铃阅时讯
❌

普通视图

都在搞AI网页作品集了,PDF还有用吗?

2026年10月20日 22:34

原创 酸梅干超人 2026-10-20 22:34 上海

随着 AI 编程越来越强大,制作设计师个人主页的门槛也越来越低,我们可以很轻易地制作并上线自己的个人主页,免去前端的编程和代码调试。

所以现在是不是更流行制作个人主页,原先的 PDF 载体是不是要被淘汰了,就是近期最多被问到的问题。而我们今天的主题就是来探讨这个话题。

Tips:文章底部有上线部署的交流小群,人数不会太多,如果近期在做尝试或者有相关经验的同学欢迎加群~

作品集载体的差距

设计师个人主页这种东西并不是什么新事物,在二十年前就已经有不少网页设计师会自己设计并开发个人网站(自己编程)上线。当时网页设计和建站需求旺盛,这种页面的主要作用是用来接单的,所以这些设计质量都很高,很多案例即使放到今天看也很惊艳。

但随着移动互联网崛起后网页设计的需求越来越少,建站工具也越来越多,创建个人网站接单的做法也基本失效,所以设计师基本都放弃了创建个人主页的做法。转而将作品发布到流量更集中的平台,比如站酷、UICN、58Cool 等等。

从14年到18年之间,UI 设计师的作品更多是发布到设计平台上,HR 会要求设计师提供平台的个人主页。因为当时行业对 UI 设计师能力的评判比较粗糙,往往会把平台推荐标识以及点赞、关注数作为考量之一。大厂内部也鼓励团队成员到平台发作品,有个叫“行业影响力”的指标,是年度 KPI 之一。

但随着行业的发展,企业对设计平台数据的重视度越来越低。一方面是平台数据和真实能力往往并不匹配,另一方面则是隐私性的考量,很多项目不适合公开,设计师也不愿意展示个人设计成果。

加上国内社交平台的氛围一直不好(杠的多),上传了麻烦远比收益多。所以到19年以后,已经很难在平台上看见大厂设计师(个人不是团队号)上传项目案例和作品集了。

也就是在这个时期,PDF 开始真正成为通用的作品集载体进行投递(以前也有但不是必须的),它对比网页和平台来讲,有以下优点:

通用就是指格式,PDF 是一个任何场景、平台、系统都默认支持的格式,且招聘平台都提供 PDF 的上传入口,可以直接在投递简历的时候附带作品集,不用担心对方没看见链接没打开个人主页。

便捷则是这个格式非常方便存储、转发、打印,被筛选出来的作品集往往在公司内部会有留档,也会在不同角色之间流动,方便的文件格式会远比链接容易使用。

高效是指观看者只要下载了文件,就可以非常有效率的看完设计的内容,也就简单从上滚到下就可以了。而不用像网页还是平台,得打开不同页面,还要等待网络加载才能看完,如果网速不好图片太大就非常影响观看体验。

因为这些优势,PDF 才成为作品集的最佳载体,并沿用至今。但随着 AI 设计编程能力的提升,这些优势有被消除吗?答案是并没有……

个人主页对比 PDF,具备的优势只有以下两点:

  1. 支持更多样的交互操作与动画效果,理论上能提升观看体验

  2. 支持项目展示中放动效,制作的动效案例不用分开提供

而它的缺点却远远比 PDF 多,制作起来麻烦,需要额外进行部署,观看者看起来效率也低。对于多数 HR 或者设计团队面试者来说,只想用简单、高效的方式看完你的作品集,如果不能实现这个预期,就会堆积负面情绪直接影响对你的评价。

所以个人主页就完全没有做的价值和必要吗?

也不是。

个人主页可以作为一种补充的展示,和练习的尝试,可以带给我们很多帮助,也可以在特定的场景中发挥作用。

但要真正取代 PDF 作为作品集的主要载体,就必须要确定优势能大于劣势,也就是你在设计的效果和观看体验上,能填补网页版需要访问和进行更多操作的劣势。

最后的结论,建议在现阶段,优先准备 PDF 版本的作品集,等到作品集落地了再去准备网页的版本。一方面前面的项目包装设计可以复用,另一方面可以好整以暇得投入更多精力在细节和交互的处理上。

同时还有个非常重要的建议,那就是个人主页的设计不是一次性的,是需要长期打磨和维护的。即使入职了,也可以继续去优化和更新它,让它的质量越来越高,在某一天达到真正可替代 PDF 的水平,并随时能应对突然出现的机会,这才是个人主页真正的价值。

关于个人网页的上线

讲到个人网页,就还要提网页应该如何上线,这是困扰比较多同学的问题,毕竟大家没有编程经验,也没有后端、运维的知识,想要让做好的网页上线还是存在一定的门槛。

首先理解一个概念,就是 VibeCoding 生成的代码,如果是网页/网站形式的,默认保存在你本地硬盘,只能通过本地浏览器打开。想要实现远程访问(另一台电脑或手机),就需要把代码上传到云服务器中,我们称这个上传并运行的过程叫 —— 部署。

而光部署还不够,还需要给它绑定一个域名,才能更好的实现访问,而域名的绑定需要申请加上备案和解析。

这个过程对外行而言当然很复杂,但部分AI平台自带网页部署和上线,比如  Codex、Kimi 等。

但官方的限制比较多,一方面只能发布静态网页,另一方面就是上传的图片数量、大小都有限制。国外的 AI 服务还有很大的问题就是发布的网页因为不可抗力国内不能正常访问,所以要作为作品集发布平台就要非常慎重。

第二种免费又保险的方式,当然就是上传 Github 了,但同样登录这个网站就有限制,上传以后别人访问也有限制,所以依旧属于可以放弃的方案。

我们可以直接给结论,就是作为作品集来说,国外的服务都可以放弃,因为访问的稳定性高于一切,如果观看者连正常高速的访问都做不到,那肯定是非常严重的问题。

所以想要正常发布就得用国内的服务,而国内服务中纯免费的平台基本是没有的(或者非常不可靠),就需要挑选对应的云服务商,比如阿里云、腾讯云、火山云等等。

国内主流的云服务商平台都非常复杂,对新手来讲并不友好,所以这个过程可以全程让 AI 给你定制一套操作的方案,包括在什么页面购买哪种服务器,以及怎么获取 AI 远端操作的权限等等。

不同云服务商提供的服务器产品价格不同,最便宜的服务器应该是阿里云新手优惠99/年的。如果要按月购买,腾讯云的轻量服务器应该在30/月(含新人优惠),大家根据自己的需求和预算选择。

个人主页的开发并不只是做出可交互页面和效果就够了,还要实现它的部署和维护,这些都是必不可少的步骤,所以做好心理准备再开始实施,才不会因为阻力太多半途而废。

结尾

作品集载体选择这件事,本质也是适配招聘观看习惯,提升它们浏览体验的过程,只有多考虑这个问题才能想清楚作品集怎么呈现更合适。

最后个人网站上线这件事,也是目前最多同学关注的问题,除了上线作品集外还包括自己做的一些其它小工具上线的困扰。我们也正在帮学员解决这个问题中,后续可能给大家提供对应的更简单的解决方案。

如果想要交流上线和部署的操作和心得,可以通过超人的电话亭公众号回复“部署交流”加入我们的 VibeCoding 小群。 

人数应该不会太多,也是前期做探讨交流为主,欢迎有相关经历或者最近正在研究上线部署的同学加进来~

最新一期体验设计全能班,会在下周三,也就是本月28号开课,记得来找我变强,乌拉!

课程介绍:即将开课 | 提升UI/UX设计实力的时候到了

Supermancall_2

图片

我们下篇再贱~

跳转微信打开

Jev:当 AI 不再"写答案",而是直接做决策

2026年10月20日 22:10

原创 京东科技 王晓 2026-10-20 22:10 北京

“如果程序只需要一个决定,为什么要先让 AI 写一段话?”本文借 TypeSafe AI 的 Jev,讲透 LLM 与决策模型如何重新分工——不生成文字,直接返回有类型的决策与概率,还给出落地四步与四类试点场景。冷静拆解、克制不吹,AI工程化必看。

从 TypeSafe AI 的 System One Model,看 LLM 应用架构与软件工程的下一步

核心命题:如果程序只需要一个决定,为什么要先让 AI 写一段话?

过去几年,我们习惯了一种 AI 应用模式:把问题交给大语言模型,让它生成一段文字,再把文字解析成程序能够使用的结果。

但很多业务根本不需要文字。

一张工单应该分给哪个团队?一次工具调用是否应该放行?一组候选答案中哪个更好?这些问题真正需要的,是类别、分数,以及可供程序使用的不确定性信息。

TypeSafe AI 推出的 Jev,就是围绕这类任务设计的。官方将其称为 System One Model:接收上下文与结构化问题,返回带类型的决策及概率,而不是生成开放式文本。Pydantic 的相关文档也明确强调:Jev 不是一个用来写文本的语言模型。

它值得关注的地方,不只是"又出现了一个更快的模型",而是一个更根本的问题:

先理解 Jev:它不是聊天助手,而是语义决策组件。

一、先理解 Jev:它不是聊天助手,而是语义决策组件

假设我们正在开发客服系统,收到这样一条消息:

“上周买的会员重复扣费了,机器人一直让我重试,我要人工处理。”

使用 LLM 的常见方式是:

    阅读这条消息,判断应该转交哪个团队。
    只能输出 billing、technical、account 或 other。
    请返回 JSON。

    应用再读取:

      {"department": "billing"}

      而 Jev 所代表的交互方式更接近:

        输入:用户消息
        问题:应该转交哪个团队?
        答案空间:billing / technical / account / other
        输出:选择结果及相关概率

        示例:一条"重复扣费"消息被直接映射为 billing(92%),附带完整的概率分布,而不是先生成一段文字再解析。

        关键变化在于:"答案属于什么类型"成为模型接口的一部分,而不只是提示词中的要求。

        官方与相关开发者文档将 Jev 的输出组织为三类基本形式:Choice、Score 和 Noul,分别覆盖选择、评分和带概率的二元判断。

        可以把它们理解为:

        原语直观含义适合表达的问题

        choice

        从预定义选项中选择这条请求应该走哪个流程?

        score

        按给定标准评分这份答案的质量处于哪个等级?

        noul

        用概率表达二元判断当前条件是否满足?

        Jev 的三种输出原语:Choice(选)、Score(评)、Noul(判),覆盖了大多数自动化决策的表达需求。

        这意味着,Jev 更适合成为软件内部的一个决策节点,而不是直接面向用户的通用对话入口。

        二、"System One"究竟意味着什么?

        2.1 它强调的是快速判断,而不是长篇生成

        "System One"借用了快思考与慢思考的类比。TypeSafe 用这个概念描述 Jev 所面向的快速、结构化决策任务;相关公开介绍也将 Jev 描述为非自回归模型。

        理解这个区别,可以先看两个抽象过程。典型自回归语言模型生成文本时,会依次预测输出 token:

        输入 → token 1 → token 2 → token 3 → …
        而决策模型的产品接口更像:
        上下文 + 问题 + 答案约束 → 决策结果
        慢思考:逐 token 生成长文本;
        快思考(System One):一步直达决策结果。注意"非自回归"描述的是计算方式,不自动代表"不会出错"。

        下面这个数学表达只是帮助理解的抽象,并非 Jev 已公开的内部网络结构:

        fθ(x, q, A) → P(y ∣ x, q, A)

        其中:

        • x:待判断的上下文;

        • q:问题;

        • A:允许的答案集合或评分标准;

        • P(y∣x,q,A):对候选结果的不确定性表达。

        工程上的吸引力很直接:如果最终只需要一个类别,就有机会避免为一段不必要的生成文本付出成本。

        但需要注意:非自回归描述的是计算方式,不自动代表"不会出错";System One 是产品定位,也不能直接当作模型内部认知机制的证明。 · 现有公开介绍足以解释产品行为,但不足以据此还原其完整网络架构、训练目标或推理实现。

        2.2 这和传统分类器有什么区别?

        分类、排序、评分,本来就是机器学习的老问题。因此,Jev 的意义不应被理解为"发明了分类",而应从产品形态上理解:

        • 传统分类器通常围绕相对固定的标签体系训练;

        • LLM 可以通过自然语言描述临时任务,但常以文本生成作为交互方式;

        • Jev 则把"上下文理解、自然语言问题和有类型决策"组合成一个面向自动化的模型接口。

        演进路线:固定标签的模具(传统分类器)→ 先写作再解析的作家(LLM)→ 直接举牌的裁判(Jev)。Jev 没有发明分类,它发明的是一种面向自动化的接口形态。

        它真正需要接受的检验是:

        在不为每个任务单独训练模型的情况下,这种通用决策接口,能否在目标业务上同时满足质量、成本、延迟与可靠性要求?

        这比争论"它是不是一种全新的 AI"更有工程价值。

        三、它与 LLM 的关系:不是全面替代,而是重新分工

        3.1 先把"LLM 也能返回 JSON"说清楚

        LLM 并非只能自由输出文字。结构化输出、函数调用和约束解码,都可以让 LLM 返回程序可消费的结果。

        因此,Jev 与 LLM 的区别,不能简单归结为:Jev 有类型,LLM 没类型。更合理的比较维度是:

        维度使用 LLM 的结构化输出Jev 的公开产品定位
        主要交互形态生成符合约束的内容返回有类型的决策
        自由文本生成可以不提供
        决策结果可通过结构化输出表达是核心输出
        不确定性需要具体设计与验证接口强调概率与置信信息
        选型重点通用性、推理与生成能力目标决策任务上的质量和效率

        表中 Jev 的定位来自官方及开发者文档;这不是对两者所有能力的穷尽比较。

        3.2 更有价值的组合:LLM 提方案,决策模型做筛选

        一种值得试验的架构是:

          用户请求
             ↓
          任务分类与路由
             ├─ 简单明确 → 确定性业务流程
             ├─ 需要生成 → LLM
             └─ 高风险或不确定 → 更强模型 / 人工

          对于 Agent,还可以进一步分工:

            LLM 生成候选行动
                    ↓
            决策模型评估候选行动
                    ↓
            确定性权限与业务规则校验
                    ↓
            执行工具

            推荐分工:LLM 负责开放式理解、规划和生成(提方案),决策模型负责局部、边界明确的判断(做筛选),最后永远保留一道确定性校验。

            这里,LLM 负责开放式理解、规划和生成,决策模型负责局部、边界明确的判断。

            但必须保留最后一道确定性校验:模型认为"应该执行",不等于系统已经获得"执行权限"。

            例如,模型可以判断"这看起来是一笔正常退款",但退款金额上限、账户权限、审批状态与幂等性,都不应该交给概率判断来决定。

            四、它真的快几百倍、便宜几百倍吗?

