今天有什么值得看、值得试？

机器人数据不只要存得下，也要能被训练反复读取

LeRobot与LanceDB集成资料，把存储、抽样、检索和数据版本放进同一条流程。

✧臻选理由 将数据存储、训练读取和版本管理连接起来，适合需要复用机器人物料的团队。

Google讨论云端AI记忆：跨设备连续性如何兼顾隐私

技术方案将持久化存储、设备密钥与隔离执行环境结合，目前应按方案说明理解。

模型分数之外，评测报告还应该交代什么

UK AISI与EvalEval合作，用共同结构展示结果、方法和可解释的测试背景。

✧臻选理由 可借鉴的评测报告结构，帮助产品展示从单一分数走向可解释的证据。

relore为代码助手补历史：先查有没有人在修，再生成新补丁

项目将仓库讨论连接到当前代码，并区分维护者决定、个人判断与机器生成内容。

✧臻选理由 与长期开发和多人协作直接相关：历史决定需要保留来源，并与当前代码核对。

模型剪枝：删哪些层，不能只按单层表现排队

Multiverse Computing把层之间的相互影响纳入压缩选择，说明组合优化的重要性。

✧臻选理由 用具体研究说明各层选择会相互影响，避免把压缩收益简化成统一比例。

不生成长回答的模型：Jev让分类决策直接返回数值

Simon Willison讨论决策模型的输出形式，以及缺少解释时更需要的验证。

✧臻选理由 介绍不同于长文本生成的决策输出，同时保留黑箱和验证问题，适合产品选型思考。

一次答对还不够：为什么 Agent 应该重复测同一道题

平均成功率和“每次都成功”回答的是不同问题。一份 AppWorld 实验把两者的差距摆在了一起。

给编程助手留记忆：为什么找回决策依据比摘要更有用

funes 从已有会话中检索原文和上下文，尝试保留项目“为什么这样做”的线索。

AI 编程中，领域经验仍然有价值

Anthropic 分析约四十万次 Claude Code 交互，讨论任务决策、人与模型的分工，以及领域经验与完成情况之间的关系。

读 OPC 政策报告前，先看它研究了什么

研究说明介绍报告如何界定 OPC 专项政策、选择样本与处理资料缺口。它为后续章节的结论划定了适用边界。

怎样的 OPC 支持更容易发挥作用？

报告尝试从不同城市的实践中提炼有效政策的共同特点，关注支持措施能否形成连续服务，以及能否与本地产业需求相接。

选城市，也是在选不同的创业环境

原文以生态建设、制造业基础等不同城市条件为线索，解释 OPC 支持路径为何不能只用补贴高低来比较。