科技与 AI 日报｜2026-11-08：AI 编程验收与显存里的细账

研究解读：做对七成要求，离整件事做完还有多远

给 AI 一张收据，让它改应用里的金额，难点可能不在识别数字，而在所有关联的统计、界面和交互是否一起改对。The Decoder 对 Co-Design Bench 的新解读，就把这种“看着差不多了”与真正交付之间的距离摆到了台面上。

这项预印本首次提交于 10 月 26 日。研究团队从真实编程会话整理出 273 项任务，设置了 2,331 条隐藏验收标准。系统先检查代码和浏览器里的结果，再由另一个模型质疑已经判定通过的项目，寻找假按钮、硬编码等问题。

在相同执行框架下，十个受测模型中表现最好的一个，平均满足每项任务 69.9% 的要求，但只有 26.4% 的任务全部过关。这里的两个百分比，分母不同：一个数通过了多少要求，一个数整项任务有没有留下缺口。不能把它们当成同一把尺子。

这也不是“所有 AI 编程只有四分之一成功”的结论。样本偏向真实会话里曾让用户反复纠正的难题，测试又不包含执行中追加解释，自动评分也有误差。对开发者更实用的启发是：验收要列出关联行为，再实际操作一遍；生成了多少代码，回答里说了几次“完成”，都替代不了这一层检查。

来源：Co-Design Bench 论文、论文提交记录、The Decoder 解读。

研究解读：AI 查出问题之后，误报交给谁消化

让另一个 AI 检查 Agent 的行为，听起来能把审核量降下来。但如果检查器把正常行为也拦住，工作只是从“读所有日志”变成“逐个排除警报”。The Decoder 的新解读讨论了这笔经常漏算的账，原研究由 Andy Hall 和 Dan Thompson 于 10 月 15 日公开。

研究使用了带人工标注的 Agent 日志，又加入日常任务中的风险行为样本。在前一组实验里，即使只要求找出八成问题，表现最好的检查器仍有约 2.5%—3% 的误报率。意思是，真正正常的记录里，也有这么一部分会被标成可疑。数量小的时候，人工点几下就能处理；每天成千上万次运行时，它会变成一条新的审核队列。

实验还发现，新一些、贵一些的模型并不总是更会审计，把多个模型的判断合起来也没有稳定改善。研究属于初步探索，其中部分异常是人为构造的，不能直接把这些比例套到所有生产系统。

我更关注它提醒的使用边界：把 AI 当作抽查助手，和让它对每个危险动作作最终裁决，是两种要求。前者允许估计总体情况，后者还得面对漏掉一次的后果，以及每次误报要花多少人工时间。

来源：Free Systems 原研究、The Decoder 解读。

HackerTube 把多年反复推荐的视频，重新整理成入口

Karpathy 展示的 HackerTube 换了一种找视频的方法：从 Hacker News 长期讨论中找出反复被人提起的内容，而不是只追最近的播放热度。The Decoder 报道了这个周末项目，网站本身也公开说明了整理规则。

一个视频要先满足多人、跨月份提及的条件，才进入候选。随后，Claude 判断评论是在推荐、引用、开玩笑还是批评，再整理主题和摘要。这个步骤很关键：一个链接被反复贴出来，并不代表大家都赞同它。排序则更重视它在不同月份持续得到推荐，而非短时间内的一次爆红。

对想找技术讲座、课程和长视频的人，这种入口的价值，是把散落在讨论里的推荐理由一起带回来。视频页保留原评论和讨论链接，读者可以检查“为什么推荐”，不必只相信 AI 写的介绍。

不过，这仍然带着 Hacker News 社区的兴趣偏向，自动分类也可能误读语气。网站说收藏和历史记录保存在当前浏览器，视频通过 YouTube 嵌入播放；本地保存偏好，不等于观看过程中完全不与外部平台通信。

来源：HackerTube 项目与整理方法、The Decoder 报道。

独立上手：显存用了多少之外，还要知道被谁占着

Tom’s Hardware 上手了 Scott Hanselman 的开源工具 GPU Taskman。项目在 11 月 3 日已经公开，这次报道增加了实际运行观察：作者启动独立显卡负载后，看到了进程、显存与活动曲线，而不是只转述发布说明。

它想解决的问题很具体：同样显示“显存快满了”，可能是模型权重、对话的 KV 缓存，也可能是浏览器或桌面合成器。把总量拆到进程，再结合运行时和模型文件的线索，才能决定该关哪个程序、缩短哪段上下文，或者是否真的需要更大的显存。

项目 README 对边界写得比“看清一切”谨慎。进程内存和活动计数属于测量结果，模型身份和用途分类需要额外证据；发现某个 CUDA 库，不代表已经知道程序在训练哪个模型，映射了模型文件也不证明它正驻留 GPU。不同系统和显卡能看到的信息并不一致，软件仍处于实验阶段。

这使它更适合作为定位线索的工具。面对一行推测出来的标签，最好继续核对进程和加载日志，别直接把它当成硬件测量值。

来源：GPU Taskman 项目说明、Tom’s Hardware 上手。

研究采访：听电流的细小噪声，寻找超导里的电子配对

Ars Technica 采访了研究铜氧化物超导材料的科学家，讲清一项 11 月 5 日发表于《Science》的研究。相关预印本早在 2024 年 9 月 24 日已公开，这次的新信息来自研究者对测量方法与局限的解释。

研究关注的是“赝能隙”与电子配对的关系。团队借助扫描隧道显微镜测量电流的散粒噪声：电荷不是平滑连续地通过，而是一份份到达；单个电子和成对电子留下的统计特征不同。测到的配对信号在赝能隙对应的能量处出现，支持电子配对与这一现象有关。

它为进一步研究提供了线索，却没有交付一种室温超导材料。电子成对，还需要这些电子对形成协调的集体状态；而现有实验也受高温下测量灵敏度的限制。把“找到了一个机制的证据”写成“应用难题已经解决”，会把这项研究最有价值的边界抹掉。

来源：原预印本、乌得勒支大学说明、Ars Technica 采访。