深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
英伟达CEO绯闻背后：AI基建的"关键人风险"
英伟达CEO黄仁勋绯闻引发董事会独立调查，芯片股大涨而英伟达独自下跌。本文拆解AI基建背后的关键人风险，以及房地产投资者如何用三步核查保护自己的交易。
Claude Code隐藏设置：开启Idle Compaction省大钱
Claude Code 的 Idle Compaction 设置可避免提示缓存过期后整段上下文按全价重发。本文介绍问题根源、开启路径与注意事项，帮助开发者降低长会话的 API 成本。
13个AI实用技巧：省钱、护隐私、升级数字生活
梳理The Explainer分享的13个AI实用技巧，涵盖用AI代理省钱谈判、数据删除请求、Claude Code诊断电脑、本地离线模型、车内语音学习与运动姿态分析，并强调人类监督与安全边界。
Claude Code省钱三件套：三个免费工具砍掉Token浪费
介绍Claude Code三个免费Token优化工具：RTK压缩终端输出、Caveman精简回复、微软Token Economizer学习仓库剪掉未用工具，测试中成本降低18%到31%，并提醒micro skills默认关闭需手动开启。
Sure：开源个人理财应用，用Ruby打造
Sure 是一个用 Ruby 编写的开源个人理财应用，GitHub 星标数超过 11389，单日新增 184 star。本文分析其项目定位、社区热度背后的信号以及开源个人理财工具的机会与挑战。
闲置Kindle别吃灰！用Claude改造电子书阅读器
Reddit用户分享用Claude改造第七代Kindle的实践经验：先手动越狱并安装KUAL，再由Claude根据概念图生成应用，通过按小时更新、按需联网和夜间停更实现每周约10%耗电。文章分析旧硬件再利用路径、续航优化策略及越狱风险与适用场景。
谷歌新视频模型升级：15秒片段与更自然对话
谷歌DeepMind发布新视频生成模型，片段时长从10秒提升至15秒，对话与口型同步更自然，角色跨镜头保持一致，并支持用新提示词编辑同一片段。
仿真运动学之后：执行器适配性测试实战
从运动学仿真到执行器适配性测试的完整思路：为什么仿真通过不等于实物可用，扭矩裕度、热行为与反馈精度三大测试关注点，以及台架到整机的过渡建议。
一条提示词耗尽Pro额度？Fable 51.8引众怒
Reddit 用户称 Fable 51.8 在 Pro 套餐下一条提示词即触发用量上限并需等待四天重置，引发对 50x 多代理模式额度计量、高峰限流与订阅分层的讨论。
Muse Ember：0.10美元级子代理模型的三方对决
Meta 的 Muse Ember 以每百万 token 输入 0.10 美元、输出 0.50 美元的定价对标 Haiku 5.5 和 GPT-6 Luna。本文分析三款低价子代理模型在生态协同、稳定性和通用推理上的差异，帮助开发者做出选型判断。
AlphaProof Code发布：三百万行Lean证明验证Signal加密
AlphaProof Code代理为Signal核心加密编写三百万行Lean证明，展示AI自动化形式化验证的进展。本文分析其对软件工程流程的意义、规格正确性依赖以及证明可维护性等落地挑战。
GitHub日报·11月10日：Agent Skills 生态大爆发
Agent Skills 生态集中爆发, 官方规范, 生产实践, 个人配置三层同时上榜; Matt Pocock 个人技能仓库单日涨一千七百多星, 反映市场对可信技能配置的强烈需求; sherlock 老项目突然翻红, 单日涨幅居前, 说明榜单混合了技术趋势与社会热点
SMO框架：将自然语言技能编译为可复用图结构
SMO框架将自然语言技能编译为状态-动作-结果砖块图，在SkillsBench v1.1上实现59.3倍表示缩减，平均任务得分从0.6379提升至0.7478，运行时token消耗降低38.38%。
广义转移框架：非二元成分句法分析中的归约域识别
本文介绍一种广义转移框架，用于非二元成分句法分析中的归约域识别，统一了自顶向下、中序和自底向上分析，并在PTB和CTB上验证了有效性。
投机自蒸馏：高效知识内化的新范式
投机自蒸馏（SSD）通过逐token混合策略，让教师仅在学生预测显著分歧时介入，在减少38-69%监督token的同时几乎匹配全策略蒸馏性能，并在遗忘测试中表现最佳，为知识内化设立新帕累托前沿。
RDS-MOPD：用鲁棒优化破解多教师蒸馏的域分配难题
多教师在线策略蒸馏中，按学习进度分配预算无法保障落后领域。本文解读 RDS-MOPD 如何用分布鲁棒优化优先最差领域，并通过噪声阈值、异常界约束和最坏情况重定义三处改动解决信号噪声问题。
EmoHarness：元框架进化提升小模型多模态情感理解
EmoHarness 通过外挂框架组织视觉、转录和韵律证据，显著提升小模型多模态情感识别率。实验显示音频证据贡献主要增益，而元框架进化效果有限。
当音视频误导AI：多模态情感识别鲁棒性审计
一项多模态情感识别审计发现：Omni模型加入真实音视频可提升准确率，但无关音视频替换在全部18组比较中显著降低准确率，揭示模型对误导性输入的脆弱性。
Infrathon基准：AI智能体长周期优化真实基础设施
Infrathon基准评估语言智能体在真实AI基础设施上的长周期优化能力，发现模型排名随评估周期变化，智能体可超越人类设计基线，并揭示任务违规、测试不可靠等持续改进障碍。
CHO-Bench：上下文提示如何影响LLM广告排名？
CHO-Bench将LLM广告中的上下文提示设计定义为优化问题，通过超119万次配对评估发现：上下文提示能提升广告排名，但嵌入与LLM排序器偏好不同信息维度，且提示预算存在边际递减。