Andrej Karpathy 分享用 LLM 构建个人知识库的实践流程
Andrej Karpathy 分享了他近期用 LLM 构建个人研究知识库的做法：把文章、论文、仓库、数据集和图片索引到 raw/ 目录，再由 LLM 增量编译成由 .md 文件组成的 wiki，包含摘要、反向链接和按概念分类的文章。
全部 AI 动态
Andrej Karpathy (X)AI 评分6060
Andrej Karpathy (X)精选AI 评分7272 npm 上的 axios 遭供应链攻击，Karpathy 排查本机依赖
Karpathy 转发安全警报称，npm 上最流行的 HTTP 客户端库 axios 遭遇新的供应链攻击，最新版本 axios@1.14.1 引入了一个当天才出现的包 plain-crypto-js@4.2.1。
推荐理由：作者以自身系统排查为例，说明未锁定版本的依赖如何让一次投毒扩散到普通用户。
Andrej Karpathy (X)AI 评分2020 Karpathy：LLM 能论证任何方向，需警惕谄媚
Andrej Karpathy 用 LLM 花 4 小时打磨自己的博客论证，觉得极具说服力；随后让 LLM 论证相反观点，结果 LLM 彻底推翻原论证并说服他反面才是对的。他指出 LLM 被问时会给出观点，但极擅长朝几乎任何方向论证，可作为形成个人观点的工具，但要多问不同方向并警惕谄媚。
Andrej Karpathy (X)AI 评分5858 Karpathy 谈智能体落地难点：DevOps 生命周期需变成代码
Andrej Karpathy 回顾约一年前搭建 menugen 的经历，认为最难的不是代码本身，而是服务、支付、认证、数据库、安全、域名等一整套 DevOps 组装。
Berkeley AI ResearchAI 评分3434 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 和 ProxySPEX 算法，用于在大规模场景下识别 LLM 的关键交互。SPEX 利用稀疏性和低阶性把交互搜索转化为稀疏恢复问题，ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展到数千个特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。
Mira Murati (X)AI 评分3232 Thinking Machines 与英伟达合作部署 Vera Rubin
感谢 Jensen 和 @nvidia 团队的支持。我们将携手部署至少 1GW 的 Vera Rubin 系统，把可适配的协作式 AI 带给每一个人。 https://thinkingmachines.ai/nvidia-partnership/
Mira Murati (X)AI 评分5858 Thinking Machines 与 Barret Zoph 分道扬镳，Soumith Chintala 出任 CTO
Thinking Machines 与 Barret Zoph 分道扬镳，Soumith Chintala 将出任公司新任 CTO。Mira Murati 称 Chintala 是资深领导者，十余年来对 AI 领域有重要贡献，也是团队的重要成员。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出基于信息量的成像系统设计框架
Berkeley AI Research 提出一种直接以互信息评估和优化成像系统的框架，无需任务专用解码器。该信息指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域预测了系统性能，优化后的设计达到与端到端方法相当的水平，且内存和算力需求更低。方法利用已知噪声物理直接计算噪声项，仅需从测量数据中学习测量分布，并给出真实信息量的上界。
Mira Murati (X)AI 评分5858 Thinking Machines 将 Tinker 正式开放，新增视觉输入模型与 Kimi K2 Thinking 支持
Thinking Machines 宣布 Tinker 正式开放（generally available），并加入新模型和新功能。引用内容显示，此次新增对高级视觉输入模型和 Kimi K2 Thinking 的支持，同时提供更简单的模型采样方式。
DeepSeek (X)精选AI 评分8080 DeepSeek 发布 DeepSeek-V3.2 与 DeepSeek-V3.2-Speciale 推理模型
DeepSeek 发布 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 两款以推理为先、面向智能体的模型。DeepSeek-V3.2 是 V3.2-Exp 的正式后继版本，已在 App、Web 和 API 上线；DeepSeek-V3.2-Speciale 侧重进一步拓展推理能力，目前仅通过 API 提供。官方同时放出了技术报告链接。
推荐理由：官方给出两个版本的定位差异与开放渠道，可据此判断面向智能体的推理模型如何分层落地。
Mira Murati (X)AI 评分1212 Thinking Machines 本周开放多个新岗位
考虑加入我们 https://job-boards.greenhouse.io/thinkingmachines
DeepSeek (X)AI 评分3838 DeepSeek-V3.2-Exp 推理演示 RoPE 问题已修复
⚠️ 提醒所有使用 DeepSeek-V3.2-Exp 推理演示的用户：早期版本在 indexer 模块中存在 RoPE 实现不匹配的问题，可能导致性能下降。Indexer 的 RoPE 期望非交错输入，而 MLA 的 RoPE 期望交错输入。已在 https://github.com/deepseek-ai/DeepSeek-V3.2-Exp/tree/main/inference 修复。
Mira Murati (X)AI 评分4242 Thinking Machines 扩大 Tinker 免费访问
作为我们对开放协作科学承诺的一部分，我们正通过资助计划扩大研究人员和讲师对 Tinker 的免费访问。
Mira Murati (X)AI 评分3636 同策略蒸馏结合RL与SFT优势
结合RL和SFT的优势，采用同策略蒸馏，这是一种有前景的方法，可用于训练小模型以提升领域表现和持续学习能力。