OpenAI 联合 PerturbAI 与 Scripps Research，用数千 AI agent 在脑细胞数据中发现新线索
OpenAI、PerturbAI 与 Scripps Research 合作，用分布式 AI agent 处理来自数百万脑细胞的数据并挖掘出新的研究方向。文章介绍了三方如何借助多 agent 协作推进复杂生物研究。
推荐理由：原文介绍了用分布式 AI agent 处理数百万脑细胞数据的研究方法，可作为同类生物数据研究的参考。
全部 AI 动态
OpenAI News精选AI 评分3737 Hacker News精选AI 评分3232 Rohan Mahtani：多数建议只适合给出建议的人
Rohan Mahtani 认为，多数建议只对提出者本人有效，读者应结合自身处境、目标和工作方式判断是否适用。他建议在重大决定前设计小规模实验获取真实数据，并区分表达的自信与实际能力、证据。文中还引用一项今年发表于 Science 的 Stanford 研究，称聊天机器人提供个人建议时，赞同对方的频率比人类高 49%，因此更适合作为辩论伙伴而非答案来源。
推荐理由：文章将判断建议落到核对情境、设计小实验和审视证据上，为避免照搬经验或被自信说服提供可迁移的方法。
Latent Space精选AI 评分6464 Tenex 如何为 Fortune 2000 构建 AI 原生 SDLC
Tenex 以结果导向薪酬、MetaHarness 和智能体工作流构建 AI 原生 SDLC，客户覆盖 Fortune 2000 与中型企业。其 75 人团队把计划、决策和代码记录在 Git 中，Alex 称工程师产出较去年约翻倍。原文链接 https://www.latent.space/p/tenex
推荐理由：文章把 Tenex 的结果导向薪酬、Git 项目记录与智能体工作流放在同一研发流程中，呈现模型提升产出后非编码工作如何被纳入评价。
AWS Machine Learning Blog精选AI 评分5959 Smartsheet MCP Server 接入 Amazon Quick 与 Kiro 的实践指南
Smartsheet 已正式推出 MCP Server，本文介绍如何将其接入 Amazon Quick 和 Kiro，让 AI 智能体用自然语言读取、写入并管理 Smartsheet 数据。
推荐理由：教程分别给出 Amazon Quick 与 Kiro 的接入配置，并对比托管部署与本地轻量连接的适用场景。
AWS Machine Learning Blog精选AI 评分6464 在 Amazon SageMaker HyperPod 上微调 GPT-OSS-20B 提升多语言推理能力
AWS 团队在 Amazon SageMaker HyperPod 上用 SFT 和 GRPO 微调 GPT-OSS-20B，使模型能按指令以英语、法语、德语、西班牙语或意大利语进行推理和回答。
推荐理由：文章提供从数据、LoRA 训练到评测的完整流程，并用 SFT 与 GRPO 对照给出按模型能力缺口选择微调方法的判断框架。
AWS Machine Learning Blog精选AI 评分7171 使用 AWS Agent Registry 在运行时发现并调用 MCP 服务与智能体
AWS Agent Registry 可让编排智能体在运行时搜索已批准、可发现的 MCP 服务、其他智能体和技能，并按描述符为当前请求实例化客户端。文中用 Python 样例实现“发现→实例化→执行”循环，覆盖仅 MCP、MCP+A2A 和语义匹配三类请求；Registry 只提供连接元数据，调用凭据由 Cognito OAuth 或 Boto3/IAM 单独处理。
推荐理由：文章拆解了按请求发现、实例化并执行能力的完整链路，并给出审批、鉴权分离与观测实现，适合评估多工具智能体架构。
GitHub Blog · AI & ML精选AI 评分6767 3 位 Java Champion 如何用 GitHub Copilot 提高生产力
GitHub Blog 采访 3 位拥有 10 年以上 Java 经验的 Java Champion，介绍他们用 GitHub Copilot 提高生产力的实践与人工把关原则。
推荐理由：3 位 Java Champion 的案例覆盖迁移、调试与智能体协作，并给出需求澄清、验证门禁和人工复核等可迁移方法。
AWS Machine Learning Blog精选AI 评分6060 如何在 AWS 上用 AtScale 与 Amazon Bedrock AgentCore 构建智能体语义层
AWS 教程在 AtScale 与 Amazon Bedrock AgentCore 上构建 Customer 360 语义层，让 Strands 智能体和现有 BI 工具共用同一套指标定义。
