一周热榜

我在消费级AMD GPU（RX 7900 XT + RX 6950 XT）上复现了David Ng的RYS方法（[链接](https://dnhkng.github.io/posts/rys/)），并发现了一些意想不到的结果。 变压器似乎具有离散的“推理电路”——由3到4层连续组成的块，作为不可分割的认知单元。复制正确的块后，模型的推理流程会运行两次。权重没有变化，没有训练，模型只是思考得更久。 在标准基准测试（lm-evaluation-harness，n=50）上的结果如下： Devstral-24B，层12-14复制一次： - BBH逻辑推理：0.22 → 0.76 - GSM8K（严格）：0.48 → 0.64 - MBPP（代码生成）：0.72 → 0.78 - 没有任何下降 Qwen2.5-Coder-32B，层7-9复制一次： - 推理探测：76% → 94% 奇怪的是，不同的复制模式会从相同的权重中产生不同的认知“模式”。双重通过提升了数学能力，三重通过提升了情感推理。交错复制（13,13,14,14,15,15,16）则创造了一个纯数学专家。相同的模型，相同的显存，不同的路由。 电路边界非常清晰——移动一层，效果就会消失或反转。较小的模型（24B）比较大的模型（Ng在72B中发现7层）具有更紧凑的电路（3层）。 在这个代码库中，有工具可以在任何GGUF模型中找到电路并应用任意层路由。整个过程——扫描、发现、验证——只花了一个晚上。 欢迎提问。

嘿，HN，如果你有幸乘坐过配备Starlink的航班，你就会明白这种技术的热度。它确实有效！<p>然而，Starlink在航班上的可用性并不稳定，难以预测。因此，我们建立了一个数据库，涵盖所有已推出Starlink（不仅仅是试点）的航空公司，并开发了一个航班搜索工具来进行预测。只需输入航班号和日期，我们就能根据飞机类型和尾号估算航班上配备Starlink的可能性。<p>如果你没有即将到来的旅行，也可以查找特定航线，看看哪些航班提供Starlink服务。你可以在这里找到相关信息：<a href="https://stardrift.ai/starlink">https://stardrift.ai/starlink</a>。<p>-<p>我还想补充一些关于这个工具如何工作的说明。我们在回答查询时会依次检查三个方面：<p>- 这家航空公司是否提供Starlink？<p>- 这架飞机是否配备Starlink？<p>- <i>这架特定的飞机</i>是否配备Starlink？<p>目前，只有少数几家航空公司提供Starlink：联合航空、夏威夷航空、阿拉斯加航空、法国航空、卡塔尔航空、JSX航空以及其他少数几家。因此，如果一架飞机由其他航空公司运营，我们可以立即给出否定答案。<p>接下来，我们会检查正在飞行的具体机型。航空公司通常会提前发布设备分配信息，并且它们也在逐步将Starlink推广到每架飞机上。因此，我们知道，例如，所有JSX的E145飞机都配备了Starlink，而法国航空的A320飞机则没有配备Starlink。（你可以在<a href="https://stardrift.ai/starlink/fleet-summary">https://stardrift.ai/starlink/fleet-summary</a>查看我们数据的总结，尽管实时逻辑中有一些规则未在此编码。）<p>如果机型完全匹配，我们可以自信地告诉你你的航班将配备Starlink。然而，在大多数情况下，航空公司仅对该机型进行了<i>部分</i>升级。在这种情况下，我们需要更深入地查找，确定<i>哪一架</i>飞机将飞往你的航线。<p>我们可以通过查找“尾号”（可以把它想象成飞机的车牌）来做到这一点。<i>不幸的是</i>，尾号通常是在航班起飞前几天才会分配。因此，在那之前，我们能做的最好是计算你的飞机被分配到配备Starlink的飞机的概率。<p>为此，我们必须建立一个飞机尾号与Starlink状态的映射。在这里，我要感谢那些在线航空爱好者，他们维护着详细的电子表格和论坛帖子来追踪这些数据！据我了解，<i>他们</i>通常从对Starlink推广充满热情的航空公司员工那里获取这些数据，因此这是一个可靠且经常更新的来源。我们的大部分工作是寻找每个来源，规范它们的格式，建立一个可靠且负责任的系统来提取这些数据，并将它们与我们的其他数据源结合起来。<p>基本上，这就是一个数据规范化的问题！我曾在金融数据系统方面工作，惊讶于这个问题的相似性。<p>-<p>Starlink本身也是一项相当酷的技术。我还写了一篇博客文章（<a href="https://stardrift.ai/blog/why-is-starlink-so-good">https://stardrift.ai/blog/why-is-starlink-so-good</a>），讲述了为什么它比其他所有飞机Wi-Fi选项要好得多。从高层次来看，这一切的可能性源于如今火箭发射成本的降低，这真是太酷了。<p>其性能非常出色，因此在可能的情况下，围绕它来规划你的航班是非常值得的。目前，在美国，你最好的选择是联合航空的区域航班和JSX/夏威夷航空。国际航班方面，卡塔尔航空是最佳选择（尽管显然现在不是），法国航空则排在第二位。不过，随着更多航空公司逐步推出，我们的数据库将会不断更新！

