Tz (@Tz_2022)
@Tz_2022
0 正在关注 0 粉丝
可能还有人不熟悉 Jeff Dean 在程序员世界里的地位。
这么说吧：很多技术大佬拥有履历，Jeff Dean 拥有一整套以自己为主角的创世神话和迷因传播。。。
-----
关于 Jeff Dean，你可能不知道的一些事实：
1. 编译器不会警告 Jeff Dean。
Jeff Dean 会警告编译器。
2. Jeff Dean 提交代码前也会编译和运行一遍。
主要是为了检查编译器和 CPU 有没有 Bug。
3. Jeff Dean 曾经写过一个 O(n²) 算法。
那是用来解决旅行商问题的。
4. Jeff Dean 对常数时间复杂度仍不满意，于是发明了世界上第一个 O(1/n) 算法。
5. Jeff Dean 的 PIN 码，是 π 的最后四位。
6. Jeff Dean 不需要记住 π。
他每次都现场重新计算，而且只占用 O(log n) 空间。
7. Jeff Dean 还在等待数学家发现他藏在 π 里面的那个笑话。
8. Jeff Dean 的键盘上没有 Ctrl 键。
因为 Jeff Dean 永远拥有控制权。
9. Jeff Dean 的键盘其实只有两个键：0 和 1。
10. Jeff Dean 写程序时，会先把二进制机器码写完，再补一份源代码作为文档。
11. Jeff Dean 的 IDE 不做代码分析。
它只负责欣赏代码。
12. 当 Jeff Dean 打开性能分析器时，循环会因为恐惧而自行展开。
13. gcc -O4 的工作原理，是把你的代码发给 Jeff Dean，让他重写一遍。
14. Jeff Dean 不会产生段错误。
内存会主动重新排列，把代码和数据放到正确的位置。
15. Jeff Dean 可以实例化抽象类。
16. Jeff Dean 可以用正则表达式解析 HTML。
而且是正确地解析。
17. Jeff Dean 曾经把一个 bit 移得太用力，结果它跑到了另一台计算机上。
18. Jeff Dean 不使用 ECC 内存。
他会提前预测宇宙射线，并利用它们提高性能。
19. Jeff Dean 发出一个以太网帧时，从来不会发生碰撞。
其他数据帧会主动退回各自网卡的缓冲区。
20. Jeff Dean 的代码运行得太快，汇编程序需要连续执行三个 HALT 才能把它停下来。
21. Jeff Dean 不调用 sleep()。
他调用 wait()。
22. Jeff Dean 睡不着时，会用 MapReduce 数羊。
23. 2002 年 Google 索引服务器宕机时，Jeff Dean 曾经人工回答了两个小时的搜索请求。
评测结果显示，搜索质量提高了 5 个点。
24. Jeff Dean 发明 MapReduce，是为了给粉丝来信排序。
25. Jeff Dean 发明 Bigtable，是因为他的简历已经无法存进其他数据库。
26. Jeff Dean 的简历只记录他还没完成的事情。
这样比较短。
27. Jeff Dean 的简历成就太多，所以附有目录。
28. Google Search 只是 Jeff Dean 为自己真正的项目写的一个大型单元测试。
29. Google 基本上是 Jeff Dean 的业余项目。
30. Jeff Dean 曾经参加图灵测试，但失败了。
因为他在一秒钟内准确说出了第 203 个斐波那契数。
31. Jeff Dean 可以在三步之内赢下四子棋。
32. Jeff Dean 曾经随手拿错了电脑，把儿童画板带出了门。
等他回家换电脑时，已经在画板上写完了俄罗斯方块。
33. 贝尔发明电话后，发现自己有一个 Jeff Dean 的未接来电。
34. 上帝说：“要有光。”
Jeff Dean 当时负责代码审查。
35. 真空中的光速原本只有每小时 35 英里。
后来 Jeff Dean 花了一个周末优化物理学。
36. Jeff Dean 的程序出现未定义行为时，一只独角兽会骑着彩虹出现，给所有人发免费冰淇淋。
37. Jeff Dean 不写 Bug。
他只会实现一些你暂时无法理解的功能。
38. Jeff Dean 为了让代码审查者相信代码出自人类之手，有时不得不故意降低性能。
39. Jeff Dean 不存在。
他其实是 Jeff Dean 编写的一个高级人工智能。
40. 有人问 Jeff Dean，这些传言究竟是不是真的。
他回答：“111111。”
对方还在猜这是什么意思，他补充道：
“每一个 bit 都是真的。”
显示更多
Announcing Discovery Loop!
