归档 - 个人成长抓手

把嵌入模型改造成语音转写：1 小时音频 12.6 秒转完，全程在一台 MacBook Air 上跑

EmbeddingGemma Transcribe 利用多模态嵌入模型，把音频经小读取器映射到文本空间，在约22.9万英文词中取最近邻生成转写，再由小模型补标点大小写；原音频编码器不动，训练用8张H100不到两小时。它在8GB M3 MacBook Air上1小时音频约12.6秒转完，全程本机，可按键说话输入任意应用。当前词错率约5%，领先语音模型2%–3%，且仅英文。启发是：重组现成能力可能比换更大模型划算；端侧离线转写已可用于录音整理、会议纪要，但中文需实测；性能报告应区分同机实测与公开基准。

10-14

10月 Serenity

Anthropic 把主力仓库搬离 git：每天合并 3 万次代码，自研版本控制系统只用了 7 个人、5 个月

日合并量 5 个月涨 10 倍，git 撑不住：Anthropic 自研 Scion，基建占用缩到 1/200。

10-14

10月 Serenity

Rust 借阅检查器里藏了 11 年的漏洞：一段本该编译失败的代码，能读出已经销毁的变量

Rust #164250：要求 'static 的泛型结构体，因自定义析构搬值到全局容器，再通过协变字段接受短生命周期引用，绕过借用检查并编译通过；销毁后 downcast 会读到失效内存，ASan 报栈使用后作用域错误。根因是协变与析构组合，稳定版回溯到 1.85.0。官方定级 P-high，称这是十一年老漏洞，利用需恶意析构。启示：安全承诺应按已知漏洞与修复优先级管理，自定义析构和搬值到全局须评审，公开承认与排期修复更能维持信任。

10-14

10月 Serenity

纽约「一键退订」新规 10 月 1 日生效：把取消入口藏起来，开始按次罚钱

纽约市“Click to Cancel”规则10月1日生效，核心是把不提供清晰、显眼、精简的取消方式定性为欺骗性、不合理商业行为。罚则首次525美元、第二次1050美元、第三次及以后3500美元，并退还消费者首次尝试取消后继续被扣金额。长期订阅、试用或赠品超一个月、条款价格重大变更均须提前通知并说明取消方式，挽留优惠不禁止。2025年逾100起投诉及Equinox 60万美元和解等推动执法，估算每年为纽约成年消费者省最多1.625亿美元和至少60万小时。产品团队应让取消入口与开通同样显眼，续费前明确提示，靠价值挽留，并将取消退款路径纳入验收。

10-12

10月 Serenity

陶哲轩《Math 2.0》：数学正从「证明稀缺」走向「证明过剩」，瓶颈不是技术

陶哲轩在《Math 2.0》提出，数学已从“证明稀缺”转向“证明过剩”，但前沿绝大多数问题仍未解决。数学因可客观验证、可数字化、有大规模高质量数据，成为AI最易突破的领域，AI能力呈“锯齿状”。解题只是长期目标的代理指标，证明过剩时代继续盲目优化解题有害；开放问题是灯塔，过早抵达会让其他路径无人问津。企业可用这三属性筛选AI场景，主动纠正报告偏差，让AI加速到达而非替你理解。实现Math 2.0的瓶颈不是技术，而是想象力。

10-12

10月 Serenity

6000 亿 token 之后：让 AI 智能体反编译一款老游戏，最贵的教训是没定义什么叫「正确」

Maurice带AI智能体耗时数月，将流行FPS游戏反编译为C++，追求准确完整重建，总耗约6000亿至7000亿token。首月80%函数完成，但代码可读而语义错误，因缺少机器可判定的正确标准。转折是字节级匹配：OBJ与EXE/PDB逐字节比对，重定位校验同符号同偏移，并做CI回归；禁止内联汇编，用哈希和密钥托管防篡改。最终99%函数进入源码，83%字节一致。启发：先定验收标准，验收工具须防篡改，规范定期重注入；有精确反馈后便宜模型也可用，正确性远比产出量重要。

10-12

10月 Serenity

740M 的本地嵌入模型：让图片、音频、视频落进同一个向量空间

Google DeepMind 10月6日发布 EmbeddingGemma 2，Apache 2.0、740M 参数，把初代文本嵌入扩展至代码、图像、视频、音频，统一映射到同一向量空间。纯文本最低 270M，视觉与音频编码器按需加载；MRL 可将 768 维向量截断至 128 维，本地存储和内存最多降至六分之一。8K 上下文可一次处理约 5.5 分钟音频、29 张图片或 58 帧视频；代码 MTEB 从 68.76 升至 78.68。企业可把敏感素材检索放在端侧，只将命中片段送云端推理，并按需选择向量维度；但嵌入只负责找到，不负责答对。

科技笔记

10-07

10月 Serenity

Polars 2.0：把 SQL 扶正，顺手在基准里压过 DuckDB 和 DataFusion

Polars 2.0 发布，核心是 LazyFrame 调 collect 默认走流式引擎，多数查询内存与耗时下降；但 join、group_by、unpivot 不再保证行序，依赖行序需显式 maintain_order=True。溢写磁盘默认开启，内存约80%落盘，默认磁盘预算64GB。SQL 成为一等公民，优化器重做；基准领先 DuckDB 与 DataFusion，但192线程有固定开销，小数据吃亏，32核时最快。中小团队单机处理几千万行更可行，升级前检查依赖行序，选型按真实数据量测试。

科技笔记

10-07

10月 Serenity

一万亿参数的欧洲反击：Mistral Large 4 先把权重留在自己手里

10月6日，Mistral 发布 Mistral Large 4 预览：1万亿参数多模态 MoE，激活490亿；开放权重月底放出，先供 API，定价输入1.36、输出4.18美元/百万词元。模型在自有欧洲数据中心用3800张英伟达显卡从零训练，覆盖160多种语言。安全评测中，Cyber Index 全球前五，漏洞复现打补丁82%，Cybench 解出93%；部分闭源模型因拒绝执行得分近零。企业可关注其开源、可自部署和多语言，并按任务是否被拒评估，但当前仅预览，权重与细节待补，验证前不宜写入交付。

科技笔记

10-07

10月 Serenity

用方框指定画面：FLUX 3 Image 把出图变成一件排版的活

FLUX 3 Image是Black Forest Labs推出的图像生成与编辑模型。核心变化是把提示词变成可编程布局表：在0到1000网格画布上为元素画框并配语义id，再由全局caption与JSON元素表引用，智能体可根据一句话和画幅自动规划布局。已生成图可逐框改描述、替换或移动，未动区域保持原样；最多10张参考图，原生支持2K/4K。它适合排字、拼贴、分格漫画、杂志跨页和密集人群等部件多、关系严格的构图，不适合单纯风光。对小团队而言，元素可寻址利于批量生产，配图、海报、电商主图可脚本化，但商用素材与肖像授权仍需人负责。

科技笔记

10-03

10月 Serenity