让你的宠物 / 朋友 / 你推变成 AI Agent，和你一起工作。把 ChatGPT（Codex）、Claude 等 Agent 的实时工作状态变成桌上宠物的表情、动作、Session 气泡和提醒。 成本大概150元。 功能：桌面端与设备屏实时同步，Agent 在做什么，看屏上的表情、动作、颜色和短标签就知道；状态一变，还会弹出字幕提醒。 Agent 闲下来时，它会自己玩耍，

Google DeepMind研究员Mathieu Blondel与Vincent Roulet开源了新作《可微编程要素》（The Elements of Differentiable Programming）。作者跳出“深度学习就是自动微分”的狭窄视角，系统呈现了代码可微化的完整图景：从微分与概率基础，到条件分支、循环等控制流的连续化松弛，再到隐式方程求导、随机路径积分与二阶优化。全书推导清晰，

早上刚好有空，整理了一批生成器，都挺实用的，需要的朋友保存。 1、Excel公式生成器：网页链接 2、Excel图表生成器：网页链接 3、各种稿纸生成器：网页链接 4、歌词海报生

装在 DeepSeek Harness 里的插件市场。 地址：github.com/dsh-market/dsh-market/ DeepSeek Harness的可视化插件市场，目前已经收录了6700多个社区插件。

很多人总觉得自己缺数学天赋，其实往往只是早年跳过了某个知识断层。这份自学指南把大学数学系的主干脉络拆解为微积分、证明入门、线性代数到实分析等9门核心课，精选了近70本教材，并附带8个检验理解的自测关卡。它不画速成的大饼，直面约1710小时的真实学习量，重点分享了拿铅笔推导、合上书重写证明等务实的研读习惯。只要按严谨的次序拾级而上，自学者也能稳稳掌握大学数学的思维方式。 https://abakcu

大模型程序员，先革自己的命~ AI 公司 Mirendil 发布了一项实验，能否只靠一名研究员和 AI Agents，从零训练出有竞争力的大语言模型？ 最终，他们用 1 名研究员、3.5 个月、不到 1000 万美元的计算相关开销，训练出 Mirendil-Base，一个参数量在 100B–500B 之间、专门面向代码任务的基础模型。整个项目从空代码仓库开始，Agents 编写了超过

技术博客 HiCache in SGLang 地址：www.sglang.io/blog/hicache 这是一篇介绍SGLang推理引擎系统里缓存方案的文章。也是一篇可视化做的很好的文章。 HiCache 的主要思路是通过 GPU 显存、CPU 内存和外部存储构建三级缓存体系，将有限的显存空间扩展为更大容量的分层缓存系统。 在 DeepSeek-V4-Flash 多轮对话测试中，

智元开源了一个13.6 TB的数据集。 地址：huggingface.co/datasets/agibot-world/AgiBotWorld2026 这是智元机器人（AGIBOT）开源的 AgiBot World 2026 具身智能数据集。它主要由智元 G2 机器人在商场、家庭、工业等真实环境中采集。相比以往，2026 版重点增加了复杂物理交互、失败案例、人类纠错以及执行反馈。智元

开发者 April Zhu 推出的开源技能 Colorfigures 很有巧思。只需一句简单描述，比如“投币转动的扭蛋机”或“水开自动跳闸的热水壶”，AI 就能生成手绘线稿风格的等轴测模型。生成的并非静态图，而是能在浏览器中直接把玩的独立 HTML 网页：支持 360 度拖动旋转，机身上的按钮旋钮都可真实按动交互，还能打开透视模式观察内部齿轮连杆如何运转，运作时零件标注还会同步点亮。全程无需手动写

巴黎顶尖AI项目MVA硕士课程讲师David Louapre把他的第一堂课做成了交互教程。内容沿着语言模型的发展脉络，从最朴素的词频统计一路推导至注意力机制，每个环节都配有取材于经典论文的手写练习。在AI写代码越来越廉价的当下，为什么还要花精力亲自手搓基础算法？答案恰恰在于，只有亲自动手跑通这些关键节点，才能建立起真正属于自己的底层理解，而不止于停留在调用接口的层面。想扎实摸清现代NLP技术源流的

