AI 新知简报

公开欢迎 Noam Shazeer 加入 OpenAI，并强调这是“等了 10 年”的合作。结合 Shazeer 的 Transformer/MoE/Gemini 背景，这更像 OpenAI 对下一代架构研究的补强，而不是公关热闹。（原文：https://x.com/sama/status/2067427421083652131）

补充称 Noam Shazeer 曾是 Transformer、T5、Switch Transformer 论文共同作者，离开 Google VP Engineering / Gemini co-lead 角色。该帖是二手转述，作为背景信号使用，不当作官方定论。（原文：https://x.com/scaling01/status/2067407207956705517）

HarnessX 关注“脚手架本身可优化”：prompts、tools、memory、控制流不再是散落配置，而是可编译和可进化的对象。对 Codex/Claude Code 这类长任务 agent 来说，真正的壁垒可能在 harness，而不只在模型。（原文：https://x.com/dair_ai/status/2066563390538178784）

本周研究列表集中出现 HarnessBridge、Retrospective Harness Optimization、Bayesian-Agent、reward hacking benchmark，说明 agent 的控制器、回放、反馈优化和可靠性评测正在变成单独研究方向。（原文：https://x.com/TheTuringPost/status/2066688212068876503）

一句“I hate to admit it but the loop people were right”虽短，但对应开发体验里的 tight feedback loop：AI 编程工具越强，越需要快速运行、验证、回滚的本地循环。（原文：https://x.com/theo/status/2067115748959682743）

指出传统 ML 背景对现代 AI 日常工作帮助有限，今天大量工作更像大规模深网 + SGD + 工程化数据/系统。这条不等于否定 ML 基础，而是提醒组织招聘和训练路径已经变了。（原文：https://x.com/jxmnop/status/2067061000994795764）

讨论为什么 LLM 成本高：模型要覆盖大量罕见知识区域，长尾小领域也要被压进能力地图。可联系今天的 harness 线：未来省钱不只靠模型降价，也靠把重复任务编译、缓存、复用。（原文：https://x.com/jxmnop/status/2067387516848926902）

围绕 GLM-5.2、Gemini 3.5、Opus 4.8 的跑分讨论很热，但证据主要来自社区图和调侃，不宜当成硬结论。先记录“开源/国产模型口碑继续追近”的市场情绪。（原文：https://x.com/scaling01/status/2067356872768639301）

用 NotebookLM 做跨语言小团队文档对齐：上传关键文档，生成播客，确认无误后转成目标语言给对方听，再用文本问答补不清楚处。适合低敏内容、跨语言协作。（早报已报，午间作为应用侧补充；原文：https://x.com/vista8/status/2067281023914922237）

提到智谱模型评分信号，认为可与强模型掰手腕。原帖信息短，暂记录为国产模型跑分/口碑信号，不放大成结论。（原文：https://x.com/Khazix0918/status/2067122426778145093）