与「FS」相关的搜索结果

体验了一下 OpenAI 今天发布的 dot，没有 Meta 的 Muse 那么丝滑简单，也没有 Grok Bot 那么 geek 有趣（一个 VPS 都可以玩半天）可能是访问人太多，现在 dot 背后的电脑基本上处于不可用状态！最讽刺的是 已经被 Elon Musk 拿下给 Grok Bot 了😜 现在我的 7x24 Agent 主要是 Muse 和 Grok Bot 这两个，再加第三个肯定我自己就切换不过来了！Muse 辅助日常生活助理，日程安排、 Trip 和购物；Grok Bot 来做学习研究，可以创建多个 agents 互动，可云端可本地，还可以调用 Claude 和 Gemini，最关键的是我可以在 Tesla 上使用它，FSD 之后的乐趣😅 不过 Personal Agent 大战已经开启，这是巨头的战场，创业者慎入，倒是可以想想，如何把自己的服务给 Agent 化然后接入进去。这是个很有趣、很有前途的方向✨

炒币也得会点英语，要不然什么币你都记不住，跟别人CX的时候币名字念错了多丢人😮‍💨 冷战时期外交官们学习语言的方法还真是行，比尚雯婕那个方法还好。 外交官为什么都能熟练掌握多种语言，而且掌握新语言非常快，他们学外语的解法很直接，不讲语法不背单词，只做一件事，把中间的翻译工序练没，这套方法叫 pattern drill，源头是二战时美军 1942 年的速成语言项目。 后来美国国防语言学院用同一路线的方法，训练了 65 种语言。 你学了 10 年英语还开不了口，不是词汇不够，其实只是你脑子里多了一道工序。 美国国务院公开过一张表，西班牙语和法语从零到能工作，600到750小时就可以做到。 中文和日语大概2200小时，这是美国外交学院FSI用了 70 多年培训数据算出来的。 而英语是这里面最简单的语言。 流利不是知识，是自动化，很多人是听到英语，翻成中文，想答案，翻回英语，再说。 别人说完了，你还在第二步。 最简单的一种叫替换练习，句型不变只换一个词，3 秒内必须答出来。 I want coffee ，I want tea ， I want milk 练几十遍，句型就变成反射，张嘴就来，就像开车刚学时每一步都在想，开几年后手脚自己动。 以前这要一个母语老师坐在对面不停丢句子，现在 AI 就能当这个老师，我把整个流程做成了一张图，你就照着它练，到时间绝对能行。

I dramatically underestimated the value of Grok Bot in my Tesla. Can you technically do everything you’re able to do with Grok Bot in the Tesla just by launching the app on your phone and going voice mode? Sure. But the magic isn’t in the raw capability itself, it’s in the combination of raw capability and total seamlessness. I often have fleeting thoughts while driving around. Some of these things aren’t significant enough to make me fumble around with my phone while supervising FSD, but when I literally don’t have to lift a finger and can just “Hey Grok” anything computer related into reality, I find myself taking advantage daily. And the little things add up. I’m on my way to work and remembered that I have a few documents on my home computer that I am going to need for work. So I just asked “Hey Grok, can you grab those 4 pdf files from my Mac downloads folder and move them into X folder on my one drive?” Now they’ll be where I need them to be when I get to my desk, and I won’t have to re-download them on my work machine. I have to work on a presentation today for a talk in a few weeks. “Hey grok, go into my sales enablement folder and have Claude Code build me a deck focused on X product for Y industry.” Claude already has my full job context, styling preferences etc and can build a nearly finished deck with a prompt. Now when I get to my desk, instead of building from scratch, I can review and prompt revisions before beginning to dig through my email backlog. Feels insane.

