2026
-
CS336：第 2 讲 PyTorch 与资源核算
第 2 讲是关于具体化训练成本：张量、数据类型、内存、FLOP、autograd、优化器、数据加载、检查点和混合精度都有资源价格。
-
AMP：自动混合精度作为调度策略
TLDR：AMP 并不是“将模型变成半精度”。它是一种运行时策略，可以以较低的精度运行安全、高吞吐量的操作，同时保护数字敏感路径。
-
Autocurricula and Multi-Agent Innovation: 社会互动如何生成新问题
TLDR：多智能体智能应该研究合作、竞争、专业化和共享发现如何创造孤立智能体会错过的能力。
-
Social Dilemmas: 三个经典社会困境
TLDR：社会困境表明为什么个人理性行为会损害群体结果，以及为什么合作取决于回报、重复、声誉和规范。
-
A Social Path to Human-Like AI: 社会互动如何生成新数据
TLDR：类人人工智能可能需要智能体群体通过社交互动进行学习，其中合作和竞争产生超出单智能体训练的 skill。
-
对话姚舜宇：反馈是 AI 研究的中心
TLDR：这次对话很有用，因为它将人工智能研究框架为系统驱动的实验工作：定义可验证的问题，建立反馈循环，仔细调试，并选择仍在塑造扩展路径的方向。
-
Anthropic 博客：harness 工程与上下文工程
这些 Anthropic 工程文章的共同教训是：长时间智能体任务往往在运行时层失败，必须认真设计上下文、评估、沙箱、权限、交接和反馈。
-
与智能体团队一起构建 C 编译器
C 编译器实验之所以成功，是因为该项目为智能体提供了合适的基础：模块化架构、客观测试、Git 作为共享内存、任务锁、可读日志以及将一个巨大目标变成许多局部失败的预言机。