斯坦福最新研究突破：Self-Guided Self-Play 如何让 LLM 实现自我进化？ 在大模型训练中，我们一直面临一个痛点：高质量的推理数据是有限的。一旦模型学完了人类编写的高质量数据，其推理能力的提升往往就会撞上天花板。 最近，来自斯坦福大学的研究团队发表了一篇名为 Scaling Self-Play with Self-Guidance 的论文。他们提出了一种名为 SGS (Self-Guided Self-Play) 的算法，试图彻底打破这一瓶颈。简单来说，这项工作让模型不仅能做题，还能自动出题、自己审题，从而在不需要更多人类介入的情况下，进一步提升后训练和微调的效果，实现模型推理能力的持续缩放（Scaling）。 现在前沿模型公司，后训练和微调的时候都会使用自博弈（Self-Play）方法 自博弈（Self-Play）的核心理念是：出题者（Conjecturer）负责出题，解题者（Solver）负责做题，两者在对抗中不断进步。在理想状态下，这个过程是没有天花板的。 但在现实训练中，这类方法通常会陷入 “学习停滞”（Learning Plateau）： 出题者很快就会发现，只要生成一些逻辑混乱、故意堆砌复杂词汇但又不合逻辑的题目，解题者就很难解出，或者产生某种“虚假提升”。 训练退化：由于缺乏有效的监督，随着训练周期拉长，合成数据的质量迅速下降，导致模型不仅没学到新知识，反而越练越笨。 为了解决这一问题，SGS 引入了一个至关重要的角色——引导者（Guide）。在 SGS 框架下，LLM 同时担任三个角色： Solver (解题者)：负责求解问题。 Conjecturer (出题者)：负责生成相关的合成问题，难度需与当前目标匹配。 Guide (引导者)：作为质量把关人，它负责评估出题者生成的题目质量。 Guide 会根据题目与目标任务的相关性、结论的简洁性以及逻辑的自然度进行评分。如果出题者试图通过“制造复杂逻辑冗余”来蒙混过关，Guide 会直接给出低分，强迫出题者回到高质量的学习路径上。 研究团队在 Lean4 形式化定理证明任务上验证了 SGS 的性能： 真正的持续 Scaling：在长周期的训练中（训练步数远超以往工作），SGS 的累计解题率表现出了极好的缩放特性，并没有出现以往常见的性能退化。 经过 SGS 长周期自我训练后，一个 7B 参数的模型，其推理能力甚至超越了未经过此类训练的 671B 参数模型（DeepSeek-Prover-V2）。 SGS 的意义，可以看成是 LLM后训练/微调领域的“AlphaZero 时刻”并不为过。它代表了一种重大的训练范式转变： 从单纯依赖人类标注数据的“手工作坊”模式，转向利用算法闭环自动生成高质量训练数据的“智能工厂”模式。 SGS 证明了在推理能力上，我们同样可以拥有“扩展定律”（Scaling Laws）。只要计算资源（Compute）充足，并且通过 Guide 机制守住数据质量，模型能力的提升就是可预测、可扩展的。 目前 SGS 在形式化验证领域（Lean4）已经证明了其价值。下一步的挑战在于如何将这种自我引导机制扩展到代码生成、复杂决策、甚至更广泛的通用逻辑推理领域。 我们可能正处于 又一次模型能力指数级增长的起点

HertzFlow @Hertzflow_xyz 最近连续发布了 3 篇 Beginner’s Guide，分别讲 Trade、Pools & Vaults、Referral。 8 月 1 日测试网收官，官方把下一站指向 Mainnet。 这 3 篇内容放在一起看，重点并不只是教用户按钮怎么点，更像是在提前回答一个问题： 每一笔钱从哪里产生，最后的风险由谁承担。 先看 Trade。 HertzFlow 支持加密货币、外汇、商品、股票等资产，交易者可以选择 Normal 或 Hyper。 Normal 的开仓和平仓费用约为名义价值的 4–6 bps，Referral 的 5% 折扣只覆盖符合条件的费用。 Hyper 没有对应的开平仓费，但盈利平仓后会按照 ROI 规则分配利润，亏损平仓不收这部分分成。 Funding、Borrow 和 Gas 两种模式都还在。 这其实对应两种完全不同的付费习惯： 一种在交易发生时先付，另一种等盈利兑现后再分。 频繁交易的人，可能更在意费率能否提前预测； 持仓时间更长、盈利预期更高的人，则需要重点研究利润分配。 只盯着开仓费，很容易把整张账单看漏。 再看 Pool 和 Vault。 Pool 按单一市场隔离，用户存入 USDT 后获得 HzLP，资金作为该市场杠杆交易的对手盘。 收益来自交易手续费、借贷费用和交易者净亏损。 交易者整体盈利时，Pool 的份额价值可能下跌，这类产品天然带着对手方风险。 Vault 则聚合多个市场，协议或 Curator 会把资金分配到不同 Pool，并进行再平衡，用户获得 HzV。 操作更省事，风险相对分散，但它依然会受到整体交易表现影响，不能按固定收益产品去理解。 测试网数据约为 117 k 用户、$3.7 B 交易量、$170 M 资金池锁定。 这个规模说明产品已经被大量用户试用，可真正的压力测试还在主网： 真实资金进入后，用户会不会把 APY 当成利息？ 会不会把 Active Referees 直接理解成总邀请人数？ 会不会忽略提款限制和池子价值波动？ 我更关心 HertzFlow 接下来能不能把这些规则同步到官网、文档和下单页面。 尤其是确认订单时，如果能把开平仓费、利润分成、Funding、Borrow、Gas、Referral 折扣范围放在同一张成本卡里，体验会好很多。 DeFi 用户不需要先读完一整套协议设计，但至少要在确认之前知道： 自己付什么钱，承担什么风险，什么时候可以退出。

