EP160 · Hy4 开源、Claude 实践、代码即文档 · 08-30 早报

腾讯开源 Hy4 preview，总参数 770B、激活 49B，上下文超 1M tokens，并接入 WorkBuddy 和 CodeBuddy。它面向编码、办公、科研等生产力任务，还参与训练和推理优化，使端到端吞吐较基线提升 31.8%。这提供了可落地的模型，也呈现了产品反馈反哺模型迭代的路线。

Anthropic 展示了 Claude Tag 的内部真实用法：从 Slack 讨论生成待审文档、汇总分散的客户请求，到预审营销法律材料。案例保留了人工核验、补充权威来源、权限受限和结果复查等环节。读者可借鉴的重点，是如何定义搜索范围、匹配标准、输出样例与持续反馈，而不只是把任务交给模型。

携程机票前端团队把 CI/CD、Dify 工作流和向量知识库连成 Lumos，让代码变更自动触发文档生成、检索与影响分析，并已接入 74 个业务仓库。其工程拆解尤其可复用：以事件驱动保证同步，以标准化 MR 提升输入质量，再用人工调整和效果度量收敛准确性，为团队治理隐性知识提供了一条可迁移路径。

Anthropic 的自动化对齐研究人员成功缓解了 10 种不同的对齐失败，在不降低模型能力的情况下缩小了显著的安全性差距，并且在速度和效率方面优于人类研究人员。

Brian Lewis 解释，企业 AI 合同的关键不在于展示效果多惊艳，而在于能否证明产品有效、安全、可控，并具备支持客户安全部署 AI 的治理基础。

Infer-forge 是一个内部工程系统，使用 MonoRepo、Task Loops 和 Task Graph，使推理优化工作具有可重复性、随时间保持一致，并可跨项目扩展。

研究员逯雨鑫分享以个人身份、数百美元成本在两周内后训练出登顶 Hugging Face 的小模型，强调数据洞察力是真正卡点，并探讨主权 AI、Local AI 与应用公司自训模型的趋势。

徐梦迪教授认为，面对开放、多变的物理世界，机器人必须具备从少量示范或反馈中快速学习的能力，而In-Context Learning（ICL）是实现这一目标的关键路径，它允许模型在部署环境中动态适应，而无需重新训练。

本文介绍了 Lemmalog 的开发，这是一个基于 Datalog 的 LLM 记忆系统，旨在通过跟踪依赖关系并在底层事实改变时失效结论，在复杂的漏洞研究中保持一致的知识状态。

AI 需求正在同时挤压内存芯片、电力和数据中心等环节。超大规模云服务商正大幅增加资本开支，创业公司则探索新的硬件、散热和融资模式来应对供应约束。