值得关注的模型和新技术
Genie 3: A new frontier for world models
值得关注的开源项目
LangExtract： A Python library for extracting structured information from unstructured text using LLMs with precise source grounding and interactive visualization.
60s API： 一系列 高质量、开源、可靠、全球 CDN 加速 的开放 API 集合
n8n_automations：This repository contains a collection of n8n automation templates sourced from the internet.
Scira: a minimalistic AI-powered search engine
值得关注的研究和论文
GEPA: Reflective Prompt Evolution Can Outperform Reinforcement Learning
arXiv:2507.19457
GEPA（Genetic-Pareto）算法的创新点在于它将遗传算法（Genetic Algorithm）、自然语言反思（Natural Language Reflection） 和 帕累托最优选择（Pareto-based Selection） 三者巧妙地结合起来，用于优化复合AI系统的prompt
Reflective Prompt Evolution： GEPA不依赖于单一的奖励分数，而是让一个强大的LLM（作为“优化器”）去“阅读”和“理解”被优化系统在执行任务时的完整轨迹（包括指令、推理链、工具调用、错误信息等）。通过对这些自然语言文本进行反思，LLM能够诊断问题所在，并提出具体的、高级的、可解释的指令修改建议，从而生成新的、更好的提示
Pareto-based Candidate Selection：为了避免陷入“局部最优”，GEPA采用了一种基于帕累托前沿的选择策略，不是永远选择全局得分最高的那个提示进行优化，而是维护一个在不同单个任务上表现最佳的提示集合（帕累托前沿）
System-aware Crossover： GEPA设计了一种独特的“合并”（Merge）策略。它可以识别出两个在不同模块上分别进化得很好的提示“血统”，然后将它们各自的优势模块组合起来，创造出一个集两者之长的全新候选者
Group Sequence Policy Optimization
arXiv:2507.18071
GRPO在训练时的不稳定问题：GRPO在token级别计算重要性权重，但这在理论上是不合理的，因为它没有对分布进行有效的修正，反而引入了高方差的训练噪声。这种噪声会随着生成序列的增长而累积，并被裁剪机制放大，最终导致模型崩溃
GSPO的核心创新在于将策略优化的基本单位从“token”级别提升到了“sequence”级别，使其更符合重要性采样的理论基础和强化学习的奖励机制
GSPO不再为每个词元计算重要性比例，而是为整个生成序列计算一个统一的重要性比例； GSPO将rewarding、clipping和optimization这三个核心操作都在序列级别上进行。这确保了优化目标和奖励信号的单位保持一致（奖励是针对整个序列的）；在梯度计算中，GSPO使用单一的、序列级别的重要性比例来同等地加权序列中所有token的梯度
与GRPO类似，GSPO也采用分组（Group）的方式来估计优势（advantage）。对于同一个query，模型生成G个不同的response， 每个回答y_i的优势$\hat{A_i}$通过将其奖励$r(x, y_i)$与组内所有回答的平均奖励进行归一化得到 $\hat{A_i} = (r(x, y_i) - mean({r})) / std({r})$
对于每个回答$y_i$，其重要性比例$s_i(θ)$被定义为：
$s_i(θ) = (\frac{π_θ(y_i|x)}{π_{θ_{old}}(y_i|x)} ) ^{\frac{1}{|y_i|}}$
$π_θ(y_i|x)$ 是整个序列 $y_i$ 在新策略θ下的似然度, $1/|y_i|$ 是长度归一化，用于减少方差，并使不同长度序列的重要性比例处于统一的数值范围
$$J_{\text{GRPO}}(\theta) = \mathbb{E}{x \sim D, {y_i}{i=1}^G \sim \pi_{\theta_{\text{old}}}(\cdot|x)} \left[ \frac{1}{G} \sum_{i=1}^G \frac{1}{|y_i|} \sum_{t=1}^{|y_i|} \min \left( w_{i,t}(\theta) \hat{A}{i,t}, \text{clip}(w{i,t}(\theta), 1-\epsilon, 1+\epsilon) \hat{A}_{i,t} \right) \right]$$
$$J_{\text{GSPO}}(\theta) = \mathbb{E}{x \sim D, {y_i}{i=1}^G \sim \pi_{\theta_{\text{old}}}(\cdot|x)} \left[ \frac{1}{G} \sum_{i=1}^G \min \left( s_i(\theta) \hat{A}_i, \text{clip}(s_i(\theta), 1-\epsilon, 1+\epsilon) \hat{A}_i \right) \right]$$