推荐理由：教程完整展示 SML 语义模型、MCP 接入、身份权限与查询下推，可供团队搭建受治理的企业数据智能体。
AWS Machine Learning Blog精选AI 评分6565 在 Amazon Bedrock AgentCore 上用 Denodo 搭建 Agent 用语义层
AWS Machine Learning Blog 发布教程，演示用 Denodo 在 Amazon Bedrock AgentCore 上搭建面向 Agent 的企业语义层。
推荐理由：通过具体实现演示语义层、Agent 运行时和身份传递如何衔接，可作为跨多源企业数据接入 Agent 的参考。
Hacker NewsAI 评分1414 如何将实时直播与视频点播连接起来
内容聚焦将实时直播与视频点播连接起来。现有正文仅列出 Article URL、Comments URL、Points: 6 和 Comments: 1，未提供具体实现步骤、相关产品或技术细节。
Hacker News精选AI 评分5454 推测解码为何能提升速度
推测解码变快不是因为减少了每个 token 的工作，而是低批量时用更多总 FLOPs 填补 GPU 的空闲算力。小型草稿模型先提出一段 token，大模型在一次前向传播中并行验证，用同一序列的“深度”替代多序列的“广度”。
推荐理由：文章以内存受限和计算受限作对照，解释低批量场景下推测解码用更多总 FLOPs 换取更快生成的原因。
Hacker News精选AI 评分4848 Vite+：面向 AI 智能体开发的工具链
作者在四个项目中使用 Vite+ 的 `vp create`、`vp check`、`vp test`、`vp build` 命令，为 AI 智能体提供统一工作流，避免命令分散和 CI 行为不一致。
推荐理由：作者把 Vite+ 的命令收敛成统一提示模板并给出 CI 从 4 分钟降到 50 秒的实测数据，方便读者直接套用到 AI 智能体工作流。
Hacker News精选AI 评分4242 在 ASUS ProArt P16 上安装 Arch Linux ARM 以本地运行 Qwen 推理
Arch Linux 包维护者 pfeifferj 在 128GB RAM、6,144 CUDA 核心的 ASUS ProArt P16 上跑通 Arch Linux ARM，让系统与 CUDA 共用 116.0 GiB 统一内存池。
推荐理由：作者在 ASUS ProArt P16 上跑通 Arch Linux ARM 并实测本地 Qwen 推理，给出统一内存池带来的显存差异和端侧部署的可复用路径。
Hacker News精选AI 评分3737 Stealthium 介绍如何在 GPU 内存中检测 ROME 类模型权重篡改攻击
Stealthium 在博客中演示 ROME（Rank-One Model Editing）攻击如何通过恶意 Python 模块在 GPU 内存中直接篡改模型权重，并介绍其运行时传感器的检测思路。
推荐理由：文章演示了 GPU 内存权重篡改如何绕过传统 EDR，并给出基于 CUDA 调用栈与框架层张量写入的运行时检测思路。
GitHub Blog · AI & ML精选AI 评分3636 如何在 VS Code 中继续 GitHub Copilot App 会话
GitHub Blog 教程演示如何把 Copilot App 的会话直接在 VS Code 中打开，继续使用同一份任务记录、对话历史和 worktree，无需复制或重建上下文。
推荐理由：给出在 VS Code 中接力 Copilot 智能体会话的完整步骤，让审阅、手工修改、本地测试与 PR 推送共用同一会话上下文。
AWS Machine Learning Blog精选AI 评分4949 在 vLLM 中通过双向 KV 传输改善多轮智能体工作负载的 TTFT
vLLM 引入双向 KV 缓存传输机制，让 P-D 分离部署中的 decode 节点把保留的 KV 回传给 prefill 复用，从而降低多轮智能体场景的反复预填充开销。
推荐理由：在 1P1D 部署上以 Qwen3-32B 与 GLM-5-FP8 对比双向与单向 KV 传输的 TTFT 数据，读者可据此判断多轮智能体场景下是否值得启用。
AWS Machine Learning Blog精选AI 评分5454 vLLM 中基于推送模式的 KV 传输降低拆分解码推理的 TTFT 与 TPOT
AWS 工程师向开源推理引擎 vLLM 贡献了基于推送模式的 NIXL KV 传输连接器，将传输准备移到后台线程以缩短到首个 token 的关键路径。在 EC2 P5en 搭配 EFA 的 1P1D 部署中以 Qwen3-32B 基准测试，高负载下推送模式 TTFT 最高约为拉取模式的 3 倍，TPOT 改善约 30%；拉取模式仍适用于需要负载感知路由的工作负载。
