ZhangYvJing's

Daily Brief

← September 21, 2026 September 22, 2026 · Tuesday September 23, 2026 →
00

Film / Book Chapter

Perfect Days
2023 / Wim Wenders

Perfect Days (2023) · Wim Wenders

今天适合看《Perfect Days》,因为它更像一次生活和判断方式的校准,能把注意力从持续输入里稍微抽出来,重新放回你真正想怎样生活和做事上。

The Staff Engineer's Path
Tanya Reilly

The Staff Engineer's Path · Tanya Reilly

Chapter 2: Three Maps

Good for calibrating work beyond code: where influence actually travels, which systems matter, and how to avoid mistaking activity for leverage.

01

Insight

今天的输入更像几股不同语气的材料同时挤在一起:社区链接在暴露工程和产品环境里的真实焦点,长视频在把这些焦点放回更完整的语境里,研究材料则提醒人热度和可落地性并不总是同一件事。如果先不急着做结论,至少可以把这几条线索放在一起看:Hacker News 的 Xiaomi MiMo v2.6;Hacker News 的 The NASA/ESA Mars Sample Return mission has been canceled;Hacker News 的 CBP suspends all personal prescription importation Oct 22;Hacker News 的 Transformers Explained Visually;Hacker News 的 What Sun got wrong;Hacker News 的 Attention is all you have。真正值得注意的不是单条内容本身,而是它们共同指向了什么、彼此漏掉了什么。
03

Hacker News

03
美国海关与边境保护局(CBP)于10月22日暂停所有个人处方药进口。该决定发生之际,处方药进口倡导组织(CPPI)仍在其网站上呼吁民众加入,主张从持牌加拿大药店以100%安全记录购买更便宜的处方药以节省开支。暂停将影响依赖跨境采购以降低药费的个人,使其获取渠道受限、采购成本可能上升。
04
Transformers Explained Visually
transformer神经网络架构自2017年提出“Attention is All You Need”论文以来,已成为文本生成、语音、图像识别及蛋白质结构预测等领域的核心技术,其核心机制是通过自注意力机制实现词与词之间远程依赖的捕捉。该模型首先将输入文本分词编码为嵌入向量,再通过堆叠的transformer块进行多头注意力和前馈网络处理,最终输出下一个词的概率分布。这种设计有效克服了传统循环网络对长序列的处理限制,显著提升了模型对上下文的建模能力。
05
What Sun got wrong
Oxide团队在聚会时发布致敬Sun的T恤,引发对Sun成功与失误的反思。材料指出,Sun因对业务机制失去兴趣,未能及时回应使用OpenSolaris的初创客户,而Dell凭借快速响应赢得订单。这种运营细节的忽视提醒后来公司在产品与服务上更重视客户响应,影响工作方式并可能降低市场风险。
06
Attention is all you have
推荐算法如今主导信息流,用户看到的视频、音乐和社交内容大多由平台决定,注意力被他人捕获。长期接受算法推送使思维逐渐被塑造,类似俄罗斯方块效应,内容无限更新促使刷屏并增加广告点击。这导致长时间面对设备的上班族、创作者和普通用户注意力成本上升,决策易被左右,需主动订阅博客、RSS或教程以恢复信息选择的自主。
07
Why does mathmain need an encrypted loader?
npm 包 mathmain 被发现包含加密加载器,伪装成数学库 mathjs 名称不全。恶意代码在解数方程时触发,利用矩阵数据作为密码解密后门,写入磁盘并通过 Slack 信使和 Base Sepolia 区块链接收攻击指令。分析发现同一加密加载器散布在 mathsbase 和 math-universe 三个包中,其密码来源于特定 3 乘 3 Pascal 矩阵的下三角矩阵 L。受感染的版本为 1.0.1,GitHub 源码并无后门,说明攻击者在发布时主动插入代码。这将导致依赖方在安装后可能遭受远程代码执行,每日安装成本需加强依赖审计,同时暴露链路供应链风险。
08
Divide by Depth for Instant 3D
文章指出,三维投影只需把 x、y 除以深度 z 得到屏幕坐标。它说明随着 z 增大,投影点趋近原点,这是透视投影矩阵的一种特殊形式,涉及视野、宽高比以及近远裁剪平面。对图形开发者而言,掌握这一步骤可在简单场景直接用深度除法,复杂场景则切换到完整矩阵,从而灵活权衡实现成本与渲染效果。
10
Apple Copland D11E4 Booting in the Browser
Copland D11E4 现在可在浏览器中通过改进的DingusPPC启动。得益于wasm加速,现代机器能匹配真机约30秒的启动时间;遇到断言会进入调试器,点Continue可继续执行。这样开发者和爱好者无需真实硬件即可运行Copland,降低了获取和实验的成本与风险,但需依赖社区提供的非AI生成的十一处补丁。
05

