恒星sun

拿最经典的《Attention Is All You Need》试了下 Apodex。 不是问它“Transformer 是什么”，而是直接把原始 PDF 扔进去让它干活： 读论文 → 找参数 → 写代码计算 → 对 65M 参数规模 → 复现位置编码 → 生成图表和报告。 跑到一半我还临时插话，让它再算 MHA / FFN 的参数占比。 重点来了：它没有从头再跑一遍。 原来的结果继续保留，任务看板里直接追加受影响的步骤，然后接着往下执行。 最后给了我 MD、DOCX、PDF、CSV 四份交付物。 这种体验和单纯的 Deep Research 还挺不一样——不是“给我一段回答”，而是真的把一个…

Tutti 冲到 https://t.co/oFUlHPVWfV 第一了，这个第一我是真觉得没毛病 😭🔥 用下来最大的感觉就是：这是少数我看到新任务时，会真的觉得 “这个我想做。” 活动质量不错，奖励也够有吸引力，整个体验还很顺。 @tutti_so 这波登顶实至名归 🥇

别急着给 CPU 堆更宽向量：注意力未必吃得下。 arxiv.org/abs/2608.18656 FlashAttention-V 重排分块循环，把多个 head 打包进同一 RVV/SVE 长向量。512-bit 下 prefill 提速22–42倍、decode 8–11倍；扩到4096-bit，prefill仍有2–2.5倍收益，decode却仅约1.2倍。工程边界很清楚：内存墙、单 token 延迟及 Q8_0 数据布局才是下一批瓶颈。

同意“现有AI基准大多测检索、找已知答案”这点，科学最难的问题确实是发现未知。TRACES测的是在没有答案钥匙的情况下，AI能不能靠证据推假设、得出可验证结论，这个方向比单纯刷榜有意义多了。

把整个后端塞进 Cloudflare Workers，存储层怎么拆？ github.com/shuaiplus/inkston… 它把 D1 当主库存笔记和索引，R2 放附件，KV 管 OAuth，Durable Object 各管一件事：实时同步和备份凭据加密。冷热数据按访问特性分开，离线写入靠 IndexedDB 队列加乐观并发兜底，绕开分布式锁。备份是带 SHA-256 校验的可读 Markdown ZIP，能直接迁移。还带私有 MCP 和 TOTP。