01
英国政府在6.8 万次页面访问中记录到社交分享按钮被点击仅14 078 次，使用率约为0.21 %，相当于每 476 位访问者中只有 1 人点击；同类移动会话和其他站点的统计也都在0.2‑0.25 %之间。用户测试显示访客更倾向于复制粘贴链接而非使用按钮，且点击广告的频率是使用分享按钮的十二倍，这表明按钮并未满足真实需求，反而占用了开发资源。产品经理和前端团队需要重新评估分享功能的实现成本和优先级，以避免在 backlog 中保留低价值需求。
ZhangYvJing's
Daily Brief
00
Film / Book Chapter
Good Will Hunting
Good Will Hunting (1997) · Gus Van Sant
《Good Will Hunting》让你在面对“模型能解决多少、哪些需求才值得投入”的迷茫时，看到当才华被迫隐藏、害羞的程序员在导师的点拨下敢于审视自己的极限和价值，这种从自我羞耻到主动选择的转变，恰好像今天看到的低效分享按钮和本地模型崛起，提醒你先厘清真正需要投入的核心能力，再敢于放手去做能产生真实影响的产品。
The Effective Engineer
The Effective Engineer · Edmond Lau
Chapter 1: Focus on High-Leverage Activities
A direct chapter for choosing what to work on today: it keeps attention on compounding engineering output rather than just being busy.
01
Insight
今天的材料显示，围绕生成式 AI 的核心竞争正从模型本身的“能干”向系统级的“可控”和“成本”两条轨道分化，一方面技术团队正把本地大模型、双层 iframe 隔离、KV‑Cache 可编辑、TokenPilot 低代价上下文压缩等工程手段推向成熟，证明在不依赖云 API 的前提下仍能获得接近前沿的准确度与响应速度，这与 Hacker News 上对本地模型“已能跑 75% 精度”的报告相呼应，也解释了 YouTube 中关于双 iframe 为防止跨域存取而必要的细节；另一方面，随着生成内容从检索转向实时生产（Jensen Huang 所言的“从检索到生成”）以及对隐私、可信度的更高期待，Apple 改用统一 @private.icloud.com 的别名、DP‑FL 仍然脆弱的后门攻击、以及多模态 Vision‑Language 数据集 FusionRS 对红外信息的加入，都在提醒我们，单纯的生成能力已不再是核心，如何在高效实现的同时确保安全、可审计、可编辑成为新的焦点。跨来源来看，论文里提出的 Filtered Conformal Ellipsoids 与 TokenPilot、KVEraser 等方法，都是在统一置信区间或缓存编辑上提供可量化的保障，正好对冲了 YouTube 中关于工具化 AI（如 MCP 双 iframe）在安全层面的担忧；而 Simile 把模型比作“GPU”，强调多样化人类价值的模拟，也与 arXiv 上 ExpRL 通过稀疏奖励在中期训练中强化推理过程的思路形成呼应，显示学术界已经在探索“生成”之外的价值层面。整体上，生成式 AI 正从“能生成”向“能管控、能削本、能安全”迁移，产品与研究的噪声点集中在表层的功能宣传（如 SpaceX 收购 Cursor）与实际可落地的成本控制之间产生的错位。今天阅读这些内容时，建议关注那些提供可编辑缓存、低代价本地推理或明确安全边界的技术方案，它们才是把生成式 AI 推向可靠生产的关键，顺便提醒，午后不妨放松一下，看看《Good Will Hunting》（1997）。
03
Hacker News
02
本地大模型的运行性能已提升至接近前沿模型的水平，能够在本地完成约75%的准确度与速度。近期模型架构的改进和工具链（如 LM Studio、llama.cpp）的成熟，使得推理更快、部署更便捷，且在 Docker 容器中可实现安全的 agent 工作流。开发者因此可以把部分 AI 辅助编码和文档生成任务迁移到本地环境，降低对云 API 的依赖并在一定程度上控制成本和数据泄露风险。
03
Apple 将把 Sign in with Apple 与 iCloud+ Hide My Email 生成的别名统一改为 @private.icloud.com 子域名；该改动使得仅通过屏蔽该子域即可阻止所有转发别名而不影响普通 iCloud 邮箱。此前别名因具备合理否认空间且有 Apple 背书，被封禁成本较高；改用统一子域后，服务商可像对待免费临时邮箱一样直接拒收这些地址。使用 iCloud+ 隐私转发的用户需在改动正式生效前尽快创建更多 @icloud.com 别名，否则可能面临更高的邮件接收阻断风险。
04
05
Bash 内置的 /dev/tcp 使得在没有 curl、wget 等工具的极简容器中也能直接发起 HTTP 请求。它通过 exec 打开一个 TCP 文件描述符，然后手写 GET 请求并将响应读回，完全依赖 Bash 对该路径的内部重定向和 DNS、connect(2) 的自动处理；然而它不解析 HTTP、不给出重定向或 TLS，且仅在编译时启用了 net‑redirections 的 Bash 版本可用。此技巧可以让仅有 Bash 的容器快速验证网络连通性，省去额外安装客户端的步骤，从而降低镜像体积和部署成本，同时也提醒运维在使用时需注意安全和功能限制。
06
07
机械表通过扭紧的螺旋主发条在桶形壳体内储能，然后借助齿轮组把少量转动放大为分针和秒针的高速旋转；发条的S形曲线和外层金属条提供均衡张力并在过度上链时产生摩擦锁止，以防止损坏；这种全机械驱动方式决定了钟表匠需专注于精细装配和防尘封闭，而不再依赖电池或电子元件，从而影响制造成本和维护流程。
08
博客作者放弃了 Jekyll、Hugo、Gatsby 等静态站点生成器，自己从 HTML‑JSON‑Markdown‑HTML 的全链路实现了“一键构建‑部署”的静态网站生成工具。作者说明最初的工具限制了自定义空间，随后逐步补齐缺口，结果演变成完整的生成器，这正是“yak shaving”——为实现单一目标而不断衍生出新任务的过程。此做法提醒开发团队在评估自研与现成方案时，需要权衡投入的时间与潜在的需求蔓延，以避免因过度“剃羊毛”而增加项目成本和延期风险。
04
YouTube
01
Full episode: https://www.youtube.com/watch?v=Jj-kBHzUohs Me on twitter: https://x.com/dwarkesh_sp
02
