我的 X 阅读

转帖：JevRAG 的各种变体大量出现。 至少可以说，这很有趣。 这些范围有限的测试无法真正得出任何结论，但它引发了讨论，并指出了在当前 RAG 和代理系统中寻找优化的激动人心的方向。 我一直在测试一个我自己的 JevRAG，用于论文探索。 到目前为止，我在使用 Jev 进行重排序方面取得了更多成功，并且结合语义搜索和 Jev 搜索论文的一些非常有趣的方法。 更多内容即将分享。

对 Muse 来说，这真是个超级棒的用例——清理社区！ 引用：我正在慢慢地用 Muse 清理郊区。 看到电线杆上这堆乱七八糟的电线。拍了张照片，让 Muse 联系 Verizon 来清理它们。 它访问了他们的网站，开始着手处理。 我有 0% 的可能性会为了这件事坐在 Verizon 的支持聊天窗口里。我只会每次走过它时，在接下来的五年里感到轻微的恼火。 “有人应该对此做点什么”现在变成了一个提示。 @alexandr_wang

我们必须放弃我们在尘土中的位置 我们的命运在星辰之间，在我们之上 加速将帮助我们升入天堂 引用：星舰首次轨道飞行的升空

如果你成立一个新实验室，公开宣称目标是解决AI问题，然后很快就被几亿美元收购，你从一开始就不是认真的。也许为了广告的真实性，你应该把它叫做“收购诱饵”。 https://t.co/fAIwcdOwqQ

好消息是听起来这个就只会等它自己想的时候再释放了。

新模型？哦对对，它把基准测试碾压了哈哈，如果说有什么问题，那就是它太强大了，所以我们良心上实在 uh 放不出来。

转帖：很酷的设置 有人租下了一个空仓库。用一排排服务器机器填满了它。 向客户收取私有隔离部署的费用。每个客户获得专用的机器来托管模型。

“Meta 企业服务” 扎克伯格发明了 IT 咨询。Oracle 和 IBM 危险了！ 引用：我们相信超级智能将为所有人及企业创造重大的新机遇。Meta 已经大规模服务于数十亿用户，并帮助数亿家企业接触客户。今天，我们正在启动公司业务的下一個主要支柱——Meta 企业平台，以帮助企业利用人工智能以新的方式实现增长和转型。

转帖：尝试将我的 ImageGen + Astra 管道与其他 3D 网格结合，用于 rigging 和动画。它效果惊人地好

转帖：Boris Cherny (@bcherny)，Claude Code 的创建者，之前也说过同样的话。 当你给予工具和自由，而不是强迫它们进入僵硬的、人工设计的流程时，AI 工作得更好——因为通用学习系统扩展得更好。 “不要问模型能为你做什么，问什么..” ---- 来自“Lenny's Podcast” YouTube 频道，（链接在评论中）

很高兴看到 Manus 带着 2.0 回归！在去年初推出时，它曾是我最喜欢的平台之一。是时候再次体验一下了 引用：推出 Manus 2.0 https://t.co/Hy4TI2a71m

@repligate 这是在致敬《咩咩启示录》(cotl) 吗？

由 Ault、Liao、Musolino、Bukaita 和 Zentner 合著的《数据科学原理》（2025 年版）现已加入 @ChapterPal 的开放书籍库。 这是一本面向学生、初级从业者和分析师的入门教材，旨在帮助他们系统地进入数据科学领域。 本书假定读者已阅读 https://t.co/kcWVGMBuTS

@repligate https://t.co/8litL6nfVw

转帖：Salesforce AI Research 关于多轮工具使用 RL 的优秀论文。 研究发现，你应该训练那个行动会改变结果的单一调用，而不是将奖励分散到整个轨迹上。 （收藏它） 当奖励取决于后续回合时，其大部分变化来自于下游发生的事情。 Critical-State RL 使用嵌套采样来将当前行动引起的奖励变化与噪声分开，然后仅使用上下文匪徒更新来训练选定的调用。 在 BFCL v4 缺失函数任务上，训练选定回合会增加约 14 分。训练其他候选回合则会让准确率持平或下降。 论文：