QingYue

@tongzhenbao 以前有个实验 说两个睡梦中的人可以互相对话 不知道你有没看到这个

@YuLin807 Brain-to-Brain Interface 脑对脑通信，国内外都在实验研究中。 每次一聊到这些科学新发展，在低头看看自己现实生活，觉得一切都好割裂

发神经系列 vibe coding/vibe marketing 会不会以后脑机接口普及 叫做vibe talking 那会儿是不是语言也要进化一下 直接 Brain Chat 脑聊……

龙虾物语 今天午睡期间农场收获一颗白菜 「self-check 自动验证层」 这个是由haiku驱动的白日梦机制孕育而来 白日梦机制是读零碎的记忆碎片来触发灵感 目前来看 也不全是高等模型才行 这个就挺聪明的 是不是讲低等模型也在某些地方有奇效呢！？

@voidJan 有点6不动了

@YuLin807 实在是6

难为一下小龙虾 看看我全程不操作手机 也不开开发者模式 看看他能不能只通过路由器方案搞定！

@LaneAI98 @wangray ❤️！当时能从众多大V的openclaw安装教程中脱颖而出太不容易了！ @wangray 我当时还在心里蛐蛐你： 我说这么多大V发教程贴，我们怎么去分他们的流量，但是事实证明还是我目光短浅了！市场的需求是多样化的。

@YuLin807 @wangray 我竟然没有关注他，马上关注了。 我来蹭蹭你的流量😃

观察发现@wangray的文章 浏览量都很高 是我单条推文的10倍甚至百倍不止 我的单条推文一般1万就是上限，3万要看机遇！ 所以我先转贴一条，蹭蹭流量！ 或许这就是从第一条推文注定的风格差异！ 我的第一条openclaw推文是短文，Ray的第一条openclaw相关是文章是教程，所以这么久以来我都是写短文，尤以3句半作为自己的追求目标…… 考古Ray的第一篇openclaw配置安装文章见链接： x.com/wangray/status…

@li9292 @andrew0116 咱们的资深群友 楊義🐲

@YuLin807 @andrew0116 狠狠关注了

欢迎大家关注 @andrew0116 这家伙我一直说你的观点很棒想法很好就是太懒也不发推文分享！ 现在能舍得现身说法太不容易了！

@andrew0116 我也不知道大家为啥狂封号

@YuLin807 封号没解决啊，还是一个样

woc！发生了什么 玩了这么久的龙虾 终于要被cc干掉了嘛！ 尝试指挥龙虾操作一下

@YuLin807 其实，最主要的是我修改的这个能保持原文的富文本结构和本地图片引用，作为本地长期资料库是很有必要的。毕竟𝕏上除了有颜色的，还是有很多值得学习的大拿。

@snkilc @elliotchen100 我擦！你说的还真是 @loryoncloud 你本来应该发一篇论文的 结果止步于推文！潜力无限

@elliotchen100 @YuLin807 你感觉这个像不像你茶馆那位写“记忆树”技能的小伙子相同的思维？ 记忆信息可以通过agent评级确定是否重要，不重要的记忆慢慢忽略和遗忘存档。 上下文也可以同样方法，让LLM只思考重要的信息，避免被杂乱的内容干扰😁

论文来了。名字叫 MSA，Memory Sparse Attention。 一句话说清楚它是什么： 让大模型原生拥有超长记忆。不是外挂检索，不是暴力扩窗口，而是把「记忆」直接长进了注意力机制里，端到端训练。 过去的方案为什么不行？ RAG 的本质是「开卷考试」。模型自己不记东西，全靠现场翻笔记。翻得准不准要看检索质量，翻得快不快要看数据量。一旦信息分散在几十份文档里、需要跨文档推理，就抓瞎了。 线性注意力和 KV 缓存的本质是「压缩记忆」。记是记了，但越压越糊，长了就丢。 MSA 的思路完全不同： → 不压缩，不外挂，而是让模型学会「挑重点看」 核心是一种可扩展的稀疏注意力架构，复杂度是线性的。记忆量翻 10 倍，计算成本不会指数爆炸。 → 模型知道「这段记忆来自哪、什么时候的」 用了一种叫 document-wise RoPE 的位置编码，让模型天然理解文档边界和时间顺序。 → 碎片化的信息也能串起来推理 Memory Interleaving 机制，让模型能在散落各处的记忆片段之间做多跳推理。不是只找到一条相关记录，而是把线索串成链。 结果呢？ · 从 16K 扩到 1 亿 token，精度衰减不到 9% · 4B 参数的 MSA 模型，在长上下文 benchmark 上打赢 235B 级别的顶级 RAG 系统 · 2 张 A800 就能跑 1 亿 token 推理。这不是实验室专属，这是创业公司买得起的成本。 说白了，以前的大模型是一个极度聪明但只有金鱼记忆的天才。MSA 想做的事情是，让它真正「记住」。 我们放 github 上了，算法的同学不容易，可以点颗星星支持一下。🌟👀🙏 github.com/EverMind-AI/MSA

#Openclaw #Clawdbot 🦞X Fetch 重磅更新 v1.9.0 — Obsidian 导出 现在可以把 X 长文和 arXiv 论文保存为 Obsidian Markdown，图片全部下载到本地。 ✨ 新功能： • X → Obsidian：长文导出 + 本地图片（社区 PR by @AY_0116_ 🙏） • 论文 → Obsidian：arXiv 论文完整导出，公式、图表、参考文献全保留 已测试：Attention Is All You Need、Chain-of-Thought、ViT、TinyLlama — 全部通过 ✅ 零依赖，纯 Python 标准库。 感谢 @andrew0116 的首个社区贡献，直接催生了整个论文导出功能！🎉 _____________ @andrew0116 咱就老实说认识初期那是沉迷于minimax不知天地为何物！！！每天不是修龙虾就是唉声叹气，后来我力荐切换到claude系列，好家伙那功力是一日千里，从唯唯诺诺的小白提问者变身成为重拳出击的贡献者！ 楊義兄后来和我说minimax模型，女人用了会流泪😭，男人用了会沉默😏！ 不过现在也觉着opus挺傻逼的，有没有啥方案切换到爽用Gemini3.1pro 谷子天天限流……

@4111y80y @wangray 三句半 真的是感觉对自己能力的一种认可和赞誉！ 我现在都看不了长文 不过我发现推特的文章开始变短了

@YuLin807 @wangray 蹭流量不丢人，但3句半写习惯了再写长文是真累啊。

@FredericZ0 别搞…！

@YuLin807 猪猪哥大坏蛋！

带妹妹学龙虾消耗极大！ 我已经不行了！ 当代研究生要提高AI素养

@Rav_Hedda @wangray 对 他是最早的教程 甚至可以说是中推第一篇教程

@YuLin807 @wangray 最一開始我就是看這個大佬圖文章裝的好像

这篇文章很有意思 妙趣横生！ 我看完发现还真是“这 Wi-Fi 只有下雨时才管用” 虽然听上去荒缪 不过确实有科学道理！ 原文链接： predr.ag/blog/wifi-only…