❤️‍🔥 第二个插件 Plugin-pedia 上架插件商店，我自己太喜欢这个插件了，它能根据你的问题为你推荐其他插件，非常建议它长期留在你的Chat中。然后它也是一个让 OpenAI 审核团队开了一次特例的插件（在描述中出现了 plugin 词），可以说是检验 OpenAI 是否Open 的一道金线了。 笑死，还帮 Webpilot 作者加了他插件的优先推荐。

Grok 除了免费的 DeepSearch 外，最让人惊喜的就是 App 的完成度细节非常高。

Grok 3 的 DeepSearch 回答什么是 Test Time Training

其实和桌面悬浮助手一起上线在灰度，想了解下大家平时一般什么场景想在电脑上用语音输入呢。

新玩具到了英伟达的 AI 玩具开发板，不过话说这个升级过程虽然超级麻烦，但是英伟达这个文档居然把这个过程事无巨细的写完了，把你在运行过程中可能遇到的问题和分支路线都写的清清楚楚，也是非常神奇...

最近要灰度放量完了，欢迎大家试试豆包会议记录，还有个好处是可以直接在对话里问豆包关于这次会议的问题。

读完 DeepSeek R1 的论文

- 先找到了一个别人整理的总览图，最后读完发现和论文也是一致的

- 读到一半又去先再了解了下强化学习相关的知识点：www.bilibili.com ，强化学习的策略 GRPO 讲的也比较简单，需要再搭配阅读之前的 DeepSeek Math 的论文来一起学习：arxiv.org

- R1 Zero 是一个完全没有 SFT ，纯粹靠强化学习收敛后的一个模型，证明了在预训练后，可以完全不靠数据只靠能验证的规则、代码运行结果等手段就可以显著提高模型的推理能力。甚至在某个中间态的 R1 Zero Checkpoint 的思考链输出中还出现了一次像人类一样的「Aha Moment」时刻

- Huggingface 社区在组织 OpenR1 项目来还原 R1，感觉可以是一种可以了解更多训练细节甚至可能部分亲自跑跑代码的方式，值得关注：github.com

- 畅想：读完论文，对 R1 Zero 这个版本开始更感兴趣，强化学习这种模式感觉更像现实中智能生命体的进化过程。有没有可能未来一个模型，在经过一次标准的大规模语料的预训练后，我们能把它放到由整个互联网改造成的强化学习环境中，模型的 Agent 就像搜索引擎爬虫一样可以从这个网站爬到下一个网站，每个网站都能在一个统一的框架内对这些模型 Agent 的行为进行状态反馈和奖励，预训练后的模型就像一个婴儿一样开始在这个由互联网组成的强化学习环境中开始不断学习。只是很难想象出来这个在互联网里的强化学习环境的策略、奖励、状态反馈具体应该怎么去统一设计（不然在有限的参数下，这种环境应该很难达到模型收敛的状态），这像是一个真正的硅基生命造物者的工作了。

给新家整了套 UniFi

推荐一个支持本地模型的对话客户端 - ChatWise
最近因为 deepseek-r1 的蒸馏版本，让普通电脑本地运行 LLM 也能获得非常不错的对话效果，因此一个好用的、支持 Ollama 的本地对话客户端，就开始变得很有价值。
试了下 ChatWise 是用起来和 ChatGPT 客户端最接近的，它甚至还支持 Artifacts，免费版够用，付费版价格也合理，应该还是一位独立开发者做的
下载地址：chatwise.app

太行山脉⛰️

窗景