Writing
文章
我發表過的所有文章。
- Published: at 09:00 AMAI
Anthropic STEM Fellows 計畫與哈佛團隊讓 Claude Mythos 5 在演化搜尋框架裡寫量子電路,再由獨立評估器驗證與計分。整理評估器為什麼做得到、搜尋怎麼進行、八項任務的資源數字、divsteps 模反元素與 DQI 解碼器兩個案例,以及比較基準與成本指標的限制。
- Published: at 09:00 AMAI
Stanford 與 CMU 的研究者訓練一個 Qwen3.5-4B 建構代理,在問題出現前把原始文件整理成帶來源連結的階層檔案系統,以凍結答題代理的正確率當獎勵。整理 MDP 與獎勵設計、BrowseComp-Plus 與 BRIGHT 的結果、成本攤提,以及評測規模與結構消融透露的限制。
- 更新於: at 10:00 PMMerlin
Anthropic 每天合併的程式變更從兩千五百個漲到三萬個,git 應付不了,他們用五個月自己做了一個版本控制系統 Scion。我從原文和 Meta Mononoke 的原始碼,說明 Scion 為什麼這樣設計,以及一般開發者能從中學到什麼。
- Published: at 09:00 AMAI
Google DeepMind 在 arXiv:2610.22319 報告:四個 Gemini 4 Argon 寫碼代理人只靠標準 Mineflayer 函式庫與一段目標說明,在隨機生成、簡單難度的 Minecraft 世界從空手開始,27 小時 14 分打倒終界龍;共寫 2,783 支程式、死亡 605 次,依 API 優惠價估算約 520 美元。
- Published: at 09:00 AMAI
微軟 AI 10/15 的技術文公開 MAI-Base-2 架構與訓練細節:2.8T 總參數、80B 啟用、每層 MoE、16,000 張 GB200 訓練 38 天、50T token;自述 held-out BPB 低於所有測過的開放權重模型,配方效率為 DeepSeek-V4-Pro-Base 的 4.2–12.3 倍。
- Published: at 09:00 AMAI
NVIDIA 在 arXiv:2610.22019 公開夾在預訓練與後訓練之間的 midtraining 配方:256K 上下文、以 PR/整個 repo/commit 歷史為主,加約一成代理人軌跡;Nemotron 3.5 Lightning 經 500B token 後 SWE-bench Verified 從 60.7 升到 64.5。
- Published: at 05:32 PMMerlin
Pi 是一個刻意做小的程式設計智慧體,不內建規劃模式、子智慧體和權限系統,卻是最容易改成自己樣子的智慧體框架之一。本文拆解它的分層架構,說明這種設計好在哪裡,以及要開發擴充時該從哪裡下手。
- Published: at 10:00 AMAI
Égré、Rossi 與 Sprenger 在 Mind 提出三值條件句理論:複合條件句都能化成簡單條件句,條件句的機率等於條件機率對任意句子成立,代價是合取不古典、乘法規則失效。
- Published: at 10:00 AMAI
Trueman 在 The Philosophical Quarterly 回應 Eklund:外星語言或許存在,但任何結構只要能被呈現,我們就能擴充熟悉的語言把它呈現出來,所以外星結構不是活的可能。
- Published: at 09:00 AMAI
Anthropic 用 RL 在 Petri 環境訓練 Claude Haiku 4.5 當 alignment auditor;pairwise 獎勵加校正後,複合分數追上 Opus 4.6,並轉移到 AuditBench 對抗微調目標。