            关于 Jev 的传播中,最醒目的数字是性能和成本。

            LangChain 的介绍转述了 TypeSafe 的宣称:在分类任务上,相比可比较的 LLM,推理速度最高可达约 200 倍、成本最高可降低至约四百分之一。Browserbase 的介绍则给出了 20—200 倍速度和 40—400 倍成本差异的范围,并明确将这些数字归于 TypeSafe 的基准测试。

            这些数字应当加上三个限定:

            • 它们是厂商宣称或对厂商基准的转述。

            • 它们对应特定任务与对比条件。

            • 模型调用的收益,不等于整个应用的收益。

            宣传数字很醒目,但别忘了 Amdahl 定律:模型决策只占链路的一小部分,整体加速要按全链路来算。

            举个纯假设的例子:

            一个工作流中,模型决策占总耗时的 20%,剩下 80% 是数据库、网络和工具执行。即使决策环节加速 100 倍,整体加速也只有:

            S = 1 / (0.8 + 0.2/100) ≈ 1.25

            因此,采购或迁移前应比较的不是单一宣传数字,而是:

            • 相同业务测试集上的准确率、误报率和漏报率;

            • 达到相同质量门槛时的成本;

            • P50、P95 和 P99 延迟;

            • 并发、超时、重试和回退行为;

            • 整条链路的最终成功率。

            真正有意义的是"每完成一个合格业务结果的成本",而不只是"每次调用的价格"。

            五、"类型安全"和"概率输出",究竟能保证什么?

            这是理解 Jev 时最容易混淆的地方。

            5.1 类型正确,不等于判断正确

            假设允许的结果只有:

              ALLOW / REVIEW / BLOCK

              模型返回 ALLOW,在类型上完全合法。但如果这笔操作实际上应该被拦截,系统依然发生了严重错误。

              所以至少要区分三层正确性:

              层次需要回答的问题
              结构正确返回结果能否被程序合法读取?
              语义正确判断是否符合事实和任务标准?
              业务安全即使判断错误,损失是否仍然可控?

              类型的接口主要解决第一层(结构正确)。第二层需要评测,第三层需要系统设计。不能把"不会生成答案集合之外的文本"扩大成"不会发生业务误判"。

              有类型的接口主要解决第一层。第二层需要评测,第三层需要系统设计。

              不能把"不会生成答案集合之外的文本",扩大成"不会发生事实错误或业务误判"。

              5.2 有概率,不等于概率已经可靠

              官方与相关介绍强调 Jev 返回概率,并使用了"校准"这一描述。但在你的业务中,这些数值是否可靠,仍然需要验证。

              例如,模型给出:

                P(可以自动处理) = 0.95

                这不意味着当前个案必然有一个可直接保证的"95% 正确率"。概率校准通常关注的是:在大量相似预测中,被模型赋予约 0.95 概率的事件,是否确实以接近 95% 的频率发生。

                概率校准看的是群体频率而非个案保证:被赋予 0.95 概率的事件,在大量样本中是否真的以接近 95% 的频率发生?落地前请看可靠性图与 Brier Score。

                因此,落地时应关注:

                • 可靠性图;

                • Brier Score 等概率质量指标;

                • 不同业务分组的校准表现;

                • 自动处理覆盖率与错误率之间的关系;

                • 数据分布变化后的性能。

                概率最有用的用途,不是给用户一个看似精确的数字,而是帮助系统决定:什么时候自动执行,什么时候升级处理,什么时候拒绝作答。

                六、哪些场景最值得落地?

                下面是基于 Jev 接口形态提出的应用设计建议,不是已经被统一验证的客户效果

                四个值得试点的方向:客服分流、Agent 动作审核、RAG 相关性筛选、研发局部评审。共同点是:高频、边界清楚、可评测、可回滚。

                6.1 场景一:客服、邮件与工单分流

                输入是非结构化文本,输出是有限的部门、意图或优先级。可以采用:

                  高置信度 → 自动分流
                  低置信度 → LLM 进一步分析
                  敏感类别 → 人工复核

                  这是一个适合试点的方向:标签明确、历史数据较容易整理、错误通常可回滚,也容易与现有系统做对比。

                  需要防止的问题是:如果选项中没有"其他"或"无法判断",系统可能把陌生问题强行归进已知类别。

                  6.2 场景二:Agent 的动作审核与工具路由

                  Agent 准备调用工具前,可以提出局部问题:

                  • 这个动作是否回应了用户请求?

                  • 当前信息是否足够执行?

                  • 是否应该升级为人工审批?

                  • 多个候选工具中哪个更匹配任务?

                  建议把它作为辅助判断层,而不是安全边界本身。

                    语义判断
                       +
                    确定性权限、金额、资源范围校验
                       =
                    是否允许进入执行阶段

                    即使输出只允许"是或否",恶意输入仍可能诱导模型选错;答案空间受限,并不自动解决提示注入。

                    6.3 场景三:RAG 的相关性判断与候选筛选

                    在检索增强生成中,可以试验让决策模型负责:

                    • 判断检索片段是否相关;

                    • 为候选证据按标准评分;

                    • 判断是否需要继续检索;

                    • 从多个候选答案中选择较合适的一项。

                    一个可能的流程是:

                      检索 → 相关性筛选 → LLM 生成 → 证据检查 → 输出或回退

                      这里有一个容易忽略的陷阱:分别得到的分数,未必天然适合跨查询、跨评分标准比较。排序效果仍应通过专门的检索评测验证。

                      6.4 场景四:软件研发中的局部评审

                      可以探索的任务包括:

                      • 判断 PR 是否涉及数据库迁移;

                      • 为变更选择评审团队;

                      • 按明确清单检查发布条件;

                      • 对测试失败进行初步分类。

                      更稳妥的定位是:补充人工和确定性工具,而不是取代编译器、测试、安全扫描与代码评审。

                      "模型认为变更风险低"不应成为跳过测试的理由。

                      七、怎么真正接进生产系统?

                      不要一开始就重构整个 Agent。更好的方式是挑选一个高频、边界清楚、可评测、可回滚的决策点。

                      落地四步:定义决策契约 → 建立多方基线 → 把输出包进业务策略 → 影子运行再逐步放量。工程重点不在那一行模型调用,而在阈值、降级、审计与漂移监控。

                      7.1 第一步:定义决策契约

                      至少明确:

                        输入:模型能看到哪些信息?
                        输出:允许哪些标签或评分?
                        规则:每个标签的业务含义是什么?
                        弃权:何时算无法判断?
                        回退:转给谁处理?
                        后果:误判会造成什么损失?

                        这比单纯优化提示词更重要。

                        7.2 第二步:建立多方基线

                        不要只比较 Jev 和一个昂贵 LLM。至少考虑:

                        • 确定性规则;

                        • 传统分类器或小模型;

                        • LLM 结构化输出;

                        • Jev。

                        否则,可能只证明了"原来的实现过度使用了大模型",却没有证明 Jev 是最优方案。

                        7.3 第三步:把模型输出包进业务策略

                        以下是架构伪代码,不是 Jev 官方 SDK 调用方式:

                          def route_ticket(ticket):
                              result = decision_adapter.evaluate(
                                  context=ticket.text,
                                  question="这条工单应交给哪个团队?",
                                  choices=["billing", "technical", "account", "other"],
                              )
                              # 阈值必须来自业务验证,而不是拍脑袋设定
                              threshold = policy.threshold_for(result.choice)
                              if result.choice == "other":
                                  return fallback_queue(ticket)
                              if result.confidence < threshold:
                                  return deeper_analysis(ticket)
                              if policy.requires_review(ticket, result.choice):
                                  return human_review(ticket)
                              return assign_ticket(ticket, result.choice)

                          工程重点不在那一行模型调用,而在:

                          • 阈值如何确定;

                          • 不同类别是否需要不同策略;

                          • 失败时如何降级;

                          • 如何审计和回滚;

                          • 如何发现性能漂移。

                          7.4 第四步:先影子运行,再逐步放量

                          建议顺序是:

                            离线评测
                              → 影子运行,不影响真实决策
                              → 低风险流量灰度
                              → 分类别扩大自动化范围
                              → 持续监控与复评

                            同时记录模型版本、问题模板、答案集合、策略版本和最终业务结果。否则,模型或提示变化后,很难判断到底是哪一层导致性能退化。

                            八、它可能怎样影响软件工程?

                            如果这类产品被证明有效,AI 软件可能拆成四个职责清晰的组件:生成模型负责表达、决策模型负责选择、检索系统负责证据、确定性程序负责约束与执行。

                            8.1 AI 能力将不再只有"聊天接口"

                            如果这类产品在真实业务中证明有效,AI 软件可能进一步拆成不同组件:

                              生成模型:负责表达和方案
                              决策模型:负责选择与评分
                              检索系统:负责获取证据
                              确定性程序:负责约束与执行

                              这是一种架构判断,而不是已经完成的行业结论。它的价值在于:不必让一个模型包办所有事情,而是让每个组件承担更清晰、可测量的职责。

                              8.2 API 契约将开始容纳"不确定性"

                              传统函数往往返回:

                                functionclassify(input: string): Category

                                概率性决策组件则可能需要:

                                  type Decision<T> = {
                                    value: T
                                    confidence: number
                                    policyVersion: string
                                  }

                                  这不是 Jev 的实际 API 定义,而是一种工程封装建议。

                                  变化在于:调用者不再只处理"成功或异常",还必须处理"合法但不够确定"的结果。不确定性会从模型内部的问题,变成应用接口必须明确表达的状态。

                                  8.3 测试将从单点断言扩展到统计保证

                                  传统测试可以断言:

                                    输入 A,必须输出 B。

                                    概率性组件还需要回答:

                                    • 在哪些样本上错误最多?

                                    • 特定类别的漏报是否超出容忍范围?

                                    • 自动化覆盖率提高后,错误是否同步上升?

                                    • 新版本是否破坏了旧业务的关键指标?

                                    因此,黄金测试集、分组评测、影子发布和线上反馈,会成为 AI 软件测试的重要组成部分。

                                    8.4 工作量会从"解析输出"转向"治理决策"

                                    结构化决策接口有望减少一部分 JSON 修复、格式重试和文本解析工作。但它不会消除工程复杂性,而是改变复杂性的分布:

                                    从"让模型按格式说话",转向"定义正确的任务、验证概率、管理风险,并控制执行后果"。

                                    这一变化,可能比单次调用便宜多少更深远。

                                    九、结语

                                    Jev 真正挑战的,是"所有 AI 任务都应该交给 LLM 生成"

                                    Jev 的公开定位很清楚:它不生成开放式文本,而是面向结构化问题返回有类型的决策和概率。

                                    它是否适合你的系统,最终取决于业务评测,而不是"System One"这个名称,也不是最高几百倍的性能数字。

                                    更值得记住的是三点:

                                    • 不需要生成文字的任务,未必应该通过文字生成来完成。

                                    • 类型约束能改善接口可靠性,但不能代替语义正确性与业务安全。

                                    • LLM、决策模型与确定性软件,更可能形成分工,而不是彼此完全替代。

                                    对于工程团队,最好的起点不是"全面换掉 LLM",而是找出系统里那些一天执行成千上万次、最终只需要一个类别或判断的节点。

                                    然后问一个简单的问题:

                                    这里真的需要一个会写作的模型,还是只需要一个能够被测量、被约束、会在必要时交还决定权的决策组件?

                                    推荐阅读

                                    跳转微信打开

                                    上海新规:商业地产大限将至

                                    2026年10月20日 21:13

                                    原创 释老毛 2026-10-20 21:13 北京

                                    房子是消费品

                                    【为什么经常收不到文章?】由于微信修改了推送规则,需要读者常转发或点赞点“在看”,成为活跃用户,否则会逐渐收不到推送。为保文章接收,可转到公号首页右上角拉菜单,设为星标⭐

                                    上海商业地产续期,今年出政策了。

                                    大致就是到期之后,地上建筑物权利人可以续期,但续期不是无偿的,要再交一次土地出让金,续5-20年(到期再续),续费下限是土地基准价格的70%。

                                    很多人关心这个问题,上海试点之后应该全全国推行。其实与商品房关系不大,对于那种商办地产肯定是利空,购房时就应当预见到今天,图便宜就苦头在后面。例如很多酒店式公寓、LOFT公寓,相同地段,与普通商品房住宅,价格能相差一半。便宜没好货,价格差一半,就差在土地上。

                                    商品房贵,贵在土地性质;其他的建设用地使用权,本质上都是长租契约,自住可以,出租可以,但长期投资价值并不高,存在很多政策风险和陷阱。

                                    中国房市,土地性质很重要,这个是决定房价的关键。中国土地公有,能流转的是土地使用权,法律是根据土地用途区别,分类管理。城市里的建设用地使用权大致分两种:住宅用地,70年;非住宅用地,40-50年不等。

                                    1)使用期限不同

                                    项目土地的用途为商业金融、教育科研等,期限只有40年到50年,开发有周期,业主买到手之后,估计只剩下30多年,30多年的租赁,土地到期后必须与地方政府协商续签合同。

                                    而普通住宅用地是70年产权,这个70年,注意,非同小可,是开国以来唯一开恩赐予的一项特权,后文会说。

                                    2)持有成本不同

                                    酒店式公寓是商业地产,商水商电,没有天然气,做饭用微波炉或煤气罐,物业费巨贵。总体持有成本较高。

                                    而普通住宅是民水民电,天然气都是市政标准,物业费也相对便宜。

                                    3)拆迁补偿不同

                                    关于拆迁补偿问题,按照《城市房屋拆迁管理条例》规定的补偿安置方式上看不大,都是货币补偿和产权调换这两种方式,但在拆迁评估的评估方法上存在差异。

                                    商品房普通住宅一般采用市场比较法进行估价,按同一地段的市场价格核定。商业住宅由于缺乏同一区域位置出售的可比照案例,多采用现行收益法进行估价,也就是按租金收益计算到期为止的全部折现。

                                    4)绑定的公共资源不同

                                    酒店式公寓是商业地产,规划就不是住宅,落不了户口,没有配套学区。

                                    而普通住宅可以落户,有对应学区,居民可以就近入学。

                                    5)权利续期不同

                                    这是最关键的。《民法典》第359条规定:“住宅建设用地使用权期间届满的,自动续期。”“非住宅建设用地使用权期间届满后的续期,依照法律规定办理。该土地上的房屋及其他不动产的归属,有约定的,按照约定;没有约定或者约定不明确的,依照法律、行政法规的规定办理。”

                                    注意,住宅土地使用权70年,法律规定期满自动续期,不需要审批,甚至连申请都不用,实质就是永久使用权,搞这么复杂为的是绕开宪法里的土地公有制。买的土地使用权名义上是70年,实际上可以无限续杯,就算地上房屋寿命一般是50年,烂了也是自己的一堆材料,由全体业主决议是否维修,或者原地重建。

