
https://x.com/GeoffreyHuntley/status/2108926918540378117
Bedre agentarbejde gennem faglighed, holdbar eksekvering og tests på den rigtige hardware.
Sean Goedecke bruger Terence Taos ChatGPT-samtale til at vise, hvorfor faglig dømmekraft gør samme model langt mere nyttig. At kunne sige “det kan gøres enklere” er stadig en superkraft.
Sean Goedecke · LLMs reward expertiseFra feedet · faglighed, steering og konkrete spørgsmålGeoffrey Huntley og Justin Cormack genbesøger idéen om en app, der selv er operativsystemet. Det stærkeste eksempel: en agentbygget mkfs.xfs i Rust, verificeret mod originalens output.

https://x.com/GeoffreyHuntley/status/2108926918540378117
Mario Zechner viser interne, dynamiske workflows med durable eksekvering og subagents, man kan inspicere og styre. Det rammer ret direkte ned i Battys maskinrum.

Sudo deler Matt Wolfgangs test: Bonsai 2 27B mod Qwen 3.6 på en Python-todoapp med tests, kørt på en RTX 2080. Ifølge forsøget skrev Bonsai bedre kode med høj reasoning; repoet gør lokal afprøvning konkret.

https://x.com/sudoingX/status/2109338993620115581
iPhone Use kobler Codex til en fysisk iPhone over USB med WebDriverAgent. Reel skærm, taps og scrolling — interessant til de mobilfejl, en desktopbrowser overser. Første opsætning kræver Mac, Xcode og signering.

https://x.com/trevin/status/2109387878954684882
Oren Melamed viser VS Codes eksperiment med stabile instruktioner først og sessionsdata sidst. I to Opus 5.5-tests faldt de rapporterede credits fra 5,9 til 1,6: et lille arkitekturvalg med mærkbar regning.

https://x.com/OrenMe/status/2109352