2024年9月25日，腾研读书举办了一场对谈，腾讯研究院资深专家袁晓辉对谈前OpenAI研究员，也是《为什么伟大不能被计划》一书的两位作者肯尼斯·斯坦利（Kenneth Stanley）和乔尔·雷曼（Joel Lehman）。2个小时的时间，讨论了10个问题，涉及目标悖论、创新激励、组织活力、OpenAI能否复制、未来AI社会的前景等问题，讨论具体而深入。以下是访谈实录，推荐阅读。
最近我们团队开始进行一个新项目，需要基于 Google 的 Android 14 系统源码来定制 ROM。我们需要下载 AOSP（Android Open Source Project）的代码进行开发。AOSP 是一个提供了支持移动设备和嵌入式设备开发的完整技术栈，可以用来开发智能手机、平板电脑、车载系统、智能电视等各种设备。AOSP 项目源码规模很大，占用磁盘 124.44GB，超过 1400 仓库。
重型 JS 项目的性能问题一向很难，我们在 review 各大开源 js 仓库性能实践的时候注意到：ts 源码的 checker.ts 这个文件相当暴力，它将 TS 完整类型系统全部逻辑 5.2 万行全部写在一个 ts 文件里，而文件大小则达到了惊人的 2.92 MB —— 这相当有趣，为什么？
技术与就业是一个古老话题。很长时间内，省力新技术往往被排斥、抵制、封禁。这方面的例子数不胜数，人们常常引用的有三个：公元一世纪，罗马皇帝韦巴芗拒绝采用新机器运输神庙石柱，因为这会抢了工人的饭碗；1589年，伊丽莎白一世以织袜机摧毁工作岗位为由，拒绝向发明家威廉·李授予专利许可；1811年，工业革命中的英国掀起了以捣毁机器为主要内容的卢德运动。 每次出现新的技术浪潮，总会引发人们对技术和就业的激烈争论。罗珊·凯许的歌名“This has happened before”和卡门·莱因哈特的书名“This time is different”，可以很好地说明人们的两种基本态度。一部分人认为“这在以前发生过”，是老问题的重复出现，没必要大惊小怪；另一部分人则大呼“这次不一样”，要变天了，经济学理论要重写。此次生成式人工智能兴起，大体也是以上两种基本态度。 技术和就业是一个“下限很低，上限很高”的话题。普通民众可以讨论原属专家的领域，能讲出道理，有自己的价值主张；专家们则极易受到民众的质疑和挑战，不管多么权威，不管研究多么扎实。
互联网时代，程序员必知必会的最具影响力的十大统治级算法： 排序算法、推荐算法、Dijkstra算法、安全哈希算法、深度学习算法、链接分析算法、RSA 算法、傅里叶变换与快速傅里叶变换、随机数生成算法、数据压缩算法。你熟悉的算法有在榜上吗？
本期AGI路线图中关键节点：DiT架构、Stable Diffusion 3.0、Flux.1、ControlNet、1024×1024分辨率、医学影像、英伟达Eagle模型、谷歌Med-Gemini系列模型、GPT-4o端到端、Meta Transfusion模型。
程序员工作的终极意义，就是干掉复杂度，用一套通用的方法解决大部分问题。在大模型时代，这个通用的方法就是——Prompt 工程。作为用好大模型最重要的武器，Prompt 的好坏对模型效果有着决定性的影响。 然而，网络上大量相关文章多是罗列“Prompt 工程” 中的若干技巧，少有体系化的总结，让人看完依然不知道该如何入手。本文希望结合腾讯工程师在 “Prompt 工程” 中的实践经验，更加体系化地对 “Prompt 工程” 进行梳理，希望可以一步步地帮助大家用好大模型，人人都是 Prompt 工程师。
本文主要分享我们近期在Embedding模型训练上的工作「Conan-Embedding」。目前，Conan-Embedding已在最全面、最大规模的中文语义向量评测榜单C-MTEB上达到SOTA，超越了阿里、百川、OpenAI等众多Embedding模型。
本文作者通过优化腾讯文档业务里的相关实现，将高频调用场景性能优化到原来的十倍，使文档核心指标耗时实现 10~15% 的下降，与此同时内存的增加仍细微到可忽略不计。本文将从 V8 整体架构出发，深入浅出 V8 对象模型，从汇编细节点出其 ICs 优化细节以及原理，最后根据这些优化原理来编写超快的 JS 代码