Inspect ChatGPT's DOM while an MCP app is rendering and you find an iframe nested inside another iframe. Frédéric Barthelet traces why each simpler approach fails: `srcdoc` shares the parent origin so ChatGPT's CSP blocks all third party scripts; relaxing that CSP lets any app read ChatGPT's localStorage and cookies; adding `sandbox` removes origin indexed storage; adding `allow-same-origin` to restore it is the classic sandbox escape. The double iframe is what remains after ruling all of that out. The outer iframe serves one lightweight script from a controlled subdomain (different subdomain
03
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. In conversation with Sequoia Capital's Konstantine Buhler. #shorts #ai #technology #artificialintelligence #nvidia
04
Yoko Li and Justine Moore speak with Ideogram founder and CEO Mohammad Norouzi about image generation models, design workflows, and the evolving relationship between AI and creative work. The conversation covers Ideogram's decision to release an open-weight model, the challenges of generating text and layouts within images, and why controllability has become an increasingly important area of research. They discuss prompting, customization, editing, and the tradeoffs between general-purpose models and systems optimized for specific creative tasks. Along the way, Norouzi shares his views on op
05
Logan Kilpatrick of Google AI Studio on how Google went from ~50 disconnected products, to Gemini as the throughline, to the agent layer as the next one. #shorts #AI #agents #gemini
06
The race to build superintelligence is producing models that keep getting better at objective problems, but not at behaving like actual people. Joon Sung Park, founder and CEO of Simile and creator of Stanford's "Smallville" generative agents study, argues that simulating human society requires a fundamentally different kind of model. He frames today's frontier models as the "CPU of intelligence"—rational, superhuman at problems with right answers—and Simile as creating the "GPU of intelligence," built to encode the diversity of people's values, preferences, and tastes. It simulated 1,000 Amer
07
At GTC a few weeks ago, Ziv Ilan's team at NVIDIA got a video diffusion model generating in close to real time on a single Blackwell B200. The trick wasn't a new architecture, it was stripping out most of the fifty step denoising process diffusion models default to, by combining quantization, caching, and step distillation: training a student model to match a teacher's output using four steps, eight steps, or in some cases just one. Ilan walks through each layer of that stack: dynamic quantization work done with Black Forest Labs on Flux 2, a caching method that skips recomputing latent chunk
08
Full episode: https://www.youtube.com/watch?v=Jj-kBHzUohs Me on twitter: https://x.com/dwarkesh_sp
09
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. In conversation with Sequoia Capital's Konstantine Buhler. #shorts #ai #technology #artificialintelligence #nvidia
10
Part of a series of monthly puzzles done in collaboration with MoMath.
