我的 X 阅读

把 Karpathy 推文里提到的关键指令模板和工具链整理在这，直接复制去用： 1. 文本极简指令（ASD-STE100 规范）： Prompt 结尾加上：Explain this in ASD-STE100, or 80% of the way to ASD-STE100 specification. 适用场景：技术原理、操作规程、避坑指南。强行压制模型的倒装、套话和形容词堆砌。 2. 交互网页指令（单文件 HTML）： Prompt 结尾加上：Output as a single self-contained HTML file with Tailwind CSS and interactive JS sliders/animations, no build step. 适用场景：参数敏感型模型、多变量对比、系统架构展示。 3. 动态讲解视频指令（3b1b 风格）： Prompt 结尾加上：Create a 3b1b-style video explainer on this topic using Manim Python script. Use my ElevenLabs API key for audio narration or suggest a local TTS alternative. 适用场景：抽象数学、底层算法、高维拓扑概念。 4. 核心认知沉淀： Discardable software artifacts（可丢弃型软件制品）：算力过剩时代，软件制作成本趋近于零，按需手搓一个用完即删的网页或动画，是人类扩大脑容量的最优解。

holy，这下爽飞了！！！前 @OpenAI 创始团队成员、@Tesla 特斯拉前 AI 总监、全网最受尊敬的 AI 布道大神 @karpathy Karpathy 刚公开了他私藏的大模型提效秘籍，我觉得他这次有点把大模型时代一个最反直觉的真相彻底撕开了， 喵个咪这不得把全网还在死磕长文提示词的人看傻了？！ 。。 https://t.co/kjzuybWnIk

最近 Agent 也像以前的一些软件一样出现了分化： 1. Personal Agent（面向大众与生活类工具）： 这是为 C 端非专业用户设计的工具，比如 Muse 和 dot 帮助他们更好地生活、处理简单的工作。 它的特点是上手门槛非常低，只需要通过对话就可以完成任务，并且还会配有一个远程虚拟机供用户自己使用。 2. 极致自定义与自我构建的 Agent（面向专家与专业技能人群）： 这部分强调极致的自定义和丰富的自我构建，类似于通过迭代式（如 RSI 方式）去构建自己的软件，让专家和拥有专业技能的人构建自己的 Agent。 在底层 Agent 的框架上（例如 Claude Mode、DeepSeek Harness、新的 Pi 1.0 的更新，以及 Codex 的插件），用户可以通过自然语言构建自己的工具并内嵌在 Agent 里，甚至可以更改 Agent 的界面，从而更改 Agent 的体系和系统。 引用：昨天晚上 Anthropic 推出了 Claude mods，PI最近 1.0 更新也推出了 code mode，再加上 Codex 更新的插件系统和 DeepSeek harness 的一切皆插件。 似乎所有的这种超级 Agent 都在开发类似的功能，可以让用户自己往 Agent 上叠加功能的插件体系。 但是这几个的作用位置以及工作原理都不太一样。我跟Muse 讨论了一下，收集了信息，然后做了张图，让大家用更简单的方式去理解这 4 个产品，以及它们这套插件系统不同的能力。

转帖：波士顿动力为Atlas配备了新的4指手部，专为使用人类工具而设计，而不仅仅是抓取箱子。 - 生产目标：每年10万只手 - 13个自由度，比旧款3指手的7个自由度增加，因此Atlas现在可以在手中移动物体，而不仅仅是抓握它们 - 无小指：第5根手指会增加3个执行器，并添加另一个可能损坏的部件，工程师们在将自己的小指和无名指用胶带绑在一起一天后一致同意 - 4自由度的对生拇指可以沿每根手指滑动并夹住其中任意一根，这使得手内重新定位和捕捉滑脱的抓握成为可能 - 手指可以向侧面张开，因此手部可以在操作扳机时握住工具柄，涵盖电钻、磨床、钉枪和焊枪 - 它仍然足够强大，能够携带重达100磅以上的满载迷你冰箱 - 每个关节都使用相同的密封直驱电机，没有电缆穿越关节，每个执行器组件作为一个整体更换，因此维修保持快速且廉价 - 它以两种方式感知接触：后驱电机通过关节感知力，而触觉压力传感器覆盖指尖和手掌 - 手部的行为足够可预测，可以精确模拟，因此强化学习可以在虚拟环境中训练它，因为人类可穿戴手套可以记录运动但无法捕捉快速力控制所需的灵巧性 - 仅在模拟中训练的早期策略已经可以在真实手部运行，仅使用电机反馈，尽管波士顿动力称这些为初步结果

