‹ 11-11 已是最新 下载 EPUB

HN 日报 · 2026-11-12

今日怎么读：先看速览 → 深读必读 → 需要时展开扫读

Layer 1

今日速览

必读

8 则 · 热度 × 产品相关
1

48 个 AI agent 三天在激光雷达数据里「发现」一处玛雅遗址

作者不是考古学家，靠 agent 看 NASA 激光雷达图找到疑似遗址，墨西哥官方登记里没有；事后发现 2025 年论文已记录过。

🔥 918 | 💬 335 🔗 文章 💬 讨论
agent 能把一个外行的念头在三天内变成一份像样的发现报告，但「查重」这一步还是漏了。

事实

  • 作者在秘鲁旅行时起意，问了 Gemini、ChatGPT、Claude、Grok，都建议用激光雷达（能透过树冠测地面高度）。
  • agent 把约 1200 平方公里的激光雷达数据转成图片，48 个 agent 按一份详细指南逐张看，找金字塔、平台和广场；没用专门模型，就是「看图」。
  • 疑似遗址在悬崖边，有平整广场、8–12 米高的椭圆金字塔和可能的蓄水池；agent 还写了西班牙语报告发给墨西哥 INAH，对方回复登记里没有。
  • 11 月 11 日更新：该遗址已出现在 Estrada-Belli 等人 2025 年的论文里，agent 查文献时漏掉了，所以是「重新发现」。

解读

  • 产品启示：多 agent 并行 + 一份清晰的操作指南，就能做以前要专家团队做的筛查。关键资产是那份指南。
  • 弱点也很典型：生成和筛查做得好，「查是否已有人做过」做得差。做研究类 agent，检索和查重要单独设关卡。
  • 这个故事传播得好，是因为有时间线和「72 小时」这个具体数字。讲产品案例也可以这样写。

讨论

  • 正方有人说，自己做的英国在线激光雷达地图已经帮人找到几十处未知遗址，这类工具确实能放大业余爱好者。
  • 反方有人说会等专业考古学家确认，因为 agent 常编出听起来很惊人的东西；也有人第一时间贴出该遗址早已被发现的证据。
  • 共识有人提醒，真正的瓶颈是人：找到遗址容易，派人实地发掘和保护很难。
2

AWS 发布官方本地模拟器，不用账号就能测 AWS 代码

在本机、开发服务器或 CI 里模拟 AWS API，免费，用 Rust 写成，还附带给编程 agent 用的安装 skill。

🔥 646 | 💬 211 🔗 文章 💬 讨论
agent 写代码需要一个随便折腾也不花钱、不出事的沙盒，AWS 自己把它做了。

事实

  • 请求发给模拟器而不是 AWS，不需要 AWS 账号，没有额外费用；有服务器模式和嵌入式模式（Rust 测试里每个测试一个隔离实例）。
  • 每个版本发布各服务与真 AWS 的「保真度分数」；不支持的行为记录在仓库 issues 目录里。
  • 官方明确说不要用它测 IAM 权限、资源策略、KMS 密钥策略等安全相关内容。
  • 快速开始的第一种方式就是给 AI 编程 agent 装 aws-emulator skill。

解读

  • 以前这块是 LocalStack 等第三方的生意，现在平台方亲自下场。给 agent 用的工具正在变成平台标配。
  • 「保真度分数」是个好做法：直接告诉用户模拟器有多像真的，比宣传「完全兼容」可信。
  • 对团队：测试可以跑得更快更便宜，但权限和安全仍要在真环境验证。

讨论

  • 正方一位亚马逊员工说，agent 开发的核心就是把系统尽量封闭、把外部依赖模拟掉，这个工具价值很大。
  • 反方有人怀疑它是练手项目还是会长期维护的产品，宁愿继续用 Floci、Testcontainers 等现有方案。
  • 共识有人认为没有 AI 和 agent，AWS 不会愿意为这么多服务做模拟器，人工成本太高。
3

联合航空禁止 AI agent 替旅客订机票

理由是安全风险和可能违反联邦规定；分析师认为真实原因是不想再多一个中间商，也不想为海量机器人搜索买单。

🔥 325 | 💬 305 🔗 文章 💬 讨论
agent 想替用户办事，第一道墙不是技术，是商家愿不愿意。

事实

  • 联合航空称，把账户凭证交给第三方 AI 助手可能泄露敏感信息，导致误购、账户被改或里程被用。
  • 公司还说用 agent 值机可能违反联邦规定，比如旅客需亲自确认行李无违禁品；将在自家平台以及旅行社、比价网站渠道限制未授权的个人 agent。
  • 分析师 Henry Harteveldt：联合航空不想在谷歌、比价网站、OTA 之外再多一个更强的中间商；航班搜索本身也花钱。
  • 西南航空走另一条路，开放了部分航班库存的可见性。

