归档 - 个人成长抓手

长文档检索总答非所问，问题出在切块

Manticore 把切块做进数据库内部：在自家手册上实测，深处内容的召回率从 55.1% 提升到 83.3%。

相框听见鸟叫，画出两百年前的插画

树莓派加电子墨水屏，靠本地 AI 听声辨鸟，再把识别到的鸟变成十九世纪手工上色的鸟类图版。

驾照背面的签名，一直没人能验证

美加多州驾照条形码里其实有 ECDSA 签名，但公钥从未公开，作者用数学方法反推出两个州的公钥。

一个临时补丁活了十二年，被装了两千万次

2014 年为升级 AOL 内容管理系统写的 174 行兼容代码，如今被安装近两千万次，里面还藏着一个吃掉字母的缺陷。

09-04

十万张国产加速卡上，跑起了一个推理服务

智谱回顾如何在超过十万张国产加速卡的集群上，从零搭出 GLM-5.3-Flash 的生产级推理服务。

09-04

一个开源浏览器引擎，靠每月捐款养了一年

Servo 用捐款请一位维护者做了一年贡献者体验，交出的不是新功能，而是 8 名新维护者和 1150 个被审阅的请求。

09-04

把后训练过程直播出来：一次百万美元班底的透明实验

小米把 MiMo v2.6 强化学习后训练过程实时公开，总花费 1,003,940 美元，pro 与 flash 并行，展示奖励、损失、梯度范数、分布差异、耗时、累计 token 及样本日志，连显存故障重跑也记录。批次构成显示代码约 68%、视觉 13%、通用 12%、安全 4%、对话 3%。文章指出，公开成本、失败和曲线使训练代价可比较，也抬高同行含糊解释的成本；但公开的是指标而非配方，透明不等于可复制。对 AI 落地团队，过程数据本身就是资产，训练日志、评测记录与失败样本积累起来，比多调一轮参数更有价值。

09-03

一只听得懂鸟叫的墨水屏：小硬件里的大生意

挪威开发者用树莓派、麦克风和13.3英寸彩色墨水屏做观鸟相框：持续收音，本地开源模型识别鸟种并写入数据库，屏幕仅在变化时重绘，以公有领域博物画显示，未听到时留空树枝，在线可看实时鸟况。无需用户操作，被视为AI进入家庭的现实形态：在物件里增加能力。技术上，本地识别、按需刷新和本地数据库兼顾省电、隐私与断网；效果取决于麦克风位置和鸟况，算力非瓶颈。授权：识别模型非商业相同方式共享，出售前须解决模型与插画许可。可迁移到景区解说等文旅科普场景。

09-03

把安全审计拆成六段流水线：AI 查漏洞，靠的是先学会怀疑自己

Cloudflare以MIT许可开源一个编码智能体技能，可将通用编码代理变为安全审计员，它源自内部全公司级漏洞发现系统的最早种子版本。流程含侦察、狩猎、验证、报告、结构化输出、独立复核六阶段：狩猎让代理从注入、访问控制、业务逻辑、密码学、功能滥用、链式攻击和野卡等角度并行挖掘；验证由独立代理证伪，再用新代理逐条核对结论与源码。项目承认单次运行约只能发现一半漏洞，需多次运行提高覆盖率。因此，AI安全扫描不是一次性交付，而应反复执行、逐步收敛；核心是让流程会怀疑自己，再谈自动化，该结构也可迁移到代码评审、对账、审核等找错类工作。

09-03