01
一种基于CRISPR‑Cas12a2的“RNA 触发染色质粉碎”技术被证实能够只消灭携带 p53 突变的癌细胞，未对正常细胞产生明显伤害；研究者通过让该系统识别突变特有的 RNA，激活 Cas12a2 后在目标细胞内部大规模切割染色质，引发细胞死亡，从而绕过了肿瘤抑制因子缺乏“可药化口袋”的传统难题；该方法的可编程性和高度选择性意味着癌症研究与临床团队在开发针对新突变的疗法时，可大幅降低小分子或抗体研发的时间和成本，同时对治疗安全性的监管标准也可能随之调整。
ZhangYvJing's
Daily Brief
00
Film / Book Chapter
Paterson
Paterson (2016) · Jim Jarmusch
在面对今天源源不断的 AI 实验、模型迭代和代码审查噪音时，坐下跟 Patton 那位每天在公交车上写诗的司机一样，慢慢走一段城镇小路、记几行简短的笔记，会让你重新感受到“写作”和“行走”本身的真实节奏，从而把对 Agent、产品和工程的宏大思考，校准回最日常、最清晰的生活片段里。
Working in Public
Working in Public · Nadia Eghbal
Chapter 3: The Structure of an Open Source Project
A sharp chapter for thinking about visible work, maintainer labor, contributor flows, and why software ecosystems are not just code repositories.
01
Insight
今天的材料显示，AI 代理的焦点正从“搭建外壳”转向“塑造内部环境」与「可信推理」两条平行路径：Google 通过 Antigravity 把统一的模型‑服务层当作生长基底，暗示未来工具链会被模型直接吞噬；而一批论文（Operadic consistency、Valid inference with synthetic data、EurekAgent）则在证明，只有在约束明确、评价可量化的环境里，模型的自我校准与合成数据使用才会获得统计保障。与此同时，Hacker News 上的两大噪声——LLM 生成的拉取请求和恶意软件利用安全拒绝词——提醒我们，工程层面的 “噪声” 仍在放大，必须靠严格的贡献流程或提示防御来抑制。YouTube 的多场演讲（Logan Kilpatrick、Jensen Huang、WorkOS Zack Proser）又呼应了同一趋势：模型不再是加速器，而是把人类注意力从“写代码”转向“设计任务‑管道”。PDF 可自带机器可读结构、WebMCP 提供可调用动作、以及 SpatialClaw 把空间推理包装成可执行代码，这些都是把用户交互语义化、让代理无需抓取 DOM 或手工标签的具体实现，显示出从“界面适配”向“标准化工具抽象”的一致演进。综合来看，真正的突破不在于更大模型，而在于把模型嵌入受控、可度量的环境并配套统一的交互协议——这样才可能在生物医药、时序数据和多语言检索等高价值场景实现可靠落地。今天的阅读提醒我们，评估任何新工具时先问：它的安全/可信边界在哪，是否已有可复用的环境或协议来约束；否则即使技术闪亮，也可能成为噪声。顺便提一句，今晚可以放松下看部《Paterson》(2016)。
03
Hacker News
02
作者发现，开源项目收到的拉取请求数量虽在增加，但几乎全部由大语言模型生成，导致他不得不花大量时间审查机器产出的代码；他指出这些未经讨论的自动化提交缺乏对项目整体影响的考虑，且往往伴随冗长的模型生成描述，使得判断其价值变得低效；于是他坚持只接受先在议题中沟通的人工贡献，并立即关闭未显示真人痕迹的请求，这一做法将迫使使用 LLM 的开发者改变提交流程，增加沟通成本并遵守更严格的贡献规则。
03
Gemma 4 26B‑A4B 与 Qwen3.6 35B‑A3B 已在 macOS 上通过 llama.cpp、Metal 加速、MTP 预测草稿与多模态投影实现本地运行；作者利用 MTP 草稿模型将生成速度提升约 24%，并在 M1 Max 机器上保持多图片输入不降速；这套基于 OpenAI 兼容 API 的本地编码代理让开发者可在离线或网络不稳环境中直接使用高容量模型，减少对云服务的依赖并降低延迟与费用。
04
恶意软件作者在间谍软件中加入了核、生物武器相关的文字。这样做的目的是让大型语言模型在检测时触发安全拒绝，从而避免被 AI 安全扫描器分析。由于模型对首层安全指令的过度依赖，攻击者可以利用这些二阶盲点规避检测，这意味着需要处理复杂网络安全问题的系统可能要求模型降低安全阈值。安全团队在设计恶意软件分析流程时必须防范提示操纵，以保证检测效果不被规避。
05
06
PostgreSQL 19 正式在核心加入了对应用时间（temporal）表的原生支持，取代了以前只能靠 btreegist 扩展和排他约束实现的手工方案；标准化的 WITHOUT OVERLAPS 主键让数据库直接识别时间范围并自动防止重叠，省去了手动构造 GiST 索引和编写复杂约束的步骤；这意味着开发者和运维人员在设计审计、价格变动或历史查询时无需自行维护时间完整性，降低了实现成本和出错风险，并使查询优化器能够更高效地利用时间维度。
07
PDF 可以在同一文件中同时呈现给人看的排版和给机器的结构化 Markdown。通过自 PDF 1.4 起的标记内容替换属性，在内容流中加入替代文本，渲染器忽略但支持该属性的提取器会输出带层级、表格和列表的 Markdown。这让文档作者无需维护两份文件，机器学习、自动摘要等下游应用可直接获取结构化文本，降低解析成本并提升可靠性。
08
AI 代码生成器在生成前端页面时，加入“Qt 风格”提示后，页面的杂乱感显著降低。作者通过多次让模型尝试不同风格，发现多数输出带有一种模糊的“slop”，而指令明确为 Qt 风格时，这种“slop”几乎消失，虽然仍属主观感受，但在多个个人项目中都出现了类似效果。此发现可能让依赖 AI 快速产出 UI 的开发者降低审美修正成本，并在项目交付前减少额外的视觉打磨工作。
04
YouTube
01
