这次我们要拆解的是 deepseek 联合北京大学发表的官方投机解码框架，但是对于论文原文大家阅读都比较困难，所以我下面就以「原文 English → 中文翻译 → 拆解解释」的格式来为大家深度解读一下整篇论文到底讲了什么，话不多说，我们下面就以原文开始

这次我们要拆解的是 deepseek 联合北京大学发表的官方投机解码框架，但是对于论文原文大家阅读都比较困难，所以我下面就以「原文 English → 中文翻译 → 拆解解释」的格式来为大家深度解读一下整篇论文到底讲了什么，话不多说，我们下面就以原文开始

摘要：实验发现，在AGENTS.md文件中添加"DO NOT send optional commentary"指令可显著缓解Codex模型的降智现象，正确率从20%提升至60%。该方案源自社区研究发现屏蔽commentary能改善Codex表现，相比修改system prompt更简便。测试使用糖果数学题评估，包含指令的项目正确率明显高于空白项目。虽然不能根除降智问题，但提供了一种有效的缓解方案

外网大神博士 Sebastian Raschka, PhD 最近发了一篇文章来讲述《在本地编码工具中使用开放权重模型作为Claude代码和Codex订阅的替代方案》，刚发布就火爆外网，如果你不知道 Sebastian Raschka, PhD，那你一定知道《从零开始构建大型语言模型》 这本书，没错他就是这本书的作者。

摘要：实验发现，在AGENTS.md文件中添加"DO NOT send optional commentary"指令可显著缓解Codex模型的降智现象，正确率从20%提升至60%。该方案源自社区研究发现屏蔽commentary能改善Codex表现，相比修改system prompt更简便。测试使用糖果数学题评估，包含指令的项目正确率明显高于空白项目。虽然不能根除降智问题，但提供了一种有效的缓解方案

外网大神博士 Sebastian Raschka, PhD 最近发了一篇文章来讲述《在本地编码工具中使用开放权重模型作为Claude代码和Codex订阅的替代方案》，刚发布就火爆外网，如果你不知道 Sebastian Raschka, PhD，那你一定知道《从零开始构建大型语言模型》 这本书，没错他就是这本书的作者。

外网大神博士 Sebastian Raschka, PhD 最近发了一篇文章来讲述《在本地编码工具中使用开放权重模型作为Claude代码和Codex订阅的替代方案》，刚发布就火爆外网，如果你不知道 Sebastian Raschka, PhD，那你一定知道《从零开始构建大型语言模型》 这本书，没错他就是这本书的作者。

最近几个月，OpenClaw 几乎刷屏了整个 AI 智能体圈子。网上到处都是“一键部署”“远程控制手机”“Telegram 养虾”这类教程，但我翻了一圈，几乎没人把它到底怎么跑起来的讲清楚。大家都在用，却很少有人真正理解：为什么一句话就能让电脑整理文件、让远端手机自动截屏？多设备是怎么被统一调度的？AI 凭什么敢直接操作你的桌面与文件？我花了几天时间把源码和架构文档啃完，然后翻阅了网上大量的教程和

装上之后你在 OpenClaw 里设 `model: free-opt/auto`，剩下的它全自动。不用管哪个平台今天正常、哪个超时——插件每小时跑一次全面测速，把你的模型排名更新一遍，下次聊天自动走排名第一的，自动发现 9大平台的免费模型，实时测速，每次聊天自动切换到当前最快那个

在机器学习领域，原始数据往往包含大量冗余、噪声或无关特征，直接使用全量特征会导致计算成本增加、模型过拟合以及解释性下降。特征选择的核心目标是从高维数据中筛选出最具预测能力的特征子集，从而提升模型性能、降低复杂度并增强可解释性。通过合理的特征工程，不仅能提升模型性能，还能为业务决策提供更清晰的洞见。特征选择作为机器学习中非常重要的一环，一直极大程度的决定这模型的效果，下面就让我们一起进入特征选择的世