YouTube

03
Paul Bakaus once turned the entire web orange. He wrote jQuery UI, shipped an orange default theme, assumed people would change it, and watched them not. So when he points out that the purple gradients everyone learned to mock came from a CSS framework's default sample page, and that AI generated design now has its own house shade of beige, he speaks as the cause rather than the critic. That history is what makes his central claim land. A ban does not produce originality, it relocates the model one cluster over: forbid one overused font and it reaches for the next nearest thing in latent space
agent, ai_product, engineering
04
Test
market, product, startup
05
From helping build instruction-following models at OpenAI to spending years trying to answer why AI can solve extraordinarily hard problems yet still automate so little real work, Diogo Almeida is betting that the next wave of AI won’t look like chat. In this episode, the TypeSafe founder and CEO joins swyx days after Jev’s breakout launch to explain System One Models: machine-native AI designed for code, calibrated decisions, reliability, and intelligence per dollar. We go deep on Jev and RLCD, the failure modes of RLHF, why TypeSafe refuses to optimize around public benchmarks, and why Diog
agent, ai_frontier, ai_product, engineering, market, startup
07

Bilibili

01
法治建设,它不可能一蹴而就,无法毕其功于一役,法治的每一个进步背后都有许多沉甸甸的故事,这些故事不应该被人遗忘,因为牢记历史就是为了避免重蹈覆辙。 参考文献: 1.陈永生,我国刑事误判问题透视———以20起震惊全国的刑事冤案为样本的分析,中国法学2007年第3期 2.对我国死刑复核程序之检讨———以中国古代及国外的死刑救济制度为视角,陈永生,比较法研究2004年第4期。
law, ethics, long_form
08

Papers

03
该论文提出组合式持续学习基准,通过在机器人操作任务中组合先前任务的动作与感知特征,分离知识复用与新任务学习的能力。他们在常规持续学习及具显式可重用组件的模块化世界模型上评估,发现模块化在平衡复用与遗忘方面优于传统方法,但仍未完全解决问题,提示持续世界模型中可复用而不忘的设计仍有提升空间。
06
该研究发现,用户在使用OpenClaw时更关心代理的使用成本、可访问性和监督条件而非仅看任务完成情况。作者运用Value Sensitive Design,借助LLM对73k条Reddit第一人称帖子进行价值标注,识别出21条人类价值并归为六类。结果显示,价值满足主要出现在用户描述代理交付内容的时候,而在描述监督过程时普遍未达标。这表明评估AI代理时需要同时考量其执行结果和用户设定的使用条件(如费用、可及性、监督),才能真正匹配用户价值。对Agent产品设计来说,这提醒我们要在功能之外关注使用环境的价值敏感设计。
07
问题:强化学习训练编码代理需要大量带可靠验证器的任务,现有方法依赖issue/commit导致任务来源单一。 做法:CodeMidas 直接从开源代码中挖掘已实现功能,用代理探索、生成测试、执行验证并过滤,得到5545任务覆盖23种语言15个领域。 价值:在MiMo-V2.5上用GRPO训练后,DeepSWE、ProgramBench、Terminal-Bench等五个基准均有显著提升,说明源码可扩展构建RL环境能提升代理在多种软件任务上的表现。