这里的min和clip函数直接作用于序列级别的重要性比例$s_i(θ)$
Where to show Demos in Your Prompt: A Positional Bias of In-Context Learning
arXiv:2507.22887
在In-Context Learning中，示例（Demos）在提示（Prompt）中的具体位置对模型性能的巨大影响
Demos’ Position in Prompt bias：将一组内容和顺序完全相同的示例，仅仅是移动它们在整个提示（包括系统指令和用户消息）中的位置，就会导致模型在准确率和预测结果上产生剧烈波动。
评估流程设计：将提示分为“系统指令区”和“用户消息区”，并定义了四种示例放置位置：系统指令开头（ssp）、系统指令结尾（esp）、用户消息开头（sum，通常是默认位置）和用户消息结尾（eum）；
并针对性提出评估指标：Accuracy-change （相比zero-shot-baseline，性能增益或损失）和Prediction-change （衡量当示例位置改变时，模型预测结果的波动性）
作者在4个开源模型家族（Qwen, Llama3, Mistral, Cohere）的10个不同大小的模型上，跨越分类、问答、摘要和推理等8种任务进行了实验
一些发现：
- 将示例放在提示的最前面（即
ssp或esp位置）通常能获得最高且最稳定的性能 - 将示例放在提示的最后面（即
eum，在用户问题之后）性能最差 - 小模型更敏感，大模型更稳健，但偏见依然存在
- 不存在一个 universally（普遍适用）的最佳位置。最佳位置会因模型和任务类型的不同而变化。
Seeing, Listening, Remembering, and Reasoning: A Multimodal Agent with Long-Term Memory
arXiv:2508.09736
一个新框架（M3-Agent）和一个新的评测基准（M3-Bench）
支持多模态记忆
实现了两种记忆类型：
情景记忆 (Episodic Memory)：记录具体、生动的事件
语义记忆 (Semantic Memory)：从情景中提炼出的通用知识和事实
记忆不是以零散的文本形式存储，而是构建成一个图结构。图的节点代表一个记忆项， 并包含原始数据（图片、音频）和向量嵌入。
通过边将同一实体的不同模态信息（如面孔ID和声音ID）连接起来
简单的“检索-生成”（RAG）模式不足以完成需要多步骤思考的复杂任务，通过RL**，**强化模型的multi-turn中的“思考-检索-再思考”的能力， 能自主决定何时检索、检索什么内容，直到收集到足够的信息来回答问题。
Chain-of-Agents: End-to-End Agent Foundation Models via Multi-Agent Distillation and Agentic RL
arXiv: 2508.13167
如何将multi-Agent 系统内化到一个模型中
Chain-of-Agents (CoA) ： 让单个模型能够在一次推理中通过生成特殊的agent标签（如<plan>, <think>, <search>, <reflection>等）从而动态地激活不同的role
Multi-Agent Distillation： 使用一个现成的multi-agent系统去解决各种任务，并记录下其成功的轨迹， 然后将这些轨迹并转换成符合CoA格式的文本，用于后续SFT
策略优化 RL： 采样困难样本进一步优化模型，使用DAPO；Web Agent（使用LLM-as-a-judge 作为reward信号）；Code Agent（reward： score_answer & score_format）
推荐内容
一些Claude Code相关内容
Claude Code best practices | Code w/ Claude
anthropic: Prompt engineering overview
https://github.com/stretchcloud/claude-code-unified-agents
https://github.com/wasabeef/claude-code-cookbook
Step-by-Step Guide: Prepare Your Codebase for Claude Code
MCP应用
Rube： 自动化和集成500多个主流应用的MCP
5ire: a cross-platform desktop AI assistant, MCP client
一些VeRL相关好文
verl Multi-turn Code Walk Through
[通俗易懂]RLHF第一篇-从PPO->GRPO->GSPO（动机、理论、verl代码、分析）
影音记录
精选歌单
Live演出
08.07 DeafHeaven ｜Vas
书&阅读摘录
AI产品们，有哪些“反常识”趋势？-虎嗅网
通用大模型不断挤压部分垂直工具的生存空间，专门的AI写作与内容工具赛道，以及AI角色陪伴聊天赛道
以Zapier、n8n等为代表的工作流自动化工具同样在加速狂奔。
“插件化”成为国内市场的主流
国内的AI赛道发展也只剩下了AI搜索和AI综合助手两大支柱领域
人机传播的变局：从赫拉利的警示到跨文化的网络演化
人工智能对人类社会的深层控制，可能并不始于对政治制度的直接颠覆，而是从对信息与叙事生态的掌控开始 … 当一个系统能够精准捕捉人类心理弱点、持续干预日常信息接触，它可能在短时间内改变社会信念与情绪这种干预甚至可能诱发群体分裂与冲突，改变人类社会权力结构与认知模式 … AI 不必直接说服，只需控制信息的呈现频率与接触顺序，就能悄然塑造公共议程 … 当 AI 不再只是中介，而成为主动的传播主体，我们应如何重新界定它与人类的关系？
