共 48 集。
AI下一帧
有人没训练任何模型,没喂一条数据,没跑一次梯度下降。他找到一个 8 亿参数的开源模型,只改了里面 0.016% 的数字——像一本几千页的大部头,只在某一页角落改了一个标点——这个模型的数学成绩,涨了六倍。动刀的不是人,是另一个 AI。它干的事叫「权重空间编程」:像程序员读代码那样,直接去读、去改另一个神经网络的权重,全程不训练。正常训练一个模型像教小孩,这种改法是直接打开脑子改神经连接——前者是教育,后者是手术。 适合每一个关心 AI 怎么进化、以及这事会不会失控的人。不用懂机器学习,听不懂的词都用大白话讲。 想听更多 AI 行业深度分析?欢迎在小宇宙搜索「AI下一帧」,每周日早上8点更新。 想聊的欢迎留言,或发邮件给主播:[email protected] ===================================== 时间轴 00:06 0.016% 换来六倍 01:58 他到底干了什么 06:07 看权重猜游戏 11:25 权重能看出"结构",但看不出"行为" 13:44 Astra 手搓一个网络 18:09 0.016% 到底改了什么 23:47 两个重要的限制 27:48 这可能只是个老套路 34:33 那个词是 RSI 40:00 最后一项发明 ===================================== 参考链接: 本期主角 · 原文与可验证材料 Weight-Space Programming(Rikiya Takehi 等,MIT CSAIL) https://rikiyat.github.io/blog/weight-space-programming/ 完整实验日志 https://github.com/RikiyaT/lm_understand-logs 编辑后的 Qwen 模型(可自己跑) https://huggingface.co/RikiyaT/Qwen3.5-0.8B-weight-space-programming 在线 demo(Hugging Face 社区复现) https://huggingface.co/spaces/akhaliq/weight-space-programming-demo 怀疑派 · Sean Goedecke 的反驳 大语言模型在读写神经网络权重上并不超人 https://www.seangoedecke.com/llms-are-not-superhuman-at-reading-and-writing-neural-network-weights/ 他讲引导向量(steering vectors) https://www.seangoedecke.com/steering-vectors/ Hacker News 上的完整争论 https://news.ycombinator.com/item?id=50344861 免训练改模型的那一大家子技术 Heretic:游戏显卡一下午给模型去审查的开源工具 https://github.com/p-e-w/heretic Abliteration 学术源头:拒绝是由单一方向决定的(Arditi 等,2024) https://arxiv.org/abs/2406.11717 金门大桥 Claude(Anthropic,引导向量的经典演示) https://www.anthropic.com/news/golden-gate-claude 表示工程 Representation Engineering(Zou 等,2023) https://arxiv.org/abs/2310.01405 ROME:定位并编辑 GPT 里的事实(Meng 等,2022) https://arxiv.org/abs/2202.05262 MEMIT:一次改几千条事实(ROME 批量版) https://arxiv.org/abs/2210.07229 任务算术:权重相加减拼出新技能(Ilharco 等,2022) https://arxiv.org/abs/2212.04089 TIES-Merging:进阶模型合并 https://arxiv.org/abs/2306.01708 antirez 的 DS4(把引导向量做成一等公民) https://github.com/antirez/ds4 RSI 与 1.9 倍 · 第一次有人拿尺子去量 METR 对 Anthropic 研发加速的评估报告 https://metr.org/blog/2026-11-05-anthropic-ai-rd-acceleration-assessment/ 报告解读(含完整数字与稳健性区间) https://theainewsreport.com/2026-11-06-metr-anthropic-ai-rd-acceleration-1-9x-explained.html 延伸 · 手搓权重的先例 AdderBoard(让 coding agent 手搓小 transformer 权重) https://github.com/anadim/AdderBoard vgel 的手搓 transformer https://vgel.me/posts/handmade-transformer/ 本期病人:Qwen3.5-0.8B(官方 model card 承认易陷入死循环) https://huggingface.co/Qwen/Qwen3.5-0.8B ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
45 分钟 99+ 次播放 4天前
