速查：GSS（GPU Style Sheets）是把类 CSS 语法编译成着色器的实验工具，底层是 SDF 光线步进，不是通用 3D 引擎。它能帮前端免写着色器做出程序化 3D 视觉，但做不了真实模型导入，且处于 0.0.6 单人维护阶段，适合当玩具探索，切忌用于生产。

北京大学王选计算机研究所王勇涛团队和通视智能（VGI Labs）、UC Merced 联合推出的工作 DynStream 围绕这一问题提出在线流式 4D 高斯前馈重建框架。

近日，来自中国人民大学、百度、清枢智汇、上海交通大学、清华等机构的研究者提出 LoopVL，围绕这一问题完成了从语言预训练到多模态后训练的系统探索。除了验证循环视觉语言建模的可行性，团队还观察到明显的跨循环视觉注意力重组，并将其称为 Visual Aha Moment。

近日，商汤联合大晓机器人、Ropedia、新加坡南洋理工大学和东京大学的研究团队在《Has GPT-6-Astra Achieved Embodied Intelligence?》中，给出了覆盖 12 项仿真评测、8 个真实机器人平台的系统分析。

最近看到的一篇文章，就从这个角度重新梳理了 React、HTMX、LiveView 等前端方案。而更有意思的是，Solid 2.0 正在尝试把这些能力放进同一个架构模型里。

据 The Information 最新爆料，Anthropic 正准备推出一款新模型，推理能力和直觉判断能力据称超过目前所有已经商用的 Anthropic 模型。

这支来自英伟达的团队今年 2 月提出了 世界动作模型（WAM），WAM 如今已是具身智能最热的路线之一。

这次 Bootstrap 6 的升级，确实有点猛。从 Sass​ 模块化、CSS Token​、原生浏览器 API​，到 TypeScript、Rolldown​，再到 AI Agent Skills，几乎把整套技术体系重新升级了一遍。

EvoOntology 值得关注的地方，正是把数据理解、运行轨迹和版本选择连接起来：从 Agent 的执行过程中发现问题，提出针对性的修改，再通过父版本与候选版本的配对评估，决定是否保留。

从 Transformer 到今天，主流模型的骨架没有变过：ChatGPT 与推理模型改变的是训练方式，DeepSeek 与 Qwen 改变的是内部组件。

Yuku 是一套纯 Zig 编写的高性能 JS/TS 编译工具链，目标是把现代 JS/TS 底层基建带入 Zig 生态，对标 SWC、Oxc、Babel、Acorn 这些主流解析器与编译器。

Odyssey-3是Odyssey最新推出的基础世界模型，底层采用自回归扩散Transformer，它会根据此前看到的画面和刚刚收到的动作，继续预测物体怎么移动、环境如何变化，以及下一秒会发生什么。

今天分享 UC Berkeley 与 Sakana AI 合作的新论文MASS，作者里还有 Spark 之父 Matei Zaharia。这篇论文研究目标很明确：给递归自我改进（RSI）的死结掏口子。

现在的模型，动不动就要思考几万token；Agent更是能连续工作几十轮，搜索结果、代码、工具调用记录不断往上下文里塞。

能否从模型自己生成的轨迹中找出可靠经验，用来改善它在未见任务上的表现？

谷歌RSI新成果，开源了。名叫Harness²，让大模型在运行中自己给自己魔改外挂代码、系统提示词、工具链和技能库。

10月18日，开源AI编程工具OpenCode联合创始人Dax Raad确认，团队用前沿模型调查网络攻击时，遭遇了中途拒答。

RAG 管说什么，微调管怎么说。拿微调去补知识，是这条路上最贵的一个误会。

Token 是新时代的粮票，而 Tibo 正是那个站在窗口发粮票的人。

代码大部分交给机器看了，人也没闲下来，只是活变了。最典型的，是判断这东西到底该不该做。