OpenAI 组建机器人团队并发布 Rosalind 生物防御项目，GitHub 出现多个高星 Agent 工具

1️⃣ OpenAI 双线出击：发布 Rosalind 生物防御，组建机器人团队#

• 生物防御项目启航：Sam Altman 宣布推出 Rosalind，一项旨在全球领先的生物防御计划，旨在加强社会对生物威胁的抵御能力。
• 招募机器人团队：OpenAI 同时宣布其机器人部门正式成立，正大规模招聘全栈硬件、运维、系统和机器学习工程师。短期目标是制造辅助技术工人建设基础设施的机器人，长期愿景是让每个人拥有能做任何事的个人机器人。
• 技术基座：该部门由前世界模拟研究项目负责人 Aditya Ramesh 领导，强调机器人硬件与机器学习研究的协同设计，以实现快速进展。
• 行业影响：此举标志着 OpenAI 正式将 AI 能力从数字世界拓展到物理世界，特别是将“世界模型”研究导入机器人领域，意图改变未来的劳动力形态。 🔗 Rosalind 生物防御项目 | Sam Altman 宣布机器人招聘

2️⃣ Vercel CEO 观察：CEO与CTO正因编码代理大规模回归编程#

• 现象描述：Vercel CEO Guillermo Rauch 透露，各大上市公司的 CEO 和 CTO 正“满腔怒火地”重新投入编程，这主要得益于 Claude Code 和 Vercel 等 AI 编码代理的推动。
• 行为模式转变：过去，企业高层在早期阶段几乎不理解基础设施，而现在，CEO 们会直接私信 Rauch，分享他们因 AI 工具重新爱上构建软件的体验。
• 行业影响：编码代理正在推动企业的“产品驱动增长”（PLG），整个组织的成员，从实习生到 CEO，都能直观地理解什么技术栈是有效的。这使得老旧软件无处遁形。 🔗 Guillermo Rauch 推文

3️⃣ 学术与思想交锋：Gary Marcus 与教皇达成共识，称 AI 非“创造生命”#

• 事件背景：诺贝尔奖得主 Jeffrey Hinton 近期在采访中表示，他相信意识可能已在 AI 中出现，并认为人类正在“创造”（beings）。
• 共识立场：Gary Marcus 今日转发了教皇对 Hinton 观点的回应，并 100% 认同教皇的立场。Marcus 强调，AI 仅仅是“被训练来预测真实存在体语言的互动小说”，二者有本质区别，Hinton 对此应有更清晰的认识。
• 思想意义：这场对话揭示了即便是最顶级的 AI 科学家，对 AI 本质的理解也存在根本性分歧。将 AI 拟人化或赋予意识的叙事，正遭到来自哲学和宗教等多维度的质疑。 🔗 Gary Marcus 推文分析

4️⃣ 开发者方法论：HuggingFace CEO 呼吁共享 Agent 追踪数据，Simon Willison 强调其重要性#

• 数据呼吁：HuggingFace CEO Clement Delangue 呼吁开发者更多地公开分享编码与 Agent 的交互追踪（Traces），以用于构建更好的开源模型和数据集。
• 方法论共识：知名开发者 Simon Willison 在连续推文中表达了类似观点。他将与编码代理的交互记录视为与提交信息同等重要的工作产物，对追踪决策过程至关重要。
• 工具插曲：Willison 还提及了对 OpenAI Codex Desktop 更新时常移出关键功能（如 Copy as Markdown）的焦虑，认为这破坏了工作流程的连贯性。
• 行业趋势：这标志着 AI 开发正从只关注最终代码，演变为对“Human-AI 协作过程”本身的重视。追踪数据被视为训练下一代模型和优化工作流的宝贵资产。 🔗 Clement Delangue 推文 | Simon Willison 讨论

⭐ GitHub 趋势#

📊 类别速览

项目	类别	Stars
D4Vinci/Scrapling	AI 抓取/MCP 工具	56.6k
supermemoryai/supermemory	AI 记忆基础设施	23.3k
nesquena/hermes-webui	AI Agent 前端	9.9k

---

1. D4Vinci/Scrapling ⭐ 今日 +606#

语言/许可： Python / BSD-3-Clause
总 Stars： 56.6k
仓库： GitHub

项目定位：
面向 AI Agent 与开发者的自适应 Web 抓取框架，解决现代网站反爬与 DOM 频繁变化导致的抓取脆弱性问题，同时原生支持 MCP 协议以便 Agent 调用。

