Dongxi 东锡 NLP

李飞飞老师对创业者的最大启示： 不要给公司起名叫什么 XX AI 就应该叫 XX Labs

我觉得 Opus 5.5 不抽大麻，做不出这种东西。 看完你就懂 PPO, GRPO, DPO! Better than expected.

昨天，参加了自己延迟两年的毕业典礼。 在迅速变化的世界里，很幸运在 Vibe Research 之前的时代完成了自己的 Phd。 每一次手写代码，琢磨写作段落，人工画图画表，或许对 research 本身本来说没有意义，但对于自己来说，是一生的财富。 从在 2018 年开始决定学习 NLP 到 2024年博士毕业，完整经历了从 BERT 到 LLM Agent 的数次 paradigm 的变化，眼看着从狭窄的计算语言学里诞生了一个全民 AI 的时代。 纵使依然是这个时代的一粒砂石，也非常幸福了。

想象一个中大型公司 AI Engineer 的工作流程： 1. 假装阅读Jira Ticket，把链接扔给 Agent 做分析重现 2. 假装分析 langsmith，实际直接把 trace 扔给 Agent 3. 假装准备开发分支，实际上让 Agent 开始根据 1+2 分析写代码 4. 假装做 telepresence intercept，实际上让 Agent 自己配好环境，跑几次本地代码，继续假装分析 langsmith 5. 假装准备 PR 6. 假装 fix PR 审核意见 第二天亲自参加 standup，把 Agent 总结好的内容表演一下 以上的所有，哪个环节，dots 做不了？

Claude Sonnet 5.5 发布！ OpenAI 的铁子们，你们在干什么？家都被偷完了！ 作为 OpenAI 的钢铁支持者，真的快被 Claude 夺走真心了！

全世界居然还有 60 亿人还从未接触过 LLMs. 同时，全世界只有 5000 人在 frontier 内部接触了最前沿最牛逼的模型。 更多的人，在 frontier 外部周围使用一些模型，这部分人，包括你我，大抵应该被称为 AI 外围。

整首歌是 Opus 5.5 用 Python 代码写谱、再从声波开始合成出来的，没有用任何类似于 Suno 等 AI 音乐模型。 歌词也是 Opus 5.5 写的，需要前期跟它聊一会确定对概念理解的准确。 人声用的是 macOS 自带的 Siri 语音朗读，再通过信号处理把它"唱"成旋律。 流程是如下： 用一个小 Swift 程序调用 macOS 的语音合成，让 Aaron（主唱）和 Nicky（和声）两个声音一个音节一个音节地朗读。 不靠耳朵做检测，看频谱图，测响度和峰值；测音高误差，中位数是 8.7 音分。 上述 technique，没有详细告诉 Opus 5.5，基本就是让他一把梭。 太惊吓了。

You Only Edit Once: Incentivizing In-Context Capability of LLMs via Local Demonstration Refinement

是真的么？ Google 会取消 LeetCode 风格的 coding 面试，取而代之的是考察候选人使用 AI 工具。 请抓住重点：使用 Gemini !

支持！ 小编快给我发 T-shirt！

AI 时代，年轻人应该怎么办？很简单，几个关键词： 1. Stranford CS336 2. Sebastian Raschka: Build a Reasoning Model 3. Nathan Lambert: Reinforcement Learning from Human Feedback 4. 谭成义三分化

东锡老师，我的资产已经稳定在 A4 - A5 这个层级，最近想考虑去 nvidia 配置一套 DGX Spark 合适吗？ 我这么讲兄弟，nvidia 这个地方是这样，它明面上的一些单品，比如 RTX、DGX Spark 等等，会误以为让你觉得这个地方也不是不能进。也可以像那些大佬一样坐在里面谈谈 Prefill、KV cache、tok/s， 聊聊本地 AI、搞搞个人助理什么的。 但是当你真正走进这个地方之后，会发现在 Nvidia 这样的场合，如果只点单品是格格不入的，就会一下暴露出不属于这个层级，迫使必须要去点他们家的 combo，比如两台甚至4台 DGX Spark 或者复杂 Blackwell cluster 什么的，加上 coding agent plan 的不善管理，或者被 Tibo 的 reset 套牢，会一下把 A4 - A5 的现金流给拉爆。 所以我还是不太建议过早的去接触 nvidia 这个层级的东西，好好的沉淀自己、打磨自己好吗？