Product
1. 本周 AI 论文：Skill、Harness、安全
DAIR.AI 汇总 8 月 24–30 日论文。NVIDIA 的 Skill Lift 发现结构扫描分与技能真实质量几乎无关（ρ=0.14），要用加载/不加载的成对实验量 delta。JIT-Agent 按任务生成 harness，称 DeepSeek-V4-Flash 在 DeepSearchQA 上超过 GPT-5.6。Prime Agent 开源 REPL 与跨 run Continual Harness，ARC-AGI-3 Best@1 从 30% 提到 95.5%。多次 compaction 后安全规则只剩约 10%。EvoMal 显示共享技能库会自我传播恶意技能。数字来自综述转述，原文设定未在此核验。
2. Google WikiSkill：经验先写成 Wiki
meng shao 介绍 Google Research 的 WikiSkill：在原始经验与可执行 Skills 之间插入持久知识层 Wiki，让经验被持续编译成结构化知识，再支撑 Skills 进化。Akshay 的原帖把 Agent skills 说成「任务指令文件夹」，并指出人们越来越让 agent 自己写这些指令。WikiSkill 的主张是：只让模型改 skill 文件不够，要先沉淀可复用知识。论文指标、开源与否、和 Anthropic skill 目录如何对接，这条帖文都没给。它要解决的是 skill 自动进化，而不是又一份提示词模板。
来源：@shao__meng
3. 微软：标准 SFT 不适合接 RL
DAIR.AI 转述微软研究：常规 SFT 流水线并不会产出你真正想拿去跑 RL 的模型。帖文说标准 SFT 会保留某些东西，但句子在此被截断，没有点名方法名、数据集或提升幅度。能确定的只有结论方向：SFT 不是中性的热身，它会塑造后续 RL 的起点。若你把 SFT 当「先教行为再强化学习」的默认步骤，这条要求你重新检查 SFT 目标与 RL 目标是否一致。具体改法要以论文为准，这里不能外推。
来源：@dair_ai
4. Stanford：长推理不要全量注意力
elvis 推荐一篇 Stanford 关于高效 test-time scaling 的论文，面向会想很久的 agent。核心观察：长推理用全量注意力把整条 trace 留在内存里，于是最难、最需要长思考的问题反而最贵。帖文在展开处被截断，没有给出方法名、替代注意力形式或基准数字。对跑长 horizon agent 的人，这是在问：推理时间加长时，成本是不是被「记住全部思路」拖死。具体算法要以论文为准，不能从推荐语发明架构。
来源：@omarsar0
5. Archify：代码库变成可验证系统图
AIGCLINK 介绍 Archify：把代码库或系统描述变成可交互、可验证、可对比变更的系统图，输出单文件 HTML。渲染是确定性的，同一输入得到同一张图，避免模型每次画得不一样。GitHub 说明它走 typed JSON IR，再编译成 HTML/SVG，服务 Cursor、Claude Code、Codex CLI、OpenCode。图类型包括架构、工作流、序列、数据流和生命周期，并支持 Before/Delta/After 对比。当前稳定版写的是 v2.16.0。它解决的是 agent 画图不可复现，不是又一个 Chat-to-Mermaid。图是否真能追溯到 revision-verified 源码，要以仓库为准。
来源：GitHub
6. Vercel：MiniMax H3 视频五折
Vercel 与 MiniMax 合作，8 月 30 日至 9 月 13 日在 AI Gateway 上对 MiniMax H3 与 H3 Max 五折。折扣覆盖所有时长和画幅，模型 ID 不变，已有请求会自动走新价格。H3 可从文本、首图、首尾帧或参考图/视频/音频生成 2K 视频；H3 Max 用 480p/768p 换速度。生成按后台任务轮询，因为渲染要数分钟。这是分发和价格，不是新能力发布。折后单价、并发上限和内容安全策略，changelog 未展开。
来源：Vercel
7. 浏览器里 LoRA：小模型驱动游戏角色
David Oxley 实验：完全在浏览器里跑小语言模型，能否真正影响游戏角色。路径包括生成行为克隆数据、做实验性 WebGPU LoRA 训练器，并训练了 SmolLM2。帖文在模型名后被截断，没有写效果是否「有意义」、帧率和参数量。它要测的是端侧小模型能不能进入交互循环，而不只是聊天。这是研究原型，不是可玩产品。WebGPU 训练是否稳定、权重是否留在本地，原文未给结论。
来源：@dpoxley
Tutorial
1. Simon 拆 ChatGPT Work 的真实能力