I am very excited to announce that, along with my longtime friends and collaborators @Sanjay_Ghemawat, @OriolVinyalsML and @quocleix, we are founding Discovery Loop (@DiscoLoopAI), a Public Benefit Corporation whose mission is to automate machine learning, science, and engineering to accelerate discoveries and progress. The four of us have worked together for 14 to 30 years, and have helped build some of the world’s most used products, infrastructure and AI models, and we’re excited to turn our attention to this ambitious endeavor.
♾
Learn more at:
显示更多
我专门以 @elliotchen100 这个贴子为例，说一下 AI 味是从哪些表达里跑出来的吧。。。（已获得原帖作者授权）
1. 这种非人的概念做主语然后这个概念本身要怎样怎样像人一样作个什么事说个什么话然后冒号，是典型 AI 生成信号 —— “贡献边界得说清楚：”，如果是人类，一般的正常表达会是类似：
我对此事亦有贡献，包括以下几个方面：bluhbluhbluh
2. “真正……的，都是……”是典型 AI 生成文本信号 —— 如果是人类，一般正常表达会是类似：
其实是算法同事把研究、工程和实验做出来的 <--- 而不是倒装过来强调
3. 程度副词加（单字/双字）名词/形容词用来形容一个事物也是典型的 AI 生成文本信号，例如：很硬，很实际，极冷，等等 —— 如果是人类，一般正常表达会是类似：
这篇论文研究的问题和实际很贴近：（一般不会用 很实际 这种奇怪的表达方法）
4. 不是……而是，这个就不用说了，已经被骂烂大街了，AI 过于频繁到无耻地使用这种先否定再肯定的表达，已经让它本身现在几乎是完全没法用了。。。如果非要调整为正常人类语气，一般可以这样说：
结论是，我们不能追求「skill 越多越好」，而要在正确的任务里找到正确的 skill，再 harness 真正把它执行出来。
-----
我也不知道 AI 为什么会从语料里习得这些非常古怪的表达方式，而且把它内化成为日常表达的常用手法。。。
我隐隐约约的感觉是它还是和中文语料占比过小，一些表达实际上还是从英语/西班牙语的语法逻辑那边硬凹过来的有关。。。
显示更多
又来一篇论文。
这次我也有幸列在作者名单里。贡献边界得说清楚：真正把研究、工程和实验做出来的，都是算法同事。
我做的很少，更多是从产品和 Agent 生态角度参与了一些讨论，提供了一点问题定义和应用反馈，甚是荣幸。🫡
这篇论文研究的问题很实际：
网络上已经有几十万个 SKILL.md。把更多 skills 塞给 Agent，它就会自动变强吗？
团队从约 82.1 万个公开技能文件中，经过结构筛选、去重，以及质量、安全和许可检查，整理出 96,401 个技能。然后通过 retrieval、rerank 和 LLM selector，为每个任务选择 0–2 个真正相关的技能。
在三个 benchmark、两种 agent harness 和两种开源 backbone 下，SkillCorpus 都带来了正向提升，SkillsBench 上的汇总提升达到 +7.5 个百分点。
结论不是「skill 越多越好」，而是要在正确的任务里找到正确的 skill，再让 harness 真正把它执行出来。
显示更多
立贴为证：
不用太遥远，就在未来的1-2年/3-5年，类似像这样的柯洁看到“围棋上帝”的场景，会在多个领域以“见到xx上帝”的形式反复甚至是同时出现。。。
显示更多
我认为柯洁早在九年前（2017年）就已体验了围棋界的 AGI，重温他当年对 AlphaGo 的评价，让我深感当 AGI 真正降临时，我们每个人在各自的领域里，都可能会体会到柯洁当年那种深深的无力感。其中交织着恐惧与兴奋，但最终或许都会像柯洁那样去评价 AGI：它只是在技术上超越了人类，感受不到它对 XX 的热爱。
