强化学习曾小健

原创 我叫曾小健，开发第一线：新Windows与开发环境：大模型LLM/量化 Win-Mac统一快捷键体验 win强制关机：shutdown /s /f /t 0

对于开发者用Windows来说，最大的建议就是不要用Windows，既然必须要用，那就来吧！！！

原创 Ubuntu Linux AI大模型开发常用命令 - 更新中 包括NVIDIA状态，和安装相关常用软件包，没事就背背 - 背诵创造美好生活

Ubuntu AI大模型开发常用命令 - 更新中 包括NVIDIA状态，NVIDIA状态，实时更新：和安装相关常用软件包没事就背背，增加开发效率。

原创 RLVR post-train和 RFT在本质上很接近，最主要差异是规模不同 这句话是什么意思

RFT 本质是：模型输出 →人类/模型打分→ 用奖励优化模型RLHF（人类反馈）DPO（偏好学习）PPO（策略梯度）特征RFT奖励来源人 / 偏好数据成本高数据规模小~中泛化受限奖励是“可程序验证的”，不需要人类打分代码是否通过测试 ✔数学题答案是否正确 ✔SQL 是否执行正确 ✔模型输出 →自动验证器 → reward（0/1）特征RLVR奖励来源自动验证成本低数据规模极大可扩展性强。

原创 林俊旸原文的中文翻译

核心智能将越来越多地来自多个智能体的组织方式：一个负责规划和分配工作的编排者，充当领域专家的专业智能体，以及执行更窄任务的子智能体——同时帮助控制上下文、避免污染，并维持不同推理层次之间的分离。我认为它最终可能会取代大部分旧的静态独白式推理思考：那些过度冗长的、孤立的内部推理轨迹，试图通过输出越来越多的文字来弥补缺乏交互的不足。在智能体时代，优势将来自更好的环境、更紧密的训练-服务集成、更强的套件工程（harness engineering），以及在模型的决策与这些决策产生的后果之间闭合回路的能力。

原创 上手体验价值5万的MacBook Pro后，我动起了下单的念头。

总之，这俩产品确实贵得离谱，但如果万一是那种，在乎隐私需要在咖啡馆里跑本地模型的大拿，又或者是在剧组现场直接调 8K ProRes Raw HDR 素材的 Pro 哥，那苹果提供的不是一台电脑，而是 “目前地球上几乎唯一的移动生产力闭环”。额这个可能是我的问题，以及仅限于苹果设备的显示支持--换个 Windows 或者安卓，这 HDR 就不给了。不过，对于咱们这些普通消费者来说，16+512G，32+1T 的组合完全就够用了，毕竟质感做工这块，无论是啥配置的 MBA 还是 MBP，都是没有缩水的。

原创 去Polymarket上与人类赌博的OpenClaw，已经月入数万美元了｜亮马桥小纪严选

去年10月，泽连斯基访问白宫并提出“无人机换战斧导弹”的交易提案，Grok-3进行了“基于信念的推理（belief-basedreasoning）”，将内部预估的停火概率从0.15动态上调到了0.22，同时它注意到，当时“YES”合约的价格大幅跳升至0.18。这形成交叉验证，于是，Grok-3判定该合约存在被低估的套利空间，确立了坚定做多并持有的策略。BTC、ETH等5分钟和15分钟短期预测市场的波动剧烈，特别是在交易所发生强制平仓潮等极端行情时，极易产生价格错位，这给机器人的高频介入提供了完美的温床。

原创 vla 数据具体怎么采集的

先别贪大，选 10–20 个高频家务子任务：pick/placewipe tableVLA 数据采集，本质是“让人或专家先做一遍”，再把观测、语言、动作、结果按时间严格对齐，清洗标准化后变成机器人可学习的轨迹数据。“家务机器人 VLA 数据表字段设计”，或者“从遥操作到 LeRobot/OpenVLA 训练格式的完整 JSON/Parquet 结构示例”。