The entire startup ecosystem is racing to build agent harnesses. Logan Kilpatrick, who leads Google AI Studio and the Gemini API, argues that scramble has a roughly 12-month shelf life. Models will absorb the scaffolding and run it natively, so the edge moves elsewhere. Google's own bet runs in parallel: a single agent harness, born from the Windsurf team and now called Antigravity, has become the connective tissue across search, the Gemini app, Cloud, and AI Studio — the role Gemini-the-model used to play. Logan makes the case that coding already feels like narrow superintelligence, and that
02
Full episode: https://www.youtube.com/watch?v=Jj-kBHzUohs Me on twitter: https://x.com/dwarkesh_sp
03
Simon Willison fires up four parallel agents and is wiped out by 11am. That is the problem Zack Proser is solving: not that the tools are too slow but that human attention is still the hard constraint. His loop: voice brief at 184 words per minute, agent dispatched to an isolated git worktree, laptop closed, progress checked from a phone on LTE miles away via remote control. The talk covers four layers that make this sustainable: signal agents that read Slack and Linear on a loop so you never open them yourself, verification gates from lint and build up to browser click through and critic pas
04
Jensen Huang describes the five-layer cake of AI investment—energy, chips, infrastructure, models, applications—and dismantles the fear that AI will erase jobs, using radiology and software engineering to show how automation raised labor demand instead of killing it. In conversation with Sequoia Capital's Konstantine Buhler. #shorts #ai #technology #artificialintelligence #nvidia
05
David Senra on the line from Atari founder Nolan Bushnell that shaped Steve Jobs from day one. #founder #entrepreneur #startup #shorts
06
Buying two concert tickets costs an AI agent the entire DOM, the accessibility tree, a screenshot, pixel coordinate math, and then a click that might miss because an ad just loaded and shifted the layout. Tara Agyemang from the Google Chrome team introduces WebMCP, a proposed web standard that replaces that process with structured tools: instead of guessing what your site does, agents get a menu of named, typed, described actions they can call directly. The talk covers two implementation paths. The declarative API adds a few HTML attributes to existing forms and the browser generates the JSON
07
Every business question that needs SQL follows the same loop: explain the question, wait for an engineer, get an answer, realize it needs one more join, share a one-off in Slack, repeat. Garrett Galow from WorkOS built Studio to break that loop — an internal workspace where anyone can ask questions against Snowflake, Linear, and Notion in natural language and get answers or reusable widgets without filing a request. The widgets are the interesting part: the LLM writes them once as declarative JavaScript that calls the underlying data sources directly, so every subsequent run is deterministic
08
Full episode: https://www.youtube.com/watch?v=Jj-kBHzUohs Me on twitter: https://x.com/dwarkesh_sp
09
Full video: https://youtu.be/l6DKRf-fAAM
10
