01
Jerry在2023年重新启动并持续完善1963年起手绘的想象城市地图，使其成为由4000多块8×10英寸面板组成、规则与随机卡牌共同驱动的二维“虚拟世界”艺术项目；项目的进度依赖于艺术家自制的约百张卡牌，每张卡指定工作单元数、方向、材料和后续步骤，完成后才能抽取下一张卡；因此参与绘制或维护的艺术助理、收藏者以及使用该项目素材进行研究或展览的机构，都必须适应按卡牌指令分配时间、材料和档案管理的工作模式，导致其工作流程、成本核算和作品保真风险均受到卡牌系统的约束。
ZhangYvJing's
Daily Brief
00
Film / Book Chapter
Arrival
Arrival (2016) · Denis Villeneuve
《Arrival》用外星语言解码未知的交流规则，正像你在调试多代理系统时面对的模糊需求和时序不确定，让人在沉静的叙事里重新审视信息的层次与情感的时差，帮助你在近期的项目决策和对抗焦虑的时刻，把注意力从纯技术指标拉回到对“意图”和“失去”本身的感知与校准。
The Mom Test
The Mom Test · Rob Fitzpatrick
Chapter 1: The Mom Test
A short practical check on product conversation: stop asking for validation, start extracting facts, and keep reality from being softened by politeness.
01
Insight
今天的材料透露出两条关键的趋势：一方面，AI agent 的底层实现正在从“单模型提示”向“结构化调度”和“工具化交互”迁移；另一方面，围绕这些 agent 的治理与成本，却在同步出现更严格的身份验证和数据采集制度，形成技术与合规的双向拉力。Hacker News 上的 F3、Unlimited‑OCR 与 FUTO Swipe 都在展示新型的底层算子——Wasm 解码器、长文本上下文以及大规模滑动输入数据集——它们共同说明，提升模型吞吐和多模态协作的瓶颈已从算力转向数据格式和输入管线的标准化；而同源的 arXiv 论文则把焦点放在系统提示的优化价值（MAS‑PromptBench）以及语言本身的容量上限（Prompt‑Conditioned Limits），暗示只靠更好的 prompt 已难以突破 agent 效能的天花板，必须配合更丰富的交互层（如代码驱动的 AIR）或更有效的模型结构（Tapered LM）才能实现实质性的性能提升。与此同时，Anthropic 将在七月强制年龄/身份验证，直接把合规成本写进了 Claude 的使用流程，这与 X/Twitter 与 Bilibili 社区里关于 “AI 工具是否会被监管压制” 的噪声形成对照——技术层面的自助调度正被政策层面的身份门槛硬化。跨来源来看，AI 安全讨论（Gray Swan）与 YC 访谈里对工程金字塔被 agent 扁平化的预言相呼应，说明业界已经把 agent 视为重新塑造研发组织的根本力量，但仍缺少统一的安全与审计框架。综上，今天的核心判断是：AI agent 正在从“提示驱动”升级为“工具与数据驱动的系统”，而监管与治理的收紧正把这场技术演进推向更高的合规门槛；在这种背景下，关注实际数据流水线、优化系统提示、并提前布局身份验证与安全规程，才是把握前沿的实用路径。顺带一提，若想在忙碌的早晨抽空思考这些转变，或许可以看一看《Arrival》（2016）里对语言与沟通本质的探讨。
03
Hacker News
02
Anthropic 将在 2026 年 7 月 8 日起生效的新隐私政策，加入了对用户年龄或身份的验证要求。该条款说明在特定情形下，平台会收集政府证件照片、面部图像或生物特征，以确认用户是否符合使用门槛，并将验证结果与用户账户关联。此举意味着开发者、企业用户以及使用 Claude 进行多步任务或第三方集成的个人，需要在提交输入前准备并授权额外的身份材料，从而增加合规成本并影响数据处理流程。
03
04
F3 作为下一代列式存储文件格式，采用自行描述的布局并在每个文件中嵌入 Wasm 解码器，以修正 Parquet 等旧格式的布局缺陷并保持跨平台兼容。项目通过 FlatBuffer 定义文件结构、用户自定义编码模块以及基于 Wasm 的通用解码实现，展示了改进的存储布局和解码效率。该原型在单一 Intel‑Debian 环境下完成构建和单元测试，意味着数据工程师在迁移或扩展数据管道时需要重新评估工具链和部署风险。
05
06
Unlimited‑OCR 在 arXiv 上发布并已在 ModelScope 开放，提供单图、跨页以及 PDF 全流程的长文本光学字符识别；模型通过 HuggingFace Transformers 在 NVIDIA GPU 上运行，采用 bfloat16 并结合自定义不重复 n‑gram Logit Processor 以支撑 32768 长度上下文；这一套从环境搭建、SGLang 服务器启动到 OpenAI‑兼容流式 API 的完整链路，使得研发团队和文档自动化服务商能够以更高的吞吐和更低的显存占用处理大规模文档，进而降低 OCR 项目的算力成本并简化部署流程。
07
维他命 D 被认为几乎没有效用的说法被认为有些夸大；虽然随机对照试验未显示显著好处，但在缺乏严重缺乏的情况下，低水平人群仍可能从补充中获益；这一观点提示临床研究者与公共卫生制定者在评估维生素 D 补充策略时，需要重新考虑试验设计、成本投入以及针对特定风险人群的指南。
08
