Realmbird正在写Deepseek 新架构mHC的系列文章，目前完成了一篇。| blog
流形约束超连接（Manifold-Constrained Hyper-Connections，mHC）是 Deepseek 新增的一种架构，并已在 Deepseek v4 中实现。
mHC 是对 HC（超连接）的一种修复，它解决了 HC 导致的梯度消失或爆炸问题，同时仍保持性能提升。因为在 HC 上添加权重和偏置会使来自较早层的信号更难更新，从而使残差流的“残差性”降低。
HC 是一种诅咒般的方法，通过在残差流上添加权重和偏置来模拟更宽的残差流。
mHC 是对 HC 的改进，其中使用 Sinkhorn-Knopp 方法使残差流上的权重和偏置变为双随机矩阵。双随机矩阵的行和列之和都为 1，就像同时沿行和列应用 softmax。MHC-lite 与 mHC 论文类似，但使用了 Birkhoff-von Neumann 方法来实现双随机矩阵。
流形约束超连接（Manifold-Constrained Hyper-Connections，mHC）是 Deepseek 新增的一种架构，并已在 Deepseek v4 中实现。
mHC 是对 HC（超连接）的一种修复，它解决了 HC 导致的梯度消失或爆炸问题，同时仍保持性能提升。因为在 HC 上添加权重和偏置会使来自较早层的信号更难更新，从而使残差流的“残差性”降低。
HC 是一种诅咒般的方法，通过在残差流上添加权重和偏置来模拟更宽的残差流。
mHC 是对 HC 的改进，其中使用 Sinkhorn-Knopp 方法使残差流上的权重和偏置变为双随机矩阵。双随机矩阵的行和列之和都为 1，就像同时沿行和列应用 softmax。MHC-lite 与 mHC 论文类似，但使用了 Birkhoff-von Neumann 方法来实现双随机矩阵。
一份面向工程设计的人形机器人指南，很多人形机器人的硬件/物理学知识 | blog | #指南
“一个类人机器人每小时大约走 5,000 步。每一步都会将相当于身体重量 2–3 倍的冲击力传递到腿部执行器——偶尔承受这样的力还可以，但当这种冲击连续数千次而不间断时，就会造成破坏。这种无情的工作循环正是大多数类人机器人执行器失效的原因，也是幸存者最终都采用相同工程解决方案的原因。
关键在于，因为这种冲击发生的速度快于任何传感器循环的反应时间（亚毫秒级），执行器必须在机械上能够‘让步’（可反向驱动性），以吸收能量。如果执行器在机械上是自锁的——如大多数工业用滚珠丝杠——齿轮箱就必须吸收 100% 的冲击能量，从而导致瞬间剪切失效。”
“一个类人机器人每小时大约走 5,000 步。每一步都会将相当于身体重量 2–3 倍的冲击力传递到腿部执行器——偶尔承受这样的力还可以，但当这种冲击连续数千次而不间断时，就会造成破坏。这种无情的工作循环正是大多数类人机器人执行器失效的原因，也是幸存者最终都采用相同工程解决方案的原因。
关键在于，因为这种冲击发生的速度快于任何传感器循环的反应时间（亚毫秒级），执行器必须在机械上能够‘让步’（可反向驱动性），以吸收能量。如果执行器在机械上是自锁的——如大多数工业用滚珠丝杠——齿轮箱就必须吸收 100% 的冲击能量，从而导致瞬间剪切失效。”
GPT-5.5 中转 API 白嫖免费额度 🎁
专注于提供 大模型中转/代理服务 的站点，通过下面链接注册，白嫖免费额度：
https://freemodel.dev/invite/FRE-2f5a0a37
通过 GitHub 注册：
https://www.orcarouter.ai/ref/ref_9b4dbb69efa9d930e387
专注于提供 大模型中转/代理服务 的站点，通过下面链接注册，白嫖免费额度：