多年的技术积累正在rustc集中兑现。重写近十年的新Trait求解器步入收尾，彻底理顺类型系统底层，扫清async与impl Trait的长年痛点；Polonius新借用检查器也迎来实质进展。编译性能方面同样动作频频：并行前端接近稳定，加上LLVM 23的提速与MIR层面的Move消除，构建耗时持续压降；Cargo也实现了check与build缓存复用并缩减产物目录。底层架构与推进机制的理顺，让这

COBOL与Fortran等低资源语言支撑着全球大量银行交易与核心基建，却因文档缺失和人才断层极难维护。为此，OpenAI针对性强化了代码理解与转换能力，并推出两项新基准：用20种语言从零构建SQLite引擎的MultiLangBench，以及验证业务逻辑逐字节一致的COBOL迁移测试。实测中，GPT-6 Astra多语言测试平均通过率达87.4%，GPT-6.1 Sol迁移准确率高达97.9%，

如何在Mac M系上玩《沉星之序》： \1. 安装 Github项目：fxgl/steamac，这是Mac上运行SteamOS的虚拟机。 \2. 确认App的设置 - Advanced - Vulkan driver，选KosmicKrisp。这个应该是默认选项，如果选错会颜色不对。 \3. 下载游戏后先不要运行，在游戏页面点齿轮图标-属性，“启动选项”输入这段指令：VKD3D_FEA

纳米AI 的教程：从 GPT-2 到 LLaMA 在这里： nano-ai.tech/series/gpt2-to-llama/ 之前他还发过从零手写大模型系列教程： [从零手写大模型系列博文：从理解模型如何推理，到学习模型如何训练。地址：nano-ai.tech/articles/] 作者写的介绍： "整理了《从零手写大模型之从GPT-2到LLaMA》学习教程 G

AI Engineering Interview Questions and Answers，是一份公开的 AI 工程面试题库，按主题收录问题，并为部分题目提供文章或视频讲解入口。 内容覆盖 LLM 基础、提示词、RAG、Agent、微调、向量数据库，以及系统设计、生产部署、评估测试和多模态等方向。既有 Transformer、Tokenization、采样方法这样的基础概念，也会追问模

该模型基于Qwen2.5-0.5B底座与DiT架构，以仅0.5B参数量实现了44.1kHz高采样率输出。它不仅支持短音频零样本克隆与自然语言“捏音”，还能细致调节情绪、语速、音高及音量；模型内置笑声、叹气、咳嗽等14种副语言控制标签，让生成语音的情感细节格外生动。同时支持中、英、德、西、法、韩、日7种语言以及川粤方言，兼顾推理灵活性与端侧部署友好性，遵循MIT协议开源，非常适合有声读物、角色配音及

大AI时代，做自己想做的平台： PhDs.io：经济学、金融与管理学论文检索。 网页链接 EconLit Pipeline：经济学文献搜索与研究趋势探索。 网页链接 Paper Picnic：经济学论文发现与浏览。

AI Agent 的常见运行方式，可以从定时任务、事件流、API 服务和端侧运行四个角度理解。它们并不互斥：前三种描述如何触发任务，端侧描述在哪里执行。 1、定时任务：按计划执行 每天生成日报、每小时汇总告警、夜间批量整理文档，都适合用调度器触发 Agent，执行完保存结果。 要处理的不只是失败重试，还有漏跑和任务重叠：上一轮没结束，下一轮是跳过、排队，还是允许并行？同一批数据被

Pi School：一门学习 Pi Agent 的免费开源课程，共 15 节课，配有 11 个动手练习。 学习方式比较有意思：第一课在网页上完成安装，之后把课程提示词复制给 Pi，让它带你边学边操作，进度会同步回网页。 内容从基础配置、模型选择、上下文和会话管理，逐步讲到 Skills、MCP 和扩展。练习包括搭网站、剪视频、语音转录、操作浏览器等，可以作为上手 Pi 的指导。

斯坦福大学的课程 深度学习炼金术（CS 312）2026年秋季版已更新 地址：deep-learning-alchemy.github.io/ 这门课程比较有意思的是会强调通过大量实验建立对深度学习的直觉。其理念是通过亲手实验掌握深度学习和能够预测实验结果才代表真正理解。