解读

  • 对做 agent 产品的人：依赖「替用户登录网页操作」的方案，随时可能被商家封掉。要么谈合作拿官方接口，要么做商家欢迎的事。
  • 商家拒绝的核心是失去和用户的直接关系（加购、会员、定价）。agent 越强，这个冲突越大。
  • 安全理由不全是借口：把密码和支付信息交给第三方 agent，出了错谁负责，目前没人说得清。

讨论

  • 正方有人说航空公司用各种手段抬价（隐藏费用、看过就涨价），因为讨厌 AI 就替航空公司说话是糊涂。
  • 反方有人说订机票本来就两分钟能搞定，一直被当作 agent 的标准案例很奇怪；也有人认为航空公司是想防止少数人借工具占便宜。
  • 共识不少人认为封不住：用户完全可以让浏览器里的 agent 像人一样操作，商家很难分辨。
4

《华尔街日报》：英伟达董事会准备撤换黄仁勋

报道称起因是两段婚外情，其中一人疑似中国间谍、另一人是员工；董事会最快周三开会决定。

🔥 388 | 💬 587 🔗 文章 💬 讨论
全球最值钱的公司之一可能突然换帅，AI 算力行业的关键人物风险被摆上桌面。

事实

  • 《华尔街日报》独家：董事会准备撤换黄仁勋，此前公司调查了他的婚外情，其中一人被指为中国间谍。
  • 报道称董事会最快周三（美国时间）开会讨论他的去留。
  • 同日《纽约时报》报道他与一名直接下属高管有私人关系（另一条 HN 帖，142 条评论）。

解读

  • 「关键人物风险」：公司价值高度绑在一个人身上，此人一走，战略和执行都可能变。
  • 对产品团队：英伟达的路线（CUDA 生态、供货优先级）若换人后调整，下游算力价格和供应可能受影响，值得盯着。
  • 以上都是报道，截至抓取时还没有董事会正式决定。

讨论

  • 正方有人认为英伟达能从显卡公司变成 AI 基础设施，主要靠黄仁勋的远见，他很难替代。
  • 反方有人说他是否真的不可替代并不清楚，英伟达的崛起也有时代和运气成分。
  • 共识有人注意到黄仁勋这些年很少像同行那样收紧对公司的控制，董事会结构也比较特别，这才让撤换成为可能。
5

Google 推出 Gemini Decisions API：专做选择题的快速模型

一次请求可问最多 1000 个是/否、单选或打分问题，不生成文字，直接返回概率，端到端 150–250 毫秒。

🔥 245 | 💬 78 🔗 文章 💬 讨论
agent 里大量步骤其实是「选哪个」，不需要写作文，单独做一个便宜又快的判断模型很合理。

事实

  • 由新模型 Gemini Decision 1 驱动，支持文字、图片、音频、视频、PDF，输入最长 256K 词元。
  • 价格为每百万输入词元 0.10 美元，不收输出费；官方称在共享基准上比用 Gemini 3.5 Flash-Lite 便宜近 5 倍。
  • 用途举例：工具选择、内容审核规则检查、模型路由、给上下文打分；官方称校准误差最低（即给出的置信度更可信）。

解读

  • 「校准」指模型说 80% 把握时，真的约 80% 是对的。做自动化决策时，这比单纯准确率更重要，因为你要靠它决定何时交给人。
  • 对产品：路由、审核、质检这类高频小判断可以从大模型里拆出来，延迟和成本都降一截。
  • 这是一个新品类（评论里称「决策模型」），说明 agent 的组件正在细分。

讨论

  • 正方有人算过账：10 万词元上下文再问几百个小问题，花费只和一次谷歌搜索 API 调用差不多，AI 已经便宜到离谱。
  • 反方有人说它比同类决策模型贵一些，优势主要在能直接处理音频和视频。
  • 共识也有人问到底谁在用决策模型、怎么用，说明这个品类还很新。
6

