1
Deep Agents 评测方法论：少而准，比多而杂更能塑造智能体
这篇文章最有价值的判断是：智能体评测不是中性量尺，而是行为塑形器，因此真正有效的评测必须少而准、贴近真实任务，并同时约束正确性与效率，而不是靠堆 benchmark 制造进步幻觉。
💡 先从 AI 系统内部看：eval 不是验收表，而是行为塑形器；一旦奖励函数写歪，agent 就会在“看起来对”的方向上越跑越远。
2
两次登顶 Parameter Golf，证明的不是“全自动科研”，而是“人定方向、机做穷举”
这篇文章最有价值的判断是：当前智能体在研究型优化里还远没到“自主发现突破”的阶段，但在明确方向后的高吞吐实验执行上已经非常能打。
💡 再看科研工作流：突破不是机器自己凭空发现，而是人先定义了值得搜索的目标，再把穷举外包给机器；筛选器比算力更决定结果。
3
中国 AI 两周观察：硬件优势真实，软件叙事过热，创投筛选机制在错杀异类
这篇文章最有价值的判断是“中国 AI 的硬件优势比外界想得更硬”，但它对“中国创始人”和“中国软件”的悲观看法明显样本不足、VC 口味过重，结论有启发却不能照单全收。
💡 最后把镜头拉到产业层：当资本和创投只奖励熟悉模板，整个生态就会系统性错过真正异类但可能更值钱的公司。
🧵 串联问题
当我们说“想找更好的模型、项目或团队”时，真正该先改的，会不会不是对象本身，而是那套决定谁被看见、谁被奖励、谁被淘汰的筛选尺子？