作者基于 X 官方最新开源的 x-algorithm 仓库代码，用通俗语言拆解推荐算法的运作机制。帖子先进入候选池（48小时内的帖子有效），再由模型对每个用户预测互动概率并加权打分。核心权重：复制链接 20、回复/引用转发/私信分享 5、转发 1、点赞仅 0.5；扣分项包括举报 -234、静音 -58.8 等。此外还分析了互关加成（限原创帖回复权重+15）、同作者多帖连发的递减折扣、以及粉丝 5 万以下小号的冷启动扶持机制。结论是要创作能引发分享和讨论的内容，避免招人反感的表达。
本期早报精讲三条内容：Anthropic 发布 Claude Opus 5.5，能力接近上代旗舰而成本下降 40%，并强化行动控制与可审计机制；小米发布 MiMo V2.6，通过更大的 Batch、全异步架构和可验证任务环境扩展强化学习，并开源训练框架与轻量 Harness；美团分享 MTFM 统一推荐基座在外卖多业务场景的落地，通过异构 Tokenizer 与混合注意力实现跨业务统一建模，订单量提升 2.06%-6.68%。速览涵盖腾讯工程师转型大模型推理、AI 产品评估实践、Agent Harness Skill Engineering、去哪儿网 AI Coding 重构、千问办公企业上下文、算力芯片趋势及 OpenAI 第三方评估原则。
作者通过六组实验和五个开源仓库实测 TypeSafe 发布的 Jev 模型的真实能力边界。Jev 是只回答封闭问题、一次前向返回概率分布的模型。核心结论：Jev 适用于信号在语义中的场景（如泰坦尼克 0.83 AUC），对纯统计信号数据（如哈希 CTR 数据）无效；零样本表现相当于 150-500 条标注数据；最佳用法是作为特征融入已有模型而非单独使用，五个项目均获显著提升。作者还总结了问法即超参数、汇总预警取决于时间尺度、情绪分析无用等六条经验，以及评审循环偏差、真值精度等评测教训。
作者通过研读 X 公开的推荐算法代码，解释了帖子获得流量的真实机制：X 不是简单计算帖子热度，而是个性化判断帖子对每个用户是否值得推荐。流程包括候选生成、特征获取、机器学习评分排序、过滤规则等环节。文章指出主题稳定有助于系统建立账号与受众的关系，用户行为（点赞、回复、转发、点击主页等）持续训练推荐模型，Hook、收藏和转发的价值在于触发后续行为。流量下降未必是被限流，可能是多样性与去重过滤等机制所致。最后给出可执行的发帖清单：选题、结论先行、引导讨论、积极回复评论、复盘不止看赞数。
作者基于X（xAI）公开的推荐算法代码与参数，解析推文分发机制：系统并非按点赞数直接推流，而是先筛选候选内容，再预测具体用户的行为（停留、回复、转发、关注或负反馈），按行为权重打分排序后分发。文章区分了In-Network与Out-of-Network分发，指出互动权重的差异及负反馈权重更高。结合作者自身账号流量低迷的情况，总结出内容标签不垂直、原创缺乏信息增量、回复流量不等于原创推荐、短时间发帖过密触发作者多样性衰减等四大原因，并提出改进方向：聚焦AI×Developer×Agent×Web3的定位，提升单条推文质量。
作者 Mubbu 基于 51,888 条内容的运营经验，解读 X 平台最新公布的推荐算法。文章指出：算法基于预测用户行为加权（回复、引用、私信分享权重远高于点赞），负面信号（不感兴趣、拉黑等）影响很大；新工具 Under the Hood 可查看账号的可见性限制标签；外链并非必死，同作者多条帖子会互相降权，站外内容被打 0.75 折扣。作者建议建立每周数据优化循环，明确垂直定位，让兴趣图谱匹配更精准，而非追求永久的算法技巧。
本文系统梳理了MoE（混合专家）模型的概念分歧与技术演进。针对目前命名混乱导致的认知误区，作者明确划分了两条核心技术路线：一是追求参数量与计算量解耦的稀疏路线，已成为大语言模型的默认架构；二是通过多门控机制实现任务共享的MMoE路线，主要应用于推荐系统。文章深入回顾了条件计算思想，并详细探讨了稀疏MoE在路由设计、负载均衡、并行通信等工程实践及结构演进的现状。