Launch HN：Pomerado 把任何网站变成 agent 能调用的 MCP 接口

YC 公司：agent 先在浏览器里把任务做一遍，再固化成稳定的接口，之后调用 5–30 秒返回，网站改版时自动修复。

🔥 47 | 💬 36 💬 讨论
网站没有 API，agent 就只能「像人一样点网页」；这家想把一次性的点击变成可复用的接口。

事实

  • 创始人来自麦肯锡和 Scale AI，说在医疗、电信等行业部署 agent 时，最大瓶颈是对接老旧网站。
  • 流程：用户用自然语言描述任务、回答几个问题，不到一小时拿到 MCP；需要登录时 agent 会通过 MCP 问用户。
  • 他们说航空、银行、保险、政府网站都缺 API，而且很多公司出于安全合规禁止 computer use（让 AI 直接操作电脑界面）。
  • 可以为不属于自己的网站生成 API。

解读

  • MCP 是给 agent 接工具的通用协议。把「探索一次、之后走固定路径」做成产品，是在降低 agent 的成本和失败率。
  • 和同日联合航空的新闻对照着看：网站方可能不欢迎。这类产品的长期风险在于对方封禁和法律边界。
  • 「自愈」能做到什么程度，是这类产品的真正壁垒。

讨论

  • 反方有人直接问：你们尊重不想被额外访问的网站吗？网站怎么退出？
  • 正方有人在做类似的事，认为把 HTTP 调用表达成 MCP 工具的方向是对的。
  • 共识有人提醒要区分「请求成功」和「任务真的完成」：返回 200 不代表有进展，agent 可能反复做无用调用。
7

Atuin Threads：所有编程 agent 会话跨机器同步、可搜索、可换工具续接

在 Claude Code 里开始的任务，可以到另一台机器的 Codex 里接着做；会话端到端加密同步。

🔥 189 | 💬 69 🔗 文章 💬 讨论
agent 会话记录了「为什么这么做」，比代码和命令历史更值钱，但目前散落各处没人用。

事实

  • Atuin 原本是同步 shell 命令历史的工具；从 18.24 版起支持搜索、续接、分叉 agent 会话，目前支持 Claude Code、Codex、Pi、OpenCode 等。
  • 作者说现在自己机器上一半以上的命令不是自己写的，而是 agent 写的。
  • 提供 MCP，让 agent 自己搜过去的会话；可以用官方同步服务器、自建或只存本地。

解读

  • 产品点：agent 的工作记录是一种新数据资产。谁把它组织好，谁就拥有用户的「工作记忆」。
  • 作者举例：让 agent 改新手引导时，它能找到以前所有没上线的尝试和放弃原因。这对产品迭代很有用。
  • 跨工具续接意味着用户不再被单一 agent 锁定。

讨论

  • 正方有人迫切想在本地和云端 Claude Code 会话之间同步。
  • 反方有人说这是「每个人都自己做过一版」的问题；也有人不确定 Claude 的哪些状态能安全同步，自己用 syncthing 同步时常出问题。
  • 共识有人认为不必同步完整会话（太嘈杂），只保留提炼过的结论也行。
8

Show HN：Yogurt，免费开源、数据不出本机的 Granola 替代品

会议转写、总结、问答全在本地模型上跑，不加入会议，带本地 MCP 服务器，支持 Mac/Windows/Linux。

🔥 164 | 💬 73 🔗 文章 💬 讨论
总结会议纪要不需要最强的模型，本地小模型已经够用，这让「免费 + 隐私」成为卖点。

事实

  • MIT 许可，Electron 桌面应用；转写用 whisper.cpp 或苹果设备端 SpeechAnalyzer，总结用 llama.cpp 跑本地开源模型，按硬件自动选模型。
  • 像 Granola 一样后台运行、不加入通话；需要时可通过本地 MCP 把笔记交给前沿模型。
  • 作者说现有开源工具缺日历集成、MCP，或要注册账号，体验不够精致，所以花大量时间打磨交互和动画。

解读

  • 对 AI 应用：当本地模型够用时，云端中间商的价值会被挤压。付费产品要证明自己比「免费 + 本地」多了什么。
  • 打磨体验是开源工具的突破口：功能大家都有，好用的少。
  • 合规是真实需求：评论里有人因为所在州要求双方同意录音，一直不敢用云端转写。

讨论

  • 正方有人说这是第一个让他放心的实现，既保护隐私也减少法律风险。
  • 反方有人指出 OpenWhispr、Muesli、OpenOats 等已经在做同样的事，有的支持更多模型。
  • 共识也有人讨论 Yogurt 这种通用名字在搜索和域名上不利。

