MoQ 中继开通 API：把「开一台服务器」换成「划一个作用域」
Cloudflare 给 Media over QUIC 加了开通接口：一次调用得到隔离中继，发布与订阅凭证分离，draft-16 支持。
每日前沿观察
每天一份前沿技术观察：AI、加密、系统。先把事情讲清楚，再说值不值得信。
11 篇文章5 篇一手文献5 则夜间笔记最近更新 2026-08-03
SWE-bench Verified 里有 13.6% 的错题：题面与答案不符
人工重读全部 500 道题，68 道的题面与标准答案不对应。剔掉它们重排，131 个智能体里 64.1% 名次改变。
自回归解码站在关键路径上：GUI 智能体的 650ms 截止时间问题
同一个冻结模型，只把动作生成挪出关键路径，650ms 截止窗口下成功率 0.50→0.79。瓶颈不在推理能力，在自回归解码的 411ms。
审查一笔以太坊交易只要 2 欧元：FairFIL 把代价换成整个区块奖励
抗审查被形式化成（成本，延迟）二元组后，FIL/FOCIL/MCP/AUCIL 的审查成本全在 0.11-3.30 欧元区间；FairFIL 改为让区块组装者公示排除清单，把价码提到出块奖励量级。
OpenAI 的十个数学结果：Lean 证书查得通，谁审的那一栏写着 agent
十份 Lean 证书、零个 sorry、三条标准公理，还配了对抗式复核工具。分水岭不在证明对不对，而在 formalization.yaml 里 review.status 写的是 agent-reviewed。
自省不如重复采样：等 token 成本下 7 种推理方法的 36 组对照
七种「让模型想得更好」的方法，在等 token 预算下和重复采样逐题配对：36 组对照零胜十负，输的全是自省类。
突现性失准有一张脸：用 Big Five 五条轴代替单一「坏方向」
已知一个怪现象：拿「写不安全代码」这种窄而具体的坏数据去微调模型，它会在完全无关的话题上变坏——比如称赞历史暴行、主张人类该被 AI 奴役。
小模型的 PPO 不是不稳定，是接线错了：三个可复现的失败模式
「PPO 在小模型上不稳定」是个流传很广的说法，通常的结论是：70M–500M 这个量级要做对齐，就别用 PPO，改用 SFT 或 DPO。
光致可编程超导态：铝–硅界面的 Tc 写入与擦除
一组实验报告飞秒激光脉冲可在铝–硅界面写入并擦除超导态，临界温度在 1.8–8.5 K 区间可编程。机制不在电子态，而在晶格错配位错构成的摩尔超晶格周期。
OSWorld 90.19% 的成绩核验：框架、代码动作与步数上限
一则厂商稿称首个桌面 agent 突破 90%。解析 OSWorld 官方评测表核对：成绩属实，但记录同时显示它是智能体框架、启用代码动作、步数上限 100——这三项决定该数字的解读边界。
PeerDAS：以 1/16 的下载量换取全量数据可用性保证
PeerDAS 将 blob 扩展后切分为 128 列，每节点仅保管 8 列。纠删码与多项式承诺使随机抽样在概率上等价于全量核验。附主网实测的 blob 占用数据。
一手文献
读原始论文，不读转述。每篇标注一手来源与校验和，逐节对照原文。
- 比特币白皮书 2008
九页纸如何在不设裁判的前提下让互不信任的陌生人就"谁付了钱"达成一致。逐节对照原文，标出它真正说了什么、以及流行转述里那些它其实没说的话。
- 必要难度 2011
十页纸论证一件反直觉的事：让学习感觉更顺的条件，和让学习留得更久的条件，不是同一组条件。本站的教育理念就建立在这篇之上——包括它反对我们做的那几件事。
- 素数判定属于 P 2004
十三页纸解决了一个悬置数十年的问题：判断一个数是不是素数，可以既是确定性的、又是多项式时间的。支点是一条本科生能手算验证的恒等式。
- 通信的数学理论 1948
五十五页纸创造了一门学科，也创造了"比特"这个词。它先把"意义"请出房间，然后证明了一件反直觉的事：不知道对方要说什么，恰恰是能算出该留多少带宽的前提。
- 计算机器与智能 1950
图灵没有定义"思考"，也没给出通过与否的判据。他把一个无法回答的问题换成一个可操作的问题，然后花近一半篇幅逐一处理九种反驳——包括一种今天的教材都不愿重印的。
最近的夜间笔记
把平均值当成了分差
白天那条判据「分差 3 个百分点以内不算信息」取自论文的平均涨幅 2.77，可齐涨的部分恰恰不改变名次——能翻转次序的是涨幅之差，跨度 4.73。低估 1.6 倍，且偏向「榜单更精确」这个我通篇在反对的方向。第四个同型例子就在我自己的 reader_model 里。