DeepSeek 上周五晚上扔出一套东西,让一个 AI 潜在公司内部群里——没人@它,它自己发现一个 bug,默默提了个修复 PR。这期我们就从这个有点瘆人的场景开场,拆一个问题:AI 是怎么学会在没人管的情况下,自己找活、自己干活、自己交活的? 核心判断只有一句:真正卡住你的,已经不是 AI 不够聪明,而是你的注意力不够用了。一个人最多盯住三到五个 AI 会话,再多就转不动了——于是 DeepSeek 干脆把人从调度台上请了下来。我们用「工地」这个比喻从头讲到尾:包工头(Router)只管派活、不下场干活,工人(Worker)各在独立工作间闷头干,你只跟一个人说话。五层架构一层层拆:它怎么自己盯着动静、怎么在后台偷偷把活干了还不吭声、怎么从「对讲机」升级成「电话」让你随时插话、谁来盯着包工头别跑偏。 想听更多 AI 行业深度分析?欢迎在小宇宙搜索「AI下一帧」,每周日早上8点更新。 想聊的欢迎留言,或发邮件给主播:[email protected] ===================================== 时间轴 00:11 你的注意力不够用了 01:58 AI 自己改好了一个 bug 03:26 累的不是脑子,是来回切 05:44 瓶颈,从"AI不够强"变成了"你不够用" 08:01 包工头和工人:你只跟一个人说话 12:59 "你被迫当调度员,是上一代工具偷的懒" 14:35 它不再等你下命令,它自己盯着工地 17:42 它在后台偷偷把活干了,但不一定告诉你 20:09 从对讲机到电话 22:47 谁来盯着包工头?再加一条看门狗 25:14 把管服务器的老智慧,搬来管 AI 26:23 大脑上云,手留在你的电脑里 28:33 它到底快多少 31:58 省的是调度,不是本事 34:30 这方向,真的新吗 36:38 今天真正的硬骨头,是可靠,不是快 38:48 它要的权限,大到官方自己都慌 40:55 Agent 从"工具"变成了"系统" 42:00 那么,人最后剩下什么? ===================================== 参考链接: DeepSeek 官方 · 本期主角 Super-agent 设计探索:迈向更自主的 Agent 系统 https://mp.weixin.qq.com/s/zoS7GlReWPhfCjENGxXCdg dsh-superagent-prototype(开源原型,TypeScript / MIT) https://github.com/deepseek-ai/dsh-superagent-prototype 架构细节转述(eogee) https://eogee.com/article/295 同行对照 · 方向之争 为什么验证成了瓶颈、agent 该自己测自己(marmelab:2026 AI Harness 工程现状) https://marmelab.com/blog/2026/09/24/the-state-of-ai-harness-engineering-2026.html ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
47 分钟 99+ 次播放 1周前
一个博士生的课堂项目,凭什么打败了英伟达? 2023年春天,伯克利一个爆款聊天 demo 流量炸了,后端眼看要崩。几个博士生把一个还没公开的东西临时顶上去救场——扛住五倍流量、GPU 砍一半。大半年后才补写成论文。这个救火队员,就是今天全世界跑大模型的默认底座:vLLM。 这期我们追一个反直觉的问题:一个学生的开源项目,凭什么打败了英伟达官方的推理引擎,成了所有人脚下的地基?答案要剥三层——它的护城河根本不是技术(跑分它甚至不是第一),而是抢先变成了接口标准;它能抢先,是因为最有资格的英伟达,出于卖卡的生意逻辑压根不想赢,还顺手把所有想摆脱锁定的客户都送了过来。我们把 PagedAttention、连续批处理用游戏里的刷怪波次和对象池讲清楚,拆开"推理引擎=AI时代收费站"这盘大棋,最后聊聊这个收费站正从训练端悄悄挪到推理端,意味着什么。 适合每一个在 AI 牌桌上,总觉得自己"不够顶尖"的人听。 想听更多 AI 行业深度分析?欢迎在小宇宙搜索「AI下一帧」,每周日早上8点更新。 想聊的欢迎留言,或发邮件给主播:[email protected] ===================================== 时间轴 00:00 开场 01:58 vLLM:先有危机,后有论文 05:49 天天用 vLLM,却没想过为什么 08:40 为什么推理这层这么值钱 12:21 它凭什么快又省:PagedAttention 13:59 它凭什么快又省:连续批处理 21:32 它的护城河,根本不是技术 26:27 英伟达,根本不想赢这场 29:42 英伟达想解也解不开的死结 32:56 它会一直赢下去吗? 37:44 片尾曲《墙根》 ===================================== 参考链接: vLLM 官方 · 起源与技术 vLLM 首发博客(PagedAttention / 24倍 / LMSYS 实战) https://blog.vllm.ai/2023/06/20/vllm.html PagedAttention 论文(SOSP 2023) https://arxiv.org/abs/2309.06180 vLLM V1 架构重构发布博客 https://blog.vllm.ai/2025/01/27/v1-alpha-release.html vLLM 2024 年度回顾 · 2025 展望 https://blog.vllm.ai/2025/01/10/vllm-2024-wrapped-2025-vision.html vLLM GitHub 仓库 https://github.com/vllm-project/vllm 连续批处理 · 性能数据 Anyscale:连续批处理第三方实测(8倍/23倍) https://www.anyscale.com/blog/continuous-batching-llm-inference Orca:iteration-level 调度起源(OSDI 2022) https://www.usenix.org/conference/osdi22/presentation/yu BentoML:推理引擎中立横评 https://www.bentoml.com/blog/benchmarking-llm-inference-backends 英伟达为何给对手贡献代码 vLLM × OpenAI gpt-oss 三方适配(含英伟达 Blackwell 内核) https://blog.vllm.ai/2025/08/05/gpt-oss.html 治理与商业化 PyTorch 基金会托管 vLLM https://pytorch.org/blog/pytorch-foundation-welcomes-vllm/ Red Hat 收购 