原创 mujoco 和 issacgym 仿真环境异同和优缺点

mujoco 和 issacgym 仿真环境异同和优缺点我先按“架构、物理引擎、并行训练、传感器/视觉、机器人生态、上手成本”几个维度对比，再给你一个面试版结论和项目选型建议。先给你一个最新关键信息：Isaac Gym 现在更准确应视为这一点如果你拿去面试说，会比只讲 “MuJoCo vs Isaac Gym” 更准确。已思考 28s如果你今天是在2026 年做新项目，更准确的比较应当是：MuJoCo vs Isaac 系列（。因为，NVIDIA 官方 RL/学习工作流已经迁移到，其底座是。

原创 claude code2.1.79以后 有允许就系统通知/hooks

【代码】claude code2.1.79以后 有允许就系统通知/hooks。

原创 微信接入龙虾了！5分钟配好，直接发微信聊

活是你电脑上的龙虾在干，微信只是遥控器。稍等几秒钟，就完成配置啦。这一步是绑定和和 OpenClaw 聊天的微信账号，出现你的头像和昵称就说明绑定成功。什么都不用折腾，想用最懒的方式使唤龙虾的朋友，直接看这篇，5 分钟教你配好。回到 WorkBuddy，在主界面点击右上角头像，进入「Claw 设置」。到这里所有配置就完成了，你可以在微信里和 OpenClaw 聊天了。此时，在集成列表中找到「微信客服号集成」，点击右侧的「配置」按钮。在电脑不关闭的情况下，WorkBuddy 就可以随时随地为你工作。

原创 qs ranking2026

原创 扎克伯格150亿美金抢来的天才Alexandr Wang传要离职了…AI时代人才太贵了

真正让扎克伯格动摇的，是硬实力的缺失。作为Wang入职后的“一号工程”，Llama 4被寄予厚望。然而，今年1月的内部测试结果却令人大跌眼镜：Llama 4在逻辑推理和数学能力上不仅没有反超OpenAI，甚至在某些维度上表现得极其不稳定。更致命的是，有审计指出，Wang的团队为了追求漂亮的基准测试（Benchmark）分数，疑似在训练集中加入了针对考试题库的“特化数据”。这种“应试教育”式的AI训练，彻底激怒了追求技术纯粹性的扎克伯格。

原创 AWE2026，机器人不再遥不可及

在 AWE2026 上，追觅不仅展示了大量机器人产品，还首次以独立展位推出了汽车品牌「星空计划」，展出了 SUV 概念车、超跑以及造型极具科幻感的「火箭车」，并首次公开手机全系产品。，就接入了 JoyAI 语音大模型，可以实现较为自然的语音互动；无论是工业场景的实干、服务场景的导览还是家庭场景的陪伴，这些机器人正在一步步减少人机之间的距离，朝着融入人类日常生活的趋势发展。在日常应用中，「八界」不仅能自主识别并收纳散落的杂物，还能根据家庭成员的生活习惯，完成空间的分区整理与物品的精准归位。

原创 Palantir “本体论”：是跨时代的AI架构，还是精心包装的“建表”骗局？

本体能够明确地定义概念的层级结构（如“员工”是“人”的一种）、属性的类型和约束（如“年龄”必须是正整数）、以及关系的具体含义和特性（如“工作于”是“员工”和“公司”之间的关系，且具有方向性、传递性等）。随着业务的扩展和需求的增加，逐步演进和扩展本体模型。语义查询与推理 ：业务人员可以直接通过本体的语义模型进行查询，例如：“查询所有由特定供应商 X 提供的、用于生产 Product A 的原材料批次，以及这些批次当前所在的仓库位置，其最近的质量检测结果是否合格，以及对应的使用说明文档。

原创 揭秘追觅的技术策略：研发一代、储备一代、布局一代

汽车展台上的平台架构负责人告诉我，他们不只做车机联动，而要真正打通车、家、机器人全场景，让用户真正拥有智能生活的体验，并且他们已经在规划下一代汽车产品了。“量产一代、研发一代、储备一代”，这套看似朴实无华的方法论，才是追觅敢于同时落子手机、汽车、芯片、太空的底气所在。这套打法，业内俗称“吃着碗里的，看着锅里的，还得惦记着地里的”，与顶级投资机构的资产配置逻辑并无二致。在AWE 2026的现场，看着那个集齐了扫地机、手机、汽车、芯片、太空站模型的庞大展台，有人感叹追觅的野心，也有人质疑追觅的边界。