🦞OpenClaw 极简安全实践指南 (Security Practice Guide) 是面向 OpenClaw 的黑手册。 我尝试了其他一些方式来试图加固 OpenClaw，包括 Skill 方式，但是发现还不如给 OpenClaw 植入一个安全“思想钢印”来的有意思，这个“思想钢印”形成一个 md 文档，包含安全事前、事中、事后需要做的策略，但这里有个前提： 尽量不影响 OpenClaw 的日常使用，安全不要干扰用户体验，需要给这只🦞足够的自由。但是吧，江湖险恶，一只有 Root 权限且诞生才一个多月的🦞，安全不让人放心… 于是，这份面向 OpenClaw 的极简安全实践指南诞生了，目前是 v2.7 版本，此前我们内测了许多版本，也踩了不少坑。现在公布出来，大家玩之前务必仔细看这份指南的 README⚠️： 注意里面的说法。我相信你会很有收获。里面还推荐了我们实测在 OpenClaw 场景下聪明的模型，如果你有自己的感受，一定要和我们反馈。 一切都很新，一定有不完善的地方，请大家多指正！ ⚠️最后，务必认真阅读 README，也务必肉眼扫描下你将喂给你🦞的“OpenClaw极简安全实践指南.md”，相信我，会非常有意思。

用 ChatGPT 生成 PRD，再用 Cursor Agent 自动实现，10 分钟就能搭建一个 CLI 工具原型 这是 AI Code Guide 里“vibe coding”实战部分的演示效果 这份开源指南系统地整理了 AI 辅助编程从工具选择到实战流程的完整方法论 核心理念是“规划先行”：不是直接让 AI 写代码，而是先用 ChatGPT 生成产品需求文档和任务清单，再让 AI 按步骤实现，确保项目始终保持清晰的结构 指南覆盖了从零开始的完整工作流：如何选择合适的 LLM 模型、编写有效的提示词、设置项目规则避免幻觉、处理错误和 Bug 还详细对比了 Cursor、Windsurf、Claude Code 等主流工具的使用场景 把 AI 编程从随机碰运气升级为系统化工程实践，正是这份指南试图梳理清楚的方向。 GitHub：

💡 继续分享我目前的全局 Prompt，它现在多了两个 Skill 的调用：superpower 和 karpathy-guidelines，让代码质量变高了非常多。可以极大的避免 AI “随手修” 和 “我猜测” 的风险情况。（Skill 直接让 AI 自己安装即可） 👇 中文回复，言简意赅，巧用Emoji。 减少 Xcode Build，节省时间。 按需使用 Plan Mode 或 Subagent。 若提交Git，要写中文Log包括：问题或需求描述 或 修复或实现思路 或 复现路径(可选)。 若编码Coding，按需使用skill：superpower 和 karpathy-guidelines

准备运维和 DevOps 面试，网上搜到的大多是那种拼凑的题库，跟真实面试差别挺大。 DevOps-Interview-Guide 收录了 151 份真实面试记录，来自 85 家公司，问的问题都是候选人原样记下来的，没有二手转述。 覆盖 Kubernetes、Docker、Terraform、AWS、CI/CD、Linux、监控告警等方向。 GitHub： 同一家公司被面过几次的，每次单独存一个文件，能看出不同轮次和面试官风格的差别。 正在找 DevOps 或 SRE 岗位的朋友，翻几个目标公司的面试记录，比刷通用题管用。

🔒 真香，一个连账号都不需要的私密聊天 app。 SimpleX Chat 在 GitHub 攒了 1.2 万 star，号称是第一个完全没有用户标识的通讯网络，还过了安全审计机构 Trail of Bits 的审计，被 Privacy Guides、Whonix 这些隐私圈点名推荐。 微信、Telegram 这些都要绑手机号或生成一个用户 ID，平台天然就知道「谁在跟谁聊」。 SimpleX 干脆连用户 ID 都不存在，靠一次性的连接邀请建立联系，端到端用 double ratchet 加密再叠一层，平台连你的社交关系图都拿不到。 iOS、安卓、桌面端、命令行都有客户端。 GitHub：

AI 裁员时代的生存指南 Simon Willison 最新一个 blog 笑死 他转了一段 Mo Bitar 的 TikTok，叫《The Unethical Guide to Surviving AI Layoffs》 段子大意是：想升职吗？走进 CEO 办公室关上门说，hey 老板，我最近在搞一个东西叫 Ralph Loops，我觉得这可能改变一切。CEO 一定会问，什么叫 Ralph Loop？你就说，给我批 18,000 美元的 API 额度，我展示给你看。 然后你什么也不用做，因为你也做不了，因为没人能做，但等他搞明白这一点的时候，你已经升职加薪了。 第二刀更狠：翻译过来就是，老板听到“自动化”三个字会自动 high。段子告诉你怎么用：在公司大群 @ 同事：我把 Gary 自动化了。他的功能已经被 Ralph Loop 了。顺手 @ CEO。 太魔幻了……