按阶段运行 Qwen-Image-2.1：stageload 的第二条流水线
在 48 GB 的 Mac 上用 stageload 加载 diffusers 里的一条文生图流水线：eager 在 VAE 解码时达到 43.6 GB，被内存防护程序停下；staged 不改流水线代码，峰值不超过 19.0 GB。
阅读笔记 →
按阶段加载 PyTorch 流水线：在 48 GB 的 Mac 上运行 Pixal3D
stageload 适用于任何依次运行各个模型的 PyTorch 流水线：阶段开始时加载这个阶段需要的模型，阶段结束时释放它们。在 48 GB 的 Mac 上运行 Pixal3D-mac 时，在两种方式都到达的每个阶段，它都把峰值降低了 11 到 17 GB；而移植版自己的加载方式把机器推进了 swap，直到防护程序把它停下。
阅读笔记 →
30 个开源项目对 AI 辅助的贡献有哪些要求
2026年10月2日，我读了 30 个开源仓库的贡献规则。其中 19 个有关于 AI 的规则，这些规则里有 14 条是2026年才出现的。十五个要求说明用了 AI，十个要求文字由人来写；编程智能体默认添加的提交尾注，有的项目要求加，有的项目禁止加。最后讲讲那一周我借助智能体发给十二个项目的工作后来怎样了。
阅读笔记 →
代码图在什么情况下划算：大仓库、小模型
在四个公开仓库上跑了 664 次无头 GitHub Copilot CLI，图节点数从 1.6k 到 219k，模型为 haiku 4.5、sonnet 5 和 opus 5.5。在 kubernetes 和 vscode 上，代码图把 haiku 回答结构性问题的成本降到了 grep 的 0.29。Sonnet 省下了大约四分之一，opus 什么也没省；而在小仓库上，图让 sonnet 多花了 40% 到 50%。
阅读笔记 →
什么都没算的 500 倍加速：WebGPU 模拟中的六个无声故障
一个 WebGPU 粒子模拟里的六个 bug 没有报任何错，还返回了看似可信的数字。每个 bug 看起来是什么样，以及改了什么。
阅读笔记 →
代码图没有让我的编程智能体更省钱
在公开仓库上跑了 252 次无头 Claude Code，图的节点数从 1.6k 到 25k，模型为 haiku 4.5 和 sonnet 5。按 token 计，代码图一次也没赢过 Read 和 Grep；精简包装层总是赢过原始图服务器；而在默认设置下，智能体几乎不调用图。
阅读笔记 →
振荡器、嵌入，以及当场揭穿我们的对照实验
实验 002 把语言节点换成了按相位同步放电、以嵌入相似度耦合的概念神经元。打乱相位的对照仍然得到了连贯的解读，所以意义来自读取场的模型，而不是网络本身。
阅读笔记 →
我们把语言模型连成一个心智，它塌缩成了一句话。
把同一个语言模型的八个副本连成一个环，不分角色，让它们接着彼此的思路往下想。它们收敛到同一句话上，不停重复：这就是模式崩溃。一个否定的结果。
阅读笔记 →