🔥51CTO热榜：2026-09-03

OPD（On-policy Distillation，同策略蒸馏）则走另一条路：让教师模型对学生每一步输出分布给出密集的 token 级引导，监督信号细到每个生成位置。代价是，OPD 的目标纯粹是分布层面的——它把学生的分布往教师对齐，而不管这条被采样的轨迹本身对不对。

这篇文章不打算复刻一个成熟商业产品，而是回答一个更基础的问题：300 行以内，能不能搭出一个会读代码、改文件、跑测试，并根据结果继续修正的 Coding Agent？答案是可以。

这篇试图说清楚：光学鼠标的工作逻辑参考、审查类 AI 应用为什么值得单独讨论，我最近接触的几个审查项目有哪些共性的工程决策，以及从鼠标算法到审查系统，哪些思路可以迁移，哪些不能照搬。

有人把一个AI视频模型接到了Twitch直播上，说接上去之后直播就没停过，二十四小时连着播，弹幕里打什么，下一段故事就往哪儿走。我心想这玩意儿听着有点邪门，赶紧点进链接想自己上手试试，结果好家伙，卡在了登录那一步，得先注册个国外账号，等验证码，等了三分钟手机上啥都没有。

TinySR 不是在证明 Diffusion 能不能做超分，而是在回答另一个更现实的问题：Diffusion 超分什么时候能真正走出实验室，进入轻量化、实时化、移动化的产品链路。

循环深度通过在共享层上迭代，实现了“用计算深度换参数规模”的高效推理范式。

Astra 即将上线 ChatGPT，而 OpenAI 为了防它「太能打」，给它装了一套实时监控，会检查模型的推理过程。

等一亿个这样的智能体同时上线，甚至可能悄悄改写许多现有的资源分配规则，而大多数人，可能还没有意识到。

DeepSeek V4 Flash 的高峰输入价，缓存命中是每百万 Token 0.10 元，未命中是 3 元，相差 30 倍。一组基于 DSH 的公开测试里，缓存命中率又跑到了 99%。两个数字放在一起，很容易先想到省了多少钱。

知名黑客Pliny the Liberator丢出一份27万字的系统提示词，Fable 5.1的底牌被彻底曝光。

每个"王国"都有一扇门。有的门有卫兵、密码和铁锁。有的门只是挂着一个写着"需认证"的牌子——而牌子后面空无一物。单点登录（SSO）端点就是那扇门。而这扇门，一直敞开着。

NAC 不让一个 Agent 记得更多。它让执行上下文短命，让工作状态长命。

在后训练阶段真机遥操数据为0的情况下，机器人连续完成了化学实验场景中，旋拧瓶盖、注射器推注等多项精细操作。

新加坡南洋理工大学（NTU）PINE Lab 团队研发了面向接触丰富型精密操作的机器人基础模型 Facet-0，试图让机器人不仅理解「要做什么」，还能够在真实接触中判断「做得对不对」，并根据失败经验持续改进。

LoD不学习具体攻击，而是用MSCAV提炼逐层安全信号，并由SPAE度量输入对安全模式的偏离。

奥特曼在小作文中透露，Astra其实早已完成训练，迟迟未发不是因为模型还不够强。

DeepSeek将该模型主打用于文档和图表理解，以及视觉问答。谷歌则称Gemini 3.7 Flash为其迄今为止最智能的主力模型[2]。由于双方都声称性能卓越，我想探究哪一个更适合处理图像输入。

真机强化学习面对的核心问题不是能否学习，而是：如何用尽可能少的真实交互，让策略尽快学会成功？

据介绍，Gemini 3.8 Flash 在保持与 Gemini 3.7 Flash 相同速度和成本优势的基础上，进一步提升了推理与代码能力，重点强化软件工程、Agent 任务以及复杂多步骤推理场景。

如果你也觉得Excel解析"读出来就行"，那这篇文章可能会改变你的看法。

历史热榜