乔木 PPT 共享站文稿在线分享知识库基于标签、格式和正文主题推荐，继续顺着这个方向读。
顶级模型 Fable/Mythos 是如何训练出来的？ 论文学习 · 乔木博客 01 / 11 顶级模型 Fable/Mythos 是如何训练出来的？ 证据：文章标题与开头引言：Anthropic 的 Claude Fable/Mythos 为什么强？ 架构没有秘密，真正的护城河是一座生产可验证奖励信号的环境工厂 模型能力约等于基础底座乘以可验证奖励信号的质量：清晰的推理是单步可验证正确性，持久的执行是多步可验证正确性，两者都由同一座环境工厂生产。 论文学习 · 乔木博客 02 / 11 所有人都找错了地方 证据：章节「所有人都找错了地方」及 2025 年 5 月研究员播客引述 一个模型的能力，约等于它的基础底座乘以它能拿到的…
很多公司已经遇到一个尴尬场景。 AI 帮员工写完一段代码很容易。 可一旦任务变成整理 Slack 里的上下文、翻 Google Docs、拉 CRM、做一份高管材料、把数据变成仪表盘，事情马上变复杂。 OpenAI 这次给 Codex 的更新，重点就在这里：把一个开发工具，继续往通用工作系统推。 OpenAI 披露，C
从投资者交流会录音中拆解 DeepSeek 的组织、降价与做成事情的概率。
解析Claude Code的代码结构，揭示AI编程智能体如何通过1.6%核心逻辑与98.4%基础设施实现安全可靠执行，探讨现代AI设计哲学。
Flask 作者警告 AI Loop 可能把代码推向无人真正理解的状态，并讨论规模、迭代与工程可维护性的边界。
斯坦福大学的研究团队做了一件反直觉的事：他们把未经任何过滤的原始网络爬虫数据直接喂给大模型，结果发现，在足够大的计算量下，不过滤数据的效果反而优于所有精心设计的过滤方案。 https://arxiv.org/pdf/2605.19407 这个结论和整个行业的直觉相悖。 过去几年，数据质量被视为训练大模型的核心变量之一，