核心功能：

• 自适应解析器：页面结构变化时自动重新定位目标元素，无需手动重写选择器
• 隐身抓取引擎：内置 Cloudflare Turnstile 等反机器人绕过，支持 headless 浏览器动态渲染
• 内置爬虫框架：并发爬取、暂停/恢复、自动代理轮换，全部 Python 表达
• MCP Server 开箱即用：允许任何兼容 MCP 的 AI Agent 直接发起抓取请求

技术亮点：
自适应选择器通过学习页面变化自动修正定位，降低维护成本；结合 Playwright 动态渲染与隐身策略，提供统一的 API 同时满足单请求与大规模爬取。

---

2. supermemoryai/supermemory ⭐ 今日 +264#

语言/许可： TypeScript / MIT
总 Stars： 23.3k
仓库： GitHub

项目定位：
面向 AI Agent 与应用的记忆与上下文引擎，解决 AI 跨对话遗忘、缺少持久化用户理解的问题，提供单 API 集成的记忆、RAG、用户画像与连接器。

核心功能：

• 自动事实提取与记忆管理：处理时序变化、知识冲突、自动遗忘过期信息
• 自动用户画像：静态属性与近期动态上下文合一，调用耗时约 50ms，可直接注入系统提示
• 混合搜索：一种查询同时返回知识库文档（RAG）与用户相关记忆
• 多种连接器：Google Drive、Gmail、Notion、OneDrive、GitHub 等，支持实时 webhook 同步
• 多模态提取：PDF、图像 OCR、视频转录、代码 AST 感知分块

技术亮点：
在 LongMemEval、LoCoMo、ConvoMem 三个主要 AI 记忆基准上取得第一；开发者无需管理向量数据库或嵌入流水线，所有能力通过单一 API 暴露。

---

3. nesquena/hermes-webui ⭐ 今日 +357#

语言/许可： Python / MIT
总 Stars： 9.9k
仓库： GitHub

项目定位：
为 Hermes 自主 Agent 提供轻量 Web 界面，解决持久化记忆型 Agent 从 CLI 扩展到多端访问（Web、手机）时的体验缺失问题。

核心功能：

• 三面板布局：会话导航、聊天交互、工作区文件浏览与内联预览
• 与 Hermes CLI 功能 1:1 对等，纯 Python + 原生 JS，无构建/打包步骤
• 上下文环组件可视化令牌用量，始终可见的模型与空间控制
• 支持 SSH 隧道安全远程访问，可切换至后台 Gateway 运行时实现前后端分离
• 可选会话预填充与动态回忆脚本，兼容外部笔记系统（如 Joplin、Obsidian）

技术亮点：
无框架、无构建的轻量实现，与 Hermes Agent 内存调度深度耦合；通过简单的守护进程管理（ctl.sh）即可完成后台部署与日志监控。

🟧 Hacker News 热议#

1-Bit Bonsai Image 4B Image Generation for Local Devices#

259 pts · 92 comments · site

📌 内容总结

• 作者将 FLUX.2 Klein 4B 的 Diffusion Transformer 权重组化为 1 位（{−1,+1}）或三进制（{−1,0,+1}），配合 FP16 分组缩放因子，压缩比 8.3×（1 位）和 6.4×（三元）。
• 仅对 Transformer 做极端量化；文本编码器（4 位量化）和 VAE 仍为较大分量。总部署负载 3.42 GB（1 位）/3.88 GB（三元），对比原精度 15.97 GB，内存压力降低约 4.1×。
• 512×512 图像生成在 iPhone 17 Pro Max 约 9.4 秒，Mac M4 Pro 约 6 秒，宣称比原全精度 MFLUX 流程快 5.6 倍。
• 三元模型在 GenEval/HPSv3/DPG-Bench 上保持基模型的 95%，1 位模型 88%；对比 SDXL 等旧模型有明显优势。
• 开源（Apache 2.0），提供 iOS 应用“Bonsai Studio”和 WebGPU 演示。