                                    而非住宅用地就坑爹了,目前对于工商业地产是,“土地使用权期满,土地使用者可以申请续期。需要续期的,应当重新签订合同,支付土地使用权出让金,并办理登记。”也就是40年期限届满后,政府就要依法收回土地了,这是当时土地使用权出让合同约定好的,除非重新续订土地使用权,重新按地价买一次地,否则面临的就是政府的强拆。

                                    按照商业逻辑,到期后续买土地使用权,应当完全市场定价,由双方协商约定,否则就是国有资产流失,因为开始就只是租了40年,你不可能到期后把土地据为己有哇。上海市的续期政策是,最多可以给业主打七折优惠,因为毕竟你已经在这块土地上安家了,一动不如一静,按基准价的70%续交土地出让金,这70%是下限,不能再低。

                                    所以同一地段,商办公寓的价格比商品房价格要便宜1/3,甚至一半。如果商业地产到期之后也自动续期,那谁还买商品房?大家都买40年商业地产了,相当于对国有土地的圈地运动。

                                    所以我说,很多所谓商业性住宅、酒店式公寓,就是40年的一个长租房,土地没有永久产权,就没有投资价值,土地增值与主一点关系都没有,只能按剩余期限的租金估值。也就是,如果投资这类商业地产,不要指望土地增值,增值属于国家(土地所有人),业主只能靠租金回报率,在剩余期限内收回成本,否则就是坑。

                                    所以商业地产估值受压制,就是这个原因。投资者在入手的时候,一定要搞清楚土地性质,这个最关键。住宅用地是最贵的,其次是商业用地,工业用地是最便宜的。它的区别不仅仅是商水商电和没有学区,而是商业用地的土地性质是有期限的。

                                    记住,房子是消费品,并不值钱,房子就是钢筋水泥的结构混合物,买入后就要折旧的。但土地是永恒的,是具有保值功能。住宅,只有住宅的建设用地使用权可以自动无限续期(目前唯一存疑的就是续期交不交费,几乎可以肯定的是,不会像商业地产一样市场化定价,可能交一笔重新登记的手续费,因为根据法律,业主无论交不交费都会自动续期)

                                    房子本身最终是价值归零的,现在北京已经有对年久的老楼危房原拆原建的案例了,只要业主同意并分摊出资就可以。业主肯定都同意啊,因为原拆原建不用交土地出让金,只分摊建筑成本。而且有政策优惠的话,调整容积率,不但原地得到一套新房,户均面积还能提高个百分之二三十。

                                    综上所述,商品房住宅的土地其实就是变相的所有权。为什么不叫所有权?因为有个“违宪”的问题,修改宪法比较麻烦,所以物权法采取了比较灵活的“自动续期”的土地使用权这种表述,所以只能说永久的、无限续期的土地使用权,而不能叫它所有权,这是改革者的一种政治智慧和语言艺术。

                                    注意,坊间流传房地产税与70年产权挂钩,70年期满后就启动房地产税,以税代费,延续期限,其实这两者是没有关系的。前者只要人大立法即可开征,是不动产的保有税,只要你持有房产就按年交税,与土地期限无关,到期与否不是前置条件。而到期后续期续费问题,是房屋所有人与土地所有人续签新的土地使用权合同,业主交的是土地使用权的对价,不是税。

                                    图片

                                    【新家】公号朝不保夕,最后的根据地,来吧,老铁!我在私密书房等你。

                                    图片

                                    跳转微信打开

                                    从工程师到全员,从个体到组织:快手企业AI生产力实践

                                    2026年10月20日 20:31

                                    原创 快手技术 2026-10-20 20:31 北京

                                    文末领取PPT!

                                    图片
                                    在 QECon 全球软件质量&效能大会上,快手科技副总裁、快手企业AI生产力负责人王诩在主论坛带来了《快手企业 AI 生产力:从研发提效到组织跃迁》主题分享,回顾快手过去两年用 AI 重构研发效能、推进"全民 AI",并进一步走向企业 AI 生产力(iWork)的实践路径。
                                    从研发流程中的 AI 工具,到面向全员的通用 Agent,再到团队级知识库、多 Agent 协作链和企业语义框架,快手的核心判断是:AI 提效不能只停留在个体层面,真正的生产力跃迁来自组织协同。
                                    王诩表示:"研发效能从来不是个体的事情,是各个协作部门和组织一起发力的结果。因为系统有很多模块,它一定会被最慢的那个模块限制。"这也是快手成立企业 AI 生产力(iWork)的初衷。

                                    【演讲视频回顾】

                                    以下内容整理自现场演讲,在保留原意的基础上略有删减。

                                    研发效能从来不是一个孤立的话题:它和产品、设计、质量、行政、HR 等上下游群体紧密关联。2025 年初,我们把各条线的 CTO 聚在一起形成"CTO 效能"机制,以两周一次的频次密集探讨 AI 如何赋能研发效能,并形成了"三位一体"的策略:先有人持续做实践,再把实践中沉淀出来的先进能力固化,最后从组织自上而下推动转型。

                                    快手科技副总裁、快手企业AI生产力负责人王诩

                                    这条路径已经走完了三个阶段,我们刚刚开启第四阶段的探索。

                                    一、阶段1:AI x 工程师——把 AI 嵌进研发流程

                                    2025 年全年到 2026 年 Q1,快手整体遵从经典的研发链路——从产品需求提出、拆解、设计、架构、编码、测试到运维——尝试在每个环节用 AI 工具做提升。

                                    在实验中,团队发现个体差异巨大,于是我们总结出L1、L2、L3的分类:

                                    • L1:把代码片段贴给 AI,让它改完再拿回来嵌入代码库——经典的"片段级"用法;

                                    • L2:以任务级粒度交给 AI,比如定义一张数据库表、给出完整语句——任务级;

                                    • L3:把 PRD 或 Spec 直接丢给 AI,引导它完成自主的全链路开发(SDD 方式)。2025 年下半年到 2026 年 Q1 的时候,我们已经看到很多内部同学已经这样做了。

                                    我们没有把 L3 当作群体要求(当时基模和 Harness 能力还不够好)。于是,我们以L2 覆盖度作为度量指标,目标 2026 年底达到 80%。工具侧则用 Coding IDE、需求与 CR 管理、重度编码助手等产品串联各环节,把 AI 能力嵌进原有流程。

                                    二、阶段2:AI x 所有员工——让 AI 从工程师走向所有员工

                                    2026 年 Q2,当红的通用智能体产品"小龙虾"让团队意识到:门槛更低的通用智能体,才是更大的机会。快手把原来的 Coding Agent(CodeFlicker)转型封装成通用智能体(MyFlicker),插入大量领域知识和 Skill,服务的不再只是技术人员——HR 用它做招聘和人岗匹配,行政同学用它把全量服务透明化(订餐、班车、理发),普通员工也能直接享受 AI 化的服务。

                                    面对“全民 AI”的浪潮,我们审慎地做了很多测算,这个阶段最关键的机制创新是我们提出了一套Token 积分体系。公司给员工发放积分,员工可在通用智能体上选择不同模型消费(每个模型有不同积分倍率),自行安排用度。这套体系有两个目标:一是让大家优先选择品质高的产品,二是规避重复建设——接入积分体系后,你的 AI 产品有没有人真正在用、消耗多少 Token,一目了然,相当于"用脚投票"。

                                    数据验证了方向:MyFlicker 从去年年底的技术群体专属工具,到 Q2 “全民 AI”阶段爆发式增长。在推进全面 AI 的过程中,我们通过多场大型活动,帮助快手员工提升 AI 认知与实践技能。以下分享三个“全民 AI”的典型案例。这些活动分别对应了三类目标:降低 AI 使用门槛、提升全员 AI 技巧、验证非技术人群构建工具的可能性。

                                    • AI 蹭饭研判官——从工具到伙伴,能聊天、能干活 

                                    “全民 AI”最热闹的一次实践,是快手内部做的一场“免费午餐”活动。规则很简单:每天提供一批免费午餐名额,但你得先说服 Agent 请你吃饭。对话轮次越短,拿到午餐的概率越高;每天取前一两百名,持续一周。在相对轻量的投入下,这场活动吸引了五六千名员工参与。

                                    对快手来说,这场活动既验证了员工参与 AI 的热情,也提前暴露了 AI 产品走向真实场景时绕不开的问题:权限边界、对抗式提示、防 hack 机制,都必须成为产品设计的一部分。

                                    • 司庆 AI 贪吃蛇大赛——用好AI需要提升个人认知和技巧,从各业务线 PK → 全员PK → 新人必会

                                    “全民 AI”的另一个高光时刻,是快手司庆期间的一场“AI 贪吃蛇大赛”。规则并不复杂:官方提供贪吃蛇 PK 平台和公共接口,各业务线组队,用 Vibe Coding 构建自己的贪吃蛇程序,先在内部研究策略、相互对抗,再把最强版本带到决赛现场公开 PK。

                                    结果很有意思,前三名里有一个来自非技术团队,财务拿到了第三名。AI 把编码门槛降下来之后,决定胜负的不再只是“会不会写代码”,还有策略设计、问题理解和快速迭代能力。

                                    因为参与度很高,这场比赛后来被转化为校招培养项目。新同学入职后,也会在使用 AI 工具的过程中参与类似比赛。更让团队惊喜的是,很多校招生做出的贪吃蛇,已经能够轻松打败公司里各领域专家构建的版本。

                                    这背后传递出的信号很明确:在 AI 工具足够成熟的场景里,经验优势会被重新定义。谁更会使用 AI、更能快速试错和迭代,谁就可能做出更好的结果。

                                    • PDE 集结令:全员用 AI 完成日常工作 

                                    我们还做过一次更接近“能力转型”的实验:让非技术同学也成为 PDE(Product Design Engineer)。随着 AI 工具的发展,国内外不少公司都开始关注这类岗位,快手内部也在讨论:这种能力结构,是否会成为未来组织里的新常态?

                                    于是,我们设计了一场活动:以一位日常工作繁忙的运营同学为原型,邀请大家为他构建 AI 工具,让他的工作变得更简单。活动面向非技术人群开放,既是一次 AI 工具使用训练,也是一场真实业务场景下的工具共创。最终,内部提交了 4000 多个作品。某种程度上,最先被“提效”的不是运营同学,而是评审团队——因为光是判卷就已经成了一项巨大工程。

                                    这场实验说明,AI 带来的不只是效率提升,也在重新划分组织里的能力边界:过去只有工程师能做的工具,现在更多业务同学也可以参与构建;而真正优秀的作品,还有机会沉淀为公司内部可推广的 AI 工具。

                                    三、从个体提效到组织转型:AI 生产力的认知升级

                                    但真正的转折点,并不是大家都开始用 AI,而是快手意识到:个体提效并不会自动带来组织提效。“全民 AI”的热潮之后,我们在 H1 做了一次冷静复盘。好消息是,AI 的使用已经被快速拉起来,认知初始化基本完成,内部也沉淀了大量 Skill。

                                    但问题也随之暴露。

                                    1、Skill 良莠不齐,存在"Token 黑洞":Skill 数量不是关键指标,有同学写的一个 Skill 能消耗掉几千积分。AI 应用一旦规模化,成本、效率和治理都会变成真实问题。

                                    2、个体的提效并没有带来端到端的效率提升:AI 能力在变强,但 Token 消耗大、成本对不齐;更核心的是,个体提效受限于原有工作流——PRD 以前写好几天、现在半天搞定,如果研发、设计、测试等协作链条没有同步变化,整体交付速度依然不会明显提升。

                                    3、个体差异巨大:高手一两句话就能产出很好的东西,很多同学还在反复调教和试错阶段。如何把优秀实践变成公共知识和公共能力,是当时最棘手的问题。对组织来说,真正要解决的问题变成了:如何把高手经验沉淀为团队能力,把个体技巧变成公共资产。

                                    这也是快手后来从“全民 AI”走向“组织级 AI 生产力”的关键转折点。

                                    在年中复盘时,我们把问题进一步抽象成了一张“个体提效 × 组织提效”的坐标图。核心判断是如果组织层面不发生变化,个体提效的天花板依然很低。

                                    只有组织设计、个体能力跟不上,机制落不了地;只有一批“超级个体”,彼此之间没有连接和协作,也只是一个个效率孤岛。真正有价值的路径,是让个体能力和组织能力同步提升。

                                    快手由此把 AI 生产力的演进拆成几步:先完成冷启动,让员工愿意用、开始用;再把少数高手的使用经验沉淀为团队基线;进一步,把团队里的公共知识、业务资产和协作规则沉淀下来,让 Agent 可以快速消费;最终,让 Agent 在具备优秀实践和完整上下文后,成为独立工作单元,进入人与 Agent、Agent 与 Agent 的协作链。

                                    这意味着,AI 的下一阶段不再只是“每个人更会用”,而是组织能否形成可沉淀、可复用、可协作的 AI 生产力。

                                    四、阶段3:AI x 团队——让 Agent 进入团队协作链

                                    Q3,我们把 AI 提效的重心从“个体”推进到“团队”。核心做法有两件事:

                                    一是知识库建设。与业务共建并沉淀过往项目、代码和核心工作流,让 Agent 能直接消费团队上下文,放进公共基建平台。团队新成员一进来就有起点,过往项目、代码对 AI 透明可见。

                                    二是把公共知识和 Skill 封装成能独立工作的 Agent,并让多个 Agent 形成协作链。基于开源项目构建了一个超级 Agent 做全局协调:产品经理、设计师、全栈开发等子 Agent 注册进 pipeline,需求输入后7×24 小时日不落迭代;同时设了安全闸门,遇到质量、权限、幻觉问题会唤醒人来介入。也正是在这一阶段,Agent 从“个人助手”进一步走向了“团队工作单元”。

                                    从 4 月至今,累计完成 2000 多个任务,AI 一次任务率(一次完成且通过独立验收)超过 60%,80% 的任务两次内完成(一次 AI + 一次人工校准),这个指标还在持续改进。

                                    在非技术场景中,内容运营团队已经基于这套体系搭建了运营专属工作台。快手把运营同学的高频工作流 Skill 和相关知识库集成到 Flicker 背后,让他们可以直接完成热点拆解、内容分析等任务。目前,这一工作台已经沉淀为标准产品,并在内容运营线推广使用。这也说明,AI 的价值正在从“个人助手”走向“团队专属生产力工具”。 

                                    五、阶段4:AI x 组织——从分散实践走向企业 AI 生产力(iWork)

                                    9 月,我们成立了企业 AI 生产力(iWork)组织,开始把分散在各团队里的 AI 实践,推进为公司级能力建设。

                                    在前一阶段的探索中,越来越多优秀实践不断涌现,但也暴露出新的挑战:这些经验如何变成公司标准?如果每个团队都基于自己的业务出口和数据各自构建 AI 应用,短期看能快速解决问题,长期却容易造成重复建设、上下文割裂和安全风险。

                                    因此,快手将企业内部通信平台、在线文档协同、通用 Agent 以及内部信息系统能力整合在一起。其核心思路有两个:

                                    • 一个强大的通用 Agent:具备更强推理能力,同时做到安全、受控、可监测,并持续提升员工个体效率;

                                    • 统一的企业语义框架:把文档、数据、代码、流程状态、会议记录等分散信息组织成可被 Agent 理解和调用的上下文。

                                    这样一来,Agent 不再只是在单点系统里完成任务,而是能够看见更完整的企业上下文;底层信息系统也会逐步开放可调用接口,让 AI 真正进入业务流程。基于这套能力,快手将继续以 FDE(Forward Deployed Engineer)的方式向业务赋能,内容运营、内容理解、安全、直播等场景都会是下一阶段重点探索方向。

                                    这背后的判断是:研发效能从来不是个体问题,而是组织协同问题。一个系统的效率,最终会被最慢的模块限制。企业 AI 生产力(iWork)要解决的,正是如何让 AI 从个人工具,变成组织级生产系统。

                                    如果希望进一步了解快手企业 AI 生产力(iWork)的技术实践,欢迎关注 10 月 31 日快手技术沙龙第 6 期。届时,我们将带来更完整的架构拆解与案例分享!