FUTO 在 2025 年 3 月正式发布了 100 万条 QWERTY 英文滑动输入数据集，并采用 MIT 协议在 HuggingFace 开放下载。该数据集源自 2024 年 8 月在 swipe.futo.org 上组织的用户自愿采集，参与者在手机浏览器完成阅读维基百科句子并逐词滑动输入的任务，随后过滤掉少量低质量样本。发布后，FUTO 将这些数据广泛用于训练自身模型和评估多种滑动打字系统。该公开资源降低了构建和验证滑动输入技术的实验门槛，可能让研发团队在数据准备上花费更少时间与经费，同时也为学术和商业项目提供了统一的评测基准。
04
YouTube
01
Full episode: https://www.youtube.com/watch?v=U1FrhkLQnCI Me on twitter: https://x.com/dwarkesh_sp
02
Anish Acharya speaks with Microsoft VP of Design John Maeda and Impeccable founder and CEO Paul Bakaus about how AI is changing the practice of design. The conversation explores the relationship between design and technology, the rise of AI-powered creative tools, and whether automation raises the floor, the ceiling, or both. Maeda and Bakaus discuss software craftsmanship, taste, creative judgment, and why some aspects of design may become increasingly automated while others become more valuable. They also examine agentic workflows, the future of user experience, the role of designers in an
03
Anish Acharya sits down with Josh Elman to discuss the future of consumer technology and Josh's decision to join a16z. Over the past two decades, Elman has helped shape some of the most important consumer technology products and companies, including LinkedIn, Facebook, Twitter, Robinhood, Discord, Musical.ly, TikTok, and Apple. Drawing on those experiences, he reflects on how technology has evolved from a niche industry into a central force in everyday life. The conversation explores consumer AI, product design, distribution, social networks, creator ecosystems, and the changing relationship
04
05
06
AI agents are becoming powerful enough to write code, browse the web, access private data, and act on our behalf — but the security model for this new world is still being invented. In this episode, Gray Swan cofounders Zico Kolter and Matt Fredrikson join swyx to explain why AI security is not just “cybersecurity with AI,” why agents introduce a new class of vulnerabilities, and why the next major AI incident may be a gray swan: unlikely, but clearly visible before it happens. We go deep on prompt injection, automated red teaming, model robustness, agent identity, computer-use agents, enterp
07
When electric motors were invented, factories didn't become dramatically more productive overnight. The biggest gains came years later, after people redesigned factories around the new technology. Databricks co-founder and Chief Architect Reynold Xin believes AI is creating a similar shift in software. In this conversation with YC Managing Partner Diana Hu, he explains how AI agents are reshaping engineering organizations, why startups have an advantage in building AI-native products, and why the next generation of infrastructure needs to be lightweight, scalable, and built for agentic workl