原创 火到OpenClaw创始人跟前了！百度“养虾全家桶”到底有多猛？

养虾”在短短几个月内迅速成为AI行业的新热点，反映了AI Agent正在经历从开发者工具向大众应用的转变。在这个阶段，真正的竞争不再只是模型能力本身，而是谁能让AI助手更容易获得、更低成本运行，并在更多场景中发挥价值。通过DuClaw、轻量云服务器、百度App入口和Operator移动端应用，百度试图搭建起一条从部署到使用、从PC到手机、从开发者到普通用户的完整路径，把原本只属于技术玩家的“养虾”体验推向更广泛的用户群体。

原创 如果梁文锋、王兴兴、汪滔读博，还会有Deepseek、宇树、大疆？王树国三问，戳破AI圈学历崇拜的遮羞布

大疆、宇树科技、Deepseek的爆红与成功，从不是偶然，而是三位创始人舍弃学历光环、坚守实战创新的必然结果。学历是入行的敲门砖，却绝非人生的天花板；实战能力是科创的硬通货，才是立足科技圈的真正底气。别让学历崇拜困住前行的脚步，别让文凭枷锁磨灭科创的热爱。AI时代，躬身实干者方能破局而立，坚守创新者终能铸就辉煌。放下学历执念，奔赴实战战场，中国硬核科技的未来，藏在每一位实干者的脚步里。

原创 魔搭推出Twinkle: 训练即服务, 让模型训练回归算法语义

Twinkle项目可以以组件化方式承载单卡、多卡、Ray等模式，帮助算法开发者尽量减少训练、采样的复杂开发和维护的成本，并给大模型行业提供一种新的商业模式。然而我们对这个框架的希望还不止于此。比如，我们可以将评测过程API化，这样整个的训采评过程都可以细粒度切分随意组合，这带来了非常大的想象空间，例如模型的持续进化。此外，在较新的工作中，API化的训练过程可以融合进Agent框架中，实现大模型的自进化（我们希望Twinkle。

原创 新型「验证码」诞生？这张图让 ChatGPT、Claude、Gemini 都翻了车

这种现象源于人类视觉系统中的侧抑制机制，即视网膜中一个神经元的活动会抑制其邻近神经元的活动，从而增强对比度，有时会在边缘或交叉点产生虚幻的感知。他甚至还找了一些熊猫的图片试了下，GPT-5 Pro 在思考了近 4 分钟后答对了。网友 Moll 也表示，一开始 ChatGPT 和 Claude 都只看到了「这只是视觉错觉」，直到她要求这俩模型看完整个图片后，他们才回答出「心形」。还有网友表示，提示词中可以先让 ChatGPT 模糊图像，这就像眯眼，然后再让它认真思考，就能得到正确答案。人眼秒懂，AI抓瞎！

原创 OpenAI首个GPT-5找Bug智能体：全自动读代码找漏洞写修复

正如开头提到的，它不仅能够进行深度分析、定位仅在复杂条件下出现的问题，在对“黄金测试仓库（golden repositories）”的基准测试中，也实现了92%的识别率。微软在10月16号发布了Vuln.AI，正式宣告使用AI进行漏洞管理，而在10月的最后一天，OpenAI也是姗姗来迟，跟上了这次更新的节奏。首次连接仓库时回溯历史提交。同时解释发现的漏洞，在代码中标注，便于人工复审。因此，在漏洞数量激增、攻击手段日益智能化的背景下，借助AI自动化发现与修复漏洞，已成为确保软件安全和降低企业风险的关键手段。