柯洁围棋水平真有这么强吗？就这么和你说吧，他距离千古棋圣四个字就只差千古了，天才中的天才，4岁学棋，17岁拿下第一个世界冠军，中国最年轻的八冠王，连续40个月霸榜世界排名第一 。
在近期的嵊州杯中，他连续击败世界冠军，并在决赛胜率仅剩1%的情况下惊天逆转党毅飞夺冠 。褚赢苦苦追求一生的神之一手，在柯洁这里直接当平A用。
显示更多
@dotey 我就是因为这两天 gpt-5.6 sol max 做任务 auto compact 频繁突破 80%，才逼得我开始用 handoff 来解决问题。。。🙃🙃🙃
这个很值得一试。。。
Codex 小技巧：让 Sol 把 Luna Max 配置成专用子代理
在 Codex 里，可以让 Sol 继续留在主线程负责统筹，再把任务拆给 Luna Max 处理。
直接把下面这段提示词发给 Sol：
-----
请在以下路径创建一个名为 luna_worker 的自定义 Agent： ~/.codex/agents/luna-worker.toml 使用以下配置： model = "gpt-5.6-luna" model_reasoning_effort = "max" 请为这个 Agent 补充清晰的 description 和 instructions。 luna_worker 只负责处理范围明确、边界清晰、可以独立完成的委派任务，不负责修改整体任务目标，也不要自行扩大工作范围。 请保留我现有的其他 Codex 配置，不要覆盖或删除无关内容。 创建完成后： 1. 根据我当前安装的 Codex 版本检查配置格式是否兼容； 2. 展示本次修改产生的 diff； 3. 确认配置有效； 4. 后续需要调用子代理时，优先使用 luna_worker。
----
这样配置后，工作方式大致是：
Sol 留在主线程，负责理解目标、拆分任务、检查结果和整合输出。
Luna Max 作为子代理，处理代码审查、模块分析、独立实现、测试排查等边界明确的子任务。
每个子任务拥有相对独立的上下文，可以减少主线程污染，也便于并行执行。
显示更多
摸索出一个在 codex 里做连续任务节省大量 token 消耗且不损失上下文质量的极简方法。。。
一共就两步：
第一步，在一项任务完成后用以下提示词：
请针对 [任务描述] 给我一个 handoff，用于后续任务开发
第二步，开新对话 session，把生成的 handoff 作为第一条信息发给 AI，开始做后续任务即可
它的省 token 原理很简单，就相当于对之前任务的上下文窗口做了一次有针对性的极限摘要提取和压缩梳理，扔掉了上下文中类似原始代码/日志记录等冗余信息，只保留最核心的推理逻辑和项目任务理解，所以 AI 就可以轻装上阵快速进入下一项任务的开发了。。。
显示更多
这是我为数不多玩到爆哭的游戏。。。
微软宣布推出了一款能对标 MacBook Pro 的 Surface Laptop Ultra 笔记本
如果我没有理解错的话，这就是英伟达那个 128 GB 通用内存的 Spark 小盒子被塞进了一个笔记本的壳子，然后去运行 Windows Arm 版的操作系统。。。
显示更多
AIGC 这类视频的一大突破之处在于：舞者不一定是美女，TA 可以是任何拥有舞者之心的人形结构映射，这样的人物映射在 AI 加持下，能够给出像 So You Think You Can Dance 那种级别职业舞者的表现。。。
而这种生命力，这种异常错愕感新鲜度，又会成为视频爆款的来源。。。
显示更多
现在 Fable 5 等级的 AI 已经可以通过口喷的形式制作出这种级别的小游戏了。。。
我觉得继「吃饭自由」、「财富自由」后，「游戏自由」的日子也不远了。。。
显示更多
这是我喜欢的真正意义上的虚实结合的交互逻辑和游戏！
从 OpenAI 这次放出的 GPT-Realtime-2 api 系列模型来看，这个硬件大差不差应该就是实时语音交互陪伴类，可以 24 小时不间断运行的可穿戴设备了。。。
至于猜得准不准，一定会在 OpenAI 正式上市前见分晓（它绝对是推高估值的重要筹码），也就是今年下半年吧。。。🙃
显示更多
Apple 起诉 OpenAI 窃取苹果硬件商业秘密一事，我有一个另类的解读：
OpenAI 正在研发的硬件，有可能真的威胁到了 Apple 的整个软硬件生态体系，才迫使 Apple 不得不采取行动了。。。
显示更多
我这里再放一个暴论：
当前所有以节约 token 为目标的各种 skill / harness，都是阶段性产物，很快就会扫入历史的垃圾堆。。。
这就是短消息按字数收费的那个时代，在钻研怎么发尽可能少字数的短信把事说清楚的那些奇技淫巧。。。
显示更多
