Week 50, 2025 X Tweet Digest

@wangdefou_dev 厉害👍

原来 Cloudflare 这次是被 React 坑了！短短 25 分钟，Cloudflare 全球 28% 的流量全线报错。

原因是为了修复行业级安全漏洞：React Server Components 相关的严重问题（CVE-2025-55182）。

React 服务组件中存在未经身份验证的远程代码执行漏洞，CVE-2025-55182 是 React、Next.js 和其他框架中的一个严重漏洞，需要立即采取措施。

10月份看了2025年的 Octoverse 报告，TypeScript登顶全球第一语言。

满大街的 AI SaaS 项目都是用的 Next.js，Vercel 平台已经发布重要提示了，建议大家自查一下，尽快升级版本！

具体方法看评论区！👇

React 官方博客发布 《React 服务组件中的关键安全漏洞》介绍。

存在未经身份验证的远程代码执行漏洞，建议立即升级！ https://t.co/cEuiqxW75j

https://t.co/U0EB36NNBF

Vercel 发布 React2Shell 安全公告

Next.js 应用程序存在漏洞，最快的更新方法是使用 fix-react2shell-next npm 包，在应用程序的根目录中运行以下命令。

npx fix-react2shell-next

https://t.co/fqBHDFrsUN

@yanhua1010 10人核心团队真的强啊！走出了一条难而正确的路。

当所有人都在拼命堆资源时候，真正的突破往往来自找到更聪明的路径，而不是更用力地走同一条路。 https://t.co/9KCqq8yUCz

最近看了Mind Lab团队的两篇论文，突然就把困扰我很久的一个问题想通了。

之前用豆包聊天，聊着聊着它就开始“失忆”，前面答应过的事转头就忘，有时候还自相矛盾。

我一直以为是模型不够好，后来看了上海交大10月份的Context Engineering 2.0论文才明白，问题不在模型本身，在记忆管理架构。

但真正让我震撼的是Mind Lab的两项研究，彻底改变了我对AI记忆和训练的认知。

第一件事：让AI学会智能遗忘。

他们提出的Memory Diffusion(记忆扩散)颠覆了传统思路。不是记住更多，而是像人类一样智能遗忘。

开车时你会自动忽略路边广告牌，但记住重要路标，这才是真正的智能。

方法很简单：掩码-分配-重填，挑出对话里不重要的部分，给关键信息分配更多空间，然后压缩重组。

我用一个生活比喻说清楚吧:

传统方法像整理房间的两种笨办法:

方法A：每天写一份“房间总结”，扔掉原物品 (推理型)

方法B：把所有东西扔进仓库，需要时去翻找 (工具型)

新方法有点像像断舍离哲学:

定期审视房间里的每样东西，问：“这个一年后还有用吗？”。

重要的精心保留，不重要的果断丢弃，房间始终保持最优状态，而不是等爆满再清理。

结果？Locomo基准测试93%准确率(SOTA)，目前最佳成绩。

第二件事：用10%的GPU训练万亿参数模型。

更厉害的是，他们用LoRA技术，相比传统全参数强化学习，只需要用10%的GPU资源，就在万亿参数(1.04T)的Kimi K2模型上完成了强化学习训练。

这不只是省钱。他们做了一个对照实验，控制相同的计算预算，对比不同规模模型的强化学习效果，证明了一个反直觉的结论：

在相同计算预算下，在大模型上做小幅度优化，比在小模型上做全参数训练效果更好。

为什么？

因为AI的进化是"先验受限"的。如果基础模型本身不够强，再怎么训练也很难突破。

就像你给一个从没见过车的人教驾驶技巧，效果远不如教一个已经会开车的人如何开得更好。

这两件事合在一起，给了我一个完整的答案:

好的AI产品=强大的基础模型+聪明的记忆管理+高效的训练方法。

上海交大给了一个工程方案：分层设计、提取关键信息、主动预测用户，Mind Lab直接在模型层和训练层给出了解法。

不是做加法，而是做减法。不是追求更多资源，而是更聪明地使用资源。

AI的进化，不是在学习做得更多，而是学习做得更对。

#Macaron #MindLab

这篇文章里的记忆扩散游乐场挺直观的！

https://t.co/AZSvkbkgq9 https://t.co/PeKsYZAE4f

上海交大Context Engineering 2.0论文直达：

https://t.co/Y2ARGdNOzR

@servasyy Hand-Drawn Sketchnote，每次用这个屡试不爽，抽卡两张选一个。

@kevinma_dev_zh 每次写文章，常备信息图风格：

1. 采用 chic doodle style illustration 风格

2. 采用黑板粉笔画风格（深色纹理背景），手绘涂鸦/插图风格，多彩粉笔效果（黄、粉、蓝、绿、橙）

3. Risograph Zine / Collage风格

4. Hand-Drawn Sketchnote 风格

@songguoxiansen Hand-Drawn Sketchnote 风格屡试不爽，抽卡有时候能抽到彩色！

@hezhiyan7 是的，现在大部分产品在工程领域想解决方案！

好的产品体验，非常依赖依赖上下文调优。

@imichaelsoho 类似于人脑的概念，和之前看了 DeepSeekMath-V2 给我的启发一样。

感觉 AI 的下一个突破点，不在于更强的生成能力，而在于更强的自我认知能力。

之前写的一篇短文分享，AI产品如何做好上下文工程？从上海交大的这篇论文中学到了3个改进方法。

https://t.co/loH0TA4Ela

@kevinma_dev_zh 我发现 AI 进化到最后，关于记忆的思路跟人脑很相似，

不断过滤噪音，批判性的审视和改进自己。

@imichaelsoho 看了下论文，发现一个大家容易忽略的结论：在相同计算预算下，在大模型上做小幅度优化，比在小模型上做全参数训练效果更好。

@songguoxiansen 有个大家忽略的点，非常反直觉：

在相同计算预算下，“大模型+小调整”比“小模型+全参数训练”效果更好。

@yanhua1010 值得学习

@servasyy 你这个比喻很接地气！

@servasyy 黄老板这么解释我懂了，神图总结一下！ https://t.co/Wwspkli4fQ

@sven_ai 技术非常硬核，希望大家都能有启发🤝

@sven_ai @imxiaohu 读了这个团队的Research，技术非常硬核！

好的AI产品=强大的基础模型+聪明的记忆管理+高效的训练方法。 https://t.co/b39YqiHUIU

@wangdefou_dev 是的，这个团队来头不小——Mind Lab是一个专注于体验智能(Experiential Intelligence)的实验室

@wangdefou_dev 看了他们对于智能遗忘的研究过程，刚好解释了我之前的疑问。

AI 为什么会失忆？AI的记忆和人类的记忆有什么本质区别?

人类是主动遗忘+动态重构，AI传统上是被动存储+机械提取。 https://t.co/GuN8xgPAGV

@iamtonyzhu 我发现这个对于 AI 产品来说意义重大，更好的对话体验，AI不会“失忆”，能记住长时间对话。 https://t.co/N8vOd2MUTe

看大家都在问这种信息图怎么做的？整理一个适合做信息图的风格合集，集成到 YouMind 中太方便了！

1. chic doodle style illustration 风格

2. 黑板粉笔画风格（深色纹理背景），手绘涂鸦/插图风格，多彩粉笔效果（黄、粉、蓝、绿、橙）

3. Risograph Zine / Collage风格

4. Hand-Drawn Sketchnote 风格

5. Lofi Anime / 90s Cel Shading风格

shortcuts直达：

https://t.co/NhSWnyQoHb

@sven_ai @imxiaohu YouMind 里可以直接生图！shortcuts 👇

https://t.co/HQUyL1pQjI

@bggg_ai 确实强

@bozhou_ai 对，目前来看好的产品体验，非常依赖模型记住对话的关键信息，需要精准压缩。

@gkxspace 我之前也是有这个疑问，现在算是解惑了。

好的陪伴型产品非常依赖对话体验，深层次就是记忆架构，不然很容易出戏，沉浸感很差。

@bozhou_ai 非常直观易懂！AI学会了选择性遗忘，保留重要信息，压缩或删除不重要的。

对于陪伴型产品算是一个模型层面的突破！之前我一直在想工程方面的优化方向。

@gkxspace 那篇智能遗忘的文章解决了我很长时间的困惑。模型层面的突破对于陪伴型产品非常关键。

好的对话体验依赖记忆架构，用户对话的沉浸感更强。

致富最简单的方法，但也是最难的！ https://t.co/aIpWOnHWsp

@0xbisc 让 AI 真正从使用中不断学习确实很重要！

@nexmoe 👍工程架构和模型层面都需要进步

@sujingshen 感觉人类遗忘往往是选择性过滤噪音，信息被压缩了。

AI 的智能遗忘也是相同的道理。

@shandianshuo @drose12114329 @hao_harry49876 @cellinlab @imichaelsoho @qq5424____01 感谢感谢！

@densy07 是的，这种对于陪伴型Agent体验上就会差很多，需要工程架构和算法层面突破。

@zouxulucky 信息压缩太重要了，人脑很聪明的是会有效过滤噪音。

@0xPlato 所有风格都在这里了https://t.co/V22DmT649P

@yaohui12138 10人核心团队非常硬核

@guijiewan 厉害👍补充的非常到位

@kevinma_dev_zh 可以的👍，先发起来再优化

@linyi64965449 👍

@Pluvio9yte 应该填写 HK 吗？

@affLeopard 我关注到模型层面的记忆突破确实不错！智能遗忘类似人脑的记忆一样，智能压缩，去除噪音

@PennyJoly 学无止境！

一张苹果风格的信息图更好呈现这个内容！

如何在年底之前彻底重启你的人生，专注于此90天，你未来的自己会在余生中感谢你。 https://t.co/Jrr7NbNwUf

@AI_Jasonyu 确实强👍，AI进化到最后，都是往人脑方向演化

@Macaron0fficial @KaijieChen12236 @curlfuture @XiaotengMa1996 I was deeply impressed by the article on intelligent forgetting. It resolved a long-standing question I had: a better conversational experience in the future must enable AI to remember long-term conversations.

@wlzh 嗯嗯，未来陪伴型产品想要有更好的对话体验，一定是让 AI 能记住长时间对话。

@wlzh 传统 AI 记忆会出现经常性的 AI 失忆。现在它们提出的记忆扩散挺有启发的。

让 AI 保留重要信息，压缩或删除不重要的

@NPfinal 2026清理掉bug，重启生活