**中文翻译:** Z.ai 发布了 GLM-5.2，这是一个新的开放权重语言模型，总参数量达 744B（活跃参数 40B），上下文窗口为 100 万标记，在编码、推理和 agentic 任务上的性能据称可与 Claude 4.8 Opus、GPT‑5.5 和 Gemini 3.1 Pro 持平。完整模型需要 1.51 TB 磁盘空间，但 Unsloth 的 Dynamic 量化大幅降低了占用。2‑bit UD‑IQ2_M GGUF 版仅需约 239 GB（‑84% 大小），可在 256 GB 统一内存的 Mac 上运行，或在配备单块 24 GB GPU 及 256 GB RAM（启用 MoE 卸载）的环境中使用。更激进的 1‑bit 量化将模型压缩至约 217 GB（‑86% 大小），保留约 76% 的 top‑1% 准确率；2‑bit 版本维持约 82% 准确率。硬件需求表列出了从 223 GB 到 810 GB 总内存（RAM+VRAM）的不同档位，建议用户保持可用内存舒适高于模型文件大小以获得最佳性能。
GLM-5.2 提供三种思考模式：无思考、高思考和最大思考，默认开启思考模式。推荐的推理参数为 temperature = 1.0，top_p = 0.95（或 1.0）。可通过 Unsloth Studio 界面或命令行标志（如 `--chat-template-kwargs '{"enable_thinking":false}'` 或 llama.cpp 中的 `--reasoning off`）切换思考模式。
该模型可通过 Unsloth Studio（一个自动将层卸载至 RAM 并检测多 GPU 的开源网页 UI）或直接使用 llama.cpp 访问。使用步骤包括：拉取 Unsloth 仓库、启动 Studio 服务器（`http://[IP_ADDRESS]:8888`）、创建密码、搜索 GLM-5.2、下载偏好的量化版本（如 UD-IQ2_M），并按提供的推理指南运行。量化质量经 KL 散度验证表明，4‑bit 和 5‑bit 动态量化几乎无损，即使是极端的 1‑bit 量化也表现出可接受的性能。此发布使得前沿规模的开放模型在高端工作站或 Mac 系统上本地运行成为可能，降低了研究人员和开发者实验州际长上下文推理和工具使用能力的门槛。
**中文翻译:** 一位求职者遇到了一家初创公司的职位要求提交SAT分数（或GRE/GMAT成绩），尽管申请者的学生成绩已是数十年前。这反映了科技行业招聘的一种趋势：一些公司放弃了传统的学历要求，但仍然依赖标准化测试成绩作为认知能力的代名词。作者对此提出质疑，指出SAT分数可能不反映当前能力，并且会受到考试条件和个人成长经历等众多因素影响。文章将这一现象置于招聘评估的历史背景下，从早期的军事认知测试到现代结构化面试和工作样本测试。所引用的研究表明，结构化面试和与工作相关的任务是预测成功的最有效方法，而认知能力测试虽然仍然有价值，但主要适用于需要大量学习的角色。无结构化面试和心理学测试（如书写分析或性格测试）被认为是无效的，谷歌的内部研究甚至发现这些面试与工作表现无关。文章强调需要基于数据驱动的招聘实践，但也指出一些过时或非常规方法的持续使用，例如爱迪生或萨普斯公司曾使用的评估方法。对于求职者来说，这可能是公司仍然优先考虑过时指标的警示信号，而雇主则应专注于经过验证的绩效导向评估工具。
**中文翻译:** 一个通过Spur.us博客发布的Hacker News文章警告称，大约一半LG智能电视应用程序集成了住宅代理软件开发工具包（SDK），这类工具通常用于绕过内容限制或操纵网络流量。尽管住宅代理有合法用途，但在消费性设备上的部署引发了隐私风险，因为它们可能无意中暴露用户的观看习惯或授权第三方监控。由于缺乏监督，这些SDK可能导致数据泄露或漏洞。LG尚未公开回应这一发现，引发了对智能设备生态系统透明度的担忧。安防研究人员呼吁关注应用供应商和更严格的默认隐私控制，同时强调便捷流媒体体验与数据保护之间的矛盾。
**中文翻译:** 周五夜晚在得克萨斯州凯蒂市发生一起致命事故，一辆特斯拉Model 3驶离道路并撞入一座砖砌住宅，导致76岁的玛莎·阿维拉遇害。司机迈克尔·巴特尔告诉哈里斯县警长办公室的副警长，事故发生时车辆处于自动驾驶状态，这重新点燃了人们对特斯拉驾驶辅助系统的争论。周一下午，特斯拉打破常规沉默：自动驾驶软件总监阿肖克·埃卢斯瓦米在X平台发文称，数据显示司机通过将油门踩至100%手动覆盖了自动驾驶系统，在住宅区内车速达到73英里/小时，且撞击后仍继续踩油门。埃隆·马斯克随后转发并称该指控毫无意义，因为全自动驾驶设计为在社区内低速行驶，而此次事故是高速碰撞。美国国家公路交通安全管理局（NHTSA）宣布将对此次事故开展专项调查——这是该机构近年对涉及特斯拉高级驾驶辅助系统事故的第40多起调查——哈里斯县警长办公室表示将把调查结果提交给地方检察官，以决定是否提出刑事指控。