@tradecatlabs 研究员 构建：tradecat、fatecat、Human Infra、vibe-coding-cn、vibe-mathing-cn、prompt_jsonl 目标是实现有效永生和记忆编辑 🤖
Joined June 2022
- Tweets8K
- Following3.9K
- Followers14.1K
- Likes29.6K
Pinned Tweet
工业时代，我们建设机器基础设施
互联网时代，我们建设信息基础设施
后 AI 时代真正缺的，可能是人类基础设施
因为算力、模型和工具都在升级，但人的运行系统仍然脆弱、混乱、不可维护
所以我提出了一个全新的研究对象：
Human Infra，人类基础设施
仓库：github.com/tradecatlabs/huma…
123olp retweeted
BREAKING PROOF!! Continuity we perceive in consciousness is an illusion! We flip between conscious and unconscious states every 60 milliseconds and we recognize backward speech when played every 20 milliseconds. Listen to this!
Speech can survive being flipped backward every twenty milliseconds.
The same speech in backward pieces of 200 then 100 then 50 then 20 milliseconds.
The original comes last.
When do the words become clear?
A listening demo from @OrukLabs.
问：Jev 到底有什么用？它的价值在哪里？
答：Jev 用小模型将文本转化为分类、评分等判断结果，供程序自动筛选、审核和分流；准确率达标时，可低成本替代大量重复的大模型调用。（如需要一定的语义理解能力，但最终只需要一个判断结果的任务）
问：为什么集中注册、独立封装、分类平铺能够降低系统复杂度？
答：将资源的名称与存储位置建立统一映射，使调用方无需依赖具体路径；各资源独立封装、按类别平铺，通过标准接口使用，从而在标识唯一、接口稳定的条件下降低耦合和管理成本。
123olp retweeted
最近关于多 agent 中对于博弈论的研究明显增多了，博弈论与机制设计是最核心的研究热点现在。
目前系统进入真实工业场景时的几个问题：
1. 多个子 Agent 并行运行，缺乏约束，自发海量重试、高频轮询和长上下文。
2. 委托-代理问题，当中心 agent 把任务交给子 agent 时，代理人拥有信息优势，存在偷懒或走捷径。。
3. 在自由讨论组中没有具体的责任归属，当最终交付失败时，系统无法确定是哪个 Agent 引入了初始幻觉。
某这方面是因为一个不确定的系统无法确保 1 0 0 %的准确度，因此只能转为数学的博弈论。
目前来看的话，多 Agent 系统的博弈论工具，主要集中在四个点上。
第一个就是典型代表就是我们前面的 MIT/哈佛团队的 MPT 论文。
系统不再由单一中心强行指派任务，而是构建一个微型内部市场。Agent 根据自身的计算资源、专业度和历史置信度进行出价，系统通过反向或清算机制决定谁来接单。这直接解决了长程异构任务中调度算法脆弱易错的问题。
第二个其实对应于另一篇 RCM 论文。研究的核心是如何设计一个通信协议，使得 Agent 做真的事情的收益永远大于虚标置信度的情况下。
引入明确的责任链，将外部监督转化为 Agent 在契约框架内的自我约束。
第三个是在事实核查、代码审计和法律金融推理中，研究者利用零和博弈或最小最大原理设计对抗网络。
两个 Agent 持相反立场，必须通过调用工具反驳对方。博弈论证明，只要奖励函数设计得当，系统唯一的纳什均衡点就是双方穷尽客观证据揭露事实真相，对冲单一模型的幻觉。
第四点应该是目前最广泛的一点
当大量 Agent 被部署到真实开放网络时，大部分研究正在使用囚徒困境、重复博弈模型，研究如何防止多个自主 Agent 之间自发形成伤害人类利益的恶意，或者因互不信任导致系统死锁。
目前来看路线是从文字上的拘束转变为数学机制上的严密。但是仍然无法确定这条路会是正确的，但是至少这条路在工业上是目前最可行的方式。
v1版本技术栈
游戏端：PZ 原生 Lua UI、原生输入事件、Texture显示。
桥接层：Node.js，通过文件IPC传输入、ACK、状态和画面序号。
终端层：ttyd＋ConPTY，运行 PowerShell，或进入 WSL／tmux；单持久PTY。
画面层：xterm.js → 专用Chrome（Playwright／CDP）→ 无损PNG双缓冲 → 游戏Texture。