💬 讨论总结

• 瓶颈与节省：多位评论指出文本编码器仍占据约 1.8 GB（4 位量化），Transformer 的极致压缩并未等比例减小整体内存，但活跃内存仍降至 1.5 GB（512²），确实使 iPhone 部署可行。
• “首个 iPhone 原生运行”争议：已经有 Draw Things 等应用通过 8/6 位量化运行相同的 FLUX.2 Klein 4B，社区认为这只是“直接”二字的语义之分，实质并非首次。
• 质量与速度：1 位模型文字生成几乎 100% 错误（社区测试），三元模型较好但仍有瑕疵；有人质疑速度比全精度反慢（但文章数据相反），生成延迟并非来自内存而是计算。
• 本地部署的价值：无计费的本地迭代对反复 prompt 场景有吸引力；但也有人认为生产环境维护成本高，很难普及。
• 演示的可用性问题：WebGPU 演示在 Firefox、隐私保护浏览器、Linux 上不可用，iOS App 独有；有用户遇到 1 位模型在 Xcode 24.5 下的已知 Bug。
• 其他关注点：有人提问 Vulkan 兼容性、与 Ollama/ComfyUI 集成；话题还延伸到 1 位图像色深与 1 位权重的混淆，以及期待类似技术用于本地视频生成。

🔗 原文 · HN 讨论页

The Speed of Prototyping in the Age of AI#

101 pts · 59 comments · site

📌 内容总结

• 作者的个人观察：使用 AI 编码代理后，原型开发速度约 4 倍，以往“好主意没时间”的想法现在可在半日内完成。
• 工作形态改变：更多时间花在描述系统全貌、边界、契约和预期成果上，这与指导初级工程师所需技能相通。
• 警惕部分：刻意保留手动编码、读源码、调试等环节以防技术敏锐度下降；同时 AI 释放出的时间可用于深入探索。
• 在职场中利用提速完成了内部自动化支持和启动时间优化（约 50% 缩短），原本无带宽的项目得以落地。

💬 讨论总结

• 速度与脚手架对比：有评论认为传统代码生成器/框架（如 Drupal 时代）也能快速搭建，AI 并非独特；但多位工程师证实 AI 代理在理解复杂指令和上下文方面远超旧工具，开发时间从数周缩至数天。
• “垃圾”产出的两极看法：加速导致大量半成品被直接推向生产或管理者视原型为产品；一部分人认为快速产出低质量原型是探索的正常环节，质量责任在后继审查而非工具。
• 技能退化：社区普遍认同需刻意练习以保持编码能力，多人分享“用 AI 快速探索多种实现，然后丢弃代码手工重写”的流程，或只把 AI 用于文档/评审。
• 原型与用户研究的冲突：有人担忧快速原型挤压了用户研究时间，导致表面有效但 UX 有隐患的功能被优先；反对者认为原型主要用于技术可行性探索，不必与用户研究对立。
• 商业现实与放大效应：AI 被描述为“放大镜”，能放大好的工程实践也能放大敷衍交付，尤其在将原型变现的诱惑面前。

🔗 原文 · HN 讨论页

Odysseus – self-hosted AI workspace#

100 pts · 52 comments · site

📌 内容总结

• 项目由知名 YouTuber PewDiePie 发布，目标是提供类似 ChatGPT/Claude 的本地自托管 AI 工作空间。
• 功能清单密集：聊天（多后端、代理）、硬件适配的模型推荐（Cookbook）、深度研究、模型盲测对比、文档编辑器、邮件/日历集成、PWA 移动端等，使用 FastAPI + ChromaDB + SearXNG + ntfy。
• 采用 MIT 许可证，Docker 一键部署；强调本地优先、隐私、无遥测。

💬 讨论总结

• “AI 生成的 slop”与名人效应：绝大多数评论批评代码质量、UI 设计“糟糕”，认为项目是“vibe coding”的产物，获得 3k stars 主要依靠个人品牌而非技术价值。
• 与现有工具的比较：有人问为何不用 Open WebUI；回应指 Open WebUI 存在品牌强制保留且 pip 依赖巨大（>12 GB），但也未因此倾向 Odysseus。部分评论推荐 LibreChat、mudkipdev/chat 等更精致的替代品。
• 电话开发声明被撤回：项目 README 曾声称大量代码从手机（Termux）构建，后又删除该表述，社区怀疑该描述本身是由 AI 虚构（“幻觉”），加剧对项目诚信的质疑。
• 维护与安全疑虑：特征虽多，但代码组织方式和安全审计被认为难以持续；有评论预测作者会直接让 GPT 处理 PR。
• 名人与开源 meritocracy 的碰撞：有自研 C 语言代理和模型的开发者抱怨辛苦无人问津，而名人随手“slop”即获大量关注；但也有人认为 PewDiePie 的传播力对本地 AI 推广有正面意义。