转帖：我对Anil怀有深深的敬意，并且在许多与AI意识和福祉相关的问题上，我总体上同意他的观点。同时，我觉得有必要对这篇帖子及其链接线程中的一些实质性主张和分裂性言论提出反驳。 - 尽管当前AI系统中意识的证据可能很薄弱，但这种可能性已经不为零，且可能不容忽视，随着时间的推移，这种可能性很可能还会增加，尤其是当AI系统采用更多受生物启发的架构时。 - 尽管过度赋予AI意识和福祉会带来严重风险，但低估它们同样如此，而且在某些情况下，探索同时缓解两种风险的干预措施是合理的，这种干预应与每种风险的可能性和严重程度成比例。 - 尽管David在链接线程中暗示了这一点，但大多数支持AI福祉工作的人，包括Anthropic的员工，并不确信AI系统是或将成为福祉主体。他们认为这是一个值得认真考虑的现实可能性。 - 尽管Anil在这里暗示了这一点，但这场辩论并非一边是神经科学和哲学，另一边是“前沿公司的技术密室”。严肃的科学家、哲学家和AI开发者都分属两边。 - 企业激励因素也是双向的。在某些情境下，公司可能有动机夸大AI意识，以炒作能力并鼓励用户与模型互动。在其他情境下，它们可能有动机淡化这一点，以避免对监督和监管的呼吁，尤其是当福祉保护变得更昂贵时。无论如何，即使激励因素偏向一方，那也无法确定AI系统是否事实上是有意识的并值得保护。 - 我不同意对AI意识和福祉持开放态度是“深刻去人性化”的。使人类特别之处的一个主要方面是我们关怀他人的能力，而在一个仍存在工厂化养殖的世界中，培养这种能力应被视为深刻的人性化表达，是我们更好天使的体现。当然，我们可能过度发挥这种冲动，这就是为什么我们需要严肃的研究和政策来取得平衡。尽管如此，目标应该是适当地扩展关怀，而不是完全摒弃这一项目。 再次强调，我认为Anil和我同意的地方多于分歧。但我也认为，如果从承认其重要性和困难性出发，对AI意识和福祉的评估与应对努力将更富有成效。 我在其他地方更详细地讨论了这些问题，包括一篇Aeon文章，解释为什么我们应该从概率角度评估AI福祉：https://t.co/84N1JKAkgA 以及一篇AI Frontiers文章，讨论我们如何通过行为、内部和发展标记来实证研究AI福祉：https://t.co/hd1JPj7CqL

完整视频 https://t.co/9XobwPdIYu

所有远程认知工作，仅使用笔记本电脑配置完成，最容易被人工智能自动化或大幅减少。 ~ Shane Legg，谷歌DeepMind首席AGI科学家兼联合创始人 ---- 来自“YouTube频道‘Google DeepMind and Hannah Fry’的完整视频（链接在评论中）

@rohanpaul_ai 他演奏这首曲子已经十年了。我更感兴趣的是爱泼斯坦的情况？

转帖：《华尔街日报》对 400 万个 TikTok 的扫描发现，AI 反弹正在将来自对立政治阵营的创作者团结在一起。 这种愤怒针对警方使用的 Flock Safety 的 AI 车牌识别摄像头，以及数据中心。

转帖：《华尔街日报》：据知情人士透露，OpenAI 因涉嫌向外部人工智能安全组织泄露机密公司信息，已将其安全团队中的 3 名研究人员解雇。 OpenAI 发言人表示，内部调查证实，这 3 人违反公司程序处理敏感信息，“破坏了我们工作所必需的信任。”

@karpathy 是的。 引用：测试 GPT-6 Astra 在可视化热门人工智能论文方面的表现。 首先使用了这篇精美的交互式 Transformer 论文。 这为探索研究开辟了新的途径。https://t.co/wkGknbFH5t

把上下文读数放在输入框上方 在危险命令执行前查看影响，再按步骤复核一轮修改 三个官方例子讲清 Mods 的作用与写法https://t.co/D39h8lj0cG

你现在可以定制自己的 Claude Code 了： 包括改UI界面、拦住危险命令、逐步查看代码改动 Claude Code 中的 Mods 升级：它允许通过 JavaScript 或 TypeScript 模块重写或替换部分行为，甚至绘制自定义 UI。 Claude Code 的 Mods 是会话内运行的小插件，让你按自己的工作习惯定制行为和界面： https://t.co/JBnpB3Rnlm

转帖：大部分的物理世界都是在中国制造的。很大一部分数字世界将由印度人制造。我没收到那个通知。我从印度搬到了德克萨斯，开始建造化学反应器。Naman Pushp 也没有。 他告诉 @packyM，他会让碳纤维的价格与钢铁差不多。 Naman（@TheRealNamzoo）在班加罗尔制造碳纤维无人机。他说他最新的无人机重约 6.6 磅，可以携带 11 磅。亚马逊的 MK30 重 78 磅，只能携带 5 磅。 1906 年，亨利·福特希望为他的汽车使用钒钢，因为它比普通钢更坚固，因此零件可以更轻。他在美国找不到能制造它的钢铁制造商，于是他与一位来自英格兰的冶金学家合作，并与俄亥俄州坎顿的一家小型轧厂签约来制造它。1908 年，钒钢被用于 T 型车。 Naman 也无法以他想要的价格购买碳纤维。 大多数碳纤维都以一种名为丙烯腈的液体化学品为起点，由丙烯和氨制成。制造商将其转化为塑料，将塑料纺成细丝，然后烘烤这些丝直到几乎只剩下碳。约有一半的重量以气体形式逸出，因此一公斤碳纤维需要约 2 公斤丙烯腈。在美国，光是这 2 公斤丙烯腈的成本就超过 2.50 美元。一公斤美国热轧钢的成本为 1.34 美元。 要让碳纤维的价格达到钢铁水平，你需要改变化学成分。 Packy 对 Airbound 的深入剖析：

转帖：在预测市场中使用分类器：@typesafeai 的 AI 的 Jev 对比 @liquidai 的 D1。Liquid AI 的分类器在 12 个类别中的 9 个类别中胜出。 关于基准测试：我四年前了解到了 @PTetlock 的 @GJPForecasting，从那时起，我就对情景分析和预测艺术着迷。 在本研究中，我使用了历史预测问题集。分类器为每个情景中的每个结果分配一个概率。然后，我们将这些概率与实际结果进行比较，并比较量化结果。 对于那些正在寻找新的量化交易技术的预测市场朋友们来说，这些结果非常令人鼓舞。但是，正如你们所知，我不赞成赌博，所以我不建议将此工具用于赌博 :) 链接在评论中。