David Senra on what he actually sees when he drops into the Bay Area founder scene. #sfbayarea #founders #vc #startup
11
Jensen Huang, founder and CEO of NVIDIA, makes the case that computing is undergoing its biggest shift in 60 years: from retrieval, where data centers store files we look up, to generation, where every word, image, and video is produced in real time and customized for whoever is asking. He explains why NVIDIA's AI factories are the dynamos of this era: machines that take in electrons and send out tokens of intelligence, just as Siemens' dynamo once turned motion into electricity. Jensen frames intelligence as the third force to "cocoon" the planet after electricity and the internet. In conve
12
13
07
Papers
01
它要解决的核心问题是：在科研或产品评估里，用生成模型合成的“硅样本”“LLM‑as‑judge”之类的数据到底能不能信赖，如何在统计上保证推断有效。作者提出了“task exchangeability”这一条件：只要能找到过去已有真实数据的任务，使当前要分析的任务在数学上与这些历史任务可互换，就能用专门的推断方法给出有效性保证，甚至还能延伸到超出严格可交换的情形。对做Agent/AI产品的工程师来说，这提供了一套理论工具，帮助在没有足够真实标注或实验成本高时，安全地利用合成数据加速迭代和评估。
02
它解决了斯洛伐克语文本向量化缺乏统一评测、模型质量不佳的问题；先搭建了包含31个数据集、七类任务的 SkMTEB 基准，随后在此上评测 31 种嵌入模型，发现大规模指令微调的多语言模型最强，而本地斯洛伐克 NLU 模型迁移差。为满足本地化、轻量部署需求，作者在 Multilingual‑E5 基础上裁剪词表并微调，生成 45 M 与 365 M 参数的 e5‑sk‑small / large，压缩 60%+ 仍能匹配商业 API，在语义搜索和 RAG 场景可直接离线运行。对做多语言 Agent、检索增强生成的团队来说，提供了完整评测、开源轻量模型和可复制的低资源语言落地方案，值得快速浏览。
03
它在解决“推理时怎么不靠标注直接判断大模型会不会出错”这一痛点。作者把 operad（组合替换）理论搬进 LLM，提出 operadic consistency (OC)：让模型先直接回答一个多步问答，再让它按给定的子问题分解逐步合成答案，二者若不一致即视为可能错误。实验覆盖 12 种指令微调模型（4 B‑671 B）和四类多跳 QA，OC 与真实准确率的相关系数 consistently 超 0.85，且在多数数据集上比常见的 CoT‑self‑consistency、semantic entropy 更稳健。对产品工程来说，这提供了一种标签免费、每题可计算的可靠置信度信号，能在固定预算下挑选更可信的回答，直接用于自动过滤或人机协同的质量控制。
04
EurekAgent针对的是“让大模型自动做科研”时的关键瓶颈——环境设计不当导致的低效、奖励作弊或需要频繁人工干预。作者把重点从写更复杂的 Agent 工作流转向“环境工程”，系统化构建四类资源层：执行权限（防止越界）、产物管理（文件系统+Git协作）、预算控制（限定 API 花费）以及人机交互入口（便捷监督）。通过这些环境约束，EurekAgent让 LLM‑agent 能在数学、内核优化、机器学习等任务上实现更开放探索、更可靠迭代，并且在 26‑circle packing 等项目上只花不到 11 美元就突破现有记录。对张玉璟这类关注 Agent 可落地、成本可控、可持续研发的工程师来说，这篇把“环境工程”提升到核心位置的方案值得一看。
05
它聚焦于 LLM 研究代理在“科学知识编排”上的盲点——现有系统只抓摘要、表层引用，忽视论文中的关键实体、论点、证据和方法链。Authors 提出 Agents‑K1，一条端到端流水线：用五模块多模态解析器把全文拆解成实体‑证据‑引用‑关系的结构化 schema，配合 4 B 信息抽取骨干网络（GRPO 规则奖励）生成 agent‑native 科学知识图谱；再用 graphanything CLI 把网络检索、图检索和跨文档遍历统一供代理调用。通过该管线对 246 万篇论文构建了公开的 Scholar‑KG，展示了在信息抽取、图谱构建和多跳推理上的显著提升。对张玉璟这类要把大模型变成可检索、可推理的产品，这套完整的知识编排方案和公开 KG 能直接降低构建科学推理能力的门槛。
06
问题：社会行为科学的可复现性检验成本高、难以规模化。 做法：用大语言模型构建自动化流水线，输入论文声明，让模型读取数据、计算效应量并与原始结果对比，实现“机器复现”。在 76 篇实验中，LLM 能在 41% 的案例中数值上逼近原效应，且在 96% 的案例中得出相同的结论，明显优于人工复查。 价值：这表明 LLM 可成为可快速、低成本批量审计实验结果的工具，为 Agent/AI 产品提供了可直接嵌入的可重复性验证模块，帮助构建更可信的实验数据管线。
07
他们在解决视觉语言模型在 3D/4D 场景中做空间推理时，受限于“怎么叫工具”这一交互接口的问题。提出 SpatialClaw：把行动界面改成可写可运行的 Python 代码单元，预装感知和几何原语，让 VLM 逐步生成代码、执行并把中间视觉/文本结果存进状态，能够灵活组合工具、实时调整分析策略。因为这是零训练、直接兼容多种主流 VLM，且在 20 项空间基准上比现有空间 agent 提升 11%+，对想快速搭建可解释、可扩展的空间感知/规划模块的产品工程师非常有参考价值。
08
它针对检索增强生成在复杂推理上的盲点——传统检索只看相似度，往往抓不到真正有助于推理的案例。作者提出RA‑RFT：先用“金标准”相关性蒸馏训练检索器，让它按“推理收益”排序，再用检索到的类比演示做强化微调，让模型在可验证的奖励下学会利用推理痕迹。实验在数学推理基准上显著超越普通强化微调，说明把检索做成“推理感知”是一条与奖励设计、训练课程互补的提升路径，值得在Agent或AI产品里尝试用检索来提供类比式推理支撑。