推荐理由：给出了在 vLLM 中实现 push 模式 KV 传输的架构与复现步骤，读者可在自己的拆分解码部署中参考其后台线程与注册时机设计。
AWS Machine Learning Blog精选AI 评分3838 Deepgram 如何借助 AWS Trainium 规模化优化语音 AI 推理
Deepgram 与 AWS Forward Deployed Engineering 团队合作，将 Nova-3 语音转文字模型移植到 AWS Trainium2，在离线批量任务上每美元可处理的音频量较此前方案提升 11–70%。
推荐理由：完整记录 Nova-3 移植到 Trainium2 的工程步骤与吞吐成本收益，可作为同类语音模型推理优化的实操参照。
Hacker News精选AI 评分3737 Netflix 分享本体驱动的可观测性实践：构建端到端知识图谱
Netflix 技术博客发布文章《Ontology-Driven Observability: Building an End-to-End Knowledge Graph at Netflix》，介绍如何使用本体驱动方法构建端到端的可观测性知识图谱，并覆盖 Netflix 规模下的设计与落地思路。
推荐理由：原文介绍 Netflix 如何用本体驱动方法将可观测性数据组织成端到端知识图谱，读者可以参考其在规模化场景下的落地思路。
Hacker News精选AI 评分5151 《Harness Engineering 101》从零搭建 AI 智能体，把 LLM 当大脑、Harness 当身体
作者 Isuru Wijesiri 在 GitHub 开源《Harness Engineering 101》教程，以 16 章从零搭建一个约 300 行 Python 玩具智能体，把 LLM 当大脑、Harness 当身体。
推荐理由：用一个 300 行的 Python 玩具智能体把主流 Agent 框架共用的设计取舍拆成 16 章，读者可以把这套搭法迁移到自己的项目。
Hacker News精选AI 评分5252 Tmux 与 Claude Code 协作指南：会话、send-keys 及其局限
tmux 与 Claude Code 配合可为 AI 编程智能体提供可分离、可脚本化的会话环境。指南覆盖 --worktree --tmux 内置标志、多会话布局、send-keys 与 capture-pane 命令、.tmux.conf 关键配置及状态栏监控，并指出 tmux 在多智能体场景下无法识别智能体状态、屏幕抓取脆弱、跨会话无共享状态、滚动日志成本高等局限。
推荐理由：原文给出了 tmux 与 Claude Code 搭配的完整工作流配置，读者可直接复用 send-keys、capture-pane 等命令片段。
Hacker News精选AI 评分7070 Superlite：Claude Code 上更快的自主构建插件
作者发布 superlite，一个面向 Claude Code 的自主构建插件，主打一次审批后自动并行执行任务。它通过任务图拆分、按能力分配 Sonnet/Haiku 子代理、用 hook 强制执行规则来减少人工介入，并在同一基准项目上以 16.1 分钟跑完 177/177 个隐藏测试，约为对照 superpowers 33.6 分钟的一半。
推荐理由：作者把 Claude Code 插件的并行策略、任务分层与同项目基准数据做了展开，可作为设计自动编码流水线时的参考。
Hacker News精选AI 评分3030 Sanity's Edge：AI 协助还原 1994 年电话语音 BBS
1994 年电话语音 BBS Sanity's Edge 共同创建者 Max 上线网页档案，借 ChatGPT 3、Sonnet 4 与 Claude Sonnet 5.5 三代大模型逐步破解其专有音频格式并从机器码重建 C 源码。
推荐理由：对比 ChatGPT 3、Sonnet 4 与 Claude Sonnet 5.5 三代模型破解同一专有音频格式的进展，呈现 AI 在遗留系统逆向工程上的能力变化。
Hacker News精选AI 评分4949 AI 能写代码，谁来验证：AI 编码时代的自动化验证实践
工程师 Mihai 在博客中系统梳理 AI 编码时代的自动化软件验证方法，介绍 Superpowers、RoboRev、Claude Code Review、Codex Review。
推荐理由：原文把多家 AI 代码审查工具放到同一套分阶段验证流水线中比较，给出了搭建或改造 CI/CD 时可参照的清单与配置示例。
Hacker News精选AI 评分1515 用 Dorito 中的柠檬黄让鸡胸肉部分透明，并推导折射率匹配原理
作者尝试用食用染料柠檬黄（Dorito 中的黄色素 Tartrazine）浸泡鸡胸肉，复现 2024 年 Science 论文中用吸收型染料让活体组织变透明的方法。