原创 Nvidia如何整合吸收Groq的技术

原创 渣B2026年1月7日 11:19浙江603人。

原创 哥伦比亚大学研发“会笑的机器人” 科创团队惊现咱“嘉”人

关于胡宇航的传说有很多，像宝典一样流传下来的还有那个“单片机奋斗法”——我把每件要做的事情标上优先级，像计算机处理多任务一样，优先处理最高优先级的任务，如果期间遇到更重要的事情（出现中断请求），就优先处理更重要的事情（中断函数）。他们认为，面部表情在建立信任方面发挥着巨大作用，随着机器人已经被越来越多地用于疗养院、医院等与人类紧密合作的地方，相比“冷冰冰”，我们更需要灵敏、有“温度”的机器人。”在赴美留学前，胡宇航曾如此回首他的“嘉园”生活，他说，在“嘉”四年，他最大的收获是成长，“遇到了更好的自己”。

原创 高中辍学，没学历、没经验！OpenAI 研究科学家：我靠 ChatGPT 自学成才 O-1 杰出人才签证Gabriel Peterson

CSDN程序人生 2026年2月25日 15:04 63人高中辍学，靠刷论坛拿下美国杰出人才签证，更是靠 ChatGPT 自学成了如今的 OpenAI 的研究科学家。“我表哥以前总说我回答 Stack Overflow 上的问题是在浪费时间，但后来，正是那些拥有数百万浏览量和同行评审的帖子，帮我满足了 O-1 杰出人才签证的‘学术出版物’标准。”他就是 Gabriel Peterson，OpenAI Sora 团队的一员，一位没有博士学位，甚至没有高中文凭的 AI 研究科学家。Gabriel Peters

原创 托尼·霍尔逝世：从文科生到图灵奖得主，他发明了让无数程序员头疼的null

2018 年他缴纳了一张 35 美元的普通罚单，系统由此将他的信息与"NULL"字段绑定，此后，全州所有忘记填写车牌号的空白罚单，都自动寄到了他名下。他对 null 的那次道歉，在计算机科学界至今仍是一段佳话，不仅因为内容本身，更因为一位图灵奖得主愿意就此公开站出来说“我错了，我很抱歉”。如果你写过代码，那么一定遇到过它：一个让程序突然崩溃、屏幕上跳出红色报错的元凶——“NullPointerException”，也就是我们常说的“null”，代表“无效的，缺失的，无意义的，空值”。

原创 10.3 亿美元！杨立昆融了欧洲最大一笔种子轮，他要把产品卖回 Meta

LLM 的训练数据是文本——大量文本。它学会了语言模式，学会了「哪个词经常跟哪个词连在一起」，但它从未真正理解过「苹果落下来是因为重力」「这条路堵死了就得绕行」这类物理因果逻辑。圈子里有人认同他，更多人觉得他固执——毕竟 OpenAI、Anthropic、Google 都在 LLM 上狂奔，估值一路飙，哪里看起来像是死路？一个粗糙但有用的类比：LLM 是读了海量书本之后学会说话的 AI，世界模型是在真实世界里跌打滚爬之后学会行动的 AI。押注他的人，同时也是这场他要「颠覆」的 AI 浪潮的最大受益者。

原创 杰瑞米·霍华德最新对话：Vibe Coding 就像在拉老虎机，AI 正在剥夺人类获得“直觉”的权利

当你这么做的时候，你通常只需要微调最后的一两层。我们正在亲眼目睹一个巨大的权力倒退：科技巨头利用这种恐惧作为武器，试图建立起极高的监管护城河，让开源社区死亡，让初创公司无法生存，从而把人类文明下一个十年的知识基础设施，牢牢锁在他们的私有服务器里。我们在放射学领域发现，如果我们可以自动识别肺部 CT 扫描中所有的“候选结节（Possible Nodules）”，而且我们做得确实比人类好，那么放射科医生就可以省去满屏幕找黑点的机械劳动，把全部精力集中在判断：“这些标记出来的结节，到底是良性的还是恶性的？

