与「2

엔하이픈」相关的搜索结果

人的任务： 1. 检查原型效果，下命令修改 2. 确定大的设计逻辑正确（正式项目还是不太放心，信任Agent的话可以去掉） 3. 最后检查二次复测的结果，可以让Agent直接生出证据截图，直接检查截图。（但是我个人还是相信自己点一下自己做的功能）

很多人对 Cline 的印象，还停在「VS Code 里的一个插件」。 现在它已经是一整套开源编程 Agent：IDE、终端、桌面端、SDK 共用同一个内核。cline/cline，GitHub 71k+ Stars，Apache-2.0。 以前想让 Agent 定时跑任务、进 CI、接聊天工具，得自己拼一堆脚本，现在它自带。 核心能力： 跨文件改代码，边改边看 linter / 编译报错，每次改动有 checkpoint 可回滚 直接在终端跑命令、盯输出，dev server 报错也能接着修 Plan / Act 两种模式，先规划再动手，每步可审批 .clinerules 写项目规则，支持 Skills 按需加载 不绑模型：Claude、GPT、Gemini、OpenRouter、Ollama 本地模型都能接 多 Agent 团队 + cron 定时 Agent，还能接 Slack、Telegram、Discord 无头 CLI，git diff 直接管道给它做 Review，适合塞进 CI/CD 真正拉开差距的不是能写代码，而是能被「编排」进你的日常流程。 想把编程 Agent 从对话框搬进流水线的，可以收藏研究。

中转站末日要降临了，OpenAI开始整顿第三方模型中转了 这次不止是简单的封号，像A➗那样要把整个生态的安全标准统一起来 OpenAI最新公告明确提出： 1、第三方模型服务商必须遵守与OpenAI一致的安全标准。 2、模型路由器、AI Gateway等直接提供模型访问的服务，必须经过OpenAI审核批准。 3、违规行为可能跨服务协同处理，不再是换个平台就能绕过限制。 4、OpenAI还将推出SafetyIDs，在不获取终端用户真实身份的情况下，更精准地调查滥用行为。 新政策将于11月20日生效。 这意味着，未来调用GPT的第三方平台，可能不再是接入API就能自由运营，OpenAI想要的，是让GPT的能力可以广泛开放，但使用规则必须由它来统一制定

研究 @Acurast 这段时间，我发现一个挺有意思的地方：手机接入网络之后，并不是连上就完事了，能不能稳定在线也很重要。 这次 @NucleusCodes 活动就把这一点考虑进去了，简单来说，Acurast 会根据手机的 CPU、内存和存储性能进行基准测试，设备在线时间和实际承担的计算任务也会影响 ACU 奖励。 而 Nucleus 这次又增加了设备持续时间倍率，自己的手机能贡献算力，邀请其他人加入后，他们的设备贡献也会被纳入考量。 倍率最高能到 3 倍，具体取决于排行榜排名：第 1 名 3 倍，第 2 名 2.75 倍，第 3 名 2.5 倍，前 10 名还有 2 倍倍率。后面的排名也有对应加成，最高排名越靠前，倍率越高。 所以我觉得，这次活动不只是比谁发的推文多，更重要的是有没有真正参与到网络里。 如果你已经接入 Acurast，记得看看自己的设备是不是正常在线。手里有闲置安卓手机的，也可以趁早研究一下怎么加入，毕竟，手机放在抽屉里也是放着，如果能拿来提供计算资源，何乐而不为呢？ #Acurast# #ACU# #DePIN# #NucleusCodes#

OpenAI 这次生图是真提速了，Images 2.6，11 月 4 号全线上了。 ChatGPT、Codex、API 一次全给，生成速度比之前快 50%。Flare 主打快，低画质 6 秒一张；Sunburst 主打精，精修多轮改图，人物产品细节不跑偏。 最有意思的是 GIF：静态图直接变动态图，品牌吉祥物、表情包、产品动图都能一句话出。还有 SVG 导出，画完直接能上网站能印。 改图也更顺手了：参考图存下来反复用，圈哪改哪，不用再靠蒙。 API 两个模型 token 价跟 2.5 一个价，文本 $5、图片输入 $8、图片输出 $30，每百万 tokens。 你们平时生图是 Flare 够用，还是非得 Sunburst 精修？评论区说说。