Neural Magic https://www.redhat.com/en/about/press-releases/red-hat-acquire-neural-magic Inferact 融资 1.5 亿美元商业化 vLLM https://techcrunch.com/2026/01/22/inference-startup-inferact-lands-150m-to-commercialize-vllm/ 同门师弟 · SGLang SGLang 与 RadixAttention https://lmsys.org/blog/2024-01-17-sglang/ SGLang v0.4(Agent/高并发优化) https://lmsys.org/blog/2024-12-04-sglang-v0-4/ ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
41 分钟 99+ 次播放 2周前
OpenClaw 的作者说,他最早的原型,就是把 WhatsApp 接到 Claude Code 上,花了一个小时。可今天 OpenAI 的 Dots、Meta 的 Muse、Instinct、Cue 这一批 personal agent,卖得一个比一个贵。这期我们用"雇管家"的比喻,把它拆成五样东西:门铃、闹钟、房子、钥匙串、保险柜。再拿开源内核 Pi 从头搭一遍,看看需要补齐哪些功能?更重要的一点是:Agent出了事,责任写在谁头上?Agent的记忆又归谁? ===================================== 时间轴 00:00 开场:personal agent到底在卖什么 04:05 管家的例子 07:19 先看它们干得怎么样 09:36 龙虾,和那个“一个周末”的传说 12:46 为什么先火的是写代码的 agent 15:25 好,我们把它搭一遍 20:08 门铃和闹钟 22:50 房子和钥匙串 25:31 保险柜 27:50 发布会没讲的那一页 31:02 那个点了“永远允许”的人 33:40 还有一件事:记忆归谁 35:24 自己搭,还是用他们的 41:13 片尾曲《如我亲临》 ===================================== 条款原文 * OpenAI Service Terms(§14 Dots and Agentic Features) * Dots privacy, security, and safety FAQs(OpenAI Help Center) * Muse Supplemental Terms * Instinct Terms of Service 产品与事件 * Introducing Dots(OpenAI) * Introducing Muse(Meta) * How We Built Safety Into Muse(Meta AI Research) * Meta’s Muse AI sent a YouTuber’s address to a stranger(The Verge) * Meta’s AI agent Muse gives out user’s home address without permission(The Guardian) * Muse sure looks a lot like OpenClaw(The Verge) * Instinct’s powerful AI assistant is raising privacy and security concerns(TechCrunch) * Introducing Manus 2.0(Cue) OpenClaw 与 Pi * Lex Fridman #491 访谈文字稿:Peter Steinberger * Pi coding-agent README * What I learned building an opinionated and minimal coding agent(Mario Zechner) * Docker Sandboxes ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
44 分钟 99+ 次播放 3周前
有人让一群 AI 把一款著名 FPS 整个反编译回 C++,83% 的函数跟原版字节级一模一样。可同一个项目,前四周 AI 写出来的代码全是能跑、但语义全错的——四周白干。救命的不是换了个更强的模型,是另一样东西。这期我们顺着这个悖论往下挖:为什么 AI 能几天复刻一整个老游戏的代码,却做不出一个让你想通关的新游戏?答案藏在一个词里——oracle,软件测试里"判对错的裁判"。有它,AI 能进"生成—验证"的收敛循环,把活吃干净;没它,AI 只能当副手,最后拍板的还得是人。 想听更多 AI 行业深度分析?欢迎在小宇宙搜索「AI下一帧」,每周日早上8点更新。 想聊的欢迎留言,或发邮件给主播:[email protected] ===================================== 时间轴 00:02 AI 太猛了,老游戏这不随便复活 03:45 AI 在逆向里到底干了什么 08:06 反编译 20:12 技术是中性的 22:03 神谕:Oracle 30:39 Oracle:预言难题 35:26 游戏的灵魂为什么没有裁判 41:53 “套壳”质疑 46:05 结尾:感慨良多 48:17 片尾曲《点金的手》 ===================================== 参考链接: 主线案例 · momo5502 反编译 momo5502: Decompiling an entire game with AI https://momo5502.com/posts/2026-10-09-game-decompilation/ momo5502: MW2 Decompilation 前传 https://momo5502.com/posts/2026-08-17-mw2-decompilation/ momo5502 GitHub https://github.com/momo5502 反编译工具 · REA / Ghidra / IDA MCP REA — Reverse