最近计划全家的加州一号公路的旅行，打算租一辆带fsd的特斯拉，毕竟开久了fsd就回不去了。但是市场上看了一圈，发现其实符合我的选择的并不多（HW4+FSD+支持旧金山到洛杉矶单程），一些传统租车平台有少许特斯拉但通常不带fsd。最终我在turo 共享租车平台找到了。其实特斯拉应该和租车平台（Herz, enterprise, national，etc）合作，将fsd加入日结添加选项，或者干脆免费fsd，毕竟road trip的人会有很强的辅助驾驶需求。感觉这会是一个不错的入口，让五湖四海的人更多了解特斯拉和fsd，也许能让更多人在使用后成为特斯拉/fsd的长期用户。看看周围，目前为止美国的电动车转型和fsd的市场教育还是太过落后了，特斯拉需要更多的渠道来推广这项新技术，包括保险公司和租车公司。

NVIDIA 发布 Skill2Env：用“集体技能”强化智能体 NVIDIA 研究者们把社区公开的 Agent Skills 编译成可执行 RL 训练环境的数据流水线：3.4k 个 Skills 变成 8k 个带程序化测试和行为量规的终端任务；仅 300 步 RL 训练就让 Qwen3.8-27B 在 Terminal-Bench 2.1 上提升 4.7 个百分点，且模型行为显著向源 Skills 的方法论对齐。 开源项目： 核心洞察：公开 Agent Skills 是一个被忽视的监督来源 Agent Skills 是“教智能体做某件事”的文件夹：一个 SKILL.md 加上可选的脚本、参考资料和资产。论文指出，把公开 Skill 语料当作数据来读，它同时提供三样东西： · 任务分布的采样：人们真正想让智能体处理的任务分布（有人愿意花时间写下工作流，说明这活儿值得自动化）； · 真实世界的锚点：指向真实的仓库、数据集、工具和工件； · 结果测试表达不了的质量标准：领域专长、默认参数、常见坑、“好结果长什么样”。 # 数据流水线：四阶段编译，验证靠构造 1. Plan（分解）：容器化的 Codex 规划器读取完整 Skill 包、联网调研相关公共资产，把 Skill 拆解成若干可验证的 workflow，每个附带元计划（场景、初始世界、预埋缺陷、难点来源、解法草案、验证策略）、资产建议和“任务轴池”（任务原型 × 验证器模式 × 人物画像）。 2. Diversify（多样化）：宿主从轴池采样一组组合，加上复杂度、指令语气、请求者专业水平。关键设计是轴池以 workflow 为条件：研究型 workflow 配“证据可追溯”验证和研究者画像，而不是从全轴乘积空间乱抽，这让多样化保持 sensible。 3. Create（构造）：全新创建者 Codex agent 在 Docker 内工作，尽可能用真实素材（钉在特定 commit 的开源仓库、真实版本化文档、官方 API 规范）；需要联网服务的场景改造成本地替身（stub 服务器、录制回放 fixture、PATH 上的假 CLI、种子数据库），求解时绝不依赖网络。创建顺序被严格固定：先建世界 → 写指令 → 写测试 → 写量规 → 最后才写参考解，测试先于解法冻结，保证解法必须迁就评分契约而非反过来。 4. Verify（验证）：宿主端无模型参与的接收门：静态检查（布局、符号链接、Dockerfile 安全、基础镜像按内容摘要钉死）+ 两个容器内试跑：Oracle（参考解）必须全指标满分，NOP（什么都不做的 agent）必须全指标零分。任一失败即拒绝。 值得注意的一个反直觉选择：不做 teacher 模型预验证（不像部分工作用强模型试解、解不出就丢弃任务）。理由有二：这会把任务难度上限压到验证器能力，且成本翻倍；而 group-based RL 的在线动态过滤（rollout 无优势的 prompt 自动不产生梯度）天然淘汰过难/过易任务。 # 数据画像：广、贵、且忠实于源 规模与成本：7,971 个任务，用 GPT-5.6 Sol（xhigh 推理档）生成，API 花费超 9 万美元。（脚注：出于法律原因，公开发布的数据集改用 Kimi-K3-max 在同一流水线下生成。） 领域分布：13 个领域中，软件工程仅占 22.5%，AI/ML 10.5%，商业/金融/法律/HR 10.5%，营销 9.3%……论文对比了 TMax-15K、Terminal-Bench、DeepSWE 等，Skill2Env 是唯一全覆盖 13 域、且非技术知识工作占大头的语料。 忠实度探针（很聪明的设计）：用任务指令+量规作查询、对 3.4k 个 SKILL.md 做 TF-IDF 检索，73.2% 的任务 top-1 命中真实源 Skill，94.6% 进 top-10（随机 0.03%）。