https://freemodel.dev/invite/FRE-2f5a0a37
通过 GitHub 注册：
https://www.orcarouter.ai/ref/ref_9b4dbb69efa9d930e387
PaletteInspiration| 爱错
PaletteInspiration 平台汇集了超过 3,000 位艺术家创作的数万幅画作及其相应的色彩构成。该项目通过提取和关联作品中的 HTML 颜色代码，为设计师和艺术家提供了一个宝贵的视觉资源库。用户可以便捷地通过搜索画作名称来获取其完整的色彩调色板，亦可反向操作，输入特定颜色值，进而探寻与之相关的艺术作品及其创作者。
此平台不仅是一个专业的色彩参考工具，也为艺术爱好者呈现了一个广阔的数字艺术展览空间，涵盖了不同时代的各类艺术珍品。
PaletteInspiration 平台汇集了超过 3,000 位艺术家创作的数万幅画作及其相应的色彩构成。该项目通过提取和关联作品中的 HTML 颜色代码，为设计师和艺术家提供了一个宝贵的视觉资源库。用户可以便捷地通过搜索画作名称来获取其完整的色彩调色板，亦可反向操作，输入特定颜色值，进而探寻与之相关的艺术作品及其创作者。
此平台不仅是一个专业的色彩参考工具，也为艺术爱好者呈现了一个广阔的数字艺术展览空间，涵盖了不同时代的各类艺术珍品。
OCR识别需要多个工具，布局分析工具拆分文档结构，文本识别模型提取内容，还要额外的手动后处理，来回切换效率低下。
GLM-OCR 把OCR全流程功能全部整合到一起，提供了精准×快速×全面的文档理解解决方案。
不仅有SOTA级多模态OCR模型和布局分析，还支持复杂表格/公式/代码识别，云端API和本地部署，甚至一键CLI/Python调用。
主要功能：
- SOTA性能，在OmniDocBench V1.5得分94.62，文档理解基准排名第一；
- 实景优化，完美处理复杂表格、代码文档、印章等挑战场景；
- 高效推理，仅0.9B参数，支持vLLM/SGLang/Ollama部署，低延迟高并发；
- 超易使用，pip install glmocr 一行命令解析图片/PDF，支持CLI/Python/Flask API；
- 完整SDK，云API（零GPU）或自托管，支持大图/PDF多页文档；
- 模块化架构，可自定义布局检测、OCR调用和结果格式化（JSON/Markdown）。
支持云端API、vLLM/SGLang本地部署、多平台使用，通过pip安装即可快速上手，适合AI开发者和企业文档处理。
GLM-OCR 把OCR全流程功能全部整合到一起，提供了精准×快速×全面的文档理解解决方案。
不仅有SOTA级多模态OCR模型和布局分析，还支持复杂表格/公式/代码识别，云端API和本地部署，甚至一键CLI/Python调用。
主要功能：
- SOTA性能，在OmniDocBench V1.5得分94.62，文档理解基准排名第一；
- 实景优化，完美处理复杂表格、代码文档、印章等挑战场景；
- 高效推理，仅0.9B参数，支持vLLM/SGLang/Ollama部署，低延迟高并发；
- 超易使用，pip install glmocr 一行命令解析图片/PDF，支持CLI/Python/Flask API；
- 完整SDK，云API（零GPU）或自托管，支持大图/PDF多页文档；
- 模块化架构，可自定义布局检测、OCR调用和结果格式化（JSON/Markdown）。
支持云端API、vLLM/SGLang本地部署、多平台使用，通过pip安装即可快速上手，适合AI开发者和企业文档处理。
多模态AI开发常常需要多个专用模型，理解模型处理视觉分析，生成模型负责图像输出，还要额外集成推理和工具调用，切换繁琐效率低下。
