inputs, and chunked sequence training to avoid allocating buffers 3 million tokens wide. Even that stack falls short at 5 million tokens. The novel contributio
07
Papers
01
该论文聚焦土耳其语轻动词短语（LVC）的二分类：判断同形的字面动宾组合是字面意义还是部分成语意义。作者用手工标注的147句数据，对比了基于BERTurk的监督模型和多种指令微调大模型（GPT‑OSS‑20B、Qwen 2.5‑14B 等）的零/一/少量示例提示，分析示例示范如何改变错误分布。结果显示，少量高质量示例能让大模型在 LVC 检测上追平甚至超越监督基线，但对提示极其敏感。对做Agent/AI产品的工程师来说，这提供了“少样本 prompt”在细粒度语言任务中的实战指南，帮助评估是否能用大模型替代专门标注的分类器，从而降低标注成本、提升语言理解的可迁移性。
02
解决了个性化心脏电生理仿真中“模型个性化”和“计算成本”两难：传统神经代理要么只会快速适配单一患者，要么需一次性用全量任务训练，新增患者数据时必须全量再训，容易遗忘旧任务。作者提出 CoMetaPNS——一种持续元学习框架，利用基于记忆缓冲的贝叶斯高斯混合模型实时辨识并聚类新旧动力学来源，再通过元学习的 amortized inference 持续更新集合条件代理，使模型既能不停吸收新患者数据，又不忘已有经验。对做实时 AI 代理、需要边训边用、数据持续流入的系统工程师来说，这提供了可扩展、抗遗忘的个性化仿真方案，值得关注。
03
这篇论文聚焦“AI Agent到底能把知识型任务搞多快、多好”。作者用 Perplexity Search 与其全自动 Computer 两套产品的真实使用日志做自然实验，对同一任务的两种交互方式做对比：Computer 能在一次会话里自行拆解并执行任务，平均耗时仅 26 分钟，而同样的任务在 Search 下要手动串联多次查询，总时长 33 秒/次，整体完成时间从 269 分钟压到 36 分钟，满意度下降率降 55%。更重要的是，Computer 让用户敢于提交跨专业、需要高阶认知的复合查询，扩展了工作边界。对想弄“从聊天到真正执行的 Agent”、关注自动化效率、质量提升和任务范围拓展的产品工程师，这篇实证数据直观展示了自主 agent 能带来的成本、时效和业务边界的跳跃，值得一读。
04
这篇论文针对推荐系统算法排榜难的痛点：不同数据集（稀疏度、序列性、规模等）会导致同一算法表现大相径庭，直接把NDCG等指标平均会弄出误导性的排序。作者把排名问题转成 Bradley‑Terry 对局模型，利用数据属性驱动的胜负概率来生成更可靠的算法排名，还提出了评估排名一致性的指标，验证了在缺失数据情况下的稳健性。更进一步，他们给出基于 BT 树和带协变量的 BT 模型的推断方法，能在未跑模型的全新数据集上预估算法排名，对快速选型和产品迭代尤为实用。
05
它针对在无中心节点、只相邻通信的网络上做强凸随机优化时，通信效率受条件数 κ 和网络谱隙 1‑β 双重限制。作者提出了 Multi‑Gossip Accelerated DSGD（MG‑ADSGD），把 Nesterov‑style 原始‑对偶外推和多轮快速 gossip 平均结合起来，利用 mini‑batch 大小同步调节 gossip 深度，既提升一致性又压低梯度噪声。结果表明在强凸情形下，通信复杂度达到 √κ 和 1/√(1‑β) 的加速上限，对大规模分布式学习、边缘AI 或多机器人协同训练等场景的通信成本有显著参考价值。
06
它要破解大模型在持续学习时的“塑性‑稳定”冲突——新任务上线容易把旧知识给忘了。作者把模型参数划分成稀疏子空间，分别训练专属的task‑expert和共享的common‑expert，再用自适应弹性锚定和路由正则让共享权重和路由路径都被保护，推理时由统一门控网络自动挑出对应的expert组合。对做Agent、插件化模块化模型的工程师来说，这种“任务专属+共享”解耦方案直接提升了知识保留和向后迁移，省去手动微调、冻结层的繁琐，值得一看。
07
它针对长视频（数小时）理解的瓶颈——一次性送入完整视觉序列会导致 token 爆炸、注意力稀释——提出了 MemDreamer。核心做法是把感知和推理拆开：边流式读取视频，逐层构建 Hierarchical Graph Memory（底层捕捉时空因果，上层做语义抽象），推理时让模型充当“agent”，在 Observation‑Reason‑Action 循环中主动检索、遍历图节点和逻辑边。这样只需要 ≤2% 的上下文窗口就能把长视频压缩进记忆，实验在四个主流 benchmark 上刷新 SOTA，距离人类只差 3.7 分。对张玉璟关注的 Agent/AI 产品来说，这种“记忆+主动检索”框架提供了在大规模多模态数据上保持推理深度且计算可控的实用思路。
08
这篇论文问：大模型在掷骰子这类离散概率题上到底有多靠谱？作者搭建了两套题库——一套常规练习、另一套专门设计的“违背直觉”题目，来诱导模型走捷径。随后在8个主流LLM上跑了标准评测和Chain‑of‑Thought提示，发现标准题准确率≈96%，但在逆向题上跌到≈59%，而改写表述或塞入误导信息还能再削10%‑30%。结论是，当前的LLM虽然在高阶数学上表现亮眼，却仍缺乏真正的概率推理能力。对做Agent或AI产品的工程师来说，这提醒在涉及不确定性决策或风险评估的场景里，单靠LLM的直觉推理可能不可靠，需要额外的校准或专门的概率模块。