从罗福莉晋升小米最高职级看顶尖AI人才的核心特质
文章从罗福莉升任小米最高职级（20/22级）的新闻切入，回顾她研二时发表8篇ACL顶会论文的出色学术经历，并总结顶尖AI人才的四大核心特质：极强的快速学习能力、坚持做难而正确的事、关键时刻做出关键选择的能力、极致专注与快速进入心流的能力。作者还指出优秀人才在软技能上几乎没有短板，建议普通人拆解并模仿这些优秀特质，以实现持续进步。
相关文档
罗福莉：AI 范式已然巨变！OpenClaw 与 Agent 时代的深度解析
本文详细介绍了小米大模型负责人罗福莉关于 AI 行业发展趋势的深度见解。罗福莉指出，2026 年 AI 的核心已从预训练主导的 Chatbot 时代转向后训练主导的 Agent 时代。文章重点分析了 OpenClaw 框架的划时代意义，其通过分层记忆和模型编排弥补了短板，实现了极致的生产力提升。此外，还探讨了后训练算力权重的增加、团队组织方式的变革以及未来 AGI 的实现路径。
小米 MiMo-V2.6 技术报告：260 万美元 RL 算力与三维扩展，将万亿 MoE 模型推入前沿梯队
文章解读小米 LLM-Core 团队发布的 MiMo-V2.6 技术报告。核心主张是通过系统性扩展强化学习算力提升模型智能，需同时扩展训练批次、环境多样性和评分器三个维度。模型有 Pro（1.02T MoE）和 Flash（310B）两个规格，RL 后训练成本分别 260 万和 90 万美元。报告详述了中期训练优化、GRPO 训练细节、多 harness 训练、四层 reward hacking 防御、Groupwise Agentic Grading 评分体系、router 冻结发现及基础设施设计，最终性能进入与 Claude Opus 5 / GPT-5.6 同一梯队，并开源蒸馏模型、环境与 RL 框架。
这个时代最明确的两条风口-AI和IP
作者以一名刚入行AI模型评测的大厂新人视角，复盘入行一年多的经历，指出爆发期行业的'草台班子'本质，鼓励普通人不必等完全准备好再入场。文章提出当下两大风口：AI与IP。AI部分强调'有多少智能就有多少人工'，模型进步依赖大量人工数据标注与评测，真正的红利是把个人创业的技术门槛降到极低，需要懂业务的人把AI落进具体场景。IP部分强调通过持续公开输出积累信任资产，摆脱'大厂藤壶'困境，并将内容创作拆为IP本人、助理、视频制作三个角色，尝试用AI辅助视频制作，开启个人账号的长期积累。
当智力开始廉价：大厂工程师眼中的 AI 冲击波
本期 Indigo Talk 邀请 Meta 工程师 Jun Wei，探讨大模型引发的智力廉价化趋势及其对白领和程序员群体的冲击。对话深入分析了为何 AI 竞赛不可停歇、程序员作为“翻译员”的历史使命是否已终结，以及普通人应如何从 Programmer 转型为 Builder。文章指出，纯软件壁垒消失后，创业的核心逻辑正转向媒体思维与表达能力。
奇点已来：当软件开始加速过期
文章指出，在AI技术飞速迭代的当下，软件产品的生命周期已缩短至数月，单纯的“执行层”功能正被大模型快速吞噬。作者认为，这并非悲观的信号，而是价值的重新校准：随着技术壁垒被抹平，个人IP、活人感和真实关系网络这些无法被复制的“人的价值”正在升值。
年轻人最该戒掉的，就是复利思维
文章批判了当下流行的复利思维和长期主义叙事，指出年轻人往往被远期规划压垮，忽视了眼前的生存与反馈。作者用农民下棋、斯诺克走位、蜂巢地图等类比，引入'邻近可能'与'计算不可约性'等概念，主张未来无法提前规划，只能一步步走出来。真正有效的是做好够得着的下一步，留下能复用的成果，让每次行动把自己推进可能性更多的位置。作者强调他反对的是'复利思维'而非复利本身：复利是后半段的结果，前半段只需走好一千个下一步。