推荐理由：作者亲手做了食用染料让鸡胸肉部分变透明的小实验，并把折射率匹配的原理从麦克斯韦方程推导到可读的程度。
Simon Willison精选AI 评分3535 用 Claude Code 构建支持 URL 片段分享的 LaTeX 渲染器
Simon Willison 用 Claude Code（Opus 5.5 Extra）打造 LaTeX 渲染器，支持 MathJax 公式与 faster-latex 排版文档，并可通过 URL fragment 分享。
推荐理由：展示了用 Claude Code 逐轮迭代构建 LaTeX 渲染小工具的 prompt 写法与 XSS 防护思路，对想用 AI 智能体搭建前端工具的读者有直接参考价值。
Simon Willison同事件AI 评分4141 Claude Code 团队如何做代码评审
Claude Code 团队把代码评审从 PR 末尾的关卡改为在编写过程中持续运行，表示大多数改动在被人工查看之前已经由 Claude 评审并修复过一次，目的是把团队的人工注意力留给更高层面的问题。
同一件事，精选收录的是《Claude Code 团队如何做代码评审》
AWS Machine Learning Blog精选AI 评分4444 AWS 基于 Amazon Bedrock AgentCore 构建九阶段 AI 智能体评估框架
AWS SMGS 团队基于 Amazon Bedrock AgentCore 构建了一套覆盖智能体全生命周期的九阶段评估框架，从定义质量标准（Stage 1）到反馈循环（Stage 9），在工具、Agent 和多 Agent 三个层级同时运行。
推荐理由：原文给出九阶段智能体评估框架与可量化的改进结果，可作为构建生产级智能体质量体系的参考。
Hacker News精选AI 评分6969 Agent harness 为何显著影响 prompt 缓存与能耗效率
Neuralwatt 联合创始人兼 CEO Chad Gibson 基于 2026 年 9-10 月自家云平台流量和 lab 测试数据，比较了 OpenCode、Pi、omp、Kilo Code 与 deepseek-harness 等 agent harness 在 prompt 缓存命中率上的差异。
推荐理由：基于自家云上 2026 年 9-10 月的流量和 lab 数据，对比主流 agent harness 的缓存命中率，并给出可逐项修复的失效成因。
Hacker News精选AI 评分4444 从记忆存储机制推导 Transformer 各核心层
本文把线性层、MLP 与自注意力都视作键值记忆存储，从干扰-信号比推导各自的容量上限：在 d_k=64 时，外积线性存储约 64 条记忆，最优线性存储约 128 条，平方 ReLU MLP 约 2,700 条，softmax 自注意力（β=√d_k）可达约 120 万条。
推荐理由：以关联记忆为统一视角，把外积记忆、MLP 与 softmax 自注意力依次推导出来，读者能从容量公式直观比较各层的取舍。
Hacker News精选AI 评分6969 Claude Code 团队如何做代码评审
Anthropic 公开 Claude Code 团队的代码评审流程，约 90% 的代码由 Claude 自身编写。流程覆盖 7 层机制：执行前验证、AI 评审、安全审查、自动化检查、按风险分级的人工批准、合并队列与灰度发布、快速回滚。
推荐理由：Anthropic 把 AI 主导环境下七层代码评审流水线与具体指标一并公开，读者可据此评估哪些环节适合引入自己的团队。
Hacker News精选AI 评分2828 逆向 Eufy HomeBase 2：固件提取、Wi-Fi 凭证算法还原与 UART 解锁
作者拆焊 flash 存储芯片提取了 Eufy HomeBase 2（固件 3.4.2.2h）固件，逆向还原出 OCEAN_XXXXXX 管理 Wi-Fi 密码算法——基于 I2C 读取的 17 字节序列号与设备序列号做 HMAC SHA256，再经 url-safe base64 编码。
推荐理由：把逆向流程拆为固件提取、算法还原、启动绕过、运行时重建四步，配合可复用的 shell 脚本与重刷写方法，可作为嵌入式设备固件安全分析的入门参考。
AWS Machine Learning Blog精选AI 评分5454 Reflection Beam 登陆 AWS SageMaker JumpStart，面向智能体编码的开源权重模型
Reflection AI 的开源权重模型 Beam 已上线 Amazon SageMaker JumpStart，整体为稀疏 MoE，总参数 501B、激活参数 23B，有效上下文长度 1M tokens，权重以 Apache 2.0 在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种检查点。