单用量规也有 68.5% top-1，证明量规携带的是 Skill 专属方法论而非泛泛建议。 SFT 数据：用 GLM-5.3 对每个任务 rollout 两次，得到 15,968 条轨迹，平均奖励 0.74，中位轨迹 19 次模型调用 + 23 次工具调用。 S2EBench：考虑到公开基准饱和，从 SkillHub 另外生成、逐条人工审核（指令无歧义、忠实于源 Skill、测试公允）后的 79 任务私有 held-out 基准。 # RL 实验：基础设施 + 极简配方 基础设施（论文明确说“现代 agentic RL 首先是基础设施挑战”）：Molt（PyTorch 原生全异步训练，Ray + vLLM + FSDP2）+ Polar（agent rollout 层：rootless Apptainer 沙箱、代理回传 token ID 和采样时 log-prob、prefix merging 把 harness 的多次补全缝合成训练轨迹）。 配方（刻意走“简单路线”）：GRPO 组归一优势 + DPPO 的 binary-KL 信任域掩码（δ=0.05，超出阈值的 token 直接丢弃，无需参考模型，还能防训练-推理失配）；G=8 rollouts/组，批 64，lr 1e-6 恒定，无 KL 惩罚、无熵奖励、无 SFT 热启动，每任务 65k 上下文。 量规校准奖励：开量规时，额外由 GPT-6 Astra 做 LLM-as-Judge（带“宪法”：惩罚无脑循环、reward hacking、答非所问；hacking 实证 = -5 分），总奖励 r = r_V + λs/5（λ=0.2），即 judge 最多把程序化奖励拉动 ±0.2。量规是校准可执行结果奖励，而非取代它，这是与“Rubrics as Rewards”一系的定位差异。 # 四项发现（论文最有信息量的部分） 发现 1：小规模 RL 即有跨域迁移。 仅 300 步、只用 2,400 任务子集训一个 epoch：S2EBench pass@1 +4.3（均分 +18.5），Terminal-Bench 2.1 +4.7（49.4→54.1）。训练集与 TB 无重叠（13-gram Jaccard < 0.8），且训练集从未针对 TB 调过，论文将其解读为规划、工具使用、收尾能力的通用提升而非任务族记忆。这让 27B 本地模型显著缩小了与云端前沿模型的差距。 发现 2：量规校准 RL 在基准上落后于纯结果 RL，一个诚实的负结果。 量规版在 TB 2.1 只有 50.1（纯结果版 54.1）；训练中量规版的程序化奖励长期停在 0.5–0.6，judge 分项从头到尾无上升趋势，两个奖励在训练分布上互相拉扯。论文不把它当作对量规奖励的终审判决（两者优化不同目标，而基准只考结果那一半），并给出两个疑因：λ=0.2 的加性形式让失败任务仍能拿正奖励、judge 看不到文件系统等设定均未调优；以及更本质的，Skill 写下的方法论可能本来就不是最大化基准通过率的分布。 发现 3：行为确实向 Skill 对齐，量规的价值所在。 200 个任务的成对偏好测试（judge 拿源 SKILL.md 当标准，比较匿名化的 base 与 RL 轨迹）：纯结果 RL 已被偏好 54.5% vs 33.5%；量规版被偏好 73.0% vs 24.0%。这说明量规奖励买到的东西在结果基准上看不见，但对“怎么做事”影响实质，对网页开发、报告综合、开放研究这类难验证任务尤其重要。 发现 4：GLM-5.3 蒸馏 SFT 反而伤害 Qwen。 在 GLM-5.3 轨迹上做 SFT：27B 上 TB 2.1 掉到 45.8；4B 上直接崩塌（TB 18.7→3.4，出现思维/工具调用死循环）。归因：教师的 interleaved-thinking + 工具调用风格与学生自身 post-training 不兼容，模仿覆盖了学生依赖的行为模式却带不来教师的能力。与 TMax 报告的“SFT 混合数据劣化已后训练的 Qwen”互相印证。因此论文所有 RL 结果都从未修改的原始 checkpoint 出发。

The European Union has delayed a vote on Tesla’s FSD (Supervised) to December at the earliest (from October 6th), according to an agenda published on the EU’s website. Agenda for the October meeting: