正在刊行早报 · Morning Brief
2026-11-03所有内容
随机比特 · Random Bits

Karpathy 受不了 YouTube 推荐,花两小时给自己换了个首页

2026-11-03AI Engineering / Systemsrbits.uk
Karpathy 受不了 YouTube 推荐,花两小时给自己换了个首页

Karpathy 受不了 YouTube 的夸张封面和重复推荐,花约两小时做了自己的视频入口。代码可以交给 AI,什么值得看、做得对不对,仍需要重新定规则。

🚀 个人工具与桌面助手

• HackerTube:从网友推荐里找视频 —— Karpathy 用 Claude Code 从 HN 评论中筛出 6454 个视频,还把上传封面换成视频中间一帧,避开夸张缩略图。创建 API key、开通服务器和购买域名仍由他完成,“两小时交付”有明确的人工参与。

• Mage-VL-Cowork:4B 模型混用界面与终端 —— 10 月 29 日论文介绍分阶段训练,让模型在点击界面、写代码和执行终端命令之间切换,报告 OSWorld-Verified 成绩为 66%。值得关注的是训练流程与示范数据怎么造;成绩限于论文实验,尚未经独立复现。

🛠️ 开发工具与代码审查

• Qodo × Codex:改代码前先查组织规则 —— 11 月 2 日官方案例展示,插件在编码前检索规范与历史 PR,修改后把独立审查结果送回同一会话。重点是检查局部改动会不会影响其他仓库;案例未证明所有严重问题都能自动拦住。

• agent-desktop:把桌面控件变成可调用接口 —— Vercel Labs 提供面向 Agent 的桌面操作 CLI,通过系统无障碍接口读取控件、执行动作,再获取快照检查结果。相比单靠截图猜坐标,这条路径值得研究;首发日期未确认,兼容性与稳定性仍待实测。

🧪 任务评测与可靠性

• LifeVal:让助手接受日常事务考试 —— OpenAI 11 月 2 日介绍新评估,结合时间使用研究与 3995 人调查,选取照护、教育、家庭事务等任务。产品验收开始追问“事情办完了吗”;这是厂商提出的方法,不能当成真实生活中的成功率认证。

• DecoyCount:数数题也能难倒前沿模型 —— 研究用 1660 张带干扰因素的真实图片测试视觉计数,受测前沿模型准确率均低于 50%。提示该怎么数能改善部分结果,说明错误还涉及模型选择了哪种计数方式;结论限于该基准。

• RAG 拒答评估:找到了答案也可能被判错 —— 论文发现,没检索到标注的参考文档,不代表上下文无法回答,答案可能藏在相邻段落或其他文档里。只按“是否命中参考文档”评分,会扭曲拒答质量判断;维护知识库评测时,应先核对检索内容究竟有没有答案。

📚 延伸阅读

• Andrej Karpathy:HackerTube 的构建过程与人工参与
https://karpathy.bearblog.dev/hacker-tube/

• Mage-VL-Cowork:混合电脑操作 Agent 的完整训练方法
https://arxiv.org/abs/2610.40747

• Ivan Kochergin、Vasily Konovalov:不完整标注如何扭曲 RAG 拒答评估
https://arxiv.org/abs/2610.40966

随机比特公众号二维码
公众号 · 随机比特
从 AI 工具热闹里拆工程真相

写边界、控制面、上下文、成本与安全。