所有文章

World Model RL 的核心不是盲信代理評分，而是保留真實執行當 anchor。本文以 20 個候選程式 toy 拆解校準、逆變異數融合與 reward hacking，並核對論文 GPU-hours、90:10 說法和公開程式的證據落差。

不用買機械臂，從 GUMI synthetic scene 開始，完成 semantic action 示教、VLM dry run、10 次驗收與安全邊界。

官方 Quickstart 仍寫約 372GB，但目前推薦 revision 實際合計 429.276GB。這篇用六關驗收來源、環境、RAM／VRAM、expert I/O、冷暖延遲與品質，判斷 Colibrì 744B 是能執行，還是值得使用。

多 Agent 失敗別一次重寫所有 Prompt。用三角色可執行簡化版，學會逐一介入、文字梯度聚類，以及 held-out 候選驗收。

用 OpenResearch 把同一研究問題拆成 Claude Code、Codex、OpenCode 三路，在隔離 worktree 保存 commit、log、artifact，並以停止條件與證據門完成可驗收比較。

兩台電腦如何合跑一個模型？從 DRIFT-LLM 層切分、KV cache 與 Tailscale 私網，到 OpenAI-compatible API、量測、故障注入及 CommunityAI 公網風險，完整建立可回滾的驗收流程。

AI 模型突然變笨，原因不一定在模型。用固定 10 題、三次重跑與盲評，分清品質回歸、服務塞車、路由、effort、快取與配額變化。

四位 AI 領袖在不到九小時內接連表態，但只有 Anthropic 與 OpenAI 作出公司承諾。逐句比對 AI 減速、外部評估存取與尚未落地的治理缺口。

DeepSeek V4.1 Flash 上線兩天便在 OpenRouter 週榜排第 7、累計 3.64 兆 token，官方卻在生效前撤回 V4 Pro 強制切換。本文核對流量組成、獨立 benchmark 與 API 路由，拆解模型 ID...