验证层：Node测试、游戏JRE／Kahlua、自有Windows／浏览器集成测试。
本质上：游戏负责交互和显示，本机宿主负责真正运行终端。没有DLL／JAR注入，也不镜像Windows Terminal。
123olp retweeted
之前有人问我，符号主义为什么落寞了？
其实原因也很简单，它在规模化上一败涂地。
符号系统依赖人把知识写成规则，而这条路在现实世界的复杂性面前走不通。
专家系统需要工程师把专家经验逐条写成规则，成本高、难维护，规则一多还互相冲突。1980 年代，专家系统热潮后，Lisp 机市场崩溃，随之进入第二次 AI 寒冬。
而且，规则覆盖不到的情况一出现系统就失效。Cyc 项目从 1984 年起就尝试手工录入人类常识，几十年下来仍未达到目标。框架问题，即如何判断哪些事情不随行动改变，也一直没有好的解决办法。
就识别图像、听懂语音这类人觉得轻松的任务而言，恰恰最难写成规则。
Sutton 2019 年的《苦涩的教训》总结过：长期看，能利用算力的通用方法总会胜过人工注入的知识。
不过，这种落寞只是相对于 AI 研究的主流而言。
符号方法在编译器、数据库、SAT 求解器、规划系统和 Lean 这类形式化证明工具里依然是主力。只是，这些领域不再被叫作AI罢了。现在的大模型通过写代码、调用工具来借用符号系统的精确性，DeepMind 的 AlphaGeometry 和 AlphaProof 也是神经网络与符号推理结合的成果，都说明了符号主义变成了组件。
我的判断是，生成答案很难，验证答案却往往容易。代码可以跑测试，数学证明可以交给 Lean 检查。现在训练推理模型的一条主线，就是用这类可验证的结果当奖励信号。神经网络负责提出方案，符号系统负责判对错，这是两者最稳定的分工。
而符号从网络内部长出来，也不无可能。
可解释性研究发现，大模型内部确实形成了类似概念、变量和算法的结构，只是由学习得到，而非人工写入。如果这一方向成立，符号还是联结的对立本身就会被消解，符号会成为学习的产物。
最近几年，可靠性需求会持续倒逼，医疗、金融、法律、航空等领域需要可审计、可证明的行为。毕竟，AI 生成的代码越多，形式化验证就越有价值。
符号主义或许很难回到主角的位置，但有很大概率成为 AI 与真实世界之间的契约层，负责精确、可验证、可追责的部分。
123olp retweeted
Google Research 最新开源了 Harness²：递归式智能体 Harness 优化框架
Harness² 解决的两个开放世界难题
1. 测试时遇到的是没见过的任务，没有 ground-truth 验证器。在线改 harness 时你不知道答案对不对，无法用“分数涨了没有”来指导编辑。
2. 递归自我改进（RSI）通常是任务特化的，换个任务就失效，无法泛化积累。
开源地址：github.com/google-research/h…
# 核心机制：两层递归
第一层：任务级递归，Propose–Probe–Compose（对比式改进环）
· Propose（提案）：先跑一次当前 harness 的参考执行。注意，这次执行揭示的是“harness 如何表现”，而不是“交付物是否正确”。基于任务、参考轨迹和历史，提出两个候选 harness：一个针对跨领域通用的代理性缺陷（规划、工具使用、上下文管理、委派），一个针对当前领域的知识、流程和约束。每个候选都是可直接执行的文件级编辑。
· Probe（探针）：两个候选在同一任务、同等的模型和环境条件下执行，与参考执行对比得到行为对比；编辑是否缓解了目标缺陷、毫无变化、还是造成回归。论文明确说这些对比只“为后续组合提供信息，而非验证任务正确性”。
· Compose（组合）：读取参考执行、两个候选、它们的 diff 和全部执行证据，有选择地构建后继 harness：合并被证据支持的修改、修订冲突、采纳其一、或保持原样。每个决策必须绑定一个具体观察，而不是假想的分数增益。
这一步是整个工作的关键创新：在没有标准答案的情况下，用“同任务下的 A/B 行为对比”替代分数反馈来指导编辑，绕开了开放世界没有验证器的死结。
第二层：harnessing 级递归，持续改进的 improvement harness
每个任务结束后，框架对完整的改进记录做反思，把被采纳的 harness 和有证据支持的教训写入一个按领域组织的持久库。要点有三：
· 教训只有在执行对比支持时才保留——单次选出了好输出不等于可迁移；
· 库里存的是可执行的组件文件而非散文式摘要，配一份 EXPERIENCE.md 记录适用场景和证据；
· 下一个任务仍从公共基础 harness 出发（执行 harness 不继承），但 Propose/Probe/Compose 由更新后的库引导；即“改进 harness 本身”也在被改进，这就是标题里 Harness² 的双重含义。
两种扩展模式：parallel（同时探测 k 组候选，k 个独立组合会话）和 sequential（k 步链式精炼，逐步携带累积证据），两种模式从 k=1 到 5 均单调提升。