🔗 原文 · HN 讨论页

今日洞察#

HuggingFace CEO 的呼吁与 Simon Willison 的回应指向一个正在形成的共识：Agent 的交互追踪数据正在成为新的关键资产。Delangue 明确将其与训练下一代模型挂钩，Willison 则从开发者工作流角度将追踪记录提升到与 Git 提交信息同等的地位。这不是对工具的泛泛好评，而是开发者开始系统性地将“Human-AI 协作过程”本身视为可留存、可分析、可训练的数据源。当模型能力趋同，谁拥有更丰富的真实协作轨迹，谁就可能在下一轮微调和产品优化中获得优势。这对依赖第三方模型的应用层开发者尤其关键——如果不掌握自己的交互数据，他们将始终受制于模型提供商的默认行为。

GitHub 趋势榜今日同时出现 Scrapling（56.6k stars）和 supermemory（23.3k stars），两者分别解决 Agent 的两个基础设施瓶颈：获取外部信息与维持内部状态。Scrapling 的自适应解析器说明一个工程现实——Agent 的落地瓶颈不是模型推理能力，而是目标网站的 DOM 变化与反爬策略。supermemory 在三个记忆基准上取得第一，且调用耗时约 50ms，这意味着开发者不再需要自己搭建向量数据库与嵌入流水线。两者都通过单一 API 或 MCP 暴露能力，进一步降低了 Agent 集成的门槛。这不是孤立的项目增长，而是 Agent 基础设施从“各自造轮子”进入标准化组件阶段的信号。

HN 对 PewDiePie 自托管 AI 项目 Odysseus 的激烈批评（100 points，52 comments），与技术帖 1-Bit Bonsai 的冷静分析形成对照。前者被多数评论定性为“vibe coding 产物”，并引发开源 meritocracy 与名人效应的冲突；后者的讨论则围绕 1 位量化的实际瓶颈（文本编码器仍占 1.8 GB，字生成几乎全错）和“首款 iPhone 本地运行”的说法争议展开。两场讨论的共同点在于：极客圈对 PR 话术的耐受度正在降低。当“AI 生成”和“首个xx”这类标签出现时，评论者会更快地检查代码质量、依赖体积和可复现性。这对于任何试图用 AI 标签推广产品的团队都是一个明确的风向标——技术社群的审查标准已经跟随 AI 工具的能力同步升级，包装出来的东西会被更快识破。

1️⃣ MiniMax 发布 M3 开源模型：首个融合前沿编码、长上下文与原生多模态的权重开放模型#

• 核心发布：MiniMax 官方正式发布 M3 模型，定位为首个结合三项前沿能力的开源权重模型。该模型在 SWE-Bench Pro 等编码基准上达到 59.0%，支持通过 MiniMax Sparse Attention 实现 1M token 的极长上下文窗口，并从训练初始就集成文本、图片和视频的多模态理解能力。
• 关键基准与复现能力：M3 在 Terminal Bench 2.1 上得到 66.0%，MCP Atlas 达到 74.2%。更引人注目的是，M3 被披露在无人干预的情况下自主运行近 12 小时，独立复现了 ICLR 2025 杰出论文奖“LLM 微调的学习动力学”，成功重现了 SFT 阶段的预测概率趋势和 DPO 实验中的核心压缩效应。
• 开发者生态与定价：发布当日，M3 已迅速上线 OpenRouter（首周 5 折）、Ollama Cloud、LMArena、Hermes Agent、Venice 等主流平台。API 定价公布，512K 以下上下文在首周享受 5 折优惠。模型权重和技术报告将在约 10 天后公开。
• 社区初步评测：早期测试者反馈其编码体验“接近 Claude Opus 4.7”，部分用户已在 Orca 中使用 M3 配合 OpenCode 进行纯免费编程，称其表现超出预期。 🔗 MiniMax 官方公告 | API 定价与半价促销 | 自主复现 ICLR 2025 论文案例 | OpenRouter 上线链接 | Ollama Cloud 接入指南