扫读

9
93% 的油漆泼溅图都是合法的 Perl 程序（2019）

一篇愚人节学术恶搞论文：把泼溅图做文字识别，结果大多能被 Perl 解释器接受。

🔥 98 | 💬 19 🔗 文章 💬 讨论

Perl 语法宽松到几乎什么都能跑。

事实

  • 来自 SIGBOVIK，一个专发搞笑论文的会议。
  • 这篇在 HN 已火过多次。

解读

  • 对语言和格式设计：「什么都接受」看似友好，其实让错误很难被发现。

讨论

  • 共识有人提议反过来，看多少名画能当 Perl 执行；有人补充 Java properties 文件也几乎不可能无效。
10
Python 之禅作者 Tim Peters 去世

Guido van Rossum 宣布他已于今年 7 月 15 日离世；他还发明了被 Java 和 Android 采用的 Timsort 排序算法。

🔥 828 | 💬 92 🔗 文章 💬 讨论

一个人靠耐心、细致的回答，定下了一个社区的风格。

事实

  • 他说服 Guido 让 Python 支持整数和浮点数混合运算；在邮件列表上因大量耐心回答被称为「Timbot」。
  • 写了 PEP 20《Python 之禅》；2002 年设计 Timsort。

解读

  • Guido 说他从不直接否定别人，而是详细解释为什么行或不行。这是社区文化的来源。

讨论

  • 共识评论多是怀念：有人贴出 import this；有人提到他和 Gary Robinson 把 pg 的《A Plan for Spam》做成了 SpamBayes。
11
GitHub Actions 支持锁文件，像锁依赖一样锁住工作流

以前的建议是把 action 钉到完整 commit 哈希；现在用 gh actions-lock 生成锁文件，写法回到版本标签。

🔥 101 | 💬 19 🔗 文章 💬 讨论

供应链攻击防护变成一条命令，该开就开。

事实

  • 标签可以被改指向恶意代码，所以以前要写一长串哈希；新的锁文件放在 .github/workflows/actions.lock。
  • 作者介绍了配合 Renovate、Dependabot 和安全检查工具 zizmor 的用法。

解读

  • 「供应链攻击」指攻击你依赖的第三方组件，而不是直接攻击你。CI 是常见入口。

讨论

  • 共识zizmor 维护者说建议很好，但当前锁文件只锁普通 action 调用，还有覆盖不到的情况。
  • 反方有人说最好干脆少用 GitHub Actions，历史上问题太多；也有人提醒顺手修好超时、默认权限过宽等问题。
12
一次误报的烟雾警报，差点淹掉 Jane Street 唯一的纽约数据中心

施工粉尘触发烟雾报警，系统按设计关掉空调，机房升温会触发喷淋；团队只能抢在喷水前拔掉所有电源。

🔥 401 | 💬 198 🔗 文章 💬 讨论

每个安全设计单独看都合理，连在一起就可能变成陷阱。

事实

  • 喷淋头靠温度触发：烟雾报警先给管道充水，温度够高才喷；同时烟雾报警会关掉机房空调以免助燃。
  • 机房散热需求大，空调一停温度飞升，于是「假火警」会变成真喷水。
  • 作者是当时的系统团队成员，住得离公司步行 9 分钟，被叫去处理。

解读

  • 产品启示：要检查系统之间的联动，而不只是单个组件。故障常出在几个「各自正确」的规则叠加处。

讨论

  • 正方做数据中心设计的人说，他们的操作规程明确规定烟雾报警时不关空调，相关规范允许这样做。
  • 反方有人奇怪机房为什么没有一键断电的紧急按钮，这通常是规范要求。
13
长文：AI 时代的 Emacs

一位 Emacs 用户用 Claude Code 一年后反思：AI 让「想要什么就有什么」成真，但没人知道它是怎么工作的。

🔥 137 | 💬 49 🔗 文章 💬 讨论

软件自由的定义被 AI 改写了：从能看懂代码，变成能让电脑做任何你想到的事。

事实

  • 作者 2025 年 9 月开始用 Claude Code，说它现在比当时强一个数量级。
  • 文中回应了部分人要做一个不接受 LLM 生成贡献的 Emacs 版本的主张。

