deepsense.ai 提出评估 Agent 系统的四层框架与上线检查清单
deepsense.ai 提出一套评估 Agent 系统的四层框架，覆盖数据集、执行环境、行为验证和指标。它要求每个用例多次运行并以 pass^k 而非 pass@k 作为上线门槛，检查工具选择、调用顺序和失败处理等轨迹，而不只看最终答案。
#教程/实践
#教程/实践
今日 0 条Hacker News · Show HNAI 评分5151
Hacker News · Show HNAI 评分3434 Show HN：Chalk——系统设计理念的交互式实验室
Chalk 是面向系统设计概念的交互式实验室，缓存淘汰示例用“炉边石板”类比演示淘汰策略。它用 10 个固定茶摊请求和 5 种淘汰规则展示命中率如何随策略变化。真实系统会从浏览器、CDN、应用层到数据库分层缓存，命中率取决于动态访问模式。
Simon WillisonAI 评分2929 Lean Rada 用 document.currentScript 实现内联渲染的技巧
Lean Rada 提出一种利用 document.currentScript 属性的内联渲染技巧：在脚本中定义 `$=(...n)=>document.currentScript.replaceWith(...n)`，就能得到一个极简模板语言，把当前 script 元素直接替换成传入的内容。Simon Willison 在 Link Blog 中分享了这个做法。
Simon WillisonAI 评分4747 用 Python 3.15 剖析 web-edit：火焰图与源码热力图
用 Python 3.15 内置的 profiling.sampling 剖析未修改的 web-edit 应用，发现混合行尾保留主导了编辑负载：`preserve_endings` 出现在 64.8% 的 15,296 个 CPU 栈中，`SequenceMatcher.find_longest_match` 占 38.3% 的叶子样本。
GitHub Blog · AI & MLAI 评分2727 AI 正在改变开发者工作，GitHub 给出三项应强化的技能
AI 正在改变开发者工作，GitHub 建议开发者强化指挥 AI 智能体、审查 AI 输出和用 AI 解决更大问题三项技能。文中提到，GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型评审计划、代码和测试，帮助发现第一个模型可能遗漏的问题。
Hugging Face Blog精选AI 评分7777 Sentence Transformers v6.0 新增 MultiVectorEncoder，给出多向量检索模型微调完整流程
Sentence Transformers v6.0 新增 MultiVectorEncoder，用于 ColBERT 式 late interaction 检索，并提供从数据、损失函数到训练器的完整微调流程。
推荐理由：做医疗、法律等垂直检索的团队可以照脚本用自有问答对微调多向量模型，单张 RTX 3090 跑十几个小时，前提是先备好问答对数据。
Google DeepMindAI 评分5151 Google DeepMind 的 Co-Scientist 加速发现 MASH 肝病机制
Google DeepMind 介绍爱丁堡大学团队借助 Co-Scientist 推进代谢功能障碍相关脂肪性肝炎（MASH）的机制研究。该系统综合肝生物学与药理学证据，指出值得关注的机制，并提出可供团队测试的候选组合疗法。