                                    【欢迎报名】

                                    👇 点击【阅读原文】,获取演讲 PPT!

                                    阅读原文

                                    跳转微信打开

                                    本体方法实践:从 RDF 和 OWL 到 GraphRAG

                                    2026年10月20日 20:26

                                    原创 半吊子全栈工匠 2026-10-20 20:26 北京

                                    本体工程最实用的形态可能是什么?

                                    【引】"本体"(Ontology)这个词略显神秘。本质上,本体只是对一个领域的显式约定:哪些东西存在、它们之间可以有什么关系、这些关系应遵循什么规则、系统从已知事实能推断出什么。本文是对《本体驱动的AI大模型:方法与实践》一书的解读与补充。以一个实例逐层拆解 I命名空间、RDF、RDFS、OWL、SHACL 五大技术层,并展示本体如何让 GraphRAG 更可靠。

                                    Tom Gruber 将本体描述为"对概念化的显式规范"。用大白话说,它是一份机器可读的说明,描述我们如何决定理解世界的某个特定部分。

                                    例如,Vanguard S&P 500 ETF(VOO)是一个全球投资者熟悉的产品,追求跟踪 S&P 500 指数的投资表现。假设我们希望一个金融知识系统理解以下事实:

                                    • Vanguard S&P 500 ETF 是一只 ETF。

                                    • 它由Vanguard集团管理。

                                    • 它跟踪 S&P 500 指数。

                                    这三句话足以引入本体技术的每一个重要层次。

                                    一、本体和知识图谱不是一回事

                                    最简单的区分是本体定义世界的规则,知识图谱存储关于这个世界的事实。

                                    本体可能定义:

                                    • ETF和AssetManager作为实体类型
                                    • managedBy作为从 ETF 到资产管理者的关系
                                    • tracksIndex作为从 ETF 到市场指数的关系

                                    知识图谱则存储实际的实体和关系:

                                    • VOO 是一个 ETF

                                    • VOO managedBy Vanguard

                                    • VOO tracksIndex S&P500Index

                                    把本体想象成一款棋盘游戏的设计图——它定义棋子、合法走法和规则。知识图谱是桌上正在进行的这局棋。

                                    这就是为什么"本体是模式、知识图谱是数据"是一个有用的捷径,本体能表达比传统数据库schema丰富得多的逻辑。

                                    二、我们总需要本体吗?

                                    不需要。如果你的应用只存储几个字段并按精确键检索,关系表或 JSON 文档就够了。本体工作引入设计、治理、验证和维护成本。当一个或多个以下问题出现时,它才变得有价值:

                                    问题 1:不同系统用不同的词

                                    一个系统说"基金提供商",另一个说"资产管理公司",第三个说"管理公司"。本体可以定义首选概念并将替代标签映射到它。

                                    问题 2:用户提问需要关系

                                    考虑:

                                    哪些由先锋管理的 ETF 跟踪美国股票指数?

                                    回答这个问题需要跨越多种实体类型和关系的路径,而非简单的关键词匹配。

                                    问题 3:系统需要检测无效数据

                                    如果managedBy应指向一个组织,以下声明应被标记:

                                    VOO managedBy John Smith

                                    John Smith 可能是一位投资组合经理,但他不是负责该 ETF 的资产管理组织。金融机构、医疗提供商和其他受监管行业依赖可信的知识图谱——单个错误关系就可能破坏 AI 可靠性、合规性和决策。本体约束充当护栏,确保只有语义有效的知识进入系统。

                                    问题 4:系统应推导从未直接存储的事实

                                    如果每只 ETF 都是交易所交易产品,而 VOO 是一只 ETF,推理器可以推断:VOO 是一种交易所交易产品。

                                    问题 5:LLM 需要可靠的领域地图

                                    LLM 可能生成流畅文本,同时混淆基金、指数、发行人和投资组合经理。本体给系统明确的实体类型、路径和约束,可引导检索并检查生成的答案。

                                    实用规则很简单,从语义精度和关联推理创造足够价值以抵消维护成本的领域开始。

                                    三、一个例子,五个技术层

                                    语义 Web 技术栈常令人困惑,因为多个标准被一起讨论。每个标准回答不同的问题。让我们逐层构建示例。

                                    第 1 层:标识符与命名空间

                                    知识图谱需要为每个重要资源取一个无歧义的名字。"Vanguard"可读,但并非全局唯一——它可能指一个组织、一个产品系列或与金融无关的东西。IRI 给实体一个唯一标识符:

                                    https://example.org/finance/Vanguard

                                    到处输入完整标识符会很痛苦,所以我们定义命名空间前缀:

                                    @prefix fin: <https://example.org/finance/> .

                                    现在我们可以写:

                                    fin:Vanguard

                                    简写和完整 IRI 标识同一资源。前缀只是方便的缩写,不改变底层身份。

                                    为什么标识符看起来像网址?RDF 和 OWL 是为语义 Web 开发的,不同组织的数据需要无命名冲突地连接。Web 式 IRI 利用域名所有权创建全局唯一名称:company-a.com/ETF和company-b.com/ETF可以安全地指向不同概念。它可能打开文档页面,但不必如此——IRI 的首要工作是标识,不是导航。

                                    第 2 层:RDF 将事实表示为三元组

                                    RDF 将信息表示为"主语-谓语-宾语"三元组。

                                    主语

                                    谓语

                                    宾语

                                    VOO

                                    managedBy

                                    Vanguard

                                    VOO

                                    tracksIndex

                                    S&P 500 Index

                                    在 Turtle(一种紧凑的 RDF 序列化格式)中,同样的事实如下所示:

                                    @prefix fin: <https://example.org/finance/> .
                                    fin:VOO fin:managedBy fin:Vanguard ;
                                            fin:tracksIndex fin:SP500Index .

                                    分号表示下一条语句使用相同的主语fin:VOO。

                                    RDF 是数据模型,Turtle 是书写该模型的一种方式。关系类似表格和 CSV:一个是底层结构,另一个是表达它的文件格式。

                                    同一 RDF 图也可以序列化为 JSON-LD:

                                    {
                                    "@context":{
                                    "fin":"https://example.org/finance/",
                                    "managedBy":{
                                    "@id":"fin:managedBy",
                                    "@type":"@id"
                                    },
                                    "tracksIndex":{
                                    "@id":"fin:tracksIndex",
                                    "@type":"@id"
                                    }
                                    },
                                    "@id":"fin:VOO",
                                    "managedBy":"fin:Vanguard",
                                    "tracksIndex":"fin:SP500Index"
                                    }

                                    Turtle 和 JSON-LD 看起来不同,但可以描述同一个图。

                                    第 3 层:RDFS 引入基本模式

                                    RDF 能陈述事实,通过 RDF Schema,我们可以定义类、子类、属性、定义域和值域:

                                    @prefix fin:  <https://example.org/finance/> .
                                    @prefix rdf:  <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
                                    @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
                                    fin:FinancialProduct a rdfs:Class .
                                    fin:Fund             a rdfs:Class ;
                                                         rdfs:subClassOf fin:FinancialProduct .
                                    fin:ETF              a rdfs:Class ;
                                                         rdfs:subClassOf fin:Fund .
                                    fin:AssetManager     a rdfs:Class .
                                    fin:MarketIndex      a rdfs:Class .
                                    fin:managedBy a rdf:Property ;
                                        rdfs:domain fin:Fund ;
                                        rdfs:range fin:AssetManager .
                                    fin:tracksIndex a rdf:Property ;
                                        rdfs:domain fin:ETF ;
                                        rdfs:range fin:MarketIndex .

                                    现在图有了基本的概念结构:

                                    FinancialProduct
                                    └── Fund
                                        └── ETF

                                    有一个令许多初学者惊讶的关键细节:

                                    在 RDFS 中,定义域和值域主要支持推理,它们不是数据录入验证规则。

                                    如果图包含fin:VOO fin:managedBy fin:Vanguard,且managedBy的定义域是Fund,RDFS 推理器可能推断 VOO 是一个 Fund。它不一定会因为 VOO 缺少显式的 Fund 类型而拒绝该三元组。如果目标是拒绝或报告不符合规范的数据,那是 SHACL 等验证语言的工作。

                                    第 4 层:OWL 添加更丰富的语义

                                    OWL 2 是一种具有形式化定义含义的本体语言。它能表达类、属性、个体、等价性、不相交性、属性特征、基数约束等。例如:

                                    @prefix fin: <https://example.org/finance/> .
                                    @prefix owl: <http://www.w3.org/2002/07/owl#> .
                                    fin:managedBy a owl:ObjectProperty ;
                                        owl:inverseOf fin:manages .
                                    fin:ETF owl:disjointWith fin:AssetManager .

                                    逆属性公理意味着:

                                    如果 VOO 由 Vanguard 管理,那么 Vanguard 管理 VOO。

                                    我们只存储了一个方向:

                                    fin:VOO fin:managedBy fin:Vanguard .

                                    OWL 推理器可以推导另一个方向:

                                    fin:Vanguard fin:manages fin:VOO .

                                    不相交公理表示单一个体不能同时是 ETF 和资产管理公司。

                                    OWL 在目标是描述含义并支持逻辑推理时很有用。它不应被视为传统表单验证器。OWL 通常遵循开放世界假设:缺失的事实是"未知",而非自动为"假"。例如,如果某只 ETF 没有提供managedBy值,OWL 不一定得出该 ETF 没有管理者的结论,图可能只是不完整。

                                    第 5 层:SHACL 验证图数据

                                    SHACL 描述 RDF 数据应满足的条件,假设我们的应用要求:

                                    • 每只 ETF 必须有且仅有一个资产管理公司。

                                    • 每只 ETF 必须跟踪至少一个市场指数。

                                    我们可以写一个 SHACL 形状:

                                    @prefix fin: <https://example.org/finance/> .
                                    @prefix sh:  <http://www.w3.org/ns/shacl#> .
                                    fin:ETFShape
                                        a sh:NodeShape ;
                                        sh:targetClass fin:ETF ;
                                        sh:property [        
                                            sh:path fin:managedBy ;       
                                            sh:class fin:AssetManager ;        
                                            sh:minCount 1 ;        
                                            sh:maxCount 1    
                                        ] ;
                                        sh:property [        
                                            sh:path fin:tracksIndex ;        
                                            sh:class fin:MarketIndex ;        
                                            sh:minCount 1    
                                        ] .

                                    这组数据符合规范:

                                    fin:VOO a fin:ETF ;
                                        fin:managedBy fin:Vanguard ;
                                        fin:tracksIndex fin:SP500Index .
                                    fin:Vanguard a fin:AssetManager .
                                    fin:SP500Index a fin:MarketIndex .

                                    这组数据不符合:

                                    fin:BrokenFund a fin:ETF ;
                                        fin:managedBy fin:Alice .
                                    fin:Alice a fin:PortfolioManager .

                                    验证器可以报告至少两个问题:

                                    1. fin:Alice

                                      被归类为PortfolioManager而非AssetManager。

                                    2. fin:BrokenFund

                                      没有tracksIndex值。

                                    这个区别值得记住:OWL 描述语句的含义和可推断内容,SHACL 检查图是否符合操作要求,二者互补。

                                    四、推理如何创造新知识

                                    让我们组合几条公理:

                                    fin:ETF rdfs:subClassOf fin:Fund .
                                    fin:Fund rdfs:subClassOf fin:FinancialProduct .
                                    fin:managedBy rdfs:range fin:AssetManager .
                                    fin:managedBy owl:inverseOf fin:manages .

                                    现在只存储:

                                    fin:VOO a fin:ETF ;
                                        fin:managedBy fin:Vanguard .

                                    推理器可以推导出:

                                    fin:VOO a fin:Fund .
                                    fin:VOO a fin:FinancialProduct .
                                    fin:Vanguard a fin:AssetManager .
                                    fin:Vanguard fin:manages fin:VOO .

                                    两条显式三元组产生了四条额外语句。这是本体系统的核心吸引力:精心设计的语义让机器做出有用、可解释的推断,而非仅依赖文本相似度。

                                    然而,推断的事实仅与产生它们的公理一样可信。一条糟糕的领域规则可能在整个图中传播错误的分类。因此本体设计不仅是建模练习,更是知识治理。

                                    五、能力问题:从问题倒推设计

                                    一个常见错误是从"建模领域的一切已知内容"开始。这通常产生一个巨大的、价值不明的本体。更实用的方法从能力问题(Competency Questions)开始,即完成后的知识库必须能回答的问题。

                                    对于投资产品本体,它们可能包括:

                                    • 哪些 ETF 由给定的资产管理公司管理?

                                    • 某只 ETF 跟踪哪个市场指数?

                                    • 哪些 ETF 提供对给定公司的敞口?

                                    • 哪些基金使用相同的基准?

                                    • 谁管理一只基金,这个人受雇于哪个组织?

