每个程序员都应该了解的内存知识（第一部分）
Ulrich Drepper撰写内存系列文章，讲解CPU缓存、RAM类型和NUMA架构的工作原理，帮助开发者优化程序性能。 文章从硬件结构讲起，说明内存控制器、CPU缓存和NUMA架构如何影响程序性能。程序员需要了解这些底层机制，才能写出高效的代码。
Anon84
关注
提交点赞
评论
点赞
收藏AI经济的崩塌：从补贴泡沫到监管重压
作者Ed Zitron深入剖析了当前AI行业的经济泡沫危机。文章指出，Anthropic和OpenAI此前通过补贴订阅掩盖了真实成本，近期转向按Token计费后，企业客户因高昂费用且无法证明ROI而纷纷抗议甚至削减预算。 同时，美国政府以国家安全为由限制Anthropic模型访问，加剧了行业动荡。作者认为，这种商业模式本身不可持续，加上巨头如微软试图构建去中心化的AI生态以削弱头部实验室的垄断，AI行业的“神话”正在破灭，泡沫即将破裂。
后训练推理数据入门：已知的工作原理与实践综述
这是首个系统梳理大模型后训练推理数据（post-training reasoning data）领域的综述论文，整合了150余篇关键研究与系统报告。文章围绕四个核心问题组织：存在哪些数据对象、什么让它们有效、如何构建、以及如何规模化扩展。 对于关注推理模型（如o1/o3类）训练实践的读者，这份综述提供了一张清晰的研究地图——既有数据类型的分类框架，也有方法论的归因分析，帮助AI研究员和工程师快速理解该领域的现状与脉络。 附有GitHub仓库持续更新相关文献。
编码化上下文：复杂代码库中AI代理的基础设施
该论文针对LLM代理缺乏持久记忆的问题，提出一套编码化上下文框架，用于大型多代理项目，包含热内存宪法、领域专家代理和知识库，并在10万行C#系统中验证其有效性。
构建高效的 AI 代理
Anthropic 团队总结构建高效 AI 代理的实践框架，主张用简单可组合模式替代复杂框架。文章详解了工作流与代理的架构差异，并系统剖析了六种生产级代理模式（如提示链、路由、并行化等），强调应从基础方案起步，仅在效果不足时引入多步代理系统，并重视工具设计和透明性。