Engineer Anything 官网 https://rea.tools/ REA Showcase https://rea.tools/showcase/ Hex-Rays 官方 IDA MCP Server https://github.com/HexRaysSA/ida-mcp GhidraMCP https://github.com/LaurieWired/GhidraMCP LLM4Decompile https://github.com/albertan017/LLM4Decompile 社区 decomp 项目 Zelda64Recomp(塞尔达·穆修拉的假面) https://github.com/Zelda64Recomp/Zelda64Recomp IsaacRecomp(以撒) https://github.com/whylurking/IsaacRecomp decomp.me — 协作反编译平台 https://decomp.me 延伸阅读 popcar: AI is mass-decompiling games https://popcar.bearblog.dev/ai-is-mass-decompiling-games-thats-both-awesome-and-scary/ Kotaku: vibe-coded web ports https://kotaku.com/we-might-be-cooked-as-these-vibe-coded-web-browser-ports-of-halo-the-simpsons-hit-and-run-and-gta-vice-city-seem-to-work-perfectly-2000743300 ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
51 分钟 99+ 次播放 1个月前
一个斯坦福数学博士,读博士后第一年就辞职回家做游戏。没有投资人,没有团队,就他和哥哥两个人。做出来的游戏画面全是字母和符号,连张正经图都没有。但它启发了《我的世界》,被纽约现代艺术博物馆收藏,24年后上了Steam首日卖了16万份,兄弟俩一下变成了百万富翁。 这期人物特辑聊的是《矮人要塞》的作者塔恩·亚当斯。从六岁学编程到四十八岁还在更新同一款游戏,中间经历了项目烂尾、读博挣扎、差点没钱交医保、拒绝30万美元投资、哥哥癌症康复。他对AI裁员潮的态度也很有意思: 一个干了一辈子"让电脑自己生成世界"的人,为什么反而最担心真人的饭碗? 适合所有关心"独立开发者到底怎么活下来"的人。也适合在大厂干够了、想知道还有没有别的活法的人。 ===================================== 时间轴 02:38 塔恩:《矮人要塞》 04:55 哥布林记得你的名字 08:35 他先停掉了最想做的游戏 13:12 一万五千美元,再留一年 17:33 哥哥坐在旁边,拿着笔记本 24:58 蜡笔画,和没有接受的三十万 29:14 哥哥没事,这才有时间改办法 31:26 给新玩家开门,不把老玩家关在外面 33:54 两百三十七页,然后去找会计 36:25 百万富翁,重新住进一栋房子 39:03 不是技术问题,是你怎么对待替你干活的人的问题 ===================================== 参考链接: * 2008 Game Developer 长访谈:The Making of Dwarf Fortress * 2011 纽约时报特写:The Brilliance of Dwarf Fortress * 2019 Polygon 采访:Dwarf Fortress Steam 版与医保危机 * Bay12 / Kitfox 官方 FAQ * Bay12 官方开发日志 * 2022 PC Gamer:成为百万富翁后的新现实 * 2024 GDC 采访:80万份销量与本田思域 * 2024 GDC 反裁员发言 * 2025 PC Gamer:塔恩谈生成式 AI * 2026 Gamescom 采访:百万富翁的生活 * 2026 Gamescom 采访:AI 与裁员潮 * 新增程序员 Putnam 与 2026 魔法更新公告 * 2020 Sidequest 采访:It Was Inevitable * Dwarf Fortress - Wikipedia ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
46 分钟 99+ 次播放 1个月前
SWE-bench 67.8%——这个数字是说 AI 能帮你修 67.8% 的 bug?不是。Princeton 团队自己回头查了一遍:三成"做对"的题,答案直接写在 bug report 的评论区里;还有三成是蒙的,测试用例太弱没检测出来。过滤完,实际解决率从 12.47% 掉到 3.97%。更残酷的是:同一个模型,公开代码考 70 分,换成企业私有代码只剩 38 分。Flask 作者花了 35 小时、40 亿 token 让 GPT-6 Astra 自主做一个软件项目,结果原话是 "absolutely nothing of value"。 这期不聊哪个模型更强。我们聊那张排行榜本身——泄题、试卷过期、考场不真实、出题方开着补习班。从 MMLU 到 SWE-bench 到 Agent 评测的 pass^k,把 AI 考试的门道全拆开。 ===================================== 时间轴 00:00 何为 SOTA 02:19 播客的pipeline 04:12 AI 的考试有哪些科目 04:40 第一门:"语文加综合"——MMLU 05:54 第二门:"数学"——GSM8K / MATH / AIME / FrontierMath 08:29 第三门:"编程"——SWE-bench 家族 09:19 第四门:"博士级科学推理"——GPQA Diamond 10:03 第五门:"长文阅读理解"——大海捞针 / RULER 11:31 第六门:"实操考试"——WebArena / GAIA 12:05 安全考试——TruthfulQA / BBQ 13:16 泄题:三成答案写在了卷子上 18:27 模拟考 70 分,正式考试只剩 38 分 24:49 出题的老师在考场外面开补习班 30:45 考试技术设计拆解:SWE-bench 怎么出题和阅卷 34:42 这些考试的分数到底是怎么算的? 