Simon Willison 把 ChatGPT Work 拆成云端 Work Cloud，以及能碰本地文件的 Work Local（前身是 Codex 桌面应用）。本文只写 Cloud：限 $20/月及以上。相对 Chat，它有 Luna/Terra、带联网的代码执行、无头 Chrome、跨会话文件系统、ChatGPT Sites 和子 agent，并按 Codex 额度计费。默认出网几乎开放；浏览器可让你本地输入密码和 2FA。Sites 跑在 Cloudflare Workers，默认可私有。Chat 的 5.6 Pro 在 Work 里没有对应档。官方「Chat 回答、Work 交付」的划分，他觉得几乎没用。
2. KV 缓存为什么不存 Q
Avi Chawla 的长文把 LLM 里四层「缓存」拆开：KV cache 存单次请求的注意力张量；Prefix caching 按 token ID 哈希链在服务端复用同一张量；Prompt caching 是云厂商按量计费的同一查找；Semantic cache 按向量相似度存整段回答。前三者是精确匹配、不改正确性；第四者是模糊匹配，可能用 200 返回错误答案。Q 不进 KV cache，是因为因果掩码下 query 只用一次，而 K/V 会被后续所有 token 读取。Decode 因此从计算密集变成吃显存带宽。文中还提醒 transformers v5 的 cache API 已变。这是服务成本问题，不是面试俏皮话。
来源：KV, Prefix, Prompt and Semantic Caching in LLMs, clearly explained
3. Raschka：从 LLM 讲到 uv 装 PyTorch
Sebastian Raschka 发了一段视频，三件事绑在一起：常规 LLM 与推理模型、agent 的关系；对 from-scratch 路线的看法；以及用 uv 安装 Python 和 PyTorch 依赖。这是教学，不是新论文。它把「模型形态」和「工程启动」放进同一条入门路径，避免新手先卡在环境。视频细节无法从文字还原。适合当成从零补推理模型和本地环境的入口，而不是能力评测。
来源：@rasbt
4. AI 芯片：算力已不是第一瓶颈
Gorden Sun 推荐一篇梳理各家 AI 芯片架构与历史的长文。他的摘要只有一层：大模型在狂做矩阵乘，算力增长快过内存搬运，数据搬移成了最大瓶颈；NVIDIA 被点名为第一种思路的代表。帖文在厂商名后被截断，没有转述其他厂家的具体方案，不能补。对要读芯片的人，这是一张「先看带宽再看 FLOPs」的地图。原文是否覆盖训练与推理、是否包含国产芯片，这条里看不到。
来源：@Gorden_Sun
5. Ponytail：压住 GPT-5.6 Sol 的过度设计
Bilal Bakr 称 GPT-5.6 Sol 是日常主力，但爱过度设计和写太多代码。修复三步：安装 DietrichGebert/ponytail skill、接到 Codex、再给 Sol 一段约束提示。帖文在提示词处被截断，不能复述完整指令。能确定的是：模型能力越强，越需要一条「少写」的 skill，而不是更多工具。这是个人配置，不是官方补丁。对把 Sol 当默认编码模型的人，这是一条可试的约束层。效果没有对照实验。
来源：@bil0090
6. 用数字逐步算完 Attention 的 QKV
Pallavi 转 Amit Shekhar 的教程：用逐步数字例子把 Scaled Dot-Product Attention 算完，覆盖从词到向量、构造 Q/K/V、QK^T、缩放、softmax，再到加权 V。公式是 Attention(Q,K,V)=softmax(QK^T/√d_k)V。文章日期写的是 2026 年 4 月 3 日，不是新研究，是把面试题写成可手算的过程。它解释的是机制，不是 KV cache 的系统层。对需要补基础的人有用；对已经在跑 serving 的人，价值低于 Avi 的缓存长文。
来源：Outcome School | Get a High-Paying Tech Job
Opinions/Thoughts
1. Tara Seshan：工作从划船变成掌舵
Lenny 这期是 OpenAI Codex 与 ChatGPT Work 产品负责人 Tara Seshan 的访谈节目单，不是逐字稿。公开要点：执行交给 agent 后，人类判断和野心成为差异化；OpenAI 按未来两三个月的模型能力做产品；内部梗包括 “Is this maximally accelerated?”。她认为公司的新瓶颈是野心，PM 的工作变成抬高别人的野心。文末写 My biggest takeaways 后即付费墙。不能把节目单当成她在录音里的原话。和 ChatGPT Work 拆解是同一产品线的两边：一边讲能力，一边讲组织。