转译：为什么面试聊得挺好，你却还是没拿到 Offer？（面试官视角） 我在论坛上看到过很多关于这个话题的帖子，所以想从面试官的角度，分享几个常见的原因：为什么明明候选人自己觉得面试发挥得特别好，最后我们却依然没能录用他。 1. 在核心岗位要求的问题上，你的回答不够扎实。 我遇到过不少这样的候选人：面对那些属于“加分项 (nice to have)”的技能问题时，他们对答如流、表现惊艳；但一问到核心的硬性技能 (core mandatory skill)，回答就显得有些单薄，最终也因此被淘汰。这里的难点在于，候选人往往并不清楚公司最看重的到底是什么技能，尤其是招聘启事 (job posting) 上可能也写得模棱两可。如果一份招聘启事列了一大堆要求，我觉得非常值得在面试一开始就主动问清楚。比如你可以这样说：“我的过往经历比较广泛，但今天这场面试，我希望能把重点放在贵公司最看重的部分。在你们列出的岗位要求中，有哪些是优先级特别高、需要我在接下来的交流中重点展示的吗？” 2. 早有其他内定或更偏爱的人选，这与你个人无关。 举个例子，我曾多次参与面试评审团 (hiring panels)，期间遇到过让我惊艳的优秀候选人，双方聊得非常投机，我也强烈推荐录用他……但评审团里另一位更有话语权的面试官，心里已经有了别的意向人选（通常是他们以前合作过、知根知底且配合默契的熟人）。又或者，这个岗位本身就有一位实力很强的内部候选人 (internal candidate) （注：指公司内部申请转岗或晋升的员工，通常因熟悉公司业务和文化而具备天然优势），除非他在面试中表现得一塌糊涂才会痛失机会——但只要发挥得中规中矩，这个岗位就稳稳是他的了。 3. 你确实非常优秀，但不太适合这个特定岗位。 好几次我和候选人聊得极其愉快，心里甚至忍不住感叹：“天呐，真希望我们有个别的岗位能留住这个人！”因为他们显然是不可多得的人才，只是和当前招人的这个岗位不那么契合。这通常出于一些你无法控制的客观原因：比如对这个岗位来说，你的资历显得太浅或太深；又或者你的技能树和兴趣点偏向另一个专业领域，而我们在当前岗位上很难让你充分发挥。举个例子，我曾经面试过一位极其优秀的候选人，经验非常丰富，我们所有人也都被他的过往作品深深吸引。但聊下来可以明显看出，他平时更多是在做统筹与管理，而不是亲力亲为地做一线落地执行 (hands-on implementation)，而我们这个岗位恰恰急需一个能直接上手干活的实干家。 4. 存在一些未明说的“隐性门槛”或偏好，而你恰好没满足。 我觉得这种情况比大家想象的要普遍得多。比如，我有一次参与面试时，内部其实心知肚明这个岗位没有任何晋升空间。其中一位候选人明显非常有野心、渴望往上走，于是我们淘汰了他，因为我们更想找一个愿意在天花板明显的岗位上安稳待得更久的人。还有一次，我们知道这个岗位平时需要频繁对接一位性格强势、很难搞的业务相关方 (stakeholder) （注：指在项目中与你存在工作交集、利益关联的同事、跨部门负责人或客户），所以我们淘汰了一位看起来过于顺从、脾气太好的候选人，因为我们清楚这里需要一个极其自信、能够守住底线并顶住压力的人。这类要求大多数公司是绝对不会写在招聘启事上的，属于典型的“隐性要求”。此外，有些招聘启事单纯就是写得很烂，根本没有准确传达出招聘经理 (hiring manager) 真正想要什么样的人。所以，如果你觉得自己明明符合纸面上的所有要求却还是落选了……请记住，背后很可能存在一些你不知道的隐性条件。 5. 你已经很棒了，但刚好有人比你更匹配。 有些岗位的竞争真的非常激烈，会涌现出一大批背景强硬、条件完全达标的候选人，我自己在做决定时也常常纠结万分。在这种情况下，最终的胜负往往取决于一些极其微小且主观的细节——比如另一位候选人刚好比你多满足了几个我们的加分技能。 6. 其实面试并没有你以为的那么顺利。 我在面试评审团里遇到过一些明显不会“察言观色 (read the room)”的候选人，我完全能想象到，他们回去后可能会觉得自己发挥得棒极了，但其实根本不是那么回事——我们当时只是在保持礼貌而已。我还见过评审团里的同事对某位候选人表现得极其热情（比如不断追问、非常宽容地引导思路、肯定或顺着对方的话往下聊），哪怕在座的所有面试官心里都清楚这位候选人根本没戏。我个人通常会尽量避免这样做，免得给候选人造成虚假的希望；但有些面试官确实会因为同情那些表现不佳的候选人，而觉得有必要对他们格外友善。如果你担心自己属于这种情况，我建议找身边认识的人做几次模拟面试 (mock interviews)，听听他们对你面试表现的真实反馈。 总而言之，拿不到 Offer 往往没那么简单，并非只有“你肯定哪里做错了”或者“整个面试流程都是走过场”这两种极端。很多时候你完全没有做错任何事（一切都不在你的掌控范围内），纯粹只是因为背后还有其他客观因素在起作用罢了。

