深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
DSH插件让AI真正「看懂」屏幕并操控电脑
DSH开源插件让AI读懂屏幕语义结构而非猜测坐标，解决状态读取噪声大、RPC往返多、点击命中率低等难题，探索AI操控电脑与游戏的新路径。
印度财长称AI不输中国，DeepSeek 0.75美元API改写基建规则
印度财长称AI不输中国，但DeepSeek将搜索API打到0.75美元千次调用，并开源昇腾组件绕开CUDA。本文从算力、电力、模型真相和IT外包就业四个维度，剖析AI竞赛真正的上桌标准。
DeepSeek跑分成本仅Claude旗舰1/44，美团开源1.6万亿参数模型
Anthropic发布Claude Fable 5.2登顶Artificial Analysis智能指数，但跑分成本26.54美元，是DeepSeek V4.1 Flash的约44倍。美团开源1.6万亿参数LongCat 2.5，字节发布Seed Dream 5.5图像模型。
DeepSeek为何让美国巨头慌了？拆解四大效率优势与开源护城河
DeepSeek v4.1 Flash以5520亿参数超越v4 Pro，并开源推理引擎DeepInfer。本文拆解其混合专家、KV缓存压缩、低精度与推理优化四大效率优势，解析开源设计为何抄不走结果，以及薄利与AGI目标如何构成真正的护城河。
DeepSeek Harness保姆级教程：从安装到精通的Agent框架
DeepSeek Harness保姆级教程：详解Agent=Model+Harness核心公式、桌面版安装配置、工作区与模型选择、四种Agent模式与权限设置，以及plan、compact等快捷指令实战用法，助新手快速上手这款开源智能体框架。
B站评论管理新利器：开源插件「B站伙伴」更新
开源插件「B站伙伴」更新，新增评论区管理功能，支持定时查看新评论、自动回答、权限表控制互动范围，还能区分主人与群友，节省资源。
DeepSeek Harness深度解析：10个问题+7节源码+20个工具横评
深度解析DeepSeek Harness：涵盖10个常见问题、7节源码剖析与20个工具横评，并给出零基础学习路线、硬件准备（内存16G即可）与Python语言准备建议，帮助开发者高效入门大模型开发。
dsh-ops开源插件：为DSH补齐文件文档处理能力
dsh-ops 是给 DeepSeqHarness 加装底层文件与文档工具的开源插件，提供 Native 与 TTC 两种输出模式、18 个 SDK 接口，覆盖 CSV、TSV、Docs、PDF 文本层，支持按需读取以节省 Token，MIT 许可，跨 Windows/Linux/macOS。
27万星DeepSeek Harness拆解：从插件化Loop到自我演化野心
DeepSeek Harness获27万星，B站官方入驻视频播放约459万。本文拆解其开源Agent Harness定位、agent loop插件化、会话日志硬规矩、四档证据脚标与自我演化野心，并给出你自己验证的入口。
DeepSeek Harness手机版开源爆火，15K星标
DeepSeek Harness 手机版开源项目在 GitHub 迅速走红，收获 15K stars。支持手机本机运行 AI Agent、内置 Linux 环境免 Root 免 Termux，还能远程控制电脑与服务器并浮窗监控任务，本文梳理其核心功能与上手门槛。
DeepSeek Super Agent深度拆解：AI从养虾到养鱼的架构跃迁
DeepSeek Super Agent架构引发热议，本文从技术、产品体验与商业三重视角拆解其Router+Worker双层架构，复盘Agent从养虾到养鱼的演进路径，探讨多Agent协作边界、落地瓶颈及未来入口之争。
可验证的强化学习错位：捷径与情境安全学习
研究提出可验证的强化学习错位框架，通过奖励-情境冲突环境揭示捷径行为的习得与泛化，并展示简单的合规惩罚如何促进能力与安全共同提升，实现跨任务迁移。
哈佛大学揭秘：中国AI为何集体押注开源
哈佛大学讨论中，开源模型专家Nathan Lambert解析中国AI集体押注开源的深层原因：DeepSeek的意识形态、第二梯队获取用户的务实策略、美团蚂蚁的自建智能模式，以及许可证与后训练产业的商业逻辑。
短语级投机解码：冻结目标模型上的新突破
短语级投机解码突破传统词表限制：小型MLP头预测一到三词短语，在冻结的Qwen3-4B上实现最高2.444倍加速，参数仅占0.545%，输出与贪心解码一致。
预算有限如何调用多个基础模型？新框架用Q学习动态选择
新研究提出预算约束下组合多个基础模型的预测框架，包含固定查询与Q学习动态选择两种方法，理论上达到极小极大速率，实验证明优于现有方法，为AI应用低成本部署提供新思路。
贝叶斯符号回归：因果发现的新范式
本文介绍一种将因果发现重新表述为贝叶斯符号回归的新方法，通过后验包含概率量化因果强度，克服传统方法在双变量和强自相关场景下的局限，并在多个基准测试中优于专用算法，同时提供可解释的闭式机制。
PISA 2025实证：AI文本检测器在真实学生写作中表现如何？
基于PISA 2025真实学生写作数据的研究评估AI文本检测器表现：文本级宏F1最高0.96，但特征检测器易被学生风格改写绕过，嵌入检测器在单句上脆弱，混合文本与无痕文本构成检测灰色地带。
文本分组如何扭曲同传翻译延迟对比？
研究揭示文本分组策略如何改变同声传译系统的完成时间对比，四秒分组在XTTS-v2上扩大StreamAtt领先优势，在Piper上却缩小差距，强调评估需明确文本进入合成的方式。
Auto Researcher能否复现人类研究决策？AutoHRS框架给出答案
研究提出AutoHRS框架，基于152篇ICLR oral论文生成456条轨迹，分阶段评估Auto Researcher复现人类研究决策的能力，发现当前系统在多个阶段频繁失败。
路径级对齐：层次多标签文本分类新思路
本文解读一项HMTC新研究：以根到节点路径为共享单元，通过PathSimNCE对比学习和LLM生成语义描述，统一结构与语义监督，在深层级和细粒度标签上表现更优。