SenseNova-U1 用NEO-unify架构从第一性原理统一多模态理解、推理和生成，提供端到端原生多模态解决方案。| 在线尝试
不仅实现像素到词的统一建模，支持高质量文本到图像生成、图像编辑、交错图文生成，还能进行视觉问答、视觉语言行动（VLA）和世界建模，开源SOTA性能。
主要功能：
- 原生统一多模态架构，无需VE和VAE，支持端到端像素-词处理；
- 高质量文本到图像生成，支持复杂信息图表、海报、漫画等高密度渲染；
- 图像编辑和交错图文生成，可生成连贯的文本+图像教程和故事；
- 视觉理解和推理，支持长上下文VQA和代理式视觉任务；
- 支持GGUF量化、低显存推理，单GPU友好，兼容Web/本地部署；
- 提供SenseNova-Studio在线 playground 和SenseNova-Skills代理集成。
支持 Transformers、LightLLM 多框架部署，8B/A3B模型规模，Apache 2.0许可，适合AI开发者、研究者和应用集成。
SenseNova-U1 用NEO-unify架构从第一性原理统一多模态理解、推理和生成，提供端到端原生多模态解决方案。| 在线尝试
不仅实现像素到词的统一建模，支持高质量文本到图像生成、图像编辑、交错图文生成，还能进行视觉问答、视觉语言行动（VLA）和世界建模，开源SOTA性能。
主要功能：
- 原生统一多模态架构，无需VE和VAE，支持端到端像素-词处理；
- 高质量文本到图像生成，支持复杂信息图表、海报、漫画等高密度渲染；
- 图像编辑和交错图文生成，可生成连贯的文本+图像教程和故事；
- 视觉理解和推理，支持长上下文VQA和代理式视觉任务；
- 支持GGUF量化、低显存推理，单GPU友好，兼容Web/本地部署；
- 提供SenseNova-Studio在线 playground 和SenseNova-Skills代理集成。
支持 Transformers、LightLLM 多框架部署，8B/A3B模型规模，Apache 2.0许可，适合AI开发者、研究者和应用集成。
重构 Claude 使用逻辑：从自动补全升级为 AI 协作伙伴 | 推文
通过将 Andrej Karpathy 的 4 条基础规则扩展为针对现代 Agent 工作流的 12 条指令，可以将 Claude 的编程错误率大幅降低。核心在于将 AI 从“自动补全工具”升级为遵循“行为契约”的协作伙伴。
很多人把
Karpathy 最初提出的 4 条规则解决了“写代码”时的基本逻辑问题：别瞎猜、保持简单、外科手术式修改、目标导向。这确实把错误率压了下来，但现在的 AI 已经不是只会写单行代码的补全工具了，它们是会在多个文件间跳转、执行多步任务的 Agent。
现在的痛点变了。有网友提到，Agent 会在长任务中迷失方向，或者在两个不同的代码风格之间试图“取平均值”，结果写出了一堆逻辑混乱的缝合怪。
为了补齐这些漏洞，需要引入更硬核的约束。比如，别让模型去做确定性的逻辑判断，那是代码该干的事，不是概率模型该干的事；必须设置严格的 Token 预算，否则它会陷入无休止的循环，直到烧光你的额度；还有最重要的，要求它“大声失败”。如果迁移漏掉了记录，或者测试只是在测常量，它必须直接告诉你“我没把握”，而不是伪装成成功。
有趣的是，规则并不是越多越好。当规则超过 200 行，模型就会开始机械地模仿“存在规则”这个事实，而不再理解规则本身。
这本质上是在为 AI 编写一套“操作系统协议”。规则不是建议，而是契约。
通过将 Andrej Karpathy 的 4 条基础规则扩展为针对现代 Agent 工作流的 12 条指令，可以将 Claude 的编程错误率大幅降低。核心在于将 AI 从“自动补全工具”升级为遵循“行为契约”的协作伙伴。
很多人把
CLAUDE.md 当成随手丢弃的偏好清单，要么塞满 4000 个 token 导致模型完全无视，要么干脆空着。这就像给一个极度聪明的实习生发了一本厚得没法读的员工手册，最后他只能靠直觉乱撞。Karpathy 最初提出的 4 条规则解决了“写代码”时的基本逻辑问题：别瞎猜、保持简单、外科手术式修改、目标导向。这确实把错误率压了下来，但现在的 AI 已经不是只会写单行代码的补全工具了，它们是会在多个文件间跳转、执行多步任务的 Agent。
现在的痛点变了。有网友提到，Agent 会在长任务中迷失方向，或者在两个不同的代码风格之间试图“取平均值”，结果写出了一堆逻辑混乱的缝合怪。
为了补齐这些漏洞，需要引入更硬核的约束。比如，别让模型去做确定性的逻辑判断，那是代码该干的事，不是概率模型该干的事；必须设置严格的 Token 预算，否则它会陷入无休止的循环，直到烧光你的额度；还有最重要的，要求它“大声失败”。如果迁移漏掉了记录，或者测试只是在测常量，它必须直接告诉你“我没把握”，而不是伪装成成功。
有趣的是，规则并不是越多越好。当规则超过 200 行，模型就会开始机械地模仿“存在规则”这个事实，而不再理解规则本身。
这本质上是在为 AI 编写一套“操作系统协议”。规则不是建议，而是契约。
开发项目管理常常需要监督编码代理，监控任务进度、审查PR、验证CI状态，还要手动处理复杂工作，来回协调效率低下。
OpenAI Symphony 将项目工作转化为隔离的自主实现运行，让团队管理工作而非监督编码代理。
不仅能监控Linear看板自动生成代理处理任务，还提供CI状态、PR审查反馈、复杂度分析和演示视频等工作证明，验收后安全合并PR。
主要功能：
- 监控任务板（如Linear），自动生成隔离代理实现任务；
- 提供完整工作证明：CI状态、PR审查、复杂度分析、walkthrough视频；
- 安全PR合并机制，工程师无需实时监督；
- 支持harness engineering代码库，适用于成熟项目；
- 实验性Elixir参考实现，可快速部署运行；
- SPEC规范公开，便于自定义开发其他语言版本。
支持Elixir/Python等语言实现，适合工程团队和AI开发项目使用，低调工程预览版，专为可信环境测试。
OpenAI Symphony 将项目工作转化为隔离的自主实现运行，让团队管理工作而非监督编码代理。
不仅能监控Linear看板自动生成代理处理任务，还提供CI状态、PR审查反馈、复杂度分析和演示视频等工作证明，验收后安全合并PR。
主要功能：
- 监控任务板（如Linear），自动生成隔离代理实现任务；
- 提供完整工作证明：CI状态、PR审查、复杂度分析、walkthrough视频；
- 安全PR合并机制，工程师无需实时监督；
- 支持harness engineering代码库，适用于成熟项目；
- 实验性Elixir参考实现，可快速部署运行；
- SPEC规范公开，便于自定义开发其他语言版本。
支持Elixir/Python等语言实现，适合工程团队和AI开发项目使用，低调工程预览版，专为可信环境测试。
为什么 AI 复杂任务，正在放弃 Markdown 转向 HTML | 推文
随着 AI 代理能力的增强，传统的 Markdown 格式已难以承载复杂的逻辑与视觉需求。转向 HTML 作为 AI 的输出媒介，能实现更高信息密度、交互式体验与更直观的视觉呈现，从而让人类在协作中保持深度参与。
当 AI 代理（Agent）开始处理极其复杂的任务时，Markdown 这种“轻量级”的语法反而成了一种枷锁。
