Tweets

Test-time scaling of diffusions with flow maps

Heading to NeurIPS 2025 in San Diego? Check out the full list of papers from Stanford AI Lab - covering agents, diffusion models, robotics, reasoning benchmarks, and more. See you there! 🌴ai.stanford.edu/blog/neurips-2…9

BlockVid

Block Diffusion for High-Quality and Consistent Minute-Long Video Generation

OpenAI 如何构建大规模 AI 自动化代码审查系统？

核心挑战：代码量爆炸 vs. 人力瓶颈
随着 AI（如 GPT-5-Codex）生成的代码呈指数级增长，人类无法逐行审查。如果单纯依赖 AI 生成而不加验证，漏洞和 Bug 的风险将难以控制。因此，OpenAI 提出必须建立一个 自动化的代码审查智能体 作为防线。

关键策略：精准度优于覆盖率 (反直觉！)
· 通常逻辑：我们会希望 AI 找出 所有 潜在问题。
· OpenAI 的发现：在实际工程中，如果 AI 像个“碎嘴婆”一样报告大量无关紧要或错误的琐碎问题，开发者会直接弃用工具。
· 解决方案：为了赢得开发者的信任，该系统被设计为“宁缺毋滥”，优先保证高信噪比，只在确信是重要 Bug 时才发出警报，即便这以此会漏掉一些小问题为代价。

技术突破：全仓库上下文与工具使用
· 早期的验证模型通常只看代码的差异，缺乏上下文。 
· 新的审查智能体具备了全仓库的视野，并且拥有执行代码的能力。这意味着它不仅是“看”代码，还能结合整个项目的依赖关系进行逻辑推演，从而大幅提高了审查的准确性。

经济学视角：验证比生成更便宜
· 文章提出了一个有趣的观察：生成正确的代码需要大量的计算资源，但验证代码通常只需要很少的资源。
· 即便是用较小的算力预算，审查智能体也能有效地捕捉到大部分由强大模型生成的错误。这为大规模部署提供了经济基础。

实际应用与警示
· 实战效果：该系统已在 OpenAI 内部及 GitHub 上大规模使用。数据显示，约 53% 的 AI 审查意见被开发者采纳并进行了代码修改，证明了其建议的高价值。
· 过度依赖风险：AI 审查只是“辅助”而非“替代”。团队必须警惕将“AI 没报错”等同于“绝对安全”的心理懈怠。

阅读报告
alignment.openai.com/scaling-code-v…

We have just released Weaviate Java client v6, featuring a completely revamped syntax and development experience.

𝗪𝗵𝗮𝘁'𝘀 𝗖𝗵𝗮𝗻𝗴𝗲𝗱:
🎯 𝗙𝗹𝘂𝗲𝗻𝘁 𝗔𝗣𝗜 𝘄𝗶𝘁𝗵 𝗟𝗮𝗺𝗯𝗱𝗮 𝗦𝘆𝗻𝘁𝗮𝘅 - Modern lambda syntax that makes your code more readable and maintainable, while keeping builder patterns available when you need them:

// New v6 API: Query with semantic search
var response = movies.query.nearText(
"mind-bending movie",
options -> options.limit(1).returnProperties("title", "description")
);

⚡ 𝗴𝗥𝗣𝗖 𝗦𝘂𝗽𝗽𝗼𝗿𝘁 - Faster communication between your application and Weaviate, especially important for production workloads with high query volumes.
🛡️ 𝗧𝘆𝗽𝗲𝗱 𝗚𝗿𝗮𝗽𝗵𝗤𝗟 𝗥𝗲𝘀𝗽𝗼𝗻𝘀𝗲𝘀 - Automatic deserialization into Java objects means compile-time type safety and no more manual JSON parsing.
💯 Many more security, performance and UX improvements across the board.

If you're new to Weaviate, this is a great time to try it out. If you have existing apps using the old Java client (v5), we recommend using our documentation to migrate to the v6 client. It’s a weaviate.io/blog/weaviate-…promise they are worth it 🔥

Read the blog here: https://t.co/tfmrnX4hXK

Projects create a permanent, reusable workspace for your recurring tasks.

• Set a Master Instruction: Define your core directive once, and it applies to every session.

• Build a Knowledge Base: Upload brand guidelines, templates, and key files that persist.

