清华大学团队研究发现，在线蒸馏中仅用一条训练query即可覆盖全量数据71.5%的学生状态，恢复大部分收益。瓶颈不在数据供给，而在算法吸收效率。多教师设定下，16条语义多样的query即可追平全量训练。建议优化算法侧训练动力学，而非堆数据。

GitHub开发者倡导总监Cassidy Williams探讨AI编码成本优化，指出缩短输出可能更贵，GitHub Copilot通过减少完整编码任务中的浪费来提升效率。另有教程教初学者用Copilot自动化处理Dependabot拉取请求分类，以及生产前评估大语言模型的经验，用于实际秘密扫描。

BBC总干事提议开发iPlayer 2.0，采用“公共服务算法”并向独立创作者开放，以替代美国科技公司的推荐系统。该平台将围绕BBC宗旨设计，提供信息、教育和娱乐，而非商业利益。Brittin承认iPlayer落后于竞争对手，但强调以公共服务价值为核心。

MIT工程师开发了一种新算法，能生成前所未有的极端事件和最坏情景，无需依赖历史极端事件数据。该算法通过机器学习结合点统计和空间地图，可预测如百年一遇风暴的规模、强度和影响范围，适用于天气、电网、金融等领域，帮助规划者评估风险并加强基础设施韧性。

智能手表显示的步数、心率等数据并非直接测量，而是通过传感器捕捉物理信号，经数字化、滤波和算法分析后估算得出。设备结合多种传感器提升准确性，数据在手表、手机和云端处理。理解这一过程有助于正确解读健康数据，避免误判。

Patreon宣布将推出30多项新功能，包括改进发现算法，从基于关注推荐转向内容比较，帮助小创作者被发现。同时引入短视频剪辑工具Clips和类似子版块的Niches社区，并加强验证和反爬取保护。部分功能仍在开发中，可能不会全部上线。

freeCodeCamp发布新课程，由Sumit Saha主讲，通过日常类比教授数据结构与算法基础，涵盖数组、链表、栈、队列、哈希表、树、图等结构，以及搜索排序算法和递归、动态规划等范式，帮助学习者建立直观理解，便于用任何语言实现。

freeCodeCamp发布了一门由Sumit Saha主讲的新课程，通过日常类比教授数据结构与算法基础，涵盖数组、链表、栈、队列、哈希表、树、图等结构，以及搜索、排序、递归和动态规划等算法范式，帮助学习者直观理解并实现。

X大幅开源核心推荐算法和排名系统，并新增影子屏蔽检测工具，用户可查看账号标签判断是否被限流。工具目前仅对部分用户开放，需满足条件。X未公开所有代码，如Grok审核部分，以防滥用。

2026年大模型强化学习从RLHF转向RLVR，用可验证奖励替代人类偏好，但GRPO算法导致模型注水、钻漏洞。业界通过DAPO、Dr. GRPO等修正，并发展出智能体强化学习，让模型直接操作环境。训练本质成猫鼠游戏，模型总在找奖励漏洞，进步背后是应试技巧而非真正理解。

该文探讨分布式系统中的状态管理，主张按语义分类状态而非追求统一一致性。通过集群MQTT内存爆炸案例，提出五类状态（连接所有权、离线状态、路由、持久消息、成员关系），每类对应不同保障和机制（如共识、哈希、AP路由、同步存储、Gossip）。核心原则是“语义定保障，保障定机制”，避免过度复制，实现资源高效。

招聘系统用算法筛选简历，求职者用隐藏白字指令欺骗AI筛选器，形成人机暗战。作弊手段升级，检测工具反制，成本转嫁，最终损害老实求职者。文章指出算法评估僵化，建议改用技能测试，强调根本问题是招聘框架不合理。

本文介绍数据科学家应掌握的七种核心机器学习算法：线性回归、逻辑回归、LightGBM、XGBoost、随机森林、LSTM和K-means聚类，并附Python代码示例。作者强调，简单模型往往比LLM更高效、低成本，选择适合问题的模型比追求最新技术更重要。

纽约州《儿童安全上网法案》将于2027年1月25日生效，要求社交媒体平台对算法推荐和午夜后通知等功能进行年龄验证。平台需采用高准确率验证方法，提供政府ID等至少两种选项，并需家长同意未成年人使用受限功能，违规最高罚5000美元。

本文介绍三种反应式编程算法：推、拉、推拉混合，用于处理数据变化时的高效更新。推模式精准但易乱序和泄漏中间状态；拉模式简单安全但全量重算浪费；推拉结合先标记脏格子再计算，兼顾效率与正确性。选择取决于数据规模、改动频率和中间状态容忍度，无完美算法，需按场景取舍。

竖屏短视频已成为互联网主流，TikTok、Instagram和YouTube等平台竞相模仿，推出Reels、Shorts等全屏滚动视频，因其高用户时长和广告收益而胜出。流媒体平台也纷纷跟进，但用户可能对算法推荐感到厌倦，文化转变或正在酝酿。