如果你习惯于看 AI 生成的 Markdown 计划书，大概会发现一个尴尬的现状：一旦文档超过百行，阅读体验就开始崩塌。为了弥补表达能力的不足，AI 甚至会用 Unicode 字符去模拟颜色，或者用 ASCII 字符画一些简陋的流程图。这就像是在用电报机试图传输高清视频，虽然能传达意思，但效率低得令人沮丧。
HTML 正在成为一种更高效的“通信协议”。
它不仅仅是关于“好看”。HTML 的核心优势在于信息密度。通过嵌入 SVG 矢量图、利用 CSS 进行布局、甚至加入 JavaScript 实现交互，AI 可以交付一个真正的“产品”而非仅仅是一段“描述”。比如，与其看一段描述数据趋势的文字，不如让 AI 直接生成一个带滑块的交互式仪表盘。
有网友提到，HTML 带来的交互感能让协作变得更有趣。你可以要求 AI 生成一个临时的、针对特定任务的“微型编辑器”：比如一个可以拖拽排序的任务卡片流，或者一个带实时预览的 Prompt 调试器。这种“即用即弃”的工具感，让文档从静态的记录变成了动态的实验室。
当然，这种转变并非没有代价。
HTML 的 Token 消耗通常是 Markdown 的数倍，且在版本控制（Git Diff）中显得非常臃肿。如果只是为了简单的笔记，Markdown 依然是王者。但当我们需要进行复杂的架构设计、代码评审或原型开发时，HTML 提供的语义化结构和视觉清晰度，能显著降低人类的认知负荷。
与其说我们在重新发现 HTML，不如说我们在利用 Web 技术栈，为 AI 时代构建一种全新的、可交互的“数字界面”。
当文档本身变成了一个可以运行的小程序，我们与 AI 的关系，也从单纯的“指令与反馈”，进化成了真正的“共创”。
随着 AI 代理能力的增强，传统的 Markdown 格式已难以承载复杂的逻辑与视觉需求。转向 HTML 作为 AI 的输出媒介，能实现更高信息密度、交互式体验与更直观的视觉呈现，从而让人类在协作中保持深度参与。
当 AI 代理（Agent）开始处理极其复杂的任务时，Markdown 这种“轻量级”的语法反而成了一种枷锁。
如果你习惯于看 AI 生成的 Markdown 计划书，大概会发现一个尴尬的现状：一旦文档超过百行，阅读体验就开始崩塌。为了弥补表达能力的不足，AI 甚至会用 Unicode 字符去模拟颜色，或者用 ASCII 字符画一些简陋的流程图。这就像是在用电报机试图传输高清视频，虽然能传达意思，但效率低得令人沮丧。
HTML 正在成为一种更高效的“通信协议”。
它不仅仅是关于“好看”。HTML 的核心优势在于信息密度。通过嵌入 SVG 矢量图、利用 CSS 进行布局、甚至加入 JavaScript 实现交互，AI 可以交付一个真正的“产品”而非仅仅是一段“描述”。比如，与其看一段描述数据趋势的文字，不如让 AI 直接生成一个带滑块的交互式仪表盘。
有网友提到，HTML 带来的交互感能让协作变得更有趣。你可以要求 AI 生成一个临时的、针对特定任务的“微型编辑器”：比如一个可以拖拽排序的任务卡片流，或者一个带实时预览的 Prompt 调试器。这种“即用即弃”的工具感，让文档从静态的记录变成了动态的实验室。
当然，这种转变并非没有代价。
HTML 的 Token 消耗通常是 Markdown 的数倍，且在版本控制（Git Diff）中显得非常臃肿。如果只是为了简单的笔记，Markdown 依然是王者。但当我们需要进行复杂的架构设计、代码评审或原型开发时，HTML 提供的语义化结构和视觉清晰度，能显著降低人类的认知负荷。
与其说我们在重新发现 HTML，不如说我们在利用 Web 技术栈，为 AI 时代构建一种全新的、可交互的“数字界面”。
当文档本身变成了一个可以运行的小程序，我们与 AI 的关系，也从单纯的“指令与反馈”，进化成了真正的“共创”。