历经整整三个月，我终于读完了《追忆似水年华》。说实话一开始并没有想读完全部的，当时觉得大概也就读完第一本和第二本就可以了，主要是体会一下。但既然当时已经读完两本，也暂时没有什么其他更想读的，就继续吧，也还好巴尔贝克的章节让我觉得更有读下去的动力了。再后面就是某种自我强化了，虽然从第四本开始阅读上确实稍有折磨，但是也能坚持下去读完，直到《重现的时光》。
所幸一路都有很有趣的细节发现，比如在第五章中间，作者突然写道：我让叙述者取了个跟本书作者一样的名字。虽然我知道作者一直在玩叙事视角转换的游戏，一会儿叙述者、一会儿当时的马塞尔，但如此直白的描述在当时应该还是挺先锋的存在。普鲁斯特的感受力是真的很强，比如他说火车与汽车：汽车可不同，它把我们带进一座城市，没有这么神妙，因为我们下火车首先是从整体上看这座城市，这个整体，城名作了概括，顾名思义含有观众闭门造车异想天开的色彩。而汽车则把我们带进大街小巷里转，不时停下向居民打听一下情况，汽车带来的是一种时空的连续性与展开感。而如今我们对汽车早已习以为常了，很难再次产生这种感觉。我想起了 铁道之旅，说实话我只能想起它，但我已经忘光了这本书的内容，唉，这就是岁月的痕迹吗。读最后一卷一直是这个感觉，书中各种角色的死亡或者老去，马塞尔父母的隐身，如同化妆晚会一样的社交聚会。
另外工作上也有些小的插曲吧，我只能说我现在有点点后悔转到所谓的 Agent 组。一来好像也没在做 Agent，倒不是说做的事情没有什么价值，还是有趣的，只是更像是工具组的范畴；二来这个顶头上司确实好像脾气有点不稳定，本周一开会被喷一次，周三又见他在群里发泄情绪；另外他的进度管理似乎主要是催促，每天在群里催今天能做完吗，上压力，我还挺讨厌的。并不是我不理解他的压力有多大，大家总说上班是窝囊费也就是这个意思，有时候确实要承接一些上面的情绪。但咋感觉应该反过来？我以为我脾气够不好了，还有更不好的哈哈哈哈。可能这也和领导是发行出身有关吧，他缺少一些技术这边的思维，以前是有 CTO 挡着一波转化为可落地的步骤和任务，现在我直面他了，确实有一些有趣的感觉。当然我理解偶尔的加班赶进度很正常，只是，有这样的上司，太怕他把大家加班赶出来的进度当日常进度了，毕竟啥想法都要么是今天要，要么是赶紧给个时间表。然后又要想办法和他解释我们做的 demo 真的是个 MVP，离一个可用的产品还有很多距离，需要更多的时间。唉，我在连着两次被上司晚上 10 点@之后，都对企业微信有点 ptsd 了，真的下班之后完全不打开，直接治好了我没事喜欢周末打开企微的毛病。
我可能不太方便说我做的事情具体是啥，但咋说呢，有过一次一周连续加班，并且周四直接加班到半夜 2 点 30 的经历之后，我感觉我似乎是又想明白了一些东西。还是感谢 Garena 啊，把我保护得太好了。最重要的领悟可能是，没必要带着怒火上班，其实想干就干，不想干就按时下班休息呗，能咋样呢，有离职想法的也不只我一个倒是。主要还是会逼我思考下，我认为最重要的是什么，目前来看最重要的还是身心健康，我这个人一旦受累就脾气巨差，所以还是少加班为好，既是保护自己，提高工作效率，也是保护同事。赚钱当然很重要，财富自由再怎么都需要本金。能帮助他人的感觉也挺好，这也是为什么我一直不排斥做工具的原因，尽管可能显得技术不足。还是要开心呀，不管这个开心从哪里来 —— 收入高 / 有成就感 / 有帮助他人的感觉 / 可以按时下班陪对象等等，如果都没有的话，那只能摆烂等 N + 1 了。另外就是，如果现在离开游戏行业，大概还来得及吧，那能去哪儿呢，有什么行业是符合有趣、有复利、有杠杆的呢，好难啊。先干着，慢慢想吧，想了总比不想好。如果自由了我是想开书店的，但等自由了再说吧。其实现在裸辞也饿不死，但确实，不会这么跌宕起伏，和同事八卦还是有趣的。
另外关于这个 Curiosity Log，我觉得也许可以决定稍微减少一些数量，增加一些质量。或者说，给出的尽量都是我认为有洞见的，并且我可以对为何我认为有洞见说得更详细些。
Claude Opus 4.8 发了；Gemini 3.5 发了，这里有一些历史介绍，Gemini Co-Lead on World Models, RL’s Next Domains & Continual Learning；带着的 GoogleBook 还挺有趣的。
llama.cpp 支持 MTP (Multi Token Prediction) 了，好啊好。还支持了WebGPU ，太牛了，这篇 demo 的 blog 也很有意思，感觉能直接上网页的话，很多交互形式都被打开了。DwarfStar 的开发还在继续，看看这篇 Distributing LLM inference in DwarfStar。
How to use evals and prompt engineering to ship a local model that matches frontier performance，这个有洞见，讲作者怎么去选一个足够好的本地模型来完成一些总结、提取的任务。
1,Prove it’s possible; 2,Set success criteria; 3, Test from small to large; 4, Select the smallest model that gives acceptable responses for your use case.要 eval 就需要A “golden dataset” is a set of ideal outcomes to measure your model’s generated outputs against. Without one, you don’t have a measuring stick to compare different outputs against.后面针对实际的模型，Qwen2.5 因为幻觉被否了，Gemma 4 因为 latency 被否了，留下了 Llama 3.2b. 而且故事还没结束，后面还发现对这种小模型，给样例给它学最有用了：Few-shot was the standout, with quality improving across every metric. Llama3.2b might not be good at following instructions, but it’s pretty good at imitating examples.Amp 的这个 labs 挺有意思的：
For the companies we partner with: we win if and only if you win. We profit only through warrants unlocked if your stock appreciates considerably. We don't work with your competitors.亲身下场用 Agent 改变战局吗，有趣，以及这些宣言。Amp 联合创始人的访谈，LLMs are killing Agent Harness，洞见：传统软件有直观的产品反馈（比如放大标题能直接看到），而 AI 的交互是一个输入框，用户扔进任何错误的想法，产品都无法给出即时的“你做错了”的反向反馈。我也在想，其实 Harness 这个，稍微差点可能也暂时没法意识到。
The Orchestration Tax:
The real skill is designing the system around the one serial resource that cannot be cloned or parallelized. That resource is your attention.关于记忆，Useful Memories Become Faulty When Continuously Updated by LLMs：
Yet we find that such consolidated memories produced by today's LLMs are often faulty even when derived from useful experiences.Benchmarking LLMs for malware triage and static unpacking with Malcat，没想到这个任务上，Mimo 2.5 Pro 还挺能打的；另外，
the advertised cost per token is only part of the story. The final cost depends heavily on how many tokens the model burns internally for reasoning and how efficiently it uses tools.The Inference Shift，拆了下三个场景：训练、问答和 Agent，三个场景的性能需求不一样，合理。
Epicure: Navigating the Emergent Geometry of Food Ingredient Embeddings，好有意思，把食谱丢进去炼模型，观察食物的潜空间。
What’s Easy Now What’s Hard Now，我确实一直是这个观点，能被 feedback loop 的都能被大力出奇迹。
Recent Developments in LLM Architectures: KV Sharing, mHC, and Compressed Attention，学吧
Don’t Outsource the Learning，so true.
Jane Street on GPUs, Trading, and Hiring: A Conversation with Dwarkesh - YouTube，不再局限于热点代码的局部优化，而是开始从顶级科技巨头引进系统架构师来优化整体算力资源流转，有时候我也在想，还是要让自己的能力跟上这个 infra 的 scale，游戏始终是 2C 的，其 scale 和这种不是一个路数。
唉，这里提到：
Over the last 5yrs, a group of ~10k people - employees at Anthropic, OpenAI, xAI, Nvidia, Meta TBD, founders - have hit retirement wealth of well above $20M (back of the envelope AI estimation). Everyone outside that group feels like they can work their well-paying (but <$500k) job for their whole life and never get there.我有时候也在想我会不会也有这种心态，会有吧，毕竟真的赚太多了，但就算能退休，我也不会退休吧。After Automation：
AI makes yesterday’s human competence cheap.我怎么就想不到这么优雅的表述呢，还有这个：Benchmarks measure work inside a frame.社会学又在袭击我了。这个说法也优雅：AI substitutes for the fluent-middle of general cognition, which was the differentiator behind the cognitive-professional wage premium.AI, the Shadow Prince，wow，把 AI 比作卡夫卡《审判》里的官僚机构，我爱卡夫卡。
Daniel Lemire 说 AI 编程：
AI will not turn most of us into software architects. What is happening is Cargo Cult Software development. Cargo cultism is a reference to Pacific Islanders who would copy the US military after the US was gone, in the hope of getting the goods that the US was providing.A History of IDEs at Google，这个确实有意思，谷歌的基建是好啊。
我认同这个，可是老板不认同啊：
“996” is a mass production / central planning approach to creation. it doesn’t work for inventing new things. it only works for cog like scaling of mechanical processes. great work doesn’t happen after 100 hour weeks, it only appears in tiny fleeting random moments, embrace that.来点传统技术，Introducing Sample Profile Guided Optimization in MSVC，终于来了吗；交互设计史，Six Years Perfecting Maps on watchOS；学习软件架构的好资源，Learning Software Architecture；Emoji + string 操作引发的 bug，My Favorite Bugs: Invalid Surrogate Pairs；关于 Rust 的性能 slide，rust-slides；
Handwriting but not typewriting leads to widespread brain connectivity: a high-density EEG study with implications for the classroom，高中以及之前我的日记都是手写的，现在是换成电子的了，也许偶尔来点 old fashion 的也不错。
因为加班的心态问题清仓了半导体，结果最近嘛，唉。让 Gemini 帮我对照这两篇访谈，1 2，让我的半导体相关观察清单加了很多个股进去，比如诺基亚、SMTC 等等。唉，上班耽误在牛市赚钱啊，各种意义上。