第 44 期
今日趋势
今天的简报可提炼两条核心主线，一是AI领域的技术安全、模型进展与落地风险，二是因果推断在营销科学与AI应用中的前沿研究。AI领域呈现技术突破与落地隐患并存的态势：Anthropic Claude Code自动模式存在提示注入攻击缺陷，Meta激进用AI Agent替代员工导致代码效率下降、安全事故暴增，而国内腾讯、阿里、字节的模型coding与agentic能力已迈过Opus4.8级别，Vercel还推出适配AI智能体的vgpu库，为开发者提供新工具。因果推断方向的研究则聚焦解决实际应用痛点，如提出DIRECT框架分离视觉内容的受众偏好与创意效果、用因果模型优化推荐曝光效率、开发Netflix的多模态资产个性化系统等，为营销与内容领域提供了可落地的分析工具。此外，地理命名争议、便携Homelab构建等趣味内容，以及AI对产品经理职业的影响等讨论，进一步丰富了技术与行业观察的多元维度。
AI 技术博客
- Breaking Claude Code Opus 5 Auto Mode — simonwillison.net Anthropic将Claude Code自动模式设为默认以防护提示注入攻击，但研究员Johann发现该模式存在80%成功率的攻击，通过下载zip执行恶意代码，自动模式还会阻止清理命令。结论是运行无人代理需用沙箱。该内容揭露AI安全机制的缺陷，为开发者和使用者提供重要安全警示，因此值得读。
- U.S. Judge Blocks Trump Defense Department’s Anthropic Blacklisting — John Gruber 美国法官阻止Pentagon对Anthropic的黑名单，Anthropic起诉称Pentagon将其列为国家安全供应链风险的决定非法，法官裁定该决定无依据且非法，指出不能用国家安全作为惩罚批评者的借口。该内容展现AI企业与政府的法律纠纷，体现司法对行政行为的约束，因此值得读。
- Making the unnecessary easier — John 作者看到多个用AI做“不必要的事”的案例，如定时监控新闻、订三明治、管理多个消息应用，认为这类案例多为吸引观众而非实际需求，自己更倾向用Python/bash自动化特定任务，不想让AI做没必要的事。该内容反思AI应用的实用性，帮助读者避免陷入技术陷阱，因此值得读。
- Building a mini Homelab that fits in my carry-on — jeff@jeffgeerling.com (Jeff Geerling) 作者为参加VCF Midwest会议，打造了可放随身行李的迷你家庭实验室，支持1-10Gbps网络，可由小电池供电至少1小时，能切换多个WAN，提供12个有线以太网接口，用于演示复古Mac的NTP时间历史。该内容分享便携Homelab的构建思路，适合技术爱好者参考，因此值得读。
- Selling out — seangoedecke.com 作者讨论“卖节操”的概念，对比过去与现在的情况，提及Tom Lehrer的相关观点，还解释马克思的异化理论，说明工人与劳动产品异化的表现。该内容从个人选择和理论层面探讨职业伦理，因此值得读。
- We Certainly Have Made a Hames Out of This — John Gruber 作者提到Great Lakes的HOMES mnemonic因Lake Ontario改名失效，新的五个字母只有hames和shame，hames在爱尔兰有“搞砸”的意思，还对比另一个Super Man Helps Every One的说法。该内容结合地理命名和语言梗，提供有趣的小知识，因此值得读。
- ‘Not Sure How You Own Canada by Deleting Your Own History’ — John Gruber 美国极右翼评论员Matt Walsh认为改名Lake Ontario为Lake America很蠢，指出该名称源于北美原住民，早于加拿大安大略省，改名混淆历史，还会给共和党对手政治把柄，Daily Wire评论员也认同。该内容展现政治人物对地理名称变更的看法及相关争议，因此值得读。