解读

  • 对工具产品：当用户自己能让 AI 定制功能，「功能多」不再是护城河，可扩展性和可理解性更重要。

讨论

  • 正方有人说三个月没打开过 VS Code，编辑器本身都不需要了。
  • 反方有人说如果一个周末加 100 美元就能做出来却没人做，说明没人真想要。
  • 共识有人主张要靠清晰的模块和接口，把 AI 写的部分隔离开以保证可维护。
14
Stela：让 x86 PC 跑苹果芯片版 macOS 的开源层

UEFI 启动程序，含 arm64 到 x86-64 的翻译器、英伟达显卡的 Metal 驱动和苹果芯片硬件模型；能启动但很慢。

🔥 30 | 💬 10 🔗 文章 💬 讨论

技术上很硬核，但离能用还远。

事实

  • 支持 3000 多种 AArch64 指令编码，可在任何 x86-64-v2 的 Intel 或 AMD CPU 上运行。
  • 作者警告 v0.1.0 启动成功率很低。

解读

  • 它不需要宿主操作系统，相当于直接在硬件上模拟一台苹果芯片 Mac。

讨论

  • 正方有人想用它跑其他只支持苹果芯片的项目。
  • 共识有人说这正适合 256 核的新 Epyc 处理器。
15
Show HN：仿《Papers, Please》的游戏，你来决定投哪家 YC 公司

玩家扮演投资人，在 Demo Day 后检查创始人材料，决定投、不投或暂缓。

🔥 159 | 💬 72 🔗 文章 💬 讨论

创意好，但新手引导没跟上。

事实

  • 游戏名《Term Sheet, Please》，作者 Bo Lau。
  • 网页可直接玩。

解读

  • 多位玩家玩了五分钟就放弃，说看不懂文件，说明玩法再有梗也要先让人明白目标。

讨论

  • 反方有人说文件管理太乱、缺少清晰的游戏循环；有人指出网站没有致谢原作。
16
华为开源内部量化工具 MACaQ，用于本地推理

可量化文字、图像、视频、音频模型，支持 llama.cpp、vLLM、Diffusers；称 64 分钟量化 1220 亿参数模型，只用 32.5GB 显存。

🔥 55 | 💬 18 🔗 文章 💬 讨论

把大模型压小到个人电脑能跑的工具，又多一个强选手。

事实

  • Apache-2.0 许可；称困惑度低于 MR-GPTQ 等方法，或以 11 倍更短时间达到同等效果。
  • 支持华为昇腾芯片。

解读

  • 「量化」是把模型参数用更少位数存储，换来更小体积和更快速度，代价是轻微精度损失。

讨论

  • 正方有人说社区已经在复现并制作 GGUF 文件。
  • 共识有人讨论华为受制裁，GitHub 页面比官网更稳定可访问。
17
犹他茶壶：计算机图形学最有名的 3D 模型

犹他大学图形学团队的茶壶资料页，介绍这个经典测试模型并提供模型文件。

🔥 64 | 💬 15 🔗 文章 💬 讨论

一个随手选的测试物，成了一个领域的符号。

事实

  • 原型茶壶来自 Melitta，有评论说 3D 模型比原物扁一些。

解读

  • 标准测试物让大家能比较结果，这种「公共基准」的价值常被低估。

讨论

  • 共识评论多是回忆：有人第一次在 OpenGL 里见到它；有人收藏了多位讲者签名的茶壶渲染图。
18
苹果研究：用小神经网络让 RAG 检索更快更准

针对固定数据库，离线训练小网络学会把查询引向最佳匹配，在 ICML 2026 发表。

🔥 146 | 💬 24 🔗 文章 💬 讨论

利用「用户的问题长什么样」这一信息，检索可以更省。

事实

  • 向量检索（MIPS）是推荐、搜索和 RAG 的核心；传统方法只看文档向量的分布，不看查询的特点。
  • RAG 里的查询是短问题，文档是长文本，两者差别很大；生产环境的查询分布通常稳定。

解读

  • RAG 指先检索相关文档、再交给模型回答。对产品：查询模式稳定的场景，可以用这种「先投入训练、后省推理」的思路。

讨论

  • 反方有人说做代码库 RAG 多年，仍不信嵌入模型那一套；也有人引用同事的话：为什么不用 grep？
  • 正方有人提到 Spotify 也发布了类似的学习式检索方法。
19
Sierra Online 简史（2017）