                                    这些问题揭示了我们真正需要的概念和关系:

                                    • 类:ETF,AssetManager,MarketIndex,Company,PortfolioManager
                                    • 关系:managedBy、tracksIndex、holdsSecurity、employs
                                    • 数据属性:ticker、legalName、identifier

                                    它们还暴露了语言的模糊。"管理者"一词可能指资产管理公司,也可能指个人投资组合经理。将它们建模为不同的类可以防止一种常见的范畴错误,过程是迭代的:

                                    1. 写下问题

                                    2. 识别所需的概念和路径

                                    3. 建模能回答它们的最小本体

                                    4. 用样本数据测试问题

                                    5. 仅在真实需求出现时扩展

                                    这种方法反映了一个重要设计原则:为预期用途做最小的本体承诺。

                                    六、实用的本体开发工作流

                                    已有多种成熟方法论,包括 TOVE、METHONTOLOGY、On-To-Knowledge、Ontology Development 101 等。它们在范围和严谨度上各有不同,但轻量级项目可以结合它们最实用的想法,形成约 9 个步骤的开发流程:从确定范围和目标出发,通过能力问题驱动概念提取,构建初始本体,再经过推理验证、迭代修订,最终发布和持续维护。

                                    LLM 可以加速本体工程,尤其在早期发现阶段。给定领域文档、数据库模式和样本用户查询,LLM 可以帮助:

                                    • 提出能力问题

                                    • 提取候选概念和关系

                                    • 规范化同义词

                                    • 起草类和属性定义

                                    • 建议逆关系

                                    • 生成初始 Turtle 和 SHACL

                                    • 识别缺失的标签和注释

                                    • 检测常见建模反模式

                                    一个有用的流水线:

                                    领域目标 + 用户问题 + 源数据
                                                  ↓
                                         能力问题生成
                                                  ↓
                                         概念和关系提取
                                                  ↓
                                          初始本体提案
                                                  ↓
                                      推理、SHACL 和查询评估
                                                  ↓
                                         人工审查和迭代修订

                                    人工审查步骤至关重要。LLM 可能生成语法正确但包含微妙业务错误的本体——例如把 S&P 500 指数当作可交易基金,一个负责任的系统因此应当是:

                                    • 有据可依(Grounded):只建模有权威来源或数据支持的概念
                                    • 可复用(Reusable):适当扩展已有词汇表
                                    • 可扩展(Extensible):允许新产品和关系而无需重写现有定义
                                    • 查询驱动(Query-driven):为真实能力问题优化模型
                                    • 可测试(Testable):自动评估推理、验证和查询结果
                                    • 受治理(Governed):重大语义规则需领域专家批准

                                    七、本体如何帮助 GraphRAG

                                    GraphRAG 将检索与图中的关系结合,本体可以让多个阶段更可靠。

                                    7.1. 查询分解

                                    考虑:"哪些由先锋管理的 ETF 跟踪 S&P 500 指数?"

                                    本体告诉系统这是一条有效路径:

                                    ETF ──managedBy──> AssetManager
                                    ETF ──tracksIndex──> MarketIndex

                                    问题可被翻译为结构化图查询:

                                    SELECT ?etf
                                    WHERE {
                                      ?etf a fin:ETF ;
                                           fin:managedBy fin:Vanguard ;
                                           fin:tracksIndex fin:SP500Index .
                                    }

                                    本体充当查询规划的导航地图。

                                    7.2. 实体消解

                                    同一组织可能出现为 "Vanguard"、"The Vanguard Group"、"Vanguard Group, Inc."。本体可以分开定义标签和强标识符——注册标识符或其他权威键可支持身份匹配,而skos:altLabel可为搜索保留别名。

                                    本体不会魔法般解决实体消解——它定义的是消解系统做决策时哪些证据有意义。

                                    7.3. 检索控制

                                    如果用户问 ETF 的基准,本体可以优先检索与tracksIndex关联的文档和图路径,而非检索每个包含该 ETF 名称的页面。

                                    7.4. 答案验证

                                    假设 LLM 说:"S&P 500 指数由先锋管理。"本体方法认为:

                                    • managedBy:期望 Fund 作为主语
                                    • S&P500Index :是 MarketIndex

                                    • MarketIndex 和 Fund 不相交

                                    系统可以检测到类型冲突,要求模型使用检索到的证据重新生成答案。本体给应用一种结构化方式,在某些类别的错误到达用户之前检测到它们。

                                    Tom Gruber 的经典本体设计原则在现代知识图谱项目中仍然有用:

                                    1. 清晰性(Clarity)——定义应有效传达含义
                                    2. 一致性(Coherence)——定义应逻辑自洽
                                    3. 可扩展性(Extendibility)——设计应支持共享词汇表上的特化
                                    4. 最小编码偏差(Minimal Encoding Bias)——概念化不应依赖于特定符号
                                    5. 最小本体承诺(Minimal Ontological Commitment)——只做推理需求所要求的假设

                                    最后一条尤为重要:一个能回答真实问题的更小本体,通常比整个金融宇宙的宏大模型更有价值。

                                    小结

                                    不需要记住整个语义 Web 技术栈,记住每层的职责即可:

                                    层

                                    职责

                                    IRI 和命名空间

                                    唯一命名事物

                                    RDF

                                    将事实表示为三元组

                                    RDFS

                                    定义基本词汇和层次

                                    OWL

                                    表达更丰富语义并启用逻辑推理

                                    SHACL

                                    根据操作要求验证数据

                                    Turtle / JSON-LD

                                    将图序列化为文件

                                    这就是本体工程最实用的形态:命名重要的事物、定义它们如何关联、让规则显式化、测试数据和答案是否尊重这些规则。

                                    对于知识图谱和 GraphRAG,但当语言模糊、关系重要、且需要可信推理时,它可以成为让整个系统保持一致的语义基石。

                                    【关联阅读】

                                    跳转微信打开

                                    快水落石出了

                                    2026年10月20日 19:14

                                    毛有话说 2026-10-20 19:14 北京

                                    工信部这是指谁呢?[吃瓜]

                                    无法理解那些抛开事实不谈、满嘴“大局”“正义”的人。凭啥你就是大局?所有人都得维护你?凭啥就你代表正义?谁能保证永远不犯错误?

                                    其实监管部门应该感谢懂车帝这些民间测评媒体,他们是啄木鸟,提前发现了害虫,防患于未然。否则,如果速成车真出了人命,不光是企业的问题,监管部门也责无旁贷,整个中国新能源车在国际市场的形象都将遭遇灭顶之灾。

                                    懂车帝,靠谱吗?

                                    跳转微信打开

                                    ByteDance 2026 上半年 Linux 内核贡献回顾

                                    2026年10月20日 18:22

                                    字节跳动STE团队 2026-10-20 18:22 北京

                                    文章来源|字节跳动 STE 团队

                                    Linux 内核运行在形态丰富、规模各异的计算基础设施之上。它的每一项机制调整,都需要同时面对性能、正确性、可维护性、硬件差异和长期兼容性等多重约束。

                                    对我们而言,参与 Linux 社区建设,不只是把代码提交到上游。它既包括将生产环境中发现的问题抽象为通用方案,也包括参与讨论、审阅其他开发者的工作,与社区一起把有价值的改动打磨成熟。

                                    为什么我们要参与社区?改动进入主线后,无需在每个内核版本上重复适配本地补丁,显著降低长期维护成本;社区的多轮审阅和测试也能发现内部验证遗漏的问题,让代码以更高质量反哺生产环境。更重要的是,持续贡献让我们从代码使用者转变为生态共建者,及时把握内核发展方向。这是一种更高效、更可持续的工程策略。

                                    2026 年度,截止到 9 月底,我们团队已有 23 名工程师贡献的 198 个代码提交被 Linux 社区维护分支接收,覆盖内存管理、调度、文件系统与 I/O、RISC-V、虚拟化、IOMMU、网络、性能工具和内核测试等方向。同时,我们还参与了 113 个社区补丁的审阅与推进。从贡献自己的方案,到帮助其他开发者完善方案,这些工作共同构成了我们参与 Linux 内核社区的完整实践。

                                    一、从生产问题出发,让通用能力进入 Linux

                                    1. 从 16.7 毫秒到 1.56 毫秒:让等待 IPI 的过程恢复可抢占

                                    在延迟敏感型业务中,任务能否及时获得 CPU,直接影响服务的长尾表现。即使一个实时任务拥有很高的调度优先级,如果当前 CPU 长时间处于不可抢占状态,它仍然只能等待。

                                    我们在生产环境的 DPDK 工作负载中发现,部分 CPU 会出现毫秒级甚至十毫秒级的长时间不可抢占事件。进一步分析表明,其中的大部分长尾来自进程退出、内存释放等路径触发的远程 TLB 刷新。

                                    在 x86 系统中,远程 TLB 刷新通常通过处理器间中断,也就是 IPI,通知其他 CPU 执行操作。Linux 原有的 smp_call_function 系列接口会在准备请求、发送 IPI,以及等待远端 CPU 完成的整个过程中关闭抢占。如果远端 CPU 暂时关闭中断,或者系统中需要等待的 CPU 较多,发起任务可能在不可抢占状态下等待数毫秒甚至更久。

                                    原有流程可以简化为:

                                    真正依赖当前 CPU 的,主要是目标选择、请求构造和 IPI 发送阶段。等待远端完成时,任务本身并不必然继续绑定在原 CPU 上。

                                    围绕这一观察,我们提交了由 14 个补丁组成的系列,重新划分跨 CPU 调用中的抢占边界:在请求完成入队和发送后恢复抢占,让同步等待阶段变得可抢占、可迁移。

                                    这并不是简单删除几处 preempt_disable。恢复抢占后,任务可能被切走或迁移,原本由 per-CPU 数据隐含保证的生命周期和并发关系都需要重新建立。该系列因此进一步引入 task-local IPI mask,并系统处理 CPU hotplug、CSD 存储生命周期、x86 TLB flush,以及 KVM、Xen、Hyper-V 等虚拟化后端对 CPU-local 状态的依赖。

                                    在生产环境中,每 30 秒统计窗口内最大不可抢占时长的 P99 出现了明显下降:

                                    应用该系列后,在 arch_tlbbatch_flush 和 flush_tlb_mm_range 路径上不再观察到超过 1 ms 的不可抢占事件。与此同时,针对 x86 TLB flush 数据结构调整所做的微基准测试显示,新方案没有带来可测量的性能退化。

                                    这一变化显著改善了实时任务及时获得 CPU 的基础条件。上述 90.7% 衡量的是最大不可抢占时长 P99 的降幅。

                                    该系列经历了 10 个版本的社区迭代。来自调度、实时、x86 和 RCU 领域的多位社区开发者参与了设计讨论、代码审阅与测试。方案也从早期的栈上 cpumask 和 RCU 保护,逐步演进为边界更清晰的 task-local IPI 状态。

                                    从生产环境中的 16 毫秒级长尾,到覆盖 SMP、x86 MM 和虚拟化路径的通用内核机制,这组工作呈现了生产实践进入开源社区的一条完整路径。

                                    2. 容器退出之后:系统性解决 dying memory cgroup 问题

                                    在容器环境中,一个任务或容器退出后,对应的 memory cgroup 理论上也应该完成回收。但现实要复杂得多:文件页等内存对象可能被不同任务共享,其生命周期也可能超过创建它们的 memcg。只要这些对象继续持有原 memcg 的引用,用户已经删除的 memcg 就无法真正释放,形成 dying memory cgroup。

                                    当任务不断创建、退出,并反复访问相同文件时,文件页可能被后续实例持续使用,dying memcg 也会随之积累。这不仅消耗内存,还可能降低页面回收效率。该问题在 Linux 社区已经存在多年,也是大规模容器环境中尤其值得关注的资源生命周期问题。

                                    我们围绕这一问题提交了 33 个补丁。我们提出的方案让 LRU folio 不再长期固定原始 memcg 的生命周期,并在 memcg 下线时重新归属相关资源;同时通过 RCU、引用计数和 lruvec 锁,保证查询、回收和重新归属过程中的并发安全。

                                    这项改动涉及的不只是一个函数或一条回收路径,而是覆盖传统 LRU、MGLRU、workingset、writeback、zswap、页面迁移等多个核心模块。也正因为文件页可以共享、可以长期存在,且可能在任意时刻参与回收或迁移,解决 dying memcg 必须系统检查每一个获取 memcg 或 lruvec 指针的使用者。

                                    在补丁集说明给出的复现中,连续创建并删除 2000 个 memory cgroup,同时让文件页跨越这些 cgroup 的生命周期。应用新方案后,dying memcg 的数量不再显著增长。

                                    这项工作的意义不仅是释放一部分内核元数据,更重要的是让 Linux 在频繁创建和销毁容器的环境中,能够更准确地管理跨生命周期的文件页和回收状态。

                                    3. 重构内存元数据基础设施:推动 HVO 走向通用化

                                    Linux 需要为每一页物理内存维护 struct page 等元数据。系统内存越大,这部分元数据本身所占的空间就越可观。HugeTLB Vmemmap Optimization,简称 HVO,通过复用部分 vmemmap 页面,减少大页对应的元数据开销。

                                    原有 HVO 实现包含一条服务于 HugeTLB 的特殊早期启动路径:在通用 sparse-vmemmap 流程之前预先建立优化后的映射。为了支持这条路径,通用内存初始化代码还需要维护专用状态。这使得机制难以复用,也让 bootmem、memory hotplug、Device DAX 和体系结构页表操作之间的边界更加复杂。

                                    2026 年,我们围绕这一方向完成了四组相互衔接的工作,共计 47 个提交:

                                    修复 vmemmap 优化在 DAX、memory hotplug 和 ZONE_DEVICE 场景中的统计与初始化错误;

                                    重构 bootmem gigantic HugeTLB 的早期分配和初始化流程,并修复启动及架构相关问题;

                                    将不同架构重复实现的 vmemmap PMD 操作整理为通用 helper;

                                    在 sparse-vmemmap 中引入基于 memory section 的优化描述,并将 HugeTLB bootmem 页面迁移到这条通用路径。

                                    在新的设计中,HugeTLB 不再自行提前建立一套特殊的 vmemmap 映射,而是把 compound page order 记录在相应的 memory section 中。通用 sparse-vmemmap population 路径根据 section 元数据决定如何分配或复用 tail vmemmap 页面。完成迁移后,原有专用的预初始化机制和一批冗余状态可以被删除。

                                    这项工作的重点不是增加另一个局部优化,而是重新划分子系统职责:HugeTLB 描述需求,sparse-vmemmap 负责实现通用优化,体系结构代码则提供必要的页表能力。它让 HVO 的实现更容易维护,也为未来服务更多 HVO 用户建立了基础。

                                    围绕 HugeTLB,我们还完善了大规模 NUMA 系统中的启动参数预留能力。在一台拥有 4 个 NUMA 节点、384 GB 内存的 x86 虚拟机中,相关改进使能够成功预留的 2 MiB 大页容量从不足 374 GB 提高到超过 379 GB。