2️⃣ NVIDIA ComputeX 主题演讲：发布 AI PC 处理器 RTX Spark，开源物理 AI 全模态模型 Cosmos 3#

• 核心事件：在今日的 2026 年 ComputeX 主题演讲中，NVIDIA CEO 黄仁勋发布了一系列软硬件产品，核心围绕“将 AI 代理带向每一台设备”。
• RTX Spark 与 AI PC 新物种：英伟达正式发布 RTX Spark 处理器，这是专为“个人 AI 时代”设计的超级芯片。它搭载 Blackwell RTX GPU，FP4 AI 算力达 1 petaflop，CPU 部分为与联发科定制的 20 核 Grace CPU，配备 128 GB 统一内存。黄仁勋展示了三种产品形态：笔记本、台式机和工作站，它们能确保 Windows 应用、CUDA 软件栈及 AI 模型的原生兼容。微软 CEO Satya Nadella 对此表示，RTX Spark 是实现“为每个家庭和桌面提供无限智能”愿景的重大突破。
• NVIDIA Cosmos 3：首个物理 AI 全模态模型：NVIDIA 同时发布了 Cosmos 3，这是一个完全开源的全模态（omnimodel）模型，专为物理 AI 的推理和行动设计。它具备原生的视觉推理、世界生成和行动生成能力，发布了 Super（32B）和 Nano（8B）两种规模。模型权重、训练配方已完全开放。
• 产业联盟“Cosmos Coalition”成立：Runway、NVIDIA 及多家 AI 实验室共同发起 Cosmos Coalition，旨在共建和开源前沿世界模型。Runway 作为创始成员加入，推动开放生态下的物理世界模型研究。
• 其他发布：黄仁勋还预告了 Nemotron 3 Ultra 模型将于本周发布，并展示了面向万亿参数模型训练的下一代 AI 工厂核心平台 Vera Rubin 已进入全面投产阶段。 🔗 NVIDIA Cosmos 3 发布视频 | NVIDIA RTX Spark 官方发布 | Satya Nadella 推文确认合作 | Cosmos 3 完全开源确认 | Runway 宣布加入 Cosmos Coalition | 爱范儿报道 RTX Spark 及 AI PC

3️⃣ Agent 安全生态大动作：OpenClaw 联手 NVIDIA 发布 6.7 万技能安全扫描报告，制糖工厂推出首款 Agent 原生接入的智能电源#

• 核心发布：OpenClaw 与 NVIDIA 合作，开源了一个针对 ClawHub 社区 67,453 个技能的安全扫描数据集。研究发现，尽管 NVIDIA 的 SkillSpector 将一半的技能标记为具有“代理性风险”，但仅有 0.31% 的技能被确认为恶意，且没有任何两个扫描器在超过 8.5% 的风险上达成一致。
• 关键方法：这印证了 OpenClaw 主张的“多层信任模型”——需结合 VirusTotal 恶意代码扫描、静态分析及 SkillSpector 的智能体指令风险分析，而非依赖单一技术。研究论文和完整数据集均已公开。
• 硬件层面创新：制糖工厂发布 AI 小电拼 Mirror，这是全球首款基于 SDC（软件定义充电）架构的智能体电源。它通过 MCP 协议原生接入 OpenClaw、Claude Code 等 AI 代理，用户可通过自然语言直接调控充电策略，无需 App。
• 行业意义：Agent 安全正从实验室走向生产环境的真实挑战，而硬件设备通过 MCP 协议与 AI 代理的融合，展示了“万物皆为工具”的 Agent 未来形态正在从软件向物理世界延伸。 🔗 Openclaw 与 NVIDIA 安全扫描数据集 | 完整研究报告 PDF | Openclaw 宣布支持 RTX Spark | 制糖工厂 AI 小电拼 Mirror 发布（爱范儿报道）

4️⃣ [持续跟踪] Claude Code 新增动态工作流：一句提示词触发数百个 Agent 并行协作#

• 前情提要：Claude Code 作为 Anthropic 面向开发者的核心 Agent 编程工具，其功能迭代和在企业中的落地备受关注。近期，在 Salesforce 等公司的大规模代码迁移中展现了强大的自主任务编排潜力。
• 最新功能：Anthropic 员工 cat 今日宣布，Claude Code 推出了迄今为止最强功能——动态工作流。用户只需在提示词中提及 “workflow”，Claude 便会自动生成并严格执行一个动态编排计划。该功能旨在解决超大规模任务中，数百个 Agent 必须按正确顺序协同推进的痛点。
• 真实案例：在 cat 的分享中，利用动态工作流并行处理数百个 A/B 测试标记的归档工作，在不到 10 分钟内即完成了过去需要长时间串行排查的任务，快速识别并清理了已失效的灰度标记。
• 社区反响：此功能被快速引入并引发热烈讨论，被认为是将 Agent 从单点工具推向工程化协同生产体系的标志性一步。 🔗 cat 宣布 Claude Code 动态工作流 | KOL AI Will 中文解读 | 动态工作流清理 A/B 测试标记案例

