深度
AI 领域长篇解读、行业观察、技术分析 —— 慢下来读一篇。
DPP协议发布：用140条规则统一文档解析标准
Document Parsing Protocol（DPP）提出140条文档解析规则，覆盖表格、表单、图表等歧义场景，可作为评估LLM解析质量的评分标准，弥补现有OCR基准偏好单一风格的缺陷。
GitHub日报·10月30日：Skills生态全面爆发，Agent开始给自己配电脑
Skills 生态形成三层结构: 官方标准, 个人实战技能集, 垂直场景技能, 一天之内同时上榜; Agent 开始拥有独立运行环境, OpenBot 和 OpenMausBot 都在给 agent 配电脑和虚拟机; 跨会话记忆成为刚需, claude-mem 九万多星说明金鱼记忆问题已被广泛认可
Cognition SWE-2 实战：一个提示词搞定产品发布全流程
解析 YouTube 创作者用 Cognition SWE-2 发布产品的完整提示词：落地页、七封邮件序列与未购买用户跟进工具三段式结构，以及"测试并汇报"这一约束如何改变 AI 的交付质量。
AWS AgentCore Gateway：用MCP打通AI Agent与企…
AWS AgentCore Gateway：用MCP打通AI Agent与企业后端
AWS AgentCore Gateway如何作为主MCP服务器聚合REST API、Lambda与已有MCP服务？解析其AST实时映射、零冷启动、语义搜索治工具过载、会话隔离与密钥注入安全设计，以及企业AI Agent解耦后端的架构思路。
一个链接给Figma AI装上新技能：MCP连接器实战
通过粘贴一个MCP服务器链接，Figma中的AI Agent就能获得新工具能力。本文拆解配置流程、超过20个一键接入应用、读写权限与执行策略设置，以及公开HTTPS链接这一关键限制。
PFR：差分隐私噪声按典型敏感度缩放的新范式
差分隐私噪声常被最坏情况记录绑架。Propose-Filter-Release（PFR）通过私有过滤步骤，将保护典型记录增删的机制升级为通用差分隐私原语，支持标量统计、主成分子空间、图有效电阻与治疗规则选择等场景。
无需权重扰动：重新思考神经厚块假说
新研究复现神经厚块增益，但发现无需权重扰动：仅扰动单个解码器块或添加logit偏置即可匹配甚至超越全权重扰动效果。提出Perturb-Select-Vote框架，在语言和视觉任务上验证输出多样性、选择与投票是增益来源，为免训练集成提供新思路。
SpecSlot：解耦细节与全局注意力的像素生成Transformer
SpecSlot 提出一种角色耦合的 tokenization 方法，将低频全局结构与高频局部细节解耦，在不扩大全局注意力序列的前提下提升像素空间生成 Transformer 的细节表现，并在 ImageNet 和文本到图像任务上以更低算力取得更好效果。
5.6亿美元加密盗窃案背后：交易所中心化风险再审视
Reddit 热议“史上最大加密盗窃案”5.6 亿美元被盗，评论区却指向中心化交易所的托管风险。本文梳理事件讨论中的认知分歧，分析中心化与自托管钱包的安全边界，并探讨加密新闻在社交媒体上的信噪比问题。
AI编程代理能写代码，但谁来验证可靠性？
AI编程代理能写代码，但代码生成不等于软件工程。一位初级全栈开发者提出七步工作流，强调验证责任不能外包给AI，并追问开发者应给代理多少自主权、如何验证AI代码、初级开发者该优先培养哪些技能。
AI智能体自建文明：多智能体自治实验的可行性探讨
Reddit社区提出一个AI智能体自建文明实验构想：建筑师、管理者、科学家、历史学家各司其职，在共享虚拟世界中自主治理与演化。本文分析其技术底座（多智能体架构、持久记忆、沙箱仿真）与可行性瓶颈。
Row-Bot演示：给个目标就放手，AI多轮自治如何落地
Row-Bot Demo展示开源本地优先AI助手如何通过多轮自治完成目标：三回合搞定着陆页、询问日期、撰写X帖子，发布前需人工确认。了解目标驱动式AI交互的新思路。
Anthropic遭黑客攻击：Claude开发者笔记本被植入远程木马
Anthropic遭黑客攻击，Claude开发者笔记本电脑被植入远程访问木马。本文分析这起针对AI开发者的供应链攻击手法、RAT的危害，以及开发者终端安全的实际防御启示。
缅因州数据中心抗议：决定参议院控制权的关键战役
缅因州参议员辩论中，选民抗议AI数据中心破坏气候、毒害水源，数据中心争议正成为决定参议院控制权的选举议题。本文分析这场地方抗议如何演变为全国性政治力量，以及对AI基础设施扩张的深层影响。
world2vec：用潜动力学学习构建机制性世界模型
world2vec 提出一种不依赖奖励信息的机制性世界模型学习方法，通过潜动力学学习在长预测时域上忠实还原系统，参数量比 DreamerV3、TD-MPC2 和 LeWM 少至少一个数量级，并在 71 个吸引子基准上实现准确系统辨识。
KL-DRO新范式：围绕学习密度模型的自适应场景生成
KL-DRO研究提出以学习密度模型为中心构建KL球，替代经验分布作为模糊集中心，并设计自适应场景生成方法引导采样至最坏情况。实验显示在记录稀缺且模型可外推时，分布偏移下成本更低，分布内成本相当。
离散扩散模型的ODE采样器：指数残差流加速生成
离散扩散模型缺乏确定性ODE采样方法？本文介绍指数残差流（ERFs），通过为每个token引入连续残差变量，构造分段ODE实现确定性采样，并支持一致性蒸馏加速。在代码和文本生成任务上优于先前方法。
深度学习杂波抑制：多基地ISAC实现高精度定位测速
解读多基地ISAC最新研究：针对5G及未来信号感知中稠密动态杂波导致定位测速误差的问题，对比传统信号处理基线，引入残差与注意力增强的深度学习杂波抑制方法，在多样杂波条件下显著提升目标位置与速度估计精度。
扩散模型成员推理：时间维度难度校准新方法
扩散模型成员推理新方法：通过训练时间与扩散时间两轴校准图像难度，RMC与TSC大幅超越现有技术，并泛化到不同参数化模型。
Gym-Anything：用编码智能体造机器人仿真环境
Gym-Anything for Robotics 让编码智能体自动创建机器人仿真环境，按 GDP 数据选取任务，构建 25 个仿真、200 个 RL 环境的 RoboWorld 基准，前沿模型平均奖励仅 0.06。