- From the DF Archive: ‘Golfo Del Gringo Loco’ — John Gruber 作者回顾2025年2月的文章，认为特朗普改名墨西哥湾为美国湾是出于对墨西哥的种族主义，批评谷歌苹果的地图应用处理方式，提出合理的区域显示方案，强调要考虑政治现实。该内容分析政治化地理命名的问题及企业应对建议，因此值得读。
因果推断与营销科学
- DIRECT: Decomposing Audience Preference and Creative Effect in Visual Content Analytics — Yizhi Liu, Balaji Padmanabhan, Siva Viswanathan 本文研究视觉内容分析中创作者表现的影响因素，指出现有 pooled系数混淆了受众偏好和创意效果两类模式。提出DIRECT框架分离两者，用232088条Instagram美妆帖数据发现4个属性两者符号相反，2个 pooled系数推荐错误，用 pooled会损失31%增益。该研究解决了视觉分析中估计量不匹配的问题，提供了可审计的诊断方法，对创意推荐有重要参考价值。
- Incremental Recommendation via Causal Models — Athanasios Vlontzos, David Gustafsson, Michael O’Riordan, Ciar'an M. Gilligan-Lee 本文针对推荐曝光作为有限资源的问题，扩展现有推荐模型为因果架构，解决了处理组和对照组归因窗口不匹配的问题，提出双阈值策略。在Spotify的生产级A/B测试中，该策略减少7%推荐曝光且不降低内容消费，还提升了模型校准。该研究利用现有实验数据无需新采集，解决了推荐的增量价值问题，提升了模型泛化性，值得关注。
- Policy Learning with $\alpha$-Expected Welfare — Yanqin Fan, Yuan Qi, Gaoqian Xu 本文提出α-预期福利最大化（α-EWM）规则，针对最差α分位的后处理结果平均福利，介于预期福利和罗尔斯福利之间，是分布鲁棒的规则。用对偶公式提出去偏估计器，建立渐近 regret界和有效推断方法，用真实和合成数据检验性能。该研究提供了针对弱势群体的最优政策，有严格理论保证，对福利优化和政策制定有重要意义。
- Optimal Experimental Design and Estimation when Potential Outcomes are Bounded — Peter Hull 本文研究潜在结果有界时的随机实验设计和估计，针对有限人口平均处理效应，发现最坏MSE最小化的是独立随机分配和特定回归，和传统的完全随机、双重差分结论不同。独立随机分配仍最优，非线性估计器可降低最坏MSE。该研究修正了有界结果下实验设计的传统结论，提供了更优的设计和估计方法，对实验设计有参考价值。
- MAPS: Netflix’s Multimodal Asset Personalization at Scale — Netflix Technology Blog 本文介绍Netflix的MAPS系统，解决新内容冷启动的个性化问题，利用多模态嵌入让模型处理资产的视觉信息，减少对交互历史的需求，覆盖艺术品个性化等三个生产系统，还有低成本优化技巧。该系统让个性化更早启动，提升了新内容的推荐效率，有生产级实践，对内容个性化有重要参考价值。
- Graph-based causal variance decompositions: When “variance explained” means causation — Olli Saarela, Juha Karvanen 本文针对传统方差分解无因果意义的问题，提出基于图的因果方差分解框架，定义因果方差分量，用拓扑顺序识别，可处理非拓扑顺序的中间变量，和因果归因相关。提出模型估计器和近似贝叶斯方法，用模拟检验性能。该研究解决了传统方差分解的因果解释问题，提供了图方法，有理论和模拟支持，值得一读。
即刻简报
- 发布了: 今天混元Hy4 preview一出，国内腾讯、阿里、字节三家模型的coding、agentic能力算是都迈过了那条可用，可完成复杂任务的线（Opus4.8级别） 虽然离SOTA模… — 即刻·Alchian花生 混元Hy4 preview发布后，国内腾讯、阿里、字节三家模型的coding、agentic能力迈过可用线，达到Opus4.8级别。虽距离SOTA模型还有几个月的差距，但当前阶段，模型能力提升带来的增益，不如更好的harness、skill及agent协作方式带来的增效多。该内容能让读者了解国内主流AI模型的最新能力进展及当前阶段的优化方向，值得关注。