自动驾驶系统是否真的处于激活状态、被覆盖或出现故障，须等待调查人员完整分析车辆数据日志后才能得出结论。此事增加了特斯拉澄清自动驾驶/FSD功能边界和安全性的压力，可能带来法律和监管责任，影响消费者信心和股价，并可能引发进一步审查、软件更新或对自动驾驶技术的更严格监管。
**中文翻译:** 投资者提出诉讼，指控Uber董事会管理层偏重利润忽视安全与合规问题，涉及性骚扰等多起案件。
**中文翻译:** 在 Meta 举办的 $Scale 会议上，Claude Code 创始人尤里·切尔尼指出，AI 的下一个重要加速来自“循环”——代理不断地向其他代理提出请求，并在满足退出条件前持续生成或改进代码。切尔尼解释说，我们已经从手写源码过渡到代理编写代码，下一步是代理让助手编写代码。他描述了自己项目中运行的两条循环：一条代理持续优化代码架构，另一条寻找并合并重复抽象，每次代码演进时都会提交合并请求。这种持续不断、群体式的工作流程，将责任从管理少数代理转移到信任一个持久、自治的后台群体来处理真实世界任务。
循环早已是计算机科学的经典范例（递归函数），但切尔尼的方法使用非确定式终止：子代理根据目标是否实现决定结束。Ralph 循环是一种已知技巧，它让模型汇总自身工作并验证成功，以防止无限执行。
从资源角度看，循环的 token 消耗远高于普通问答机器人，因为它们会持续运行直到达到预期结果，理论上没有上限。对于 Anthropic 的 token 营收模式来说这没问题，但其他厂商可能会认为这是一种昂贵的策略。然而，对于适合迭代改进的问题——如代码重构——若能监控 token 使用并管理循环漂移，其收益可能超过成本。
总之，AI 循环代表了向更自治代理系统的自然演进。它们承诺更紧密的集成、持续的完善，以及潜在更高的生产力，尽管会带来显著的 token 成本，将影响各公司如何采用它们。
**中文翻译:** AMD在用户起诉事件后重新启用了消费级Ryzen CPU上的内存加密功能——即透明安全内存加密（TSME），也称为Memory Guard。TSME能加密所有物理内存，以防范冷启动攻击等物理接入攻击。该功能最近被AMD悄悄地通过固件更新移除，仅影响非PRO Ryzen 9000系列处理器，公司未作任何公告或解释，批评指责AMD可能是图意推向更昂贵的Pro芯片。用户强烈反馈后，AMD宣布将在7月发布BIOS更新恢复该选项。TSME能在启动时自动创建短暂加密密钥，操作系统无权访问。虽然加密会带来性能开销——部分游戏开发者建议禁用它——但该功能已在消费级Ryzen芯片上十多年。此事件暴露出科技公司日益增强的不透明做法，AMD拒绝解释为何移除该功能，尽管无硬件限制可Prevent其恢复。用户的反响表明，公众仍可通过抗议影响科技巨头的决策。
**中文翻译:** 2026年6月20日，一辆特斯拉Model 3在自动驾驶辅助模式下冲进德州一住宅，导致76岁的玛莎·阿维拉 (Martha Avila) 在家中前室身亡。驾车者迈克尔·巴特勒 (Michael Butler) 告诉警方当时使用了自动系统，且未饮酒；他正在配合调查。美国国家公路交通安全管理局 (NHTSA) 正对此次事故展开专项调查，尽管此前的事件和监管问题已使特斯拉的驾驶辅助技术受到广泛关注。特斯拉宣称自动驾驶辅助系统可提高安全性，但之前的广告却展示驾驶员手离方向盘，与车主手册中的警告相矛盾。目前，特斯拉正在推动两项规则变更：允许移除变速器位置显示装置，以及取消手动操纵挡风玻璃和除雾控制装置。公路和汽车安全倡促者 (Advocates for Highway and Auto Safety) 反对这些变更，认为此举会损害乘客的安全意识。特斯拉2019年引用NHTSA研究称94%的事故与人为错误有关，但倡促者指出该研究并未明确归咎于特定方，且此类声明具有误导性。自2023年以来，特斯拉因自动驾驶遇险事件面临召回和调查，包括200万辆车的召回。特斯拉CEO埃隆·马斯克 (Elon Musk) 主导的政府效率部门裁减了NHTSA评估自动驾驶安全的专业人员，导致该局近年更趋于支持放松自动车辆监管，局长乔纳森·莫瑞森 (Jonathan Morrison) 也表示支持加快制定相关规则。此次事故引发了对责任划分和自动驾驶部署速度的质疑，阿维拉家属正因事故原因感到困惑。NHTSA的调查可能影响特斯拉的监管进程及公众对其自动化技术的信任。
**中文翻译:** 本文聚焦“How Anthropic may have talked itself into an AI export ban”。当前可用上下文有限，但它涉及一项值得关注的技术或政策进展。实践层面的建议是持续跟踪官方更新，并评估其对产品、安全与运营的实际影响。