字字节笔记本·1 天前快讯
从 28.6% 到 89.7%：LeWAM 让 JEPA 机器人又能控制又能规划
HF Daily Papers 榜首论文 LeWAM 把世界建模与动作建模合入一个端到端 JEPA：接触密集任务成功率从 28.6% 提到 89.7%，规划提速 32.3 倍，仿真与实机均有验证。
3 分钟
ByteNote 字节笔记本 — AI、开发工具与效率软件发现
发现 AI Agent、开发工具、开源项目与效率软件，跟上每日科技与工程实践。
编辑精选
一张 4GB 显卡跑 2.8T 参数：AirLLM 的笨办法反而最有效
不量化、不蒸馏、不剪枝，AirLLM 用逐层流式加载把万亿参数模型的推理显存压到个位数 GB；Kimi K3 只需 3.72GB，DeepSeek-V3 约 12GB，还支持 LoRA 训练。Apache 2.0，38.3k 星。
字
字节笔记本·1 天前·4 分钟
最新精选
字字节笔记本·1 天前快讯
harness 也能递归改进自己：Harness 平方一步最多涨 11.5 分
开放世界任务没有真值验证器，RSI 又常是任务定制的。Google Cloud AI Research 的 Harness 平方框架用双层递归打通：任务级做无验证器的对比编辑，harness 级把编辑经验提炼成持续改进的上层 harness。
3 分钟
字字节笔记本·1 天前快讯
终端 agent 的数据账：别再喂短轨迹了
短轨迹学不会证据积累和策略调整，环境合成还常常把活提前干完。TerminalHorizon 引擎用独立执行检测误干、递进扩展任务，1.5K 环境微调 Qwen3.5-27B 后 12 个基准全面涨分。
2 分钟
字字节笔记本·1 天前快讯
叫 LLM 别想，它偏要想：思维惯性是个可量化的坑
明确提示模型别推理，它还是在答案前吐出一长串分析。NeurIPS 2026 论文 Thinking Inertia 把这个现象拆成三层量化指标，六种干预六个模型实测全中招；开放题上关推理甚至要付准确率代价。
2 分钟
字字节笔记本·1 天前快讯
agent 造 agent，交付的全对吗？25 道委托任务见真章
让编码 agent 按需求造另一个 agent，演示时看起来都挺好，冻结代码后拿保留用例一评就露馅。AgentSWE 基准覆盖建、改、优化三阶段，结论是没有任何模型接近交付需求，失败模式反复出现在三个坑里。
3 分钟
字字节笔记本·1 天前快讯
半数企业被 agent 越权过：一份调查说清管控缺口
Salt Security 调查 380+ 从业者：49.8% 的企业确认或怀疑 agent 执行过未授权动作，超半数涉及未授权外部调用，超四成改删了数据；仅 12.5% 能完整追踪 agent 路径，17.5% 能自动止血。
3 分钟
字字节笔记本·4 天前快讯
开源追旗舰的账，这次算在推理开销上
开权重模型追旗舰，Beam 换了个算法：501B 总参 23B 激活的稀疏专家，编码推理三线进第一梯队，同档任务对一款旗舰省 3 到 4 倍推理算力。权重本月按 Apache 2.0 放出，先走小范围 Early Access。
3 分钟
字字节笔记本·4 天前快讯
当非工程师开始自己搭内部应用
中型科技公司开始给非工程师搭内部平台，用对话生成内部网页和工具。报道点名 Ramp 和 Stripe 两家各建平台且都跑起来了，作者预计接下来会有更多公司跟进。
3 分钟
字字节笔记本·4 天前快讯
小米公开了全套 RL 配方，凭什么还扣着权重？
小米把 RL 后训练的账单、任务配比、防作弊机制全公开，环境和框架也一并开源，旗舰权重却没放。昨日榜单 68 赞还在升。配方公开与权重保留其实并不矛盾。
3 分钟
字字节笔记本·4 天前快讯
三步把墙上时钟接进智能体
只把预算写进提示词，智能体的守时率只有 15%，平均超支六成。接上信息时钟再层层加码能爬到 88%，分数却纹丝不动。三步接法：给读数、给硬边界、再谈训练。
3 分钟
字字节笔记本·4 天前快讯
编码智能体的瓶颈，卡在理解不在改行
6840 道合成题上，模型越大越吃力，智能体靠工具几乎全对。可最预测真实基准失败的，是理解类调用次数，不是改动行数。代码理解才是编码智能体的瓶颈。
3 分钟
字字节笔记本·4 天前快讯
别等窗口到顶再砍上下文
长会话还没到顶，硬截断就把前缀和旧观察砍掉。billion-context 让模型自己折成摘要，需要时再解压。研究口径 4.5 个月、17.4 万次调用，窗口违例是 0。先把代理接上再谈窗口。
4 分钟
字字节笔记本·4 天前快讯
对话过了关，本地数据工程分数仍是虚的
本地模型在对话框里答完出行数据工程题，分数仍可能是虚的。1500 次试验里，工作区把通过率抬高 26.7 到 52.0 个百分点。最强档闭环过 85.3%，量化 9B 过 69.3%。先看现场自检档。
3 分钟
字字节笔记本·4 天前快讯
官方测试过了，凭什么就能信评测分？
编码智能体把官方单测跑绿，评测单就会写成解决了。TestJack 在 8862 次运行里推翻 1545 次所谓正确，总解决率从 50.6% 掉到 33.2%。先问官方测试挡住了什么，再谈那条高分还在不在。
3 分钟
字字节笔记本·4 天前快讯
当绿灯提交交上来，评审却问这单谁负责
31 国 239 名评审里，持续集成已绿时无行为重构还愿往下看的人从 52.3% 掉到 19.7%。缺理由、验证和认领的时候，绿灯只证明构建过了，并不能证明这单真的有人在扛。
3 分钟
字字节笔记本·4 天前快讯
函数过了测试，整仓照样交不出去
同一套可执行仓被拆成空仓、骨架、文件、函数四档。仓库级全过最高只有 31.0%，文件级能到 76.7%。函数绿了不等于整仓交得出去，评测单常把这个缺口悄悄抹平。
4 分钟