原创 Anthropic硬核调研：谁在真正被AI“夺走”工作？

这份报告结合了理论推演和平台的真实跑批数据，提供了一个看待“AI 抢饭碗”的新视角。目前来看，

原创 大数据的“4V”特征是指Volume（规模）、Velocity（速度）、Variety（多样性）和Veracity（真实性）。

20．属性可以分为 nominal（定类）， ordinal（定序）， interval（定距） 和 ratio（定比）等不同的类型，区分它们对于选择正确的数据分析方法至关重要。12．在计算两个用户的兴趣相似度时，如果用户A的评分向量是[5, 5, 5]，用户B的评分向量是[1, 1, 1]，使用余弦相似度计算会得出他们兴趣高度相似的结论。当p=2时，它就是欧氏距离。1．大数据的“4V”特征是指Volume（规模）、Velocity（速度）、Variety（多样性）和Veracity（真实性）。

原创 终于把OpenClaw接入微信了，安全可控，详细教程看这篇

这个方案可以说是一举两得，同时把openclaw接入了企业微信和微信。但也有个不足之处，在微信中，这个机器人不能被加进群，只能单点聊。因为本质上它是个应用，而不是一个账号。

原创 刚刚，Claude正式被特朗普封杀，立即生效！ 美国国防部已经正式通知Anthropic管理层，该公司及其产品被认定为供应链风险，即刻生效。

Anthropic目前的估值约3800亿美元（约合26188亿元人民币），而据The Information报道，Anthropic最近的年化收入突破了190亿美元（约合1310亿元人民币），较其去年年底的年化收入规模实现翻倍，进一步缩小与OpenAI的差距。与五角大楼的争端已经为Anthropic前景增添了不确定性。企业客户一直是该公司的核心业务，Anthropic在这一市场销售大量与编程相关的技术。被认定为供应链风险是否会长期影响Anthropic向企业客户销售产品，目前仍有待观察。

原创 为什么林俊旸会离职？ | 甲子光年 2019年，他以北京大学外国语言学及应用语言学专业硕士的身份毕业

在他的全面主导下，Qwen实现了从早期的雏形到Qwen 1.5、Qwen 2，再到2025年推出的Qwen 3系列的全尺寸开源爆发。据「甲子光年」了解，在此前Qwen的快速推进中，林俊旸一直极力试图在阿里内部维持一个“垂直整合”的研发闭环，覆盖从模型预训练、后训练与人类价值观对齐，直到底层基础设施优化的所有核心职能。在Hugging Face等全球主流的开源模型托管平台上，Qwen的生态地位已经跨越了单纯的“强力参与者”阶段，演变为真正的“霸榜者”，甚至能够与世界顶级的闭源模型直接竞争。

原创 4.1.7微信双开

我前段时间也被这问题烦得不行,后来自己摸索出来这个办法；甭管你是想找mac如何双开微信的答案,还是想确保mac系统微信双开不翻车,我鹏磊这篇玩意儿都能给你整明白,一步步带着你走就完了；反正弄不明白你就多试几遍；这个方法我是在最新版微信4.1.6.11上测试的,绝对靠谱。

原创 我用 OpenClaw 创办了16人AI团队：24小时不间断、高效运营！

我选的是多机器人模式。每个Agent对应一个独立的飞书应用，16个应用听着多，但配一次就完了。每个应用配置：创建应用、添加权限、获取凭证、配置事件订阅、发布应用。

原创 Xbotics社区 | ArXiv 机器人学每日速递（2026.03.04）

进行交互和学习是机器人的中心挑战，提供了一个比劳动密集的人类演示更可扩展的替代方案。但实现这样的"游戏"需要：<1>对各种潜在分布外的环境状态鲁棒的策略，和<2>持续产生有用的机器人体验的过程。其次我们在真实世界中部署这个策略进行自主功能性游戏，通过任务选择、执行、评估和改进的持续循环，由视觉-语言模型的视觉理解能力引导。这些任务的特点不仅是接触密集的、力敏感的动力学，还有"隐含"的成功标准：不同于拿放任务，这些领域的任务质量是连续和主观的（例如土豆削皮有多好），这使得定量评估和奖励工程很困难。

原创 Superpowers：CC 资深工程素养 Skills 库

规划 (Plan)：将任务拆解为 2-5 分钟 可完成的“微任务”，明确文件路径与验证步骤。· 结构化思维：遵循 Design -> Plan -> Execute 的严密流程。· 准备 (Setup)：自动创建隔离的 Git Worktree，验证测试基准。执行 (Execute)：子智能体协作，执行严格的 Spec + Quality。· 模块化与插件化：深度集成 Claude Code 插件系统，支持热插拔。· 质保 (QA)：强制 TDD（红-绿-重构）与 4 阶段。2. 标准化五步工作流。

