LLMs

BioHub 发布 ESMFold2，展示通用语言模型在蛋白质折叠中的强大能力，挑战专有模型如 AlphaFold3。

Large language models (LLMs) can replicate average responses of major household surveys, but they fail to capture the dispersion of responses, leading to a 'mode collapse' where the model's responses are too homogeneous. The paper 'Can LLMs Mimic Household Surveys?' explores this issue and attempts to address it through unlearning techniques, showing some improvement in capturing the variability of human responses.

LLMs生成的代码在企业级应用中面临质量差距，需通过改进开发流程和工具来解决，以实现可持续的生产级代码生成。

在大语言模型时代，代码的核心价值已从机器指令执行转向概念模型设计，开发者需聚焦领域词汇和系统设计。

Karpathy在Sequoia Ascent 2026的炉边谈话中强调了LLMs超越加速现有技术的新领域，如无需代码的应用menugen、安装.md技能代替.sh脚本，以及LLM知识库处理非结构化数据的能力。

文章探讨了AI应用开发中从使用前沿API到进行模型微调的趋势，指出随着公司和产品成熟，微调成为提升性能、降低成本的关键选择，并介绍了Modal作为新兴云提供商如何简化这一过程。

构建未来系统时应使用可替换和迭代的基本组件，特别关注LLMs和Agent Harness的定制化。

文章探讨了如何利用大型语言模型（LLMs）进行细致阅读，提供了实际案例和益处分析，但信息密度一般。

Andrej Karpathy加入Anthropic，认为未来几年大语言模型前沿研究将极具塑造性，他将重返研发并计划重新投入教育工作。

PerfectBit AI 创建了通过构建保证正确性的高质量训练数据，用于 LLMs、机器人和科学 AI 等领域。

Martin Fowler探讨了未来是否会存在源代码的问题，指出代码有两个目的：作为机器指令和问题域的概念模型。

freeCodeCamp播客热点观点：利用LLMs（大型语言模型），但别指望它们是万能钥匙，Chris在节目中讨论了这一观点。