回顾经典冒险游戏公司 Sierra 的兴起、衰落和重生。

🔥 18 | 💬 1 🔗 文章 💬 讨论

一家开创性游戏公司的起落。

事实

  • 文章为 2017 年的回顾长文。

解读

  • 适合对游戏行业史感兴趣的人。

讨论

  • 共识唯一评论回忆了公司在加州小镇 Oakhurst 的往事。
20
浏览器里的逼真沙子模拟

用 WebGL2 写成，手指推沙、倾斜手机让沙滑动、摇一摇撒开，带声音和震动。

🔥 297 | 💬 63 🔗 文章 💬 讨论

手机上的物理手感，靠传感器和声音放大了体验。

事实

  • 不同类型的沙子声音不同。
  • 源码在 GitHub 公开。

解读

  • 好的小玩具常赢在细节：触觉、声音、手感。

讨论

  • 反方有人提醒默认声音太大，戴耳机的人会被吓到，建议默认静音；有人说石头移动太快，摩擦不够。
  • 正方有人说在手机上摇一摇体验好很多。
21
农民开始用无人机播种覆盖作物

美国农业媒体报道：用无人机撒播覆盖作物种子，可以在主作物还没收时就播下。

🔥 40 | 💬 24 🔗 文章 💬 讨论

无人机在农业里找到一个具体、能算账的用途。

事实

  • 文中的无人机主要是大疆 Agras。

解读

  • 评论指出大疆在美国未来供货不确定，政策风险是这类硬件的关键变量。

讨论

  • 反方有人说很多作物要把种子压进土里，撒播不一定合适；有人失望「无人机」只是四旋翼。
22
《铁巨人》是怎么做活的

Animation Obsessive 的长文，讲动画电影《铁巨人》如何让巨人角色显得有生命。

🔥 6 | 💬 0 🔗 文章 💬 讨论

一部经典动画的制作故事。

事实

  • 文章来自动画专题通讯 Animation Obsessive。
  • 抓取时 HN 上还没有评论。

解读

  • 适合对动画和角色设计感兴趣的人；做角色产品的也可以看看怎样让角色「活」起来。
23
《纽约时报》：黄仁勋被指与直接下属高管有私人关系

与《华尔街日报》撤换报道同日发出；原文在付费墙后，未抓到正文。

🔥 154 | 💬 142 🔗 文章 💬 讨论

英伟达治理风波的另一条线索。

事实

  • NYT 正文未能抓取，以下来自 HN 评论引用。
  • 评论引用报道称两人都已婚；有人提到其安保曾扣下拍视频的人并提出付钱让其签保密协议。

解读

  • 这类事件的核心问题是利益冲突和董事会监督，而不只是私生活。

讨论

  • 正方有人认为即便有关键人物风险，他也得下台。
  • 反方也有人担心只是冰山一角，还有人跑题讨论中文里「黄」的含义。
24
吉他指板上最难找的音

音乐学习网站 Gitori 用自己小游戏的数据，统计玩家最难找到的音的位置。

🔥 49 | 💬 59 🔗 文章 💬 讨论

用产品里的用户数据写内容，是个好的增长方法。

事实

  • 数据来自网站的「找音」游戏，玩家要在高亮区域找出指定音。

解读

  • 学习类产品可以把用户错误数据变成内容，既有用又能引流。

讨论

  • 反方有经验的乐手说游戏表现和真弹吉他找音不是一回事；很多人靠音程和指型演奏，不需要叫出音名。
25
线性规划一分钟，做到 GPT-6 Astra 改模型权重花 8 小时的事

MIT 论文里 Astra 改了 0.016% 的权重让小模型数学能力大涨；作者发现这其实是个线性规划问题。

🔥 237 | 💬 35 🔗 文章 💬 讨论

AI 用蛮力试出来的东西，有时用经典数学一步就能解。

事实

  • Astra 编辑 Qwen3.5-0.8B，MATH-500 从 7.9% 升到 48.1%，主要是修好了「思考死循环」。
  • 基础模型 93% 的回答撞到 32768 词元上限都没答完。作者用几次一分钟的线性规划求解，改动权重少 8 倍。

解读

  • 「线性规划」是在约束下求最优解的老方法，速度快、结果可解释。
  • 作者还发现一个「引导向量」也能起同样作用。

讨论

  • 正方有人认为传统数学规划会取代或约束强化学习，因为多目标时奖励惩罚很难卡住输出。
  • 共识有人说这么简单的修正，应该在训练时通过正则化就做掉。