值得读的 6 条

2026 年 8 月 16 日 · 周日 · 第 468 期 · 约 2 分钟

本期头条

8.10—8.16｜本周 AI 论文精选

给做模型训练或安全的人：七篇里只有 Skaling 和窃取推理轨迹给了可复现的实证数据，其余是基准刷分；周报本身不筛，得自己翻。

Skaling 定律用单参数耦合模型规模与数据量，误差降低 1.5-3 倍；窃取推理轨迹攻击覆盖 Anthropic、OpenAI、Google，恢复 315,320 个加密块。

给Git 零基础的新手：教程实操性强，但核心是 Git 基础而非 GitHub 高级功能；标题有夸大之嫌。

Git 与 GitHub 分工明确，提交前需检查 diff 并测试；分支用于隔离不确定改动，实验分支与 main 分离后产生新提交。

近 7 天另有 1 条提到「Git」，在 08-13

给在搭智能体运行框架的人：三个用例里只有 Anthropic 给了成本账：6 小时 200 美元 vs 20 分钟 9 美元。

DoorDash 每月跑 13 万自动化任务，OpenAI 用仓库当 harness 五个月合并 1500 个 PR；Anthropic 三智能体方案耗时 6 小时花 200 美元，无 harness 仅 20 分钟 9 美元。

给被 AI 代劳搞到焦虑的学习者：最锋利的一句是「拿到答案，不等于你真正懂了」；全文是立场输出，没有数据和方法。

Tom Yeh 主张用纸笔拆解 Transformer 与矩阵运算，认为拿到答案不等于真正掌握；他建议区分底层知识与易变工具，把时间花在能跨周期复用的基础上。

给用 API 跑 Agent 的人：峰谷价 8 月 17 日生效，高峰时段输出价是现在的 4.5 倍；要压成本就避开 9-12 点、14-18 点。

V4 Pro 做樱花城堡耗时 4 分 06 秒、成本 0.055 美元，Grok 4.6 耗时 13 分 42 秒、成本 4.30 美元；API 价格每百万 tokens 输入 3 元、输出 6 元，8 月 17 日起启用峰谷价。

给想本地跑 H3 的人：开源只放了 Base 权重，Context-IR 和 2K 都锁在 API 里。

开源部分约 600 亿参数，官方推荐 SGLang、vLLM、diffusers、ComfyUI 推理；H3-Context-IR 与 Regenerate-2K 暂未开源，后者官方称即将放出。

这一期的 6 条，到这儿全了

顺着这一期的「GitHub」，共学里有一篇