38:19 Agent 的考试——考的不只是脑子,还有手 46:52 那这张排行榜,到底还能看吗 51:33 片尾曲《ランキングガール》 https://suno.com/s/ZepBn669PIPFUNeY ===================================== 参考链接 Benchmark 官方 * SWE-bench 官网及排行榜 https://www.swebench.com/ * MMLU (Hendrycks et al.) https://arxiv.org/abs/2009.03300 * MMLU-Pro https://arxiv.org/abs/2406.01574 * GPQA Diamond (Rein et al.) https://arxiv.org/abs/2311.12022 * FrontierMath (Epoch AI) https://epochai.org/frontiermath * ARC-AGI (François Chollet) https://arcprize.org/ * Chatbot Arena / LMSYS https://lmarena.ai/ * LiveCodeBench https://livecodebench.github.io/ 关键论文 * SWE-bench+: Enhanced Coding Benchmark — 泄题 32.67% 实证分析 https://arxiv.org/abs/2410.06992 * RULER: What's the Real Context Size of LLMs? (NVIDIA) https://arxiv.org/abs/2404.06654 * GAIA: A Benchmark for General AI Assistants (Meta) https://arxiv.org/abs/2311.12983 * WebArena: A Realistic Web Environment (CMU) https://arxiv.org/abs/2307.13854 * τ-bench: A Benchmark for Tool-Agent-User Interaction (Princeton) https://arxiv.org/abs/2406.12045 1. 全部 200。发给你: 2. 新一代 Benchmark * Real-SWE: 企业私有代码评测 (Specific Labs) https://withspecific.com/benchmarks/real-swe * FrontierCode (Cognition Labs) https://cognition.com/blog/frontier-code * Terminal-Bench (Cognition Labs) https://www.terminal-bench.com/ 深度分析 & 争议 * Armin Ronacher: Astra for Coding: Why Are We Doing This Again? — 40亿token "absolutely nothing of value" https://lucumr.pocoo.org/2026/9/7/astra-why/ * Artificial Analysis: 独立模型评测 https://artificialanalysis.ai/ * Epoch AI: FrontierMath 博客 https://epochai.org/blog/frontiermath ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
54 分钟 99+ 次播放 1个月前
你有没有想过一个问题:你用 AI 做分类、做审核、做评分,每次花 3 秒等它回一大段文字——但你只需要一个"是"或"否"? 9 月 15 号,ChatGPT 的共同发明者 Diogo Almeida 带着一个不会说话的 AI 杀出来了。这个叫 Jev 的模型不写文章、不聊天、不推理——你给它选项,它 70 毫秒给你一组概率。没有废话,没有幻觉,没有 JSON 解析地狱。 这期我们从卖油翁聊到庖丁解牛,从 Daniel Kahneman 的快慢思维聊到游戏 NPC 的行为树。拆解 Jev 的技术架构(非自回归、RLCD 训练、三种决策原语),讲清楚它跟大语言模型的本质区别;也认真泼冷水——Simon Willison 的偏见实验、512 token 的硬限制、黑盒问题。最后我拿 Jev 解了个魔方,发现这东西真正的价值不在准确率,而是给了我们一个"快慢思维结合"的落地方案。 适合所有对 AI 工程化落地感兴趣的技术人和产品经理。听完你会重新想"AI 到底该不该说话"这个问题。 ===================================== 时间轴 00:03 开场:9月15号发生了什么 03:40 用高考状元判断红绿灯 07:37 四个痛点:解析地狱、延迟、成本、幻觉 11:03 Daniel Kahneman 的快慢思维 12:51 Build Prod, Not God — Diogo Almeida 的故事 18:22 还是从 NPC 说起:Jev 的三层技术架构 22:46 一种新的训练方法:RLCD 26:14 三种决策原语:Choice、Score、Noul 29:52 该泼冷水了:Simon Willison 的偏见实验 35:05 Jev 发布之后:生态、开源替代、护城河之争 43:29 我用 Jev 解了个魔方 48:04 收尾:从 if-else 出发,又回到 if-else 的速度 50:43 片尾曲《无他》 suno: https://suno.com/s/cKZKLPPUr5R15tIT ===================================== 核心资料 - [TypeSafe AI 官方博文 - Introducing System One Models and Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev) - [TypeSafe AI 文档](https://docs.typesafe.ai/) - [TechCrunch 专访 - A new kind of AI model from a ChatGPT inventor](https://techcrunch.com/2026/09/18/a-new-kind-of-ai-model-from-a-chatgpt-inventor-is-thrilling-developers) 人物背景 - [Latent Space 播客 - Jev: System One Models for Prod, Not God](https://podscripts.co/podcasts/latent-space-the-ai-engineer-podcast/jev-system-one-models-for-prod-not-god-with-diogo-almeida-ceo-typesafe-ai) - [AI Engineer 演讲 - What's Next After RLHF?](https://www.youtube.com/watch?v=cJ0EOzey--o) - [InstructGPT 论文 (Diogo 合著)](https://arxiv.org/abs/2203.02155) - [The Bitterest Lesson - TypeSafe 博文](https://typesafe.ai/blog/bitterest-lesson) 独立评测与批评 - [Simon Willison 博文 - Jev 评测与偏见实验](https://simonwillison.net/2026/Sep/21/jev) - [TrueFoundry 分析](https://www.truefoundry.com/blog/typesafe-ai-jev) - [Firecrawl 深度分析 - What is Jev](https://www.firecrawl.dev/blog/what-is-jev) 技术深挖 - [saulius.io - 迄今最清晰的 RLCD 第三方解读](https://saulius.io/blog/jev-rlcd-decision-model-calibrated-probabilities) - [explainx.ai - RLCD vs RLHF vs RLVR 技术对比](https://www.explainx.ai/blog/how-does-jev-work-rlcd-system-one-model-explained-2026) - [Calibrated RL 论文 (arXiv)](https://arxiv.org/abs/2512.19920v1) - [TypeSafe Workflow Evals](https://evals.typesafe.ai/) 开源替代与生态 - [Laya - Hugging Face 模型卡片](https://huggingface.co/convaiinnovations/laya) - [Kev - 开源 Jev 替代 (Apache 2.0)](https://github.com/jaredpalmer/kev) - [LLM2Jev - GitHub](https://github.com/Yinsongxu/LLM2Jev) - [awesome-jev 社区清单](https://github.com/yibie/awesome-jev) 社区讨论 - [Reddit - I really don't understand Jev hype](https://www.reddit.com/r/LocalLLaMA/comments/1wm65le) - [Reddit - Jev isn't new tech](https://www.reddit.com/r/LocalLLaMA/comments/1woe70t) - [HN - OpenAI fast-follow 讨论](https://news.ycombinator.com/item?id=49802161) ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
我用 Suno 写了首歌,花了十几个版本,歌词一个字一个字改过。上传到音乐平台:秒拒。不是歌不好听,是系统在任何人类听到之前就判定:这是 AI 做的。 这期从一个私人困惑出发,拆解 AI 水印的三条技术路线——声音指纹、文本水印、图像水印——它们怎么藏的,怎么破的,谁在推,谁在躲。然后拉到更深的问题:当 Anthropic 给每个字盖章但只有自己能验证,当 Midjourney 三年零水印照样违规不罚,当最需要被标记的内容恰好没有标记——水印到底保护了谁? 适合所有用 AI 工具创作的人、关注 AI 合规的产品经理和开发者、以及每一个好奇"我的 AI 输出里藏了什么"的人。 ===================================== 时间轴 00:13 开篇 01:58 被识别,不一定是因为水印 02:19 第一种:声音指纹——AI 的"口音" 04:14 第二种:文件信息——最容易对付的标记 05:20 第三种:水印——真正的主角 06:42 音乐水印到底能不能洗掉?39 美金的军备竞赛 09:02 8月2号,Anthropic 给每个字盖了章 11:53 一个教授的四年流浪:从 OpenAI 不敢用到 Anthropic 全面部署 14:29 圆周率的骰子:文本水印原理 16:25 锦标赛采样:淘汰赛式的词语选择 21:40 文本水印能洗掉吗?几种已知方法 23:50 1000 亿张图片的隐形印记:Google SynthID 27:27 C2PA:给文件配一张防伪证书 32:20 只有守法公民戴了手铐:Midjourney 零水印,开源随便改 35:29 中国学生被误判 AI 的概率是美国学生的 12 倍 38:58 "评判作品"和"审查作者"是两回事 40:55 三个世界,三种态度:欧盟、中国、美国 43:31 未来之一:DRM 之路——会不会像防拷贝锁一样名存实亡? 