残差连接统治深度学习十年，但它的"等权累加"在百层网络中正在拖后腿。Kimi团队发现：残差连接本质上就是深度维度的RNN！既然Transformer已经在时间维度用Attention干掉了RNN，深度维度为什么不行？AttnRes应运而生——48B模型上GPQA暴涨7.5分，推理开销不到2%。十年的"公式"，终于该改了。

claude computer use接管你的电脑

Claude Code 源码意外泄漏，1906个文件全曝光，我发现了这些秘密

Claude Code 的历史 Prompt 全藏在本地却看不见。一个纯本地、只读、开源的桌面工具：聚合、搜索、统计、按日期一键导出 Markdown。

Anthropic 发布高于 Opus 的 Mythos-class 新层级：Fable 5 与 Mythos 5 同底座、差护栏。讲清订阅用户在 Claude Code 的免费窗口与额度规则、长时域自主的四个底层支柱、护栏静默降档机制与选型判断。

面向非算法岗的大模型可解释性系统梳理。以四阶段脉络串起 2020–2026 年核心成果：叠加现象（为什么神经元读不懂）→ SAE（3400 万特征与金门大桥实验）→ 归因图（虚假思维链、跨语言思维、多跳推理）→ 人格向量（AI 性格的物理开关与助手轴）。不堆公式，附五条实用启示。

MIT 实验证实：重度使用 AI 的人，大脑连接反而最弱。当所有人都会用 Cursor 和 Claude Code，"会用 AI"早就不是壁垒了。本文提出护城河堆栈模型——宽度被抹平、深度才是差异化、沉淀才是复利。你和别人的三年差距不是来自勤奋，是来自沉淀率。附今晚就能做的三个反共识动作。

本文围绕 Subquadratic 发布的 SubQ 1M-Preview 与 SSA（Subquadratic Sparse/Selective Attention）架构展开分析，拆解其“1200万 Token 上下文”“52倍 prefill 加速”“成本低于 Opus 5%”等核心宣称背后的技术含义与边界。文章重点讨论 dense attention 的平方复杂度瓶颈、SSA selecto

全网都在搬运官网公告,本文补两个被跳过的洞:Slack 是什么、你到底能不能用;再拆透 Karpathy「LLM 第三次重新设计」的范式三连跳(拉→推、1对1→N对1、同步→异步),并给出一份可套用飞书/钉钉的团队级 AI 同事选型清单。

本文基于 ~/.claude/ 与 ~/.codex/ 中前后各 15 天的真实日志，从使用占比、线程数、提示词长度、工具调用、权限模式和验证行为等维度，复盘 Claude Code 切换至 Codex 的全过程。数据显示，Codex 使用占比从约 20% 提升至 70%，工具相关输入从 25.5% 降至 7.7%。文章认为，工作入口迁移并不等于生产力提升；Coding Agent 真正的迁移成本