NVIDIA 创始人心法

BestBlogs 早报 · 07-27 # NVIDIA 创始人心法 / Anthropic 产品方法 / LLM-as-a-Judge / 模型评测 / Claude Code [1] ★ 精讲｜Jensen Huang：打造 NVIDIA 的创始人心法 [视频] 黄仁勋从买回 OpenGL 教科书纠正错误路线、向 Sega 坦白无法交付，讲到把 AlexNet 视为通用函数逼近器后重做整套计算栈。访谈把 NVIDIA 的转型拆成一套可复用的方法：深入算法域、坚持第一性原理，并让组织围绕创始人的长处演化。 来源：Y Combinator https://t.co/blnbwyBkaT [2] ★ 精讲｜究竟什么是 LLM-as-a-Judge？2026 年前沿技术实战指南 这份指南从 pointwise、pairwise 与 rubric 三类判分方式出发，梳理 LLM-as-a-Judge 在模型评测、对齐与生产工程中的实际用法，也逐层拆开位置、冗长、自偏好、格式和对抗攻击等失真来源。它给出的落点很务实：拆分标准、交换顺序、参考答案校验，并始终用人工金标集持续标定。 来源：Hacker News - Newest: 「LLM」 https://t.co/y1eVi4vEHn [3] ★ 精讲｜Anthropic 的 Diane Penn：如何把前沿模型做成产品 [视频] Diane Penn 用 Golden Gate Claude、Claude Code 与模型发布复盘 Anthropic 如何把研究能力变成产品。她把高强度模型使用视为发现未来工作流的实验输入，并解释 eval 如何承接用户反馈、成为研究与产品协作的可测试接口，同时正视能力进步并不均匀的锯齿边界。 来源：Lenny's Podcast https://t.co/DfqpW3sUeC [4] 规模化训练的真实难题：合成数据与预训练的工程现实 [视频] Pulsar 的工程师解释了合成数据管线、数值稳定性措施与分布式系统可观测性为何必须协同演进，才能让大规模语言模型预训练可靠运行。 来源：AI Engineer https://t.co/GclviqJdRB [5] Nanbeige4.2-3B：探索通用 Agent 小模型 本文介绍了南北阁实验室提出的 3B 参数 Looped Transformer 模型 Nanbeige4.2-3B，通过架构创新、Agent 数据构造和多阶段训练，实现代码智能体、办公智能体、复杂工具调用和通用推理的统一能力。 来源：魔搭 ModelScope 社区 https://t.co/TGhDH9BmNP [6] AI 拿走了 98%的工作，那属于你的、谁都替不了的 2%到底是什么？ 受访者把 AI 影视工作流概括为中段 98% 的执行可由 AI 承担，开头 1% 的表达欲与结尾 1% 的判断和负责仍由人完成；这是其方法论比喻，并非行业统计。 来源：非凡产研 https://t.co/172jrlPool [7] 腾讯开源三大具身基座模型，首席科学家张正友详解「三层脑」如何破解机器人反应慢 腾讯开源三款具身基座模型，以分层「三层脑」匹配不同感知与控制频率；报道中的超 95% 成功率来自日化工厂任务，养老场景反而强调安全不能只达到 95%。 来源：InfoQ 中文 https://t.co/jHm9sCrV3a [8] 3 万小时触觉数据补齐具身智能「手感」！新智具身&复旦报告三连发 本文介绍 NeoteAI 与复旦大学联合发布的 N0 系列触觉技术报告，通过海量触觉数据统一表征及触觉增强的世界模型，显著提升具身智能在精细交互任务中的成功率。 来源：量子位 https://t.co/CB058COqHk [9] Ruff v0.16.0：默认启用规则从 59 条增至 413 条 Ruff v0.16.0 将默认规则从 59 条扩展到 413 条，新检查导致现有 CI 运行失败，并展示了 Ruff 的输出如何为 AI 编程智能体提供支持。 来源：Simon Willison's Weblog https://t.co/ysM2CvqCbc [10] Meta 开源 Brain2Qwerty v2：非侵入式脑机接口语句解码准确率达到 61% Meta 开源的非侵入式脑机接口 Brain2Qwerty v2 通过 EEG/MEG 脑信号将思维解码为语句，单词识别准确率达 61%，并提供模型代码与训练数据，展示了数据规模对性能提升的关键作用。 来源：InfoQ 中文 https://t.co/L9NMxv6QDu --- https://t.co/88ZBr47sdT · 发现真正适合你的高质量内容 BestBlogs 是 AI 驱动的私人阅读助手，帮助你发现真正适合你的高质量内容，关注你感兴趣的来源和主题，每天生成一份更适合自己的「我的早报」，欢迎体验和关注我们。 在线阅读：https://t.co/6S8mmX32Zz > **引用原帖 ginobefun (@hongming731):** > https://t.co/eQtvFqrE4I > https://x.com/hongming731/status/2081524956241002988