Every session starts with the right context, instantly. No more starting from scratch.

文章中说的任务清单就算是全局context的一种，只是全局context一样没法太长，不然执行任务的上下文窗口就不够用了
x.com/stevenlu1729/s…

GitHub Copilot 如何通过「精简工具集」变得更智能

开发者都会遇到的痛点：工具过多导致响应迟缓和决策低效。通过引入“虚拟工具”、嵌入引导路由和自适应聚类等创新，Github Copilot 的智能体能在保持强大功能的同时，显著提升速度和准确性。

核心理念：少即是多，智能体需精炼工具
GitHub Copilot Chat 依赖数百个工具（如代码库分析、Azure 服务调用）来辅助开发者完成任务，例如修复 bug 或合并代码。这些工具通过 MCP 访问，但问题在于：工具堆积过多会让智能体“负担过重”，类似于大脑被无关信息淹没，导致推理变慢、错误率上升。基准测试（如 SWE-Lancer 和 SWEbench-Verified）显示，完整工具集下智能体的任务成功率反而下降 2-5 个百分点，因为模型容易误用工具或忽略关键指令。

解决方案的核心是“用更少的工具变得更聪明”：不是简单裁剪功能，而是通过智能路由和分组，让智能体只在需要时调用相关工具。这就好比从杂乱的工具箱中抽屉化管理——先看目录，再取具体物品，避免盲目翻找。

技术实现：嵌入引导与动态选择
更新引入了两大关键机制，确保工具选择精准高效：

· 嵌入引导工具路由（Embedding-Guided Tool Routing）：利用查询的向量嵌入与工具的语义表示进行匹配，预先筛选出最相关的工具候选。这比传统 LLM 逐一评估快得多。在基准测试中，该方法实现了 94.5% 的工具使用覆盖率，远高于 LLM 选择的 87.5% 或静态列表的 69.0%。例如，对于“修复这个 bug 并合并到 dev 分支”的查询，系统会直接从嵌入空间中锁定“合并工具”，跳过无关的搜索或文档工具，减少了探索性调用。

· 自适应工具聚类（Adaptive Tool Clustering）：基于 Copilot 内部嵌入模型，通过余弦相似度将相似工具自动分组，形成“虚拟工具”——这些虚拟工具像目录一样，提供概述而非完整列表。聚类后，一个小型模型生成每个组的摘要，便于缓存和快速访问。博客展示了 GitHub MCP 工具的嵌入图示：如 create_pending_pull_request_review 与 get_issue_comments 等工具自然聚为一簇。

此外，GitHub 将默认的 40 个内置工具精简至 13 个核心工具（覆盖仓库解析、文件编辑、搜索和终端操作），其余非核心工具归入四个虚拟类别：Jupyter Notebook 工具、网络交互工具、VS Code 工作区工具和测试工具。这种“无损动态选择”确保了功能完整性，同时将首 token 时间缩短 190 毫秒，最终响应延迟平均降低 400 毫秒。

益处：更快、更准的用户体验
· 性能跃升：在线 A/B 测试显示，任务成功率提升 2-5 个百分点，工具覆盖率提高 27.5%。智能体能更专注地推理，减少缓存未命中和 API 限额问题。
· 效率优化：操作成本降低（缓存嵌入和摘要更廉价），开发者感受到更流畅的交互——无需等待“加载中”转圈。
· 实际示例：在处理复杂查询时，系统能从历史上下文推断意图，避免逐一检查工具组，提升了整体可靠性。

未来展望：向长上下文智能体演进
将工具选择视为“长上下文推理”的雏形：未来，智能体将记住工具使用历史、从对话中推断意图，并规划多步行动，甚至跨会话协作。结合嵌入、记忆机制和强化学习，Copilot 可能扩展到数千轮交互，支持动态学习工具使用。

这个更新体现了 AI 开发工具的演进趋势：从“全能”向“专注”转型，GitHub 通过数据驱动的优化证明，精简并非妥协，而是通往更强大智能的捷径。

博客地址：
github.blog/ai-and-ml/gith…

my prompt
x.com/dotey/status/1…

Fix vulnerable dependencies and strengthen your supply chain with @jfrog Security Agent. 🐸 Try it out to:
• identify vulnerable packages
• provide recommended upgrade versions
• patch dependency files directly
• generate a clear, security-aware pull request summary