Pepetanyahu

我有一个在大厂实习了三四段的朋友说： 他最喜欢跟大老板面试。 原因很简单：这种人长期带团队，且看过太多同领域的人，知道这个行业真正筛人的标准是什么，也更容易一眼看出你自己意识不到的短板。 所以一旦聊到后面，感觉入职概率不高，他就会直接问： “你觉得我为什么不适合这份工作，甚至不适合这个行业？” 很多老板这时候反而会认真跟你讲：你差在哪、哪些能力最值钱、下一步该补什么。 他说自己后来很多对行业的理解，都是这么一点点问出来的。 一场面试最值钱的，有时候不是 offer，而是让一个比你高几个视角的人，免费帮你做一次职业诊断。

上周去洗牙，牙医跟我说： 他最怕你干的事，可能不是不刷牙，而是一杯奶茶喝一下午。 一杯奶茶两小时喝完，牙齿会反复经历糖和酸带来的脱矿。刷牙当然有用，但抵消不了这种全天持续的攻击。 更麻烦的是，早期脱矿还有机会控制；一旦真正蛀出洞，牙体组织基本不会自己长回来。再拖下去，就是补牙、根管，甚至拔牙。 刷牙当然有用，但架不住你一天反复喂糖。 所以真想保护牙齿：甜饮尽量一次喝完，别慢慢嘬；含氟牙膏一天两次；发现龋齿早点补。

如何让GLM5.3 Kimi K3超越astra？已经有团队给出了答案。 就在昨天，UCSD 助理教授、Aether AI 创始人 Biwei Huang 团队发布了一个很有意思的项目：RSIAgent。 矛头直指现在 Agent 最常见的一条升级路线： 模型不够强？那就继续换更大的模型、堆更多参数。 RSIAgent 反过来问了一句： 能不能不训练模型，只让 Agent 自己积累“工作经验”？ 原理其实很简单。 假设第一次让 AI 去操作一个陌生软件，它大概率会到处碰壁。 RSIAgent 不急着让它干活，而是先让它“实习”： 自己找任务练习 → 实际操作 → 另一个 Ag…

在听说我对 Agent 产生兴趣后，朋友推给我好几篇论文，刷新了我的认识，比如这篇 TRACE。 我以前对 context compression 的理解很简单：上下文太长了，就总结一下，只要关键信息没丢就行。 这篇论文发现，事情没这么简单。 Agent 的历史记录不只是“发生过什么”，还在告诉它：哪些事已经做完了、现在进行到哪、什么时候该停。 一旦把一长串 action → observation 压成几段摘要，这种顺序感很容易被抹平。信息可能还在，但 Agent 已经没那么会“用”了。 表现出来就是一些很眼熟的问题：刚查过的东西又查一遍，已经调用过的工具重新调用，前面走通的路又回…

研究生复试前，我朋友跟我讲了个绝招： 上台演讲，别把自己当成“被审视的外人”。 你既然已经站上去了，这几分钟就该是你说，别人听。 面试也一样。 既然名单里有你的名字，面试官就得坐在那里听你讲。 别管对面是教授、HR 还是大厂面试官，这个场子本来就有你一个位置。 很多人的不自信，其实就来自一个潜意识： 总把自己当成误闯进来的外人。 进会议室先看别人脸色，上台先想着别出丑，面试先想着“我配不配”。 后来我才明白，真正的自信不是装出来的。 是默认： 我既然来了，就有资格站在这里。 自信的本质，就是别把自己当成外人。