5️⃣ 技术与社会信号：Marc Andreessen 点评服务业通胀与 AI 价值，Gary Marcus 重申 LLM 地基不稳#

• 服务业通胀与 AI 叙事：Marc Andreessen 转发评论，指出 AI 不应被宣传为就业毁灭者，其真正价值在于直接攻克医疗、教育等高通胀服务业的成本顽疾，这应成为 AI 实验室和政治家更积极的推广角度。
• LLM 基础质疑：Gary Marcus 连续发声，批评当前的 LLM 系统是“全是创可贴的补丁式方案”，它们无法可靠地与数据库、知识图谱等基础工具协作。他重申自己五年前的观点，认为仅靠大规模预训练模型不足以支撑通用 AI，行业需要建立更坚实的、将统计学习与推理和常识相结合的基础。
• 行业洞察：这些来自顶级投资者和长期批评家的观点，揭示了 AI 行业在宏大叙事与技术现实之间的矛盾。一边是资本对 AI 改造经济的乐观预期，另一边是对当前核心技术路线固有缺陷的持续提醒。 🔗 Marc Andreessen 点评服务通胀 | Gary Marcus 批评 LLM 为补丁方案 | Gary Marcus 重申 5 年前观点

6️⃣ 中国 AI 前沿信号：LLM 估值争议、MiniMax 启动上市辅导、北大教授加盟 OpenAI#

• 估值与收入的结构性矛盾：一组被热议的数据显示，中国前五家纯 LLM 公司的总估值已达 2260 亿美元，约为 Anthropic 最新一轮估值的四分之一，但其收入运行率仅为 Anthropic 的 1/40。这引发了行业关于“开放权重、低价路线”估值逻辑的激烈讨论。
• MiniMax 启动 A 股上市：在发布 M3 模型同日，MiniMax 董监会决议探究发行人民币股份的初步建议，已聘请专业顾问就科创板上市进行咨询，并签订辅导协议，开启了国内 AI 独角兽登陆资本市场的新篇章。
• 学术人才流动：北大数院校友、沃顿商学院统计学教授苏炜杰宣布加入 OpenAI，参与模型训练。他是国际统计学最高荣誉之一“考普斯会长奖”的获得者，其加入再次印证了顶级 AI 实验室对基础科学人才的虹吸效应。 🔗 中国 LLM 估值与收入对比数据 | MiniMax 启动 A 股上市辅导（爱范儿报道） | 北大教授苏炜杰加入 OpenAI（爱范儿报道）

7️⃣ 开发工具与实践：开源项目替代付费服务，Agent 工程信任危机引发讨论#

• 开源替代清单爆火：一份包含 LibreChat（自托管多模型对话）、Fincept Terminal（免费彭博终端替代品）等的“10 个开源项目替代付费 AI 工具”清单在社区广泛传播，折射出开发者对订阅成本和应用控制权的日益重视。
• Agent 可靠性方法论：WorkOS 工程师 Nick Nisi 分享了一个反直觉经验：他为其 AI 代理删除了 95% 的技能文档（从一万多行缩减至 553 行“常见坑”），任务运行时间从 68 分钟降至 6 分钟，且效果反而更好。其核心主张是“不要信任 Agent，要让它证明”，并用强制执行机制替代 Prompt 约束。
• 架构创新实验：Agnes AI 团队基于“Claude Mythos”架构猜想，在 1.1 亿参数的小模型上验证了循环计算（Recurrent Depth）的有效性。在 T=1 设置下，模型预训练困惑度（PPL）平均下降约 10.8%，为不堆参数、靠架构创新提升模型效率提供了初步但有力的证据。 🔗 10 个开源项目替代清单 | AI Agent 工程信任危机播客 | Agnes 团队小模型循环计算实验（AI 科技评论）