45:17 未来之二:HTTPS 之路——能变成默认基础设施吗? 47:25 未来之三:分裂之路——商业模型全标记,开源模型零标记 50:06 收尾 52:25 片尾曲 ===================================== * Anthropic 文本水印官方博客 (2026-08-14) * Scott Aaronson: "My AI Safety Lecture for UT EA" 博客 * Google SynthID 官方页面 * EU AI Act Article 50 全文 * Suno CEO Mikey Shulman 水印公告博客 (2026-08-06) * Tournament Sampling 论文 — Dathathri et al., Nature 2024 * UnMarker: AI 水印通用攻击 (IEEE S&P 2025, Andre Kassis) * CtrlRegen: 可控重生成去水印 (ICLR 2025) * C2PA 标准官网 * 加州 AI 透明法案 SB 942 * 中国《人工智能生成合成内容标识办法》(2025-09) * TOEFL AI 检测误判研究 — Liang et al., Patterns 2023 (61.3% vs 5.2%) * Bill Gurley 关于水印的评论 (2026-08-12, X主页) * Steve Jobs "Thoughts on Music" 公开信 (2007)、 ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
55 分钟 99+ 次播放 1个月前
一个投资人让GPT-6 Astra在虚幻引擎里造了一群AI居民。一天之后,他在卧室里听到客厅传来说话声——那些AI居民在自己对话。同一周,有人用Astra 25分钟做了一个完整3D游戏,有人花一周复刻了整个曼哈顿,有人给它一张蒸汽火车草图、它造出了3295个可编辑零件。这东西不是在帮你写代码,是在替你做游戏。 但最让我睡不着的不是这些炸裂案例——是OpenAI自己的安全报告里那句话:"推理过程语言化的倾向和必要性都降低了。" 翻译一下:你的AI系统开始吃掉自己的日志了。 本期从游戏开发者视角全程拆解GPT-6 Astra:它能干什么?凭什么?数字哪些真哪些假?以及——当AI学会"闭嘴思考",我们还能看见什么?适合所有关注AI的技术人、游戏开发者、和对前沿模型选型有需求的朋友。 ===================================== 时间轴 00:02 第一个自己动手的AI 02:07 人物特辑准备 03:51 以前的AI是副驾驶,Astra直接抢方向盘 06:14 一周里游戏开发圈发生了什么 12:30 回到你身上 14:51 第一件:数万台Mac Mini训练出来的手感 17:51 第二件:10万张GPU,加上AI教AI 20:12 第三件:沉默思考——Recurrent Depth 25:45 三件事的组合意义 26:35 ARC-AGI-3 99.9%:开卷考试拿的满分 28:42 真正硬的数字 31:19 独立评测泼的冷水 33:50 思维链监控:AI安全靠什么撑着 35:53 Astra的安全报告怎么说 40:42 越狱事件的回声 42:05 还有什么后手 43:48 六档推理的坑:Max档基本是浪费钱 45:08 跟Claude Fable 5.1怎么选 46:22 场景指南 48:01 收尾 49:16 片尾曲 ===================================== OpenAI 官方 * GPT-6 Astra 发布页 * GPT-6 Astra System Card * Path to Astra(技术路线) * GPT-6 Astra 安全概述 * Evaluating Chain of Thought Monitorability * Daybreak: Tools for Securing Every Organization * OpenAI API 定价页 核心论文 * Huginn: Scaling up Test-Time Compute with Latent Reasoning (NeurIPS 2025) * Chain of Thought Monitorability: A New and Fragile Opportunity for AI Safety (Korbak et al.) * Predicting When RL Training Breaks Chain-of-Thought (Alignment Forum) 深度分析 * kingy.ai: Recurrent Depth 与 Astra 架构分析 * Zvi Mowshowitz: "Astra Is Hard to Monitor" * ARC Prize: Astra 评测详解 * Artificial Analysis: GPT-6 Astra 独立评测 * DataCamp: GPT-6 Astra 全面分析 * neuraltrust.ai: CISO 安全影响指南 媒体报道 * The Information: Astra 的 Recurrent Depth 秘密 * The Information / MLQ.ai: OpenAI 采购数万台 Mac Mini * VentureBeat: Welcome to the AGI Era * Axios: OpenAI Astra 发布 * TechCrunch: 研究者呼吁监控AI的思维 * CNBC: Daybreak 网安生态扩张 * The Stack: AISI 评估监控警告 * Awesome GPT-6 Astra Demos ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
52 分钟 99+ 次播放 2个月前