                                    这一阶段完成了 HugeTLB 向 section-based 通用框架的迁移,并为 Device DAX 等更多应用 HVO 的场景的后续演进打下基础。

                                    4. 面对 2500 万个 struct page:加速大容量内存设备初始化

                                    大容量 PMEM、fsdax 和 devdax 设备上线时,内核需要为对应的每个物理页初始化 struct page。对于 100 GB 的设备,这意味着大约 2500 万次高度相似的元数据初始化。相关开销直接发生在同步的设备 probe、bind 或 rebind 路径中,用户执行设备配置、热添加、恢复和重新绑定时都要等待它完成。

                                    我们提出的方案,不再让每个 struct page 都重复走完整初始化流程,而是先生成已经正确初始化的模板,再刷新与 PFN 有关的字段并复制到后续页面。该方案同时覆盖普通 head page 和 compound tail page。

                                    为了进一步降低写分配和缓存污染,系列还为内核引入了 memcpy_nontemporal 接口,并在 x86 上扩展固定尺寸的 MOVNTI 快速路径。没有体系结构专用后端的平台仍然回退到普通 memcpy,因此模板复用本身是一项跨架构优化。

                                    该系列分别在虚拟机、物理机和 arm64 环境中进行了验证:

                                    arm64 测试没有使用 x86 的 MOVNTI 快速路径,仍然获得了明显改善,这说明通用的模板复制机制本身就能为其他架构带来收益。

                                    这些测试使用了不同的架构、页大小和设备对齐配置,验证了优化在多种环境中的有效性。表中数据均衡量 memmap_init_zone_device 阶段的耗时。

                                    5. 当设备足够快:为小块 Direct I/O 建立 iomap 快速路径

                                    随着 Gen5 NVMe 等高速存储设备不断提升性能,瓶颈开始从硬件转移到内核软件路径。在 4 KiB 随机读测试中,原始块设备可以达到约 320 万 IOPS,而经过 ext4 或 XFS 的 iomap Direct I/O 通用路径时,性能约为 192 万 IOPS。

                                    性能分析显示,内存分配、iomap 状态机迭代和异步完成处理占用了相当比例的 CPU 时间。对于一个位于单个文件系统块内、无需拆分、无需加密和特殊回调的简单读请求,完整通用路径所提供的复杂能力并没有全部被使用。

                                    我们因此为符合条件的小块只读 Direct I/O 建立了一条轻量快速路径。请求状态与 bio 使用一次分配,常见成功场景直接完成;不满足条件的复杂请求仍然进入原有通用路径,从而保持已有功能和语义。

                                    在原始单核 io_uring poll-mode 测试中,ext4 的 4 KiB 随机读性能从约 192 万 IOPS 提升到 219 万 IOPS。在更完整的 fio 测试矩阵中:

                                    ext4 在不同队列深度和 I/O 模式下最高提升 10.06%;

                                    XFS 最高提升 9.76%;

                                    在所列低队列深度测试中,性能与原有实现基本持平。

                                    这一案例体现了 Linux 通用基础设施的价值:对 iomap 中一条公共路径的优化,可以同时惠及 ext4 和 XFS 等多个文件系统。

                                    二、从关键机制到多元生态

                                    从故障现场到稳定内核

                                    除了完整的功能和优化系列,我们自 2026 年以来被社区接收的代码提交中,还有 52 个明确标记了所修复的历史变更,32 个被抄送至稳定版维护团队。这些改动覆盖崩溃、资源泄漏、并发竞争、错误计费和硬件异常等多类问题。

                                    其中一些问题直接来自复杂生产环境。

                                    在设备直通场景中,PCIe endpoint 的链路可能因为 surprise removal 或链路故障而失联。如果 Intel IOMMU 此时仍然向已经不可访问的设备发送 ATS invalidation,并同步等待完成,宿主机可能永久卡住。我们针对传统模式和 scalable mode 分别完善了设备可访问性检查,避免 QEMU、DPDK 等用户态设备使用场景在异常链路下将故障扩大为 hardlockup。

                                    在 core scheduling 场景中,newidle balance 可以在暂时释放 core-wide lock 时迁移任务,导致同一个任务被两个 sibling CPU 同时选中并触发内核警告或崩溃。相关修复恢复了 core scheduling 下的正确重试语义。

                                    其他代表性修复还包括:

                                    修复 VDUSE 消息超时与读取并发导致的 double list deletion;

                                    修复 HVO rollback 恢复错误的 head-page 元数据;

                                    修复 userfaultfd 为其他进程填充 HugeTLB 时,内存被计费到 handler memcg 的问题;

                                    修复 memory hotplug、CMA、shrinker 和 MGLRU 中的资源泄漏与竞争;

                                    修复 ext4、EROFS、NFS、FUSE、device-mapper 和网络驱动中的正确性问题。

                                    这些工作未必都适合单独成为一篇长故事,但它们共同构成了内核社区的重要日常:从真实故障中定位根因,将修复放回通用代码,并为稳定版内核的后续回移提供依据。

                                    延伸到更多架构:页表回收与 RISC-V 生态

                                    在内存回收方向,我们还将 PT_RECLAIM(页表回收) 扩展到更多体系结构。在 64 位系统中,对 100 GB 以上的大范围映射执行 madvise(MADV_DONTNEED) 后,可能留下大量空的 PTE 页表页。相关 8 个补丁完善了 Kconfig 依赖,并为 alpha、UML、parisc、MIPS 和 LoongArch 等架构补齐所需能力,使 PT_RECLAIM 可以在更多平台默认工作。

                                    我们对 RISC-V 的贡献则覆盖内存管理、性能分析、异常处理和虚拟化等多个层面,包括:

                                    在 update_mmu_cache 路径使用 ASID,并在可用时采用 Svinval;

                                    修复 THP split 中 page-table-check 对临时无效 PMD 的错误统计;

                                    完善 ftrace、stacktrace 和 kprobes 的正确性;

                                    增加 hardware error trap handler 支持;

                                    修复 hwprobe 与用户态启动之间的初始化时序;

                                    完善 KVM guest interrupt file 和指令扩展支持。

                                    与此同时,我们还向 perf、ftrace、cgroup selftests 和 livepatch selftests 等工具与测试基础设施贡献修复。内核能力能否被稳定使用,既依赖核心实现,也依赖持续演进的验证工具。

                                    三、双向参与:既贡献方案,也为社区代码把关

                                    Linux 内核是由全球开发者共同维护的协作工程。一个补丁从提出到合入,不仅需要作者完成设计和实现,也离不开熟悉相关子系统的开发者检查正确性、并发边界、体系结构差异和长期维护成本。

                                    我们之所以投入精力对其他开发者的补丁进行深入审阅,是因为内核是共享的基础设施:社区贡献者提交的改进同样会进入我们使用的内核,其质量直接关系到业务的稳定性与性能。因此,这种审阅并非单向付出,而是一个共同受益的过程——它帮助贡献者发现潜在问题、厘清设计边界、验证不同配置,让方案更易长期维护;而经过打磨的改进最终也会回馈到我们的生产环境中,形成彼此促进的良性循环。

                                    这种持续投入也体现在社区正式角色的积累上。截至目前,我们已有多位工程师被列入 Linux 内核的 MAINTAINERS 文件,在内存管理等核心子系统中担任维护者(Maintainer)或审阅者(Reviewer)。其中,团队中有工程师担任 HugeTLB 子系统的 Maintainer,并负责 memcg 与 shrinker 的 Review;其他成员还分别承担 shrinker、MGLRU(Multi-Gen LRU)、内存回收(Reclaim)、RISC-V QoS Resctrl、zswap 压缩交换缓存和 KSM(Kernel Samepage Merging)等方向的 Reviewer 工作。此外,团队中还有工程师担任 RISC-V 国际组织虚拟机管理程序特别兴趣小组(Hypervisor SIG)副主席。这些角色既是社区对我们技术能力的认可,也意味着我们需要持续投入精力保障相关子系统的代码质量与长期演进。

                                    让长期积累的技术经验服务更多贡献者

                                    2026 年以来,我们为社区贡献了 76 条 Reviewed-by 和 48 条 Acked-by,覆盖 113 个不同补丁。

                                    其中,我们主要围绕内存管理核心机制参与社区审阅,相关工作覆盖 HugeTLB、memcg 与 shrinker、vmscan、sparse-vmemmap 和页表回收等领域。

                                    从内存管理走向虚拟化、存储、调度及 RISC-V 生态

                                    我们参与审阅的补丁中,有 82 个涉及 mm 目录。除此之外,Review 足迹还延伸到内核核心代码、VDUSE、HugeTLB 文件系统、iomap、x86 内存管理、live update 以及 RISC-V 生态建设等方向。

                                    我们重点参与了 VDUSE、iomap、块设备 polling、scheduler cgroup migration 和 RISC-V 生态等方向的补丁审阅。这些工作将我们在生产系统中积累的虚拟化、存储和调度经验带入更广泛的社区协作。

                                    在开放协作中共同完善方案

                                    我们提交的工作同样在社区审阅中不断演进。允许 IPI completion waiting 恢复抢占的系列经历了 10 个版本,社区反馈推动方案调整 cpumask 存储方式、CPU hotplug 下的生命周期、x86 栈对象对齐方式和虚拟化后端的保护边界,并补充构建修复、微基准与 torture test。

                                    HVO 相关工作则通过拆分和重组,将较大的通用化目标整理为 bootmem HugeTLB 重构、正确性修复、通用 PMD helper 和 section-based HVO 等可独立审阅的步骤。iomap 快速路径也在文件系统社区的审阅和整合下,形成了边界严格、同时适用于 ext4 和 XFS 的通用实现。

                                    一边接受全球社区对我们代码的审阅,一边以 Reviewed-by 和 Acked-by 帮助其他开发者推进工作,我们正通过这种双向协作,持续参与 Linux 内核的长期演进。

                                    四、持续把生产实践和技术判断沉淀为社区能力

                                    2026 年以来,我们的 Linux 内核社区贡献既有 198 个被接收的代码提交,也有覆盖 113 个社区补丁的 Review 与 Ack。比数字本身更重要的,是这些工作形成了一条持续运转的路径:从生产环境发现并复现问题,深入核心代码寻找根因;以可维护、可验证的方式提出通用方案;在社区反馈中反复完善设计;再将积累下来的技术判断用于审阅其他开发者的工作。

                                    从改善实时任务的调度长尾,到治理容器退出后的内存生命周期;从推动 HVO 基础设施演进,到提升大容量内存设备和高速存储的效率;从贡献自己的补丁,到帮助社区开发者完善更多有价值的改动,我们将继续参与 Linux 内核社区建设,与全球开发者一起推动基础软件长期演进。

                                    跳转微信打开

                                    智能进步的复利:从 RSI 加速到持续学习

                                    2026年10月20日 17:00

                                    原创 Cage、Penny 2026-10-20 17:00 北京

                                    当 AI 开始创造下一代智能

                                    作者:Cage、Penny

                                    ⁠/⁠

                                    01.

                                    Key Takeaways

                                     ⁠

                                    •RSI 范式已经在发生了,模型的自我训练和自我迭代在硅谷 frontier labs 中体感明显。我们对 RSI 的定义是:AI 可以参与到模型训练的每一个环节中。随着 compute 增加,使智能产生同等程度进步所需的 researcher 数量不再同比例增长,而是开始下降。

                                    • 继年初 opus 4.6 带来的推背感之后,我们在硅谷再次感受到 RSI 加速的震动。coding 进步没有放缓,synthetic data 和 infra 优化大大受益于 RSI,研究员的工作不再需要理解代码,更多在于提出假设,理解需求和想办法 validate 模型产生的结果。Lilian Weng 回到 OpenAI 之后也在 RSI 上投入了大量精力。

                                     ⁠

                                    •RSI 与持续学习是在解决两个不同的问题,甚至可能有了 RSI,持续学习才能真正解决。RSI 让生产智能的过程更加自动化、close the loop;持续学习让 AI 可以自己在交互中学习积累能力,学会利用真实工作零散、常常没有标准答案的经验。

                                     ⁠

                                    •实现 continual learning 大概率需要一次范式跳变。我们对持续学习的定义是:一个系统在 interaction experience 中能把新的知识和 entropy,转化为能够泛化到各种任务上的能力提升。

                                     ⁠

                                    •两者都受制于好的 verifiable 环境。coding agent 让生成任务和模拟环境越来越容易,但是怎么判断任务的效果,正在成为更关键的约束。一件事情只有 AI 掌握了好的 taste 去验证和证伪,怎么去对于任务设计好的 verify 和 falsify 方法,才算是真正 close the loop。

                                     ⁠

                                    •这会同时改变算力需求和产品形态。RSI 会让 AI 的进步完全受 bottleneck by compute 的物理约束;持续学习会训练和推理的分工边界会变模糊,持续进步的 AI 也会比现在的 API 更加有极致的个性化和用户粘性。

                                    • RSI 也会拉大中美两地模型的差距,算力和模型迭代速度两者叠加,frontier labs 的模型进步会更快。RSI 可能是 frontier labs 最终实现护城河的飞轮。

                                     ⁠

                                    Personalization × Self-evolution Matrix

                                     ⁠

                                    在我们讨论 RSI 和持续学习的时候,有这样两个维度是最核心的,可以用来区分这两个定义的差别:

                                     ⁠

                                    •Adaptation:AI 能不能围绕特定的任务或环境,来进行个性化的学习。

                                     ⁠

                                    •Self-evolution :AI 能不能 close the loop,自己训练更好的 AI

                                     ⁠

                                    在这个思考框架下,传统的 LLM 范式,foundation model 隔代升级、定期 release 被放在了左下角。而现在 的 frontier labs 训练方式正在变得越来越自动化、工业化,也正是在从左下角走向左上角的过程中。

                                     ⁠

                                    而从个性化的角度思考,现在的 Chatbot/ Personal Agent 都是在用 memory file 的形式,用 markdown 等结构化文件系统存下用户的个性化记忆,在对话相关的地方去回忆,类似一个随身带着笔记本的人。

                                     ⁠

                                    持续学习则是右上角两个维度的交汇点,同时具有 self-evolve 的持续进步和个性化 adaptation 能力。

                                     ⁠

                                     ⁠

                                    公司 Mapping:从矩阵到产业切入点

                                     ⁠

                                    本文后续的核心内容,主要围绕 RSI 目前的进度与下一步展开,然后后续持续学习需要实现的核心技术路线。因此不会涉及太多对具体公司的判断,但我们确实观察到这两个方向上都出现了很多 Neolab。

                                     ⁠

                                    随着该领域涌现出大量的 startup,我们希望先在此分享这些 startup 的分类与 mapping 思路。总的来说,主要分为三大类:

                                     ⁠

                                    1.RSI:AI 研究自动化

                                     ⁠

                                    这是 RSI 愿景的直接体现。其中又可以细分为两类:

                                     ⁠

                                    (a)训练平台:企业可以在其平台上通过 API 或 RL fine-tuning 等方式训练个性化模型。因此这类创业公司的产品将 RSI 搭建成平台,让企业更容易地完成模型训练。代表公司如拥有 Tinker 平台的 Thinking Machine。

                                     ⁠

                                    (b)偏向 RSI 本身的研究:目标是在 AI 以及其他领域实现 close loop 的闭环任务。代表公司如 Jeff Dean 出来创业做的 Discover Loop。

                                     ⁠

                                    2.Continual Learning:新范式突破

                                     ⁠

                                    在这个分类中,我们认为前沿模型公司仍有很大的作为空间。例如 OpenAI 和 Anthropic 内部大概率已经部分实现了 RSI,而持续学习和算法效率的提升可能是他们下一个最关心的问题。

                                     ⁠

                                    此外,也有很多 visionary 的 researcher 创业在探索学习与新范式方向。我们认为这类探索的赔率更高,但客观来说胜率更低:

                                     ⁠

                                    探索下一代范式更像是一个 research bet,是在解决一个 science 问题。不确定性会高得多。甚至有可能在现有范式下 frontier lab 用 RSI 就解决了持续学习问题。

                                     ⁠

                                    3.Domain Loops:在垂直领域内闭环

                                     ⁠

                                    越接近真实世界,实验通常越贵、越慢,也越难复制。因此,RSI 能否带来复利,最终取决于系统能否从每一轮反馈中学到更多。这里列出的是各垂直领域中相对更 AI-native 的团队:

                                     ⁠

                                    •在 science 领域,主要的代表方向是 science discovery agent 和自动化实验室(automated lab)类的公司。

                                     ⁠

                                    •在 chip design 与材料发现领域,一些团队致力于直接打造终端产品,另一些则是为了在过程中沉淀数据与 RL 环境,以解决现实世界的瓶颈问题。

                                     ⁠

                                    对于这些细分领域,我们后续也会对每个领域发布研究 mapping 分享给大家。

                                     ⁠

                                     ⁠

                                     ⁠

                                    02.