原创 [特殊字符] 装完 OpenClaw 不知道干嘛？先装这 5 个技能再说

不管你是想搞浏览器自动化、多 Agent 协同、GitHub PR 管理，还是想让 AI 帮你收发邮件、控制特斯拉，这里全都有。最懒的方式——在 OpenClaw 聊天框里直接贴技能的 GitHub 链接，说"用这个技能"，助手会自己完成下载安装。这比在 ClawHub 里搜"code"、"test"、"refactor"这些关键词快多了。这不是"技能超市"，这是"技能荒原"——没有导航、没有筛选、没有质量保证。真正的极客，是在安全优质的工具库里搭乐高，而不是在没有王法的垃圾场里扫雷。

原创 上海一群青年，造了个学术版OpenClaw

比如DeepMind创始人哈萨比斯，他是一个极其综合之人，既有计算机的背景，也有神经生物学的背景，既开发过知名游戏，也是国际象棋大师，他把DeepMind打造出了非常好的融合氛围，可见想要把科学智能做到顶级，人与人的融合是必须的。面对学生提出的问题，大圣不会丢出死板的百科定义，而是编排出一条高效的教学workflow，串联起一场苏格拉底式的深度思辨，旨在培养学生的独立思考能力。更重要的是，实验数据自动回传，形成“设计-执行-反馈-优化”的干湿闭环，大幅提升了siRNA设计的成功率。

原创 Django 创始人一针见血：AI 让代码不值钱了，但有样东西正在疯狂升值 我们需要建立新的习惯Willison 在文章最后坦诚地说，整个行业都还在摸索新的最佳实践，他自己也在摸索。但他给了一个

你一天能产出十倍的代码量，但如果没有能力判断哪些是好的哪些是烂的，那十倍的产出可能意味着十倍的技术债务。一个成熟的开发者，写几百行干净的、经过测试的代码，通常要花一整天甚至更久。因为当一个行业运转了几十年的核心成本结构突然变了，所有围绕这个成本建立起来的决策习惯、组织流程、评估标准，全都要跟着变。更夸张的是，现在一个人可以同时跑好几个并行的 Agent，一边写新功能，一边重构旧代码，一边跑测试，一边写文档。说到底，工具在变，成本在变，但有一样东西没变，就是你对质量的判断力和对问题的理解力。

原创 AI 开发闭环了：从写代码到控制浏览器，中间不需要你 CLAUDE CODE × CHROME ／ WORKFLOW

Anthropic 刚刚把 Claude Code 和 Chrome 浏览器扩展打通了，意味着你的 AI 编程助手，现在有了一双手——能操作真实的浏览器，看到真实的页面，点击真实的按钮。这是工作内容的结构性变化——你还是那个做决定的人，但你手下多了一个不需要睡觉、不会抱怨、能同时操作代码编辑器和浏览器的执行者。它能看到页面实际渲染的样子，能读控制台的错误日志，能截图。如果发现问题——比如某个组件在暗黑模式下文字颜色没变，白字白底看不见——它会截图告诉你，然后直接定位到对应的 CSS 文件，问你要不要改。

原创 突发！白宫正式封杀Claude：从反华先锋到国家公敌，他们只用了48小时。

但今天的前沿AI系统还不够可靠，无法驱动完全自主武器（人类完全出环、自动选择和打击目标）。因此，我指示美国政府的每一个联邦机构，立即停止使用Anthropic的所有技术。他痛斥Anthropic的高管层是激进的左翼疯子（LEFTWING NUT JOBS），指责他们试图用服务条款来勒索美国的战争部（Department of War，也就是五角大楼）是达里奥·阿莫迪（Dario Amodei）在走进五角大楼最后谈判桌前，拼尽全力向华盛顿证明：看，我还在帮你们打仗，我是自己人，我是可靠的爱国者。