07
Papers
01
该文聚焦于“系统提示词”在多代理大模型（MAS）中的优化价值：在多代理协作时，提示词决定每个 LLM 角色和交互规则，但搜索空间随代理数量指数爆炸，实际能否提升整体性能尚不明确。作者在不同任务、工作流、通信协议和团队规模的多种 MAS 场景下，分别复现并评估了两种基于单体 LLM 的提示优化器，系统性测量了提示调优带来的收益幅度及其对配置的敏感性。结论表明，合理的提示优化在多数设置下可显著提升系统表现，同时也揭示了搜索效率和规模扩展的关键瓶颈——对从事 Agent 编排、工作流设计或产品化 AI 系统的工程师而言，这提供了直接可用的调优方向和实际案例，帮助判断是否值得在项目中投入提示工程。
02
它指出仅靠自然语言提示让大模型当通用学习器不可行：语言本身是容量有限的通道，任务信息超出其带宽时，模型即使无限数据、再大也会产生不可消除的错误；再加上对齐约束限制输出，用户的最优目标可能根本不可达。作者把用户‑系统交互建模为双层 cheap‑talk 博弈，分离任务推断与执行，并用 PAC‑Bayes 推导出“表达能力下限”和“目标不一致下限”。这说明在纯提示层面有信息和对齐的硬性瓶颈，提示式通用化只能靠多模态、外部记忆等更丰富的接口才能突破，对做 Agent/AI 产品的工程师提醒：单靠语言提示不够，必须设计更高信息量的交互层。
03
问题：现有语言模型在所有层均匀分配参数，忽视了不同层对输出贡献的差异。 做法：在固定总参数预算下，把更多的参数放在靠前的层、逐层递减（采用余弦衰减）——主要在 MLP 宽度上实现“tapered”结构，并在 Transformer、Gated‑Attention、Hope‑attention、Titan 等四种架构上实验验证。 价值：同样的算力和参数量下，前置层更宽、后置层更瘦可显著降低困惑度并提升下游任务表现，提供了一个无需额外资源、跨架构通用的模型容量分配“免费杠杆”，对想压缩、加速或提升 Agent 性能的工程团队非常值得一试。
04
它定位在“让大语言模型破解位操作谜题”这一极端推理任务上——要从若干输入/输出二进制对中逆向出隐藏的位运算规则，然后能对未见输入直接推出结果。作者把传统的布尔算子搜索（组合移位、旋转、逻辑门）改成“字符串相似度 + 基础变换” 的形式：先用最小比特翻转找出若干“基”（primitive transforms），再通过结构化的回溯深度优先搜索和自动错误恢复检测冲突、撤回错误。关键技术还有把每个比特拆成单独 token、用动态掩码模拟外部反馈，让模型在训练时就学会自我假设、评估、回滚。因为彻底摆脱了算术逻辑的繁重搜索，演算成本大幅降低且稳健性提升，实验在官方挑战赛上拿到 96%+ 准确率，排名全场第七。对做 Agent/AI 产品的工程师而言，这展示了如何用结构化搜索+自恢复的方式让 LLM 在高度离散、组合爆炸的问题上保持可控、可靠，值得参考其 token 设计和交互式微调思路。
05
该论文聚焦“AdamW 在噪声呈重尾分布时还能收敛吗”。作者先给出理论框架，证明在加权度量下 AdamW 可以得到正向收敛上界，同时构造下界示例说明其二阶矩累计器可能掩盖大梯度，导致收敛受阻。对从事 Agent 或大模型训练的工程师来说，这直接关系到是否还能放心使用 AdamW，而不必切换到 Lion、Muon 等新优化器，值得关注。
06
它针对当前多模态大模型只能在视觉任务里硬编码工具、却做不到数值计算的短板，提出让 MLLM 通过“代码‑驱动的交错推理”自行调用计算工具。解决方案包括：① 两阶段冷启动构造多模态＋代码训练数据；② 用强化学习过滤、构建高质量 RL 数据集；③ 引入基于群体约束的奖励函数，实现自适应的工具调用路径。实验显示，强化学习后整体成功率超 95%，数值推理准确率提升近 10 pp，直接把视觉+代码的能力嫁接到实际产品里，能让 Agent 在复杂数字场景下自行求解，值得关注。
07
它聚焦于文本‑到‑图模型生成的多样性缺失——同一提示往往只能得到一套视觉解释。作者在文本层面引入可控的语义变化，先用视觉语言模型抽取完整场景语义，再通过“agentic workflow”在提示词上系统性加入可解释的变化轴，生成结构化的图像库，实现“Semantic Browsing”。这种把多样性搬到语言层面、并让每一步变化都有明确语义标签的方式，能让产品在 AI 设计助手或创意探索界面上提供可导航、可控制的生成空间，直接对接 Agent‑driven UI/UX 场景，值得一看。
08
它解决的核心问题是：缺乏大规模、真实的多指手爪抓取数据，导致学习鲁棒的灵巧抓握很难。作者搭建了 AutoDex，一套全自动的真实场景采集流水线：先用可替换的抓取生成器给出候选姿态，再利用 20 台相机在强遮挡下定位物体，机器人在碰撞监控下执行抓取并自动判定提起成功与否，随后机器人自行复位物体以快速准备下一次试验。整个闭环无需人工干预，使得采集 3.5k 次抓取仅用 10 小时，效率比人工遥控高近 5 倍，且基于真实标记的抓取成功率提升至 76%。对张玉璟这类关注机器人或智能体实际交互的工程师来说，这套系统直接提供了高质量、可检索的真实抓取库，省去手工采集成本，能快速支撑抓取策略、模型预训练和仿真‑实训迁移等研发工作。