                                    State of RSI

                                     ⁠

                                    初级 RSI 已经实现:实验自动化

                                     ⁠

                                    初级 self improvement 更接近模型训练的 automation,从去年年底 coding 能力大幅提升后开始加速,把现有的 pre-training,post-training,RL,全部用 AI 替代。现在在 frontier labs 中,越来越多任务可以由 Agent 完成闭环。一个 researcher,可以同时推进多个问题,把更多精力用在选择方向、设计验证和判断结果上。

                                     ⁠

                                    RSI 并不需要完全没人参与,更实际的定义是,deliver 单位智能需要的 researcher 数量,不需要随 compute scale。模型的提升 scale compute 和 intelligence,但不 scale people。

                                     ⁠

                                    这点反应在 OpenAI 在 2026 年 9 月公布的内部数据上:每位活跃实验人员的实验量,在 8 月达到 2025 年均值的约 1.6 倍。考虑到 OpenAI 的员工增长数应该是比算力增长来的快的,researcher 们正在把更复杂、时间跨度更长的任务交给 Agent。

                                     ⁠

                                     ⁠

                                    从算力看,这种变化包含两个不同的量:每位研究员能管理多少 GPU 小时,以及每个 GPU 小时能产生多少有效成果。自动化肯定让前面这一项提高了,让更多假设进入实验;但要让后者提高,需要评估和研究方法进一步改善。真正的 RSI,最终要把更大的实验规模转化为更强的研究能力,让模型产生迭代速度明显指数级增加的复利。

                                     ⁠

                                    Karpathy 的 autoresearch 展示了闭环的具体做法:Agent 修改训练代码,在单 GPU、每次五分钟的训练预算内运行,用固定评估决定保留还是撤销改动,然后进入下一轮。人负责研究指令与边界,Agent 连续执行。五分钟指训练时间,不含启动、编译和 Agent 推理。

                                     ⁠

                                    AI agent 读取当前训练代码和实验记录 → 训练代码修改 → 固定的计算 budget 下,做实验与评估 → 保留或撤销 → 下一轮实验。

                                     ⁠

                                    Infra 也因此在变化:训练系统除了方便 researcher 使用,还要让 Agent 能操作、观察和纠错。可调用的训练接口、可复现环境和独立评估,决定一名研究员能同时管理多少条这样的闭环。

                                     ⁠

                                    研究瓶颈

                                     ⁠

                                    初级 RSI 实现之后,最稀缺的工作变成了这些:

                                     ⁠

                                    •规模迁移。小模型上的 optimizer、数据配比或架构改动,能否在前沿训练中继续有效?从简单任务到复杂任务的迁移和泛化,是现在 自动化实验最主要的瓶颈。Anthropic 的自动 alignment 研究已经开始自动设计并迭代,但最优方法移到 Claude Sonnet 4 生产训练时,没有取得统计显著改善。便宜实验筛出的候选,仍需要一定程度的 human in the loop。

                                     ⁠

                                    •好的 verifiable environment。需要好的环境和 verifier,来为模型提供反复尝试和学习的任务。科学上,Scalable oversight 要解决的是:当任务多到人无法逐项检查、难到监督者不能直接判断时,怎样仍然给出可靠反馈。工程上,生成 verifier 还要平衡质量与效率。一种实用做法是让 agent 生成正确变体和错误干扰项,检查 verifier 能否区分。

                                     ⁠

                                    •从真实轨迹构建环境:有些开源环境和 benchmark 围绕修复一个 issue 这样的单轮任务构建。真实工作却是连续的任务序列,文件、运行环境和用户目标都在变化。从真实轨迹重建环境,可以让训练更贴近这些工作序列和状态。这里又有三类难点需要解决:

                                     ⁠

                                    1.文件与运行环境。从轨迹中尽可能恢复文件内容,拼接文件树,再让 agent 补齐和修复缺失部分;同时恢复语言、依赖和构建配置,让环境真正跑起来。

                                     ⁠

                                    2.任务边界。从模糊的用户 query 中识别任务区间,比如把“继续”这样的请求还原为目标清楚、上下文完整的任务。

                                     ⁠

                                    3.任务验证。原始回复往往不是最优答案。Verifier 应根据模型行为和真实状态变化判断任务是否完成,避免把复现原回复当成成功。

                                     ⁠

                                    •研究判断中的 taste 与资源分配。哪些问题值得做,哪些实验应该加计算资源,何时该放弃?这些决定缺少现成的短期分数,却决定了实验最终能否留下有价值的发现。Anthropic 对内部研究工作的观察也指出,执行自动化越多,研究方向和 human in the loop 越重要。

                                     ⁠

                                    RSI 接下来的进展,会来自这些环节一起改善:实验能自主推进,结果能被 scalable verified,再进入下一轮实验和上线,做到真正的 close the loop。但也会有很多与现实世界关系比较大的领域大部分领域可能很难有好的 verifiable environment。

                                     ⁠

                                    垂直领域的 RSI

                                     ⁠

                                    除了模型训练和 coding 之外,RSI 很难直接 close the loop。因此我们倾向于一个渐进的顺序:先在 frontier lab 内部形成闭环;再进入目标更明确、反馈更可验证的垂直领域。AI for Science 和 robotics 已经开始在找一些局部闭环,这也能让前面关于 verifiable environment 的讨论变得更具体。

                                     ⁠

                                    AI for Science:

                                     ⁠

                                    Anthropic 最近的蛋白设计工作调用了类似 AlphaFold 的专用模型、自动提交实验和分析实验结果,串起来作为一条成熟的工作流。

                                     ⁠

                                    下一步,就是 Agent 能反过来改进自己的科研工具。Anthropic 让 Claude 优化了 30 多个开源生物分子模型的推理代码和 GPU kernels,再结合更简洁的 prompt、harness 与新版模型。他们提到,做同样水平蛋白设计,使用的 GPU 小时数已经是优化前开源模型的 1/100。

                                     ⁠

                                    Phylo 发布的 Biomni × TusoAI 也展示了科学模型研发的自动化。Agent 搜索数据和代码,检索文献、改写方法、训练并评估候选。它在一周内测试了 500 个候选,得到结合多源 gene embeddings、回归与 kNN 的基因扰动预测方法。

                                     ⁠

                                    随着计算环节变便宜,瓶颈会更集中到真实实验反馈的质量与速度。下一步的垂直 RSI,要让系统从有噪声的结果中提炼可信信号,建立新的 assay,并据此改进下一轮的实验选择、工具和模型。这需要科研 taste 和实验自动化的进一步发展。

                                     ⁠

                                    Robotics:

                                     ⁠

                                    模型已经不只是接入机器人,也在改进机器人的 policy。Anthropic 的 Project Fetch 第二阶段里,Opus 4.7 完成五项接入与编程任务平均用了 12 分 7 秒,上一轮使用 Claude 辅助的人类团队用了 264 分钟。这个对照显示 coding 能力正在显著压缩机器人研发中的软件工作。

                                     ⁠

                                    NVIDIA、Stanford 和 UT Austin 的 RoboTTT 则是在优化机器人边做任务边学习的能力:把 fast weights 接入 VLA policy,压缩视觉与动作历史,在执行中吸收刚发生的经验。论文展示了 8K 时间步的 context、单次人类视频示范适应,以及长程装配中的在线纠错,并观察到训练 context 变长时性能持续改善。这让 context length 成为机器人 policy 的一个新 scaling axis。

                                     ⁠

                                     ⁠

                                    03.

                                    持续学习:定义与关键问题

                                     ⁠

                                    continual learning 的目标更接近学习的本质,要在 experience 中快速转化为 capability 的提升。因此不仅能做 auto research & training,还能做现在大家没在做的东西。比如要解决 data efficiency 不够高,记忆和遗忘机制不够好等问题,就需要更底层的 continual learning。

                                     ⁠

                                    continual learning 的核心机制分两步:

                                     ⁠

                                    •第一步,怎样获得新的 entropy。在系统和环境中获取新问题,新思路,新 tool。Entropy 可能来自用户和环境,也可能由模型自己产生。

                                     ⁠

                                    •第二步,怎样把 entropy 转换成 learning,把新的数据变成自己能力的一部分。

                                     ⁠

                                    这个机制的关键是,AI 得到一个新经历,能立刻转化成 knowledge 就是实现了 continual learning。如果需要先把所有经历收集起来,过一段时间再统一训练,就还是已有范式。

                                     ⁠

                                    在这个能力下,我们也可以对持续学习的范围进行进一步的分级。其中第一级的实现是现在最重要的目标,让一个任务能够在 long context window 中持续学到信号并且越做越好,这个是当前范式很难实现的。

                                     ⁠

                                     ⁠

                                    持续学习范式的核心问题

                                     ⁠

                                     ⁠

                                    最大难点:Sample efficiency

                                     ⁠

                                    软件测试通常可以恢复环境、并行重跑,reward 是很密集,很快得到的。这种环境可以被定义为 grindability,能够切得很碎并且并行的得到 reward 甚至是 process reward,环境能够低成本、并行、可重置地反复尝试。但物理世界工作是没有办法这样 grindable 且 verifiable 的,因此需要在更少的样本点中学习到关键经验。

                                     ⁠

                                    因此样本效率会是 continual learning 中最关键的难点:环境越难复制,越要从每次真实经验中学到更多。

                                     ⁠

                                     ⁠

                                    04.

                                    持续学习的技术路线

                                     ⁠

                                     ⁠

                                    其中 TTT 和 lora 主要解决的是记忆机制和个性化问题,meta-learning 主要解决的是学习机制和 sample efficiency 问题。

                                     ⁠

                                    TTT / fast weights

                                     ⁠

                                    Test-time training 这条路线带来了三个重要变化:第一,模型拥有可在线更新的 fast weights;第二,learning 和 inference 可以同时发生;第三,memory 可以相对 context length 保持 O(1)的计算复杂度。

                                     ⁠

                                    TTT 在模型的最后几层 hidden state 本身设计成可学习的模型,让模型不再是完全的 frozen weights。fast weights 可以压缩很长的任务信息,但系统必须选择哪些内容值得保留。

                                     ⁠

                                    2025 年底到 2026 年的工作开始尝试把 TTT 接入标准 Transformer,test-time learning 可能是一种新 architecture,也可能慢慢变成现有模型可插拔的 capability。

                                     ⁠

                                    这一方向有多个工作在沿着不同方向探索:

                                     ⁠

                                    •TTT-E2E 在 sliding-window Transformer 上做 test-time 更新,并在训练时学习适合更新的初始化,让现有架构更善于从长上下文中学习。

                                     ⁠

                                    •In-Place TTT 把现有 MLP 的输出投影矩阵用作 fast weights,在原有 Transformer 内部引入在线更新。

                                     ⁠

                                    •REFINE 用 next-sequence prediction 和序列级奖励训练 fast weights,改善模型对长距离信息的保留。

                                     ⁠

                                    •Falcon 从在线学习的角度设计 fast-weight attention,探索归一化 delta rule 和滑动窗口更新,提高固定大小关联状态的写入效率。

                                     ⁠

                                    TTT 现在还没有 scale up,接下来要 scale 的关键可能是数据。训练序列需要覆盖不同更新频率,并利用长 trajectory 和后续结果,让模型学会哪些经验值得写入、如何控制干扰与遗忘,以及哪些状态应跨 session 保留。

                                     ⁠

                                    Adapters/ multi LoRA

                                     ⁠

                                    LoRA 已经成为 online adaptation 最常见的方法之一,这个思路冻结底座,只训练较小的低秩参数。更广义的模块化更新还包括 adapters、sparse memory layers 等。

                                     ⁠

                                    Thinking Machines 的 Tinker、Trajectory、River 还有 Fireworks 都已把 LoRA / Multi-LoRA 用于训练或服务。LoRA 可以成为可持久保存的局部状态:用户、项目或领域的经验留在各自的 adapter 中,再按任务选择或组合使用。

                                     ⁠

                                    这些方法兼容现有 Transformer infra,无需复制或更新全部 weights,也方便分别训练和部署。

                                     ⁠

                                    模块化路线的核心价值是控制 stability–plasticity tradeoff:把局部 learning 限制在可路由、可删除的 parameter space,降低一次更新破坏整个 base model 的风险。一个可能的 hierarchy 是:fast weights / task-local LoRA 保存短期跨 session 状态,slower adapter 固化稳定 skill,base weights 只吸收跨用户反复验证的通用能力。

                                     ⁠

                                    这类主要解决个性化与成本,但不会直接带来学习规则,因此很可能未来是和其他方法并存的。模块化路线的核心价值是控制 stability–plasticity tradeoff:把局部 learning 限制在可路由、可删除的 parameter space,降低一次更新破坏整个 base model 的风险。一个可能的 hierarchy 是:

                                     ⁠

                                    •fast weights / task-local LoRA 保存短期跨 session 状态

                                     ⁠

                                    •slower adapter 固化稳定 skill

                                     ⁠

                                    •base weights 只吸收跨用户反复验证的通用能力。

                                     ⁠

                                    Multi-LoRA 的核心挑战是把可以训练和使用的 adapter 数量 scale up。每个 adapter 的训练和更新必须足够轻量、高效,系统还要做好并发训练、路由和 serving,才能让大量用户与项目拥有持续积累的专有状态。

                                     ⁠

                                    Meta-learning

                                     ⁠

                                    SSI 最近 leak 出的消息是在这个方向上有了比较明确的突破。Meta-learning 把模型如何“学会如何学习”也变成训练对象:什么初始化更容易适应和泛化、哪些层应该更新、更新多少,以及什么信息值得留下。它直接瞄准学习效率和记忆管理。

                                     ⁠

                                    Nested Learning / Hope 把模型看成多个嵌套、不同更新频率的 optimization loop:快模块适应当前 context,慢模块保存更稳定的 knowledge。TTT-E2E 也采用了类似思想,在 pre-training 中 meta-learn 模型,使其在 deployment 时更容易通过 next-token prediction 更新。

                                     ⁠

                                    2026 年开始有 SCoL 等研究让模型根据当前 context 生成自己的 update instruction,决定哪些 Transformer layers 应该被更新,再用 meta-RL 在连续 experience stream 上训练这个学习策略。

                                     ⁠

                                    Meta learning 方向其实对应了 TTT 尚未解决的问题:不是所有 fast-weight update 都应该永久保留;系统需要一个 learned gate,决定哪些 experience 值得进入长期记忆也就是 long-term weights。在很早的访谈中 Ilya Sutskever 就把类似能力指向内部 value / steering system:人不需要为每个新任务重新设计 verifier,也能判断尝试是否有价值。

                                     ⁠

                                    这条路线最有价值的目标,是让系统在陌生任务中也能用少量经验作出合适更新,有不少 researcher 和高价值任务上的科学家都会都发现现在的模型更像是在熟悉分布上学会一套固定方法/ skill。

                                     ⁠

                                    Self-distillation 和 on-policy learning

                                     ⁠

                                    最近对 OPSD(on-policy self-distillation)这个方法讨论开始变多,这个是 CL 的学习部分很有潜力的一类算法。这个方法的核心思路是怎么把一个任务 session 中的核心信息,蒸馏回模型中获得能力 improvement。

                                     ⁠

                                    传统 distillation 会保留一个冻结的 teacher checkpoint,让 student model 模仿 teacher,以减少旧能力流失。这个方法现在还常用在让一个小模型学到大模型的能力和行为,但其实本质是对某种更强能力的学习,因此在持续学习上也会很有用。

                                     ⁠

                                    continual learning 的关键是新训练信号与模型当前 policy 的距离。on-policy distillation 则试图在不依赖显式 reward function 的情况下,获得类似 online RL 的稳定性。

                                     ⁠

                                    在 OPSD 方法下,把经历过完整 session 的“veteran”模型蒸馏回 base student。Teacher / student 的 token distribution difference 能提供比终局 reward 更稠密的信号;trajectory-refined distillation 则从 student 自己犯错后的状态继续指导,减少 teacher forcing 的 distribution shift。

                                     ⁠

                                    模型架构创新是必须的吗

                                     ⁠

                                    有 top researcher 认为,continual learning 不一定需要额外的架构创新:一条全新架构从设计到 scale 需要多年,智能增长更可能先来自可长期积累的优化目标与 feedback loop。

                                     ⁠

                                    Dario 在播客中也做过一些讨论:在 coding 等可外部化领域,现有 Transformer、长 context、RL 与工具系统可能已经足以覆盖大量经济价值,CL 不是必须条件。这从他们做 skills 之类的生态系统也能看出他们的想法。

                                     ⁠

                                    另一派 researcher 认为,Transformer 并不适合承担真正的 continual learning:

                                     ⁠

                                    •Transformer 的 attention 做 retrieve 本质是 shallow pattern matching,通过关键词匹配找前面类似的问题,把答案 copy 过来,非常浅。

                                     ⁠

                                    •更深的学习应该是,把前面 100 道数学题 compress,提取核心数学逻辑,再用逻辑解决新问题。这是预训练好的原因——通过 compression 提取共用逻辑变成参数。

                                     ⁠

                                    Sutton 的版本比较根本:当前 LLM 从人类 data 学 imitation,而不是在持续 sensation–action–reward stream 中学习 transition model,现有 gradient descent 也没有保证 good generalization 的机制。

                                     ⁠

                                    Dwarkesh 的观点处在两者之间:他接受现有模型缺少高吞吐 experience learning,但不认为 imitation learning 与 experience learning 必须二选一。LLM 可以作为强 prior,再通过其他机制 比如 self-distillation 逐渐去逼近 CL 这个目标。

                                     ⁠

                                    Transformer 之外:RNN、SSM 与混合架构

                                     ⁠

                                    RNN:用紧凑状态保存历史。RWKV、xLSTM 等路线的优点是长序列推理时不必保留不断增长的完整历史。缺点是有限 state 会丢失细节,精确回忆大量信息更难。要大规模替代 attention,还需要在复杂任务上证明综合能力,并把能够 scale up 模型有更强的 agentic 能力

                                     ⁠

                                    SSM:让状态更新更高效。Mamba 用结构化状态和输入相关的选择机制,控制信息的写入与遗忘,适合高效处理长序列。但压缩记忆与精确检索仍有取舍。专用算子可以提高效率,真正换掉成熟的 Transformer 系统,还需要在大规模训练中证明综合收益。

                                     ⁠

                                    混合架构:更接近 attention ,保留了的长处。比如 Qwen3-Next 就把 Gated DeltaNet 与 attention 结合,用递归记忆降低成本,同时保留对细节的访问。代价是仍有 attention cache,系统也更复杂。

                                     ⁠

                                    因此目前更合理的是三种假设由弱到强:

                                     ⁠

                                    1.现有范式:更长 context、更强的智能下,准备好对持续学习的数据,足以覆盖大部分需求;

                                     ⁠

                                    2.Learning-rule hypothesis:Transformer 还在,但需要 meta-learned fast / slow update、distillation 和 memory gate 等算法上的创新来实现持续学习

                                     ⁠

                                    3.Architecture hypothesis:必须从底层设计可持续更新的模型架构 和 optimization dynamics。

                                     ⁠

                                    总的来说,RSI 已经在提高智能研发的效率,持续学习则有望让真实使用成为能力增长的来源。这两个飞轮会相互强化:自动化研究帮助我们找到更好的学习方法,更善于学习的模型再加速下一轮研究。

                                     ⁠

                                    后面的突破,要看模型如何从少量经验中学习到真正的能力提升,以及这是否是当前技术路线可以实现的。这也是我们认为模型真正能长期优势的 flywheel:谁能持续提高经验转化为能力的效率,谁就有让智能的增长斜率保持陡峭。

                                    ⁠⁠⁠

                                    作者卡片

                                    作者卡片

                                    ⁠⁠⁠

                                    延伸阅读

                                    线虫、多巴胺与股份公司:进化给 RSI 的启发⁠

                                    线虫、多巴胺与股份公司:进化给 RSI 的启发

                                    ›

                                    为什么 CPU 重新变得重要?⁠

                                    为什么 CPU 重新变得重要?

                                    ›

                                    和一线研究员的闭门讨论:蒸馏变难后,下一步的重点是什么?⁠

                                    和一线研究员的闭门讨论:蒸馏变难后,下一步的重点是什么?

                                    ›

                                    Latent Labs:Alphafold 3 发布两年,AI 药物设计进展到了哪一步?⁠

                                    Latent Labs:Alphafold 3 发布两年,AI 药物设计进展到了哪一步?

                                    ›

                                    Astra 的 Computer Use 能力是如何实现的?⁠

                                    Astra 的 Computer Use 能力是如何实现的?

                                    ›

                                    跳转微信打开

                                    DeepSeek 开源推理框架:走向真正普惠的未来

                                    2026年10月20日 16:54

                                    原创 深度求索 2026-10-20 16:54 北京

                                    全面支持开源社区优化部署,扩大服务、提效节能

                                    大模型的能力边界由模型本身划定,但如何以合理成本提供超大规模的模型服务,还取决于一个长期未被公众了解的中间层:推理框架。

                                    训练使模型学有所成,推理则让模型为人所用。面对如今海量的用户调用,推理框架负责统筹调度庞大的算力集群,其效率直接决定了 AI 服务的算力成本与电力消耗。

                                    DeepSeek 长期致力于将推理性能推向极致。在此前开源一系列大模型、TileLang 编译工具及推理算子库的基础上,我们决定进一步将内部推理框架 DeepInfer 全面开源。

                                    「为善与众行之,为巧与众能之。」我们希望通过分享内部的部署经验,帮助开发者与企业组织优化大规模推理的吞吐与延迟,从而高效构建私有化及公有云部署,降低算力成本、减少能源消耗,让智能以更低的价格触达更广泛的人群,实现真正的大模型普惠。我们也将继续支持社区进行大规模部署优化,欢迎加入我们的开源行列。

                                    DeepInfer

                                    基于 DeepInfer,我们已实现 DeepSeek V4.1 Flash 高吞吐、低延迟的大规模推理服务。未来,DeepSeek 新模型的推理代码及后续优化也将在此持续更新。

                                    • DeepInfer 推理框架:集成高性能算子与深度优化的推理引擎,支持分布式推理、推测解码、SWA Bounded Replay、结构化输出等能力,兼容英伟达与华为昇腾平台。

                                    • deepseek-recipe 编解码组件:同步开源的生产级 Token 编解码组件,与 DeepSeek 官方 API 处理逻辑完整对齐,确保社区获得与官方部署一致的 API 体验。

                                    开源仓库

                                    复制链接进入浏览器打开或点击“阅读原文”查看 DeepSeek 知乎技术报告:https://zhuanlan.zhihu.com/p/2095560295930508953

                                    未来展望

                                    借助全面开源的模型、算子库与推理框架,我们期待着在不远的未来,能够看到全球 AI 服务的范围与质量获得前所未有的扩展与提升,变得更加公平、透明、可信赖,进而实现在全社会范围内加快技术迭代、减少能源浪费,让有限的资源以更高的效率在基础设施与用户终端之间流转,以每个人都能够负担的成本传递更加强大的智能,以及伴随着智能的善意和无限可能性。

                                    DeepSeek 将与各位一同携手,为实现这样的未来图景而不懈努力。

                                    图片

                                    阅读原文

                                    跳转微信打开

                                    世行新闻 | 世界银行集团发布首个数字战略,推动数字利用与就业增长

                                    2026年10月20日 16:49

                                    原创 欢迎关注👀👉 2026-10-20 16:49 北京

                                    世界银行集团发布首个数字战略,推动数字利用与就业增长

                                    世界银行集团今天发布首个数字战略,旨在整合公共和私营部门的力量,帮助发展中国家扩大可负担的数字利用、改善服务并创造就业机会。

                                    战略围绕四个优先事项展开:扩大连通性;降低设备和数据成本;加强数字服务和技能培训;以及帮助各国建立利用人工智能(AI)所需的基础。

                                    世界银行集团行长彭安杰表示:“数字技术可以帮助各国创造就业,让有限资源发挥更大效益。但要真正发挥这些作用,必须采取综合举措——既要有可靠的数字连接和可负担的设备,也要有数字技能和切实有用的服务。我们的首个数字战略将这些要素整合在一起,帮助各国夯实基础,以更好地利用当今的数字工具以及小型人工智能——即服务于民众的AI——带来的机遇。”

                                    当前,发展中国家同时面临资源紧张和就业需求快速增长的双重挑战。在未来10至15年内,发展中国家将有12亿年轻人达到劳动年龄,而这些经济体预计只能新增约4.2亿个就业岗位。

                                    数字技术能够支持在世行集团五个重点部门创造就业岗位,包括基础设施与能源、农业产业、医疗卫生、旅游业和增值型制造业。数字技术可以帮助企业拓展客户、提高生产率、获得融资,同时降低提供公共服务的成本。

                                    然而,数字利用依然存在巨大障碍。2025年,全球仍有超过20亿人口未能接入互联网。低收入国家仅23%的人口使用互联网,高收入国家则为94%。许多人虽然身处网络覆盖区域,却买不起智能手机或数据流量,缺乏数字技能,或者难以获得符合其需求的服务。

                                    战略提出了四大行动领域:

                                    • 扩大可靠的数字连接。世行集团将帮助各国弥补网络体系中的关键缺口,覆盖国际光缆、国家网络,以及连接家庭、企业、学校、诊所的接入网络。具体措施包括支持共享基础设施、鼓励竞争,并利用公共资金和担保帮助吸引私人投资进入服务不足的市场。对于既缺电又缺网的地区,则推动电力与网络基础设施统筹规划。
                                    • 降低设备和数据成本。战略支持降低入门级智能手机和宽带服务的成本,减轻持续联网的成本负担。与制造商、移动运营商、金融机构、设备翻新企业合作,进一步降低价格,并提供更多负责任的分期付款方案。
                                    • 拓展数字服务与技能。世行集团将支持用于数字身份识别、支付和安全信息共享的可靠系统,让公共和私营部门提供的服务更易获取;同时帮助各国加强数字素养和就业相关培训,让更多个人和小企业安全、高效地使用技术。
                                    • 为AI做好准备。数字战略将帮助各国加强连通性、获取算力资源、开发可用的本地数据资源并培养相关技能。其重点是推动“小型人工智能”的实际应用,即适配具体任务和本地条件的工具,例如帮助农民识别作物病害、辅助医护人员开展工作,或帮助企业管理库存。

                                    此外,保障机制——从隐私保护到网络安全、防范欺诈——将贯穿上述四个优先领域。

                                    该战略围绕各国优先事项,整合世行集团的融资、政策咨询、私人投资和担保支持,同时也为世行集团与政府、科技公司、发展伙伴和慈善机构合作奠定基础,让更多个人和企业能够分享数字化带来的机遇。其核心目标是帮助各国将数字利用转化为更高的生产率、更好的服务和更多的谋生机会。

                                    为配合战略中人工智能准备与适配这一重点事项,世行集团还推出了人工智能基础设施与准备倡议。这一新计划旨在帮助新兴市场国家以可负担的成本获得算力资源,并通过共享、按需付费的GPU基础设施(即用于开发和运行人工智能应用的专用算力),推动小型人工智能的高效应用,为单独建设国家数据中心提供一种务实的替代方案。倡议初期聚焦非洲和拉丁美洲,知识合作伙伴包括Cassava技术公司和英伟达。

                                    关注世界银行微信公众号

                                    点击阅读原文查看英文

                                    阅读原文

                                    跳转微信打开

                                    ❌