- 发布了: Vercel推出了一个叫 vgpu 的 WebGPU 库。它的核心是为 AI 智能体设计的一套着色器，既能在浏览器里交互运行，也可以在 Node.js 环境里运行。 它把 WGSL … — 即刻·歸藏 Vercel推出名为vgpu的WebGPU库，核心是为AI智能体设计的着色器，支持在浏览器或Node.js环境运行。该库将WGSL着色器当作TypeScript处理，支持模块导入导出，扩展性好，还提供多种使用方式。作者用智谱GLM-5.3-Flash的案例，借助vgpu优化了效果，添加了投影、模糊等细节及自定义参数配置，该内容能让开发者了解AI智能体相关的WebGPU工具，值得参考。
- 发布了: Meta做了一场耗资巨大的真人实验，结果惨烈到扎克伯格连夜叫停裁员 扎克伯格年初在夏威夷的私人庄园里开闭门会，要求彻底重新设计Meta内部的工作方式，… — 即刻·莫唯书Mark Meta年初启动OT项目，计划用AI Agent取代人类员工，激进方案拟砍掉部分团队60%人员。该项目落地后，代码变更量同比增220%但实际功能仅增36%，安全事故暴增40%，内部士气评分从74%跌至55%，扎克伯格紧急叫停第二轮裁员。该内容揭露了AI替代人类过程中的风险，对AI行业有警示意义，值得一读。
- 转发了: 太牛了 — 即刻·哥飞 某公司用Liner管理项目，Agent接管了创建、更新issues的工作。在前端改版时，Agent批量创建了200多个issues，打满了Liner的API请求限额，出现了类似“边开车边换轮子还要修路”的状况。该内容展现了AI Agent在项目管理中应用的实际问题，能让读者了解AI落地的现实情况，值得关注。
- 转发了: 事实上产品经理越到高阶，这些Skills就越不重要，因为真正决定产品价值的并不是能否全栈包揽 — 即刻·莫唯书Mark 有观点认为，高阶产品经理的相关技能并不重要，真正决定产品价值的并非全栈包揽的能力。随着AI能力提升，产品经理的工作从写PRD、MRD发展到用vibe HTML交付产品需求，未来或能成为全栈，研发UI的参与也会减少。该内容探讨了AI对产品经理职业的影响，能引发相关思考，值得一读。
- 发布了: Canva 网站 About 页面底部有一段英文，我分别让 Fable 5 、Opus 5 和 Sonnet 5 翻译了一下，大家可以对比看看效果。 英文原文： At Canva, we acknowle… — 即刻·哥飞 有人将Canva官网About页面底部的英文内容，分别用Fable5、Opus5、Sonnet5三款模型进行翻译，并对比效果。三款模型的翻译价格不同，其中越贵的模型翻译效果越好，且本次翻译是带提示词要求格式并生成JSON数据的特殊翻译。该内容能让读者了解不同AI模型的翻译效果差异，值得参考。
- 转发了: 一条动态 — 即刻·瓦恁 Kuli Kuli最近发布了2.0版本，新增了语音对话和文本翻译功能，包含面对面对话界面和带二次翻译的单句翻译。该版本完全免费，内测公测期间收到大量反馈，用户会在理发、看病、讨价还价等多种场景使用，能帮助旅游时减少翻译app切换。该内容介绍了一款实用的翻译工具更新，值得尝试了解。
- 发布了: 个人健康 context： 1. 全点位基因检测报告 2. 各年度体检报告 3. oura/iwatch 设备采集的实时健康数据 每隔一两年，使用 sota 模型跑一下这些 context… — 即刻·李继刚 有人整理了个人健康相关的三类数据，包括全点位基因检测报告、各年度体检报告及oura/iwatch设备采集的实时健康数据。每隔一两年会用SOTA模型对这些数据进行分析，获取相关建议，且该分析范式在其他领域也可通用。该内容提供了个人健康数据结合AI分析的思路，值得参考。
本期有 8 个源不可用：lcamtuf.substack.com、garymarcus.substack.com、rachelbythebay.com、joanwestenberg.com、dfarq.homeip.net、gwern.net、worksonmymachine.substack.com、tedunangst.com。