07
Papers
01
它要在多变量时间序列（尤其是图结构数据）上给出可靠的整体预测区间——即在一次预测里一次性控制所有维度的覆盖率，同时利用各维度间的关联。方法是先用一个状态空间滤波器（比如 GCN‑GRU）生成一步的预测均值和协方差，再对得到的Mahalanobis得分做 split‑conformal 校准：滤波器决定椭球的形状，校准决定统一的半径，从而避免直接依赖高斯尾概率。作者证明了在一定收敛和可观测性条件下，这种“过滤+分割”能给出近似的统计覆盖保证，并在交通流图数据上比固定协方差或不使用滤波的基线更紧致。对做实时预测、需要统一置信椭球的 Agent 系统和图‑AI 产品来说，这提供了一套既利用深度滤波学习协方差，又保留分布自由覆盖的实用方案。
02
它归根结底在解决 LLM Agent 长会话里上下文膨胀导致的推理成本飙升问题。作者提出 TokenPilot——一个双层粒度的上下文管理框架：全局用 Ingestion‑Aware Compaction 在入口处把无关噪声剔除、保持 prompt 前缀不变；局部用 Lifecycle‑Aware Eviction 按上下文残余价值动态批量淘汰已失效的段落，确保缓存连续性不被打乱。因为它在实际基准（PinchBench、Claw‑Eval）里把推理费用削去 60% 以上且不牺牲效果，直接切入成本敏感的 Agent 产品研发，值得在工程落地时快速了解并尝试集成。
03
该论文针对遥感领域视觉‑语言模型仅用 RGB 图像的局限，补齐了红外（IR）信息缺失的问题。作者先把公开的 RGB 遥感图像翻译成红外风格，配对形成 RGB‑IR 双模图像，并为每对图像提供普通场景描述和专门描述红外特征的 IR‑aware 文本，构成大规模 RGB‑IR‑text 数据集 FusionRS。随后在此数据上训练 CLIP‑style 的跨模态对齐模型，再微调生成式 VLM 实现 RGB‑IR 联合图文生成。对工程师而言，这套数据与模型直接支持“看见热信息、说出热特征”的应用，如灾害监测、夜间目标检测等，打开了多模态遥感智能的全新思路，值得在 AI Agent、系统感知层面快速参考。
04
该论文聚焦“在大模型中期训练阶段如何高效利用稀疏奖励强化学习”。作者把海量人类问答数据当作奖励结构，而不是直接模仿答案：先隐藏参考答案，用语言模型评审器根据答案构造细粒度评分规则，对模型自行生成的推理过程给出过程级或结果级的密集奖励。这样模型能被强化学习及时奖励“中间进展”“有效化简”等行为，而不是只等到最终答案对错。实验在高难度数学推理上显著提升了RL预训练效果，也为跨领域任务提供了更稳健的初始化。对需要把LLM嵌入实际Agent系统、想用RL快速补齐推理能力的产品团队，这种“奖励脚手架”方式值得一试。
05
作者聚焦“长时段时序预测到底要不要用复杂的数字序列混合”。他们提出 HAMON：把历史序列映射到光学孔径上，使用可训练的相位掩码和自由空间衍射，让光场直接生成未来值。推理时只要一次被动光传播，无需任何数字混合层。实验显示在多个主流基准上比最强数字模型稳健提速10%‑14% MSE，且完全基于标准傅里叶光学，可直接落地光学硬件。对做 Agent/AI 产品的工程师而言，这提供了一条把“预测算子”搬到低功耗、极快光学层面的思路，值得关注。
06
它要解决的核心是：“在大模型已缓存 KV 状态后，怎么把已经写进去的某段文字删掉而不重新算后面的全部”。传统做法必须把删掉位置之后的所有 token 重新推理，代价随后缀长度线性增长。作者提出 KVEraser：把要删掉的 span 对应的 KV 条目用一个“引导状态”替换，其余缓存保持不变；通过两阶段训练（先让模型学会抑制相邻 span 的影响，再在具体任务上微调）得到可迁移的擦除能力。对工程师而言，这意味着在长上下文、检索增强或对话场景里，发现事实错误、工具输出失效或有害提示后可以快速局部撤回，计算开销仅比原推理略升 24%，而不是传统的 17 倍，是实现可编辑、可纠错 LLM 产品的实用利器。
07
这篇论文指出，差分隐私（DP）并不能自动防御联邦学习中的后门攻击，反而会掩盖恶意更新的统计特征，让现有防御失效。作者提出 RING——一种在满足 DP 约束的前提下，利用扰动层把后门信号隐蔽地嵌入聚合过程的攻击手法，且能和任意后门技术组合使用。对工程/Agent 场景而言，结果提醒在部署 DP‑FL 时必须重新评估安全防护，否则很可能在不增加隐私开销的情况下被高成功率的后门攻击击穿。
08
它问：深度图像分类器内部到底依赖图像的相位信息还是幅度信息？作者在选定的隐藏层把一张图的傅里叶相位贴到另一张图的幅度上，观察预测到底跟随哪边；同时在不同模型（PRISM2D、GFNet、ViT‑B/16、ResNet‑50）做前后ReLU前后的干预实验，证明大多数架构的身份编码主要在相位/符号上，幅度几乎可丢。结果解释了为何CNN偏好纹理、注意力模型更靠形状，对模型设计和特征解耦有直接启示，值得关注特征表示、轻量化或对抗鲁棒的工程师快速浏览。