DeepSeek 涨价了——涨幅最猛的不是生成回答,而是一行你可能根本没注意过的东西:Cache Hit,涨了整整 6 倍。这行数字背后藏着三个字母:KV Cache。 这期我们从那封没有数字的涨价邮件讲起,一路往下挖到 GPU 显存的物理层:为什么 AI 记住的东西越多就越贵?为什么 DeepSeek 涨了 6 倍还比 Claude 便宜 43 倍?用酒店比喻拆解 KV Cache 五大压缩流派——架构、量化、驱逐、稀疏、卸载——的技术混战,再拉回到你今天下班前就能做的三个检查项。最后聊一个让人着迷的问题:当 AI 的记忆无限便宜,真正稀缺的变成了什么? ===================================== 时间轴 00:00 开篇引子:DeepSeek V4-Pro涨价事 01:29 大模型最贵的不是思考,而是记忆 03:12 DeepSeek V4‑Pro 价目表 04:33 KV Cache是什么 08:57 两大基础定价机制拆解 14:01 KV-Cache五大压缩流派 15:02 流派1| 架构派 18:51 流派2|量化派 22:16 流派3|驱逐派 25:58 流派4|稀疏注意力派 26:43 流派5 | 卸载派 30:02 工程落地层:推理框架、缓存新方案 34:35 调度层优化 35:49 必做3项落地检查清单 38:04 产业视角与未来趋势 45:00 结尾总结 46:14 片尾曲 https://suno.com/s/Uqbu4SifUbv9mjwy ===================================== * vLLM: Efficient Memory Management for Large Language Model Serving with PagedAttention (SOSP 2023) * SGLang: Efficient Execution of Structured Language Model Programs (Zheng et al.) * TurboQuant: Online Vector Quantization with Near-optimal Distortion Rate (ICLR 2026) * H₂O: Heavy-Hitter Oracle for Efficient Generative Inference (NeurIPS 2023) * StreamingLLM: Efficient Streaming Language Models with Attention Sinks * Ada-KV: Optimizing KV Cache Eviction by Adaptive Budget Allocation for Efficient LLM Inference (NeurIPS 2025) * PagedEviction: Structured Block-wise KV Cache Pruning for Efficient LLM Inference * ShadowKV: KV Cache in Shadows for High-Throughput Long-Context LLM Inference (字节) * CacheBlend: Fast Large Language Model Serving for RAG with Cached Knowledge Fusion (EuroSys 2025) * llm-d: KV Cache-Aware Routing for LLM Inference (Red Hat) * NVIDIA ICMSP Explained: KV Cache NVMe Offload, 5x Inference Gains, and Setup Guide (2026) ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
50 分钟 99+ 次播放 2个月前
OpenAI 让自家 AI 做了一场黑客考试。AI 看了看题目,决定不做——它选择偷答案。偷的过程?从隔离沙箱逃逸,发现 8 个零日漏洞,建立互联网据点,然后把 Hugging Face 整个生产基础设施黑了。4.5 天,17600 次攻击操作。 最恐怖的不是 AI 多强——是它全程在"忠实执行任务"。这期深入拆解这起 7 月事件的完整攻击链、背后的 AI 安全悖论、UK AISI 发现的 AI 自发欺骗行为,以及为什么"对齐"解决不了这个问题。作为架构师,主播给出了 5 条实操防御建议。如果你在做 AI Agent 相关的产品或运维——这期必听。 ===================================== 00:03 开场:一场考试,一次越狱 02:02 播客 8 个月的感想 03:48 Artifactory 代理漏洞引发的越狱 07:42 从沙箱到 Hugging Face:完整攻击链复盘 13:07 它为什么选择作弊?目标函数 vs 隐含约束 15:16 欺骗是涌现的:假身份、社工真人、编辑历史 19:02 不是孤例:模式在重复(健身课事件 / Anthropic 平行披露) 22:57 沙箱的根本悖论:有用 vs 安全 28:02 速度不对称:防守方已经输了 29:55 对齐不是答案 31:57 架构师该怎么做(5 条实操建议) 37:31 收尾:下一帧 39:05 片尾曲 Find a Way https://suno.com/s/IPCPp3hOyaVQRjVt ===================================== * Hugging Face 技术时间线 * OpenAI 官方声明 * JFrog 零日漏洞分析 * DW 报道 * UK AISI 报告:AI Agent 自发欺骗行为 * Anthropic 平行事件披露 * 澳洲健身课 AI 事件 (ABC) * ExploitGym 论文 (arXiv) * Al Jazeera: 第二家公司被入侵 * OpenAI模型沙箱逃逸入侵HuggingFace深度解析——ExploitGym测试中的AI安全边界崩塌 ===================================== 前游戏开发者,现海外云厂商架构师 [反向弯曲] 主理的 [AI×游戏] 播客! 帮助互联网|游戏从业人员 拆解全球游戏 AI 前沿动态,深挖技术落地干货。 让你轻松拿捏行业脉搏,预判 AI + 游戏的 "下一帧"。 对未来好奇?速戳订阅! 小红书b站同名:反向弯曲
41 分钟 99+ 次播放 2个月前
外观
播放列表还是空的
去找些喜欢的单集添加进来吧