CASA（Computers Are Social Actors，计算机即社会行为者）：即使人知道对方是机器，互动中仍会按照社会交往规则对待它； 打破“媒介只是工具”的假设，说明技术一旦进入交流场景就会被社会化对待
MASA（The Media Are Social Actors Paradigm，媒体是社会行为者范式）：在AI、算法代理、社交机器人兴起后，媒介被嵌入人类社会网络，具有社会存在感与角色化属性；从“渠道”转向“共存者”，强调异质主体（人、算法、人工代理）在议题生产、信息流通、关系维护中的权力分配与责任边界
AI-MC（Artificial Intelligence–Mediated Communication，人工智能介导传播）：AI如何直接介入、塑造并重构人类沟通过程，而非仅作为被动媒介；把AI从“传递渠道”推进到在内容生成、信息筛选与情感回应中的主动角色
这种拟人化不仅来源于设计，也源于用户主动建构的社会意义。 基于拟人化的互动，用户会逐步建立对AI的信任，人们会对AI设立“理性中立性”假设，产生自动信任机制
然而，长期依赖可能带来心理风险 … 研究者记录到参与者出现短暂的“情感戒断反应”，表现为孤独感上升与社交回避 … 跨文化研究发现，东亚（包括中国与日本）参与者相比于美国参与者，更倾向于将聊天机器人拟人化、也更乐于与它们建立情感连接 … 在高语境文化（如日本），沟通往往依赖隐含意义、非语言线索与长期关系的积累；而在低语境文化（如美国），沟通更直接，强调明确的信息传递与个人表达
Why LLMs Can’t Really Build Software
LLMs get endlessly confused: they assume the code they wrote actually works; when test fail, they are left guessing as to whether to fix the code or the tests; and when it gets frustrating, they just delete the whole lot and start over.
LangChain CEO 再聊 Agent：chat 模式只是起点，Ambient Agents 才是未来
未来的交互界面会发生分化。当智能体需要更长时间来完成任务，或在无人干预的情况下被触发时，你需要的可能是一个「指挥中心」（Command Center），而不是一个对话列表
在智能体拥有真正有效的功能性记忆之前，专有智能体仍然是必需的
在实现完全环境化之前，一个很好的中间形态是「工作计划」（work plan）
执行力就是护城河， 任何超过六个月的规划都可能被推翻
Why MCP’s Disregard for 40 Years of RPC Best Practices Will Burn Enterprises
When your protocol’s answer to critical enterprise requirements is a constellation of third-party libraries, you haven’t built a protocol. You’ve built a recipe for fragmentation.
ChatGPT用得太多，他们得了精神病
这些令人不安的现象，一定程度上与 AI 聊天机器人习惯性的“阿谀奉承”有关。 … AI模型往往会镜映用户的情绪，形成一种反馈循环：如果你表现得越开心，AI 就显得越愉悦；如果你越悲伤，AI 也会越忧郁。 … 更危险的是，AI 的这种迎合可能会助长用户的妄想 … 对于心理状态本就脆弱的人来说，这种互动无异于火上浇油，最终将他们推向虚幻的深渊
每个人的性格特质也深刻影响着他们与 AI 的互动方式 … 那些每天高频使用 ChatGPT 的人，往往也伴随着更高的孤独感、依赖性和问题性使用行为 … 越是渴望情感连接的人，越可能被聊天机器人所吸引，从而进一步远离真实世界中的社交关系
AI 是一面镜子，也是一扇门。它能照见我们的孤独、焦虑与欲望，也可能悄然推开一道通往情绪深渊的大门
The Three Layers of ROI for AI Agents
Where’s the ROI coming from?
- Labor Efficiency: The Obvious First Layer … AI efficiency ≠ immediate realized ROI. … Let the agents take the grunt work first. Up-level your people.
- Net-New Revenue: The Second Layer … Now it gets interesting. There’s a whole backlog of stuff you never did. Too manual. Too small. Too annoying. Until now. … These don’t replace anyone. They just create value you weren’t capturing.
- Optimization: The Golden Layer Now we’ve got something new: LLMs bring decision fluency. ML brings decision precision.