ES的核心价值不只是快，而是提供了完整的搜索能力：倒排索引、分词器、自定义评分、聚合统计、搜索建议。理解了这些原理，才能设计出好的索引Mapping和搜索查询。

CPOL 这个参数是用来决定在SCK线路处于空闲状态的时候,电平是高还是低；而CPHA这个参数是用来决定在第一个边沿到来的时候,是先进行采样操作还是先切换数据。

当 AI Agent 开始接管敲代码的工作，一辈子研究编程语言设计的人，会怎么想？Rust 核心团队成员 Niko Matsakis 在博客里坦白，LLM 让他产生了“存在主义焦虑”。

DeepSeek官宣发布并开源DeepSeek-V4.1-Flash-1017，并首次官宣了一项新技术：RLSF（Reinforcement Learning with Self-Feedback）。

「这才是 AI Agent 的工程核心。Agent 不只是 LLM 加几个 Tool，它还需要一套负责执行、控制、状态管理和错误恢复的运行时架构。」

最近 AI 圈被一份作者名单炸了锅：Hinton、OpenAI 首席科学家 Pachocki、Anthropic 联创 Jack Clark、微软首席科学官 Horvitz——几家"竞争对手"的头号技术大脑凑进同一篇论文，警告同一件事：能自动化自身研发的 AI，可能触发"智能爆炸"，把几年的科技进步压缩进几个月。

一年之内，团队先后做了四种产品形态：云端、终端、编辑器侧边栏，最后是一个完全没有代码编辑器的桌面应用。

团队提出了免训练评测方法 RAVEL。RAVEL 保留了跨模态评测的基本思路，并引入两个简单的技术改进

一名员工将一道困扰密码学界二十多年的问题交给 Claude 内部研究模型，在没有提供关键线索的情况下，Claude 用了不到半小时，追溯出五条 NIST 椭圆曲线种子的生成方式。

学习编写 proposal.md 时，可以先手写一版，借此熟悉目标、范围和验收的颗粒度；再配合 AI，把这套方法整理成可复用的 skill 或上下文模板，提高后续编写效率。

Softmax 注意力的平方复杂度，一直是大模型迈向长上下文的最大拦路虎。线性注意力虽快，从头训练一个大型线性模型却动辄需要成千上万 GPU 时。

这是Claude Code桌面版负责人Felix Rieseberg分享的一个AI使用小技巧。

现在，ScaleDown也来凑热闹了，刚刚全新的CDM约束解码模型架构，一口气上线分类、实体提取、摘要三款模型。

前两天DeepSeek“先崩后补偿”，就有人猜D老师这是要有新动作了？?结果还真让大家蹲到了——新模型DeepSeek-V4.1-Flash-1017，火速上桌。

OpenAI 介绍 Codex 时，把 Harness 说成提供核心 Agent Loop 和执行逻辑的系统。Anthropic 讲 Managed Agents 更直接：Harness 本身就是一段循环，负责调用模型、路由工具。按这个说法，Loop 就在 Harness 里面。

MIT 何恺明团队提出的 VISTA，将这种“回头看”的能力做成了模型与环境之间的交互框架。它保留原始视觉记录，让模型自行选择回看时间、画面区域和细节尺度。

对于普通Rust开发者来说，短期内不一定人人都要给自己的代码写形式化证明，但了解Verus这类工具的存在和思路，至少提供了一种新的判断标准：什么样的代码值得投入成本去做“数学级别”的正确性保证——答案往往是那些一旦出错代价极高的关键路径，比如虚拟机隔离、密钥管理、支付链路这类系统。