八个可编辑组件 - 按作用分组
· 上下文构建：系统提示词、护栏、记忆，每次调用都生效
· 工具接口：工具指引、Skills，Skills 按需加载不占成本
· 编排：subagents，唯一会增加推理上下文的组件
· 脚本：新确定性能力，执行而非推理
· 插件：TypeScript 中间件，“在工具环内强制一种行为，而非指令它”
主要结果（k=1 单步，编辑器为 Claude Opus 4.8）
WorkBuddy-Bench
· Gemini 3.5 Flash：+5.1 (OpenCode)
· GLM-5：+11.5 (OpenCode，64.2→75.7)
JobBench
· Gemini 3.5 Flash：+4.5 (OpenCode)
· GLM-5：+3.6 (OpenCode)
LAB 部分通过率
· Gemini 3.5 Flash：+4.0 (Codex)
· GLM-5：+11.8 (OpenCode，59.6→71.4)
更值得注意的发现：
· 越弱的执行模型获益越大，且 GLM-5 换上改进后的 harness 反超了 Gemini 的基础分数，“换 harness”在某些场景下顶得上“换模型”；
· 改进后的 harness 跨模型迁移（为 Gemini 精炼的 harness 给 GLM-5 在 Code 子集带来 +17.3），也胜过 Claude Code、Codex 的固定生产 harness 4.6–5.8 分；
· 执行器和编辑器用同一个模型也能涨（GLM-5 自编辑在 LAB 上 +13.7），说明不依赖更强的“老师”模型；
· 库的消融：去掉 library 在 WorkBuddy-Bench 上损失 3.1 分，验证了 harnessing 级递归的价值；库还能跨基准迁移（JobBench 的库迁移到 WorkBuddy-Bench 仍有 +0.6~+2.9）。
原来这个是朱迪亚·珀尔的结构因果模型，把原因和结果用箭头连接：凡是能够不经过其他已建模的因素、直接影响某个结果的因素，就叫这个结果的“直接父节点”。
例如，A 推倒 B，B 撞倒 C；要解释 C 为什么倒，先研究 B 是怎样让 C 倒下的，再根据需要追查 A。
核心方法是先锁定结果，找出所有直接作用于它的原因，再查明这些原因如何产生结果；注意，时间上紧挨着结果的事件，未必就是直接原因。
我刚刚顿悟了一个原子级别的思维工具
“近端因果机制/近端原因”
当一个结果发生时，我们先别一路追到最早、最远、最根本的原因，要先找“最后是谁直接把这个结果推出来的”。在一串因果链里，前面的原因可能很重要，但紧挨着结果、直接让结果发生的那一环。比如 A 影响 B，B 影响 C，一直到 F 影响 G，那么研究 G 为什么发生时，重点先看 F 是怎么直接造成 G 的；A 到 E 是背景、上游条件或中间传导环节。用生活例子说，最后一块多米诺骨牌倒了，我们当然可以追问第一块是谁推的，但这个概念会先问：倒数第二块有没有撞到最后一块、是怎么撞的。倒数第二块撞倒最后一块，就是“近端因果机制”；它解释的不是“最早的原因是什么”，而是“结果发生前，最后一个直接起作用的机制是什么”。
123olp retweeted
非常幸运我又重新看了大神的这篇文章，他在文章中提到的四个方面，速度、高度、深度、广度，让我对如何更好的使用 AI 这件事有了更加深刻的理解。
我想我会做出一些更加比以前了不起的事情！我还是不够具有野心。
人类，其实是一个自我预言的物种，他们更愿意相信和成为他们愿意成为的人！所以，有野心的人往往在自我预言这件事上做的更好！因为他们不会只满足在“那就这样吧”这种情形之下。
顺便再提一个我从这篇文章里学到一个相当有用的技能，如何让你从与多Agent对话的细节中解放出来！
就是停止告诉模型如何实现，而是给他高要求让他帮你实现。
Claude Cowork 创建者：别只拿 AI 省时间，释放你的野心！
这篇长文的作者 Felix Rieseberg 是 Anthropic 的工程负责人，Claude Cowork 就是他做出来的，Claude.ai 和 Claude Code 桌面版的工程他也带过。
他还是 Electron 的维护者之一，Claude、Cursor、Codex 这些桌面 App 都跑在这个框架上。再往前，他在 Slack、Stripe、Notion 带过团队。
他 10 月 13 日写了一篇《How to be more ambitious》，讲的是：大多数人用 AI 只求快，同一份活省点时间，结果并没有变大。
我把这篇拆成了 5 张动图：
1️⃣ 只追求 Speed vs 更有野心
2️⃣ Altitude 往上爬：先问「目标背后的目标是什么」
3️⃣ Depth 往下挖：用顶尖专家的工具和方法，挖到专家也能学到新东西
4️⃣ Range 拉开队伍：像劫案电影那样组一支多领域的 crew，让模型去「做」，而不是「扮演」
5️⃣ Self-efficacy：先相信这件事能做成
原文：felixrieseberg.com