一个月全网涨粉百万：蜗牛学长的自媒体与AI逆袭之路
作者讲述了自己从成绩垫底、靠父母花钱入学的普通人，到申请上博士，再到通过自媒体逆袭的经历。他因分享博士申请经验意外走红，建立留学申请生意做到年营收500万，后因行业萎缩而退出。2026年他用Claude Code一天做出学术平台'构石'，三天登上热搜，一个月全网涨粉百万。他总结三条可复刻的经验：做IP建立壁垒、别等准备好再开始、AI是普通人的工业革命级机会。最终他选择休学创业，全力投入AI应用赛道。
AI大模型把Arduino、ESP32变成可交互的在线实验室
文章认为入门AI硬件开发的最佳方式是在AI生成的交互式在线实验室中学习，而非先购买开发板。这种实验室由大模型生成的交互式UI、硬件行为模拟和渐进式教程流组成。文章介绍了Learn Arduino、Claude 3D设备拆解和ESP Labs三个项目：分别提供3D电路学习、可拆装的设备模型和完整的ESP32开发板教学平台。大模型在结构建模、原理动画、状态逻辑和固件映射方面能力已足够强，大幅降低了开发成本。文章同时指出其边界：模拟不等于真实芯片仿真，AI生成内容需专业人员把关，并给出了学习路线和维护者建议。
文心 Unlimited OCR 2 横评：杀手锏不是读得多，而是每一步只看该看的
作者基于此前多次 OCR 横评经验，介绍百度文心团队开源的 Unlimited OCR 2。作者实测 1665 页《平凡的世界》图片版 PDF，40 分钟完整解析，3623 页《哈利·波特》也只需 90 分钟。其核心创新是 SR-SWA（稀疏参考滑动窗口注意力），通过 Page Gate 划定相关页面、Token Sieve 挑选 top-k 视觉块，使每步计算量不随页数增长；配合无限解码机制，百页文档峰值显存从 47GB 降至 1.77GB。与全注意力相比快 7 倍，在 MarathonDocBench 上保持 SOTA。短板是全局结构信息（如标题层级）保留不足。
FDE 实战案例：海量多模态数据清洗成可信数据的八步方法
作者以美妆企业 FDE 落地项目为例，讲解如何将小红书、抖音、视频号、微博等平台采集的多模态数据（文字、图片、音频、视频）清洗成一套可信、可查询的结构化数据。文章提出八步通用链路：定数据规范、保留原始内容、梳理用户/帖子/评论关系、多模态归一处理、冲突与质量清洗（含证据分级）、生成结构化数据、执行验收、按规则和版本入库。文中还给出 OCR/ASR 工具选型建议（FFmpeg、PaddleOCR、Whisper 等）以及大模型结构化输出的实践经验。
The new set of problems for engineers to solve
文章讨论软件工程师在AI时代面临的身份危机与新机遇。随着多智能体系统从简单的人机对话发展为数千个持久协作的智能体，解决重大研究、发现和硬件设计问题，一系列新的工程问题浮现：基础设施需要为突发性、有状态的单实例工作负载演进；智能体身份认证与授权（尤其是代表人类OBO场景和智能体互信）亟待解决；不可信代码与内容要求更强的安全隔离和沙箱机制；还需跨智能体的链路追踪与紧急停止工具。作者认为工程师应深入这些领域，解锁多智能体系统的潜力。
新模型发布，为啥总要画鹈鹕？
文章讲述了“生成骑自行车的鹈鹕SVG”这一AI测试题的来龙去脉。该题源自英国程序员Simon Willison，因同时考验模型的空间几何理解与代码生成能力而成为测试大模型的经典题目。随着模型进步，该测试已趋于饱和，连小体量开源模型Qwen3.6都能击败Claude Opus 4.7，引发其是否沦为“应试科目”的讨论。作者分析了鹈鹕测试依然流行的原因：直观易懂、已成为开发者社区的“开机仪式”，透过这只越来越像样的鹈鹕，能直观感受AI时代的快速发展。