Diffusion language models can rewrite their own drafts — but rewriting the wrong span just reproduces the same mistake. Remasking lets these models revisit generated text, yet they have never had a good sense of when a revision is worth it. DiVR adds a verifier that predicts whether a partial sequence will still reach the right answer, then decides when to regenerate a block and which alternative to keep. On LLaDA-8B-Base across five reasoning benchmarks, average accuracy rose from 35.3% to 43.4% at 1.9–3.5× the cost of greedy decoding — while search baselines needed 3.8–7.4× the compute for worse results. The practical payoff: a real accuracy lift without touching or retraining the generator, and the verifier even transfers to other generators like Dream. The catch is still multiplied compute, so latency-sensitive deployments need to do the math first. Would you trade 2–3× compute for an 8-point accuracy gain on your own reasoning tasks? #DiffusionLM# #LLMReasoning#

LPL等了五年，终于又夺冠了～🏆 今天刚结束的全球总决赛决赛，BLG 3比1力克韩国GEN，一穿四连斩四支韩国队，队史第一次捧杯。这也是LPL时隔1834天再拿冠军，上一次还是EDG～🙋‍♂️ 半决赛BLG赢了Faker，打破LPL对韩国队13年系列赛不胜的魔咒，决赛再赢GEN，这趟夺冠含金量拉满～👻 没想到终结五年低谷的，是两年前决赛2比3憾负的那支队伍，今年直接把账算清了，真牛逼！～👍

早上 X 发布的两个调查，差不多 1000 人参与了，和大家同步一下作为参考： 1️⃣ 八成的人现在没啥抄底资金。 给出的答案，是 75000—81000 和跌下来的 68000 甚至更高的时候就已经买完了。 2️⃣ 剩下的两成有部分抄底仓位。 但是有抄底资金的这部分人，60% 认为还没到底，准备再等等， 3️⃣ 现在不管是有没有资金抄底的，大部分人会觉得有可能跌的更低。 所以根据这几个市场情绪，你觉得？

COOPER FLAGG PASSED KOBE BRYANT FOR THE 2ND-MOST POINTS BY A TEEN IN NBA HISTORY TONIGHT 🚨 1,762 points and counting... LeBron James holds the No. 1 spot with 2,362 points.