大家好，我是来自Staff Engineer和Mozilla.ai的Peter，我想分享我们关于共享智能体学习标准的想法，从概念上来说，这似乎很容易融入我的思维模型，就像是智能体的Stack Overflow。 这个项目旨在探索是否可以让智能体（任何智能体，任何模型）提出“知识单元”（KUs），作为基于在使用过程中遇到的难点的标准架构，并主动查询现有的KUs，以获取可以验证和确认其有用性的见解。 目前这仍然是一个概念验证（PoC），在代码库中有一个更宏伟的提案，我们正在尝试从本地使用迭代到团队层面，理想情况下最终能够建立某种公共资源。 在团队层面（请参见我们的Docker Compose示例），您的编码智能体被配置为指向团队的API地址，以便将KUs发送到那里——这些KUs可以通过浏览器中的用户界面（HITL）由人类进行审核，然后才能在您团队的其他智能体的查询中出现。 即使在内部的各种代码库中本地使用，我们也学到了很多，不仅是在它生成的KUs方面，还有从用户体验的角度来看，努力使其易于使用并在浏览器仪表板中批准KUs。未来还有更大、更复杂的问题需要解决，比如数据隐私、治理等，但目前我们非常专注于让人们在日常工作中快速看到一些价值。 技术栈： * 技能 - markdown * 本地Python MCP服务器（FastMCP） - 管理本地SQLite知识库 * 可选的团队API（FastAPI，Docker）用于在组织内共享知识 * 作为Claude Code插件或OpenCode MCP服务器安装 * 默认本地优先；您的知识保留在您的机器上，除非您通过在配置中设置地址选择团队同步 * 开源软件（Apache 2.0许可证） 以下是一个看似简单的例子，当我请求Claude Code编写GitHub操作时，它经常使用多个主要版本过时的操作，因为它的训练数据。在这种情况下，我告诉智能体我在审查它创建的GitHub操作YAML文件时看到的内容，它提议将知识单元持久化。下次在一个完全不同的代码库中使用OpenCode和OpenAI模型时，cq技能在开始任务之前就被使用，并获取了关于训练数据中主要版本的难点信息，并主动检查了GitHub，使用了正确的最新主要版本。然后它确认了KU，增加了置信度分数。 我想有些人可能会说：好吧，你的代码库中有一个CLAUDE.md，或者在~/.claude/中，但我们希望的不止于此，我们希望这对所有智能体、所有模型都可用，也许更重要的是，我们不想在AGENTS.md或CLAUDE.md中填满大量导致不可预测行为的规则，这些是针对特定任务的目标信息，似乎更有用。 现在可以作为Claude Code和OpenCode的插件本地安装： ``` claude plugin marketplace add mozilla-ai/cq claude plugin install cq ``` 这允许您在本地~/.cq/local.db中捕获数据（数据不会发送到其他地方）。 我们非常希望能收到对此的反馈，代码库是开放和公开的——欢迎在GitHub上提出问题。我们在一些社交媒体平台上发布了链接到博客文章（如下），如果您觉得有用或遇到问题，请随时回复我们，我们希望让这个项目对每个人都能访问。 博客文章的完整故事： [https://blog.mozilla.ai/cq-stack-overflow-for-agents](https://blog.mozilla.ai/cq-stack-overflow-for-agents) GitHub代码库： [https://github.com/mozilla-ai/cq](https://github.com/mozilla-ai/cq) 再次感谢您的时间。

我在10个月前开始构建这个项目，主要使用了自主编码工具。我一直非常参与代码库和架构的开发，作为开发者，我从未如此快速地推进过项目。 文字处理引擎和渲染层都是从零开始构建的——我唯一使用的第三方库是优秀的Y.js，用于CRDT栈。 非常希望能得到一些反馈！