推荐理由：文章对比 JumpStart 实时端点、HyperPod Inference 与 SGLang 或 vLLM 三条部署路径及对应 H100/H200/B200 实例，便于评估在 AWS 上运行 Beam 的硬件与运维取舍。
Hacker News精选AI 评分6060 Apple ML Research 用 MLX 在 Mac Studio 集群上分布式推理 Muse Spark Open
Apple ML Research 博客发布 MLX v0.30.1 分布式推理方案，结合 macOS 26.2 引入的 Thunderbolt 5 RDMA 驱动与新的通信集合 jaccl，可在多台 Mac Studio 上运行 816B 总参数、42B 激活参数的 MoE 模型 Muse Spark Open。
推荐理由：Apple 用 4 台 M5 Ultra Mac Studio 通过 Thunderbolt RDMA 把 816B 参数的 MoE 模型跑到 36.73 tokens/s，给本地大模型推理提供了可复现的并行方案与基准数据。
Hacker News精选AI 评分2424 如何形式化全部数学
Hacker News 帖子分享了 xena project 博客文章《如何形式化全部数学》，文章讨论数学形式化的方法。该帖获得 62 分、54 条评论，原文链接 https://xenaproject.wordpress.com/2026/10/16/how-to-formalize-all-of-mathematics/
Simon Willison精选AI 评分5757 sparqlite：用 Rust 在 SQLite 中实现 SPARQL 1.1
sparqlite 是一个用 Rust 编写的 SQLite 可加载扩展，可将 RDF 四元组存入普通 SQLite 表，并在 SQLite 进程内原生执行 SPARQL 1.1 查询和更新。
推荐理由：给出原生执行与 SQL 翻译的速度对比及 W3C 测试覆盖，为嵌入式 SPARQL 实现提供可核对的性能与兼容性基线。
Simon Willison精选AI 评分2121 用 Claude Code 制作的声波传输双人游戏 Chirp Pong
Simon Willison 在 Claude Code 中调用 Claude Opus 5.5 Extra，制作了一款双人声波对战游戏 Chirp Pong：两台手机靠近后通过麦克风互发声音信号同步游戏状态，在传统 Pong 玩法之上加入了图形与操作的变化。
推荐理由：用声波在两台手机间传输游戏状态的原型做法，可作为用 Claude Code 做硬件交互类小项目的参考。
AWS Machine Learning Blog精选AI 评分5050 Meta 的 Muse Spark Open 模型登陆 Amazon SageMaker JumpStart
Meta 的开源编码模型 Muse Spark Open 现已在 Amazon SageMaker JumpStart 上线，提供 BF16（Muse-Spark-Open-816B-A42B）与 NVFP4 量化（Muse-Spark-Open-816B-A42B-NVFP4）两种变体。
推荐理由：原文给出了 BF16 与 NVFP4 两种变体的部署路径、对应实例类型及推理调用方式，便于读者在自有 AWS 环境中评估该模型的编码能力。
Hacker News精选AI 评分5252 BlastLoop：面向 AI 编码智能体的结构优先分层方法
BlastLoop 是 Ross Shaw 在 Show HN 上发布的面向 AI 编码智能体的结构优先编程框架。它把写代码分成 Blast、Mid、Inner 三个高度层，分别处理系统级、子系统级和本地单元级改动，再按 T1 结构、T2 bug/运维、T3 对抗测试的固定顺序逐层验证；若 T3 发现结构问题则回到 T1 并重新路由到对应高度修正。
推荐理由：原文给出了一套按高度分层、按结构与对抗门控顺序测试的智能体编码流程，读者可以据此判断它能否套用到现有工作流。
Hacker News精选AI 评分5757 用 AI 逆向硬件驱动：hw-harness 实践与三个项目
GNOME 博客作者用 Claude Code 在 KVM 透传下录制 Windows 驱动参考会话、再用 usbmon 在 Linux 端抓相同操作的包并做 diff，从零为 Plustek OpticFilm 8200i 写出新 SANE 后端、在一天内修复 ThinkPad X1 Carbon Gen 14 MIPI 摄像头的内核与 libcamera 通路。
推荐理由：整理出用 Claude Code 对比参考驱动与自写驱动抓包差异来定位硬件 bug 的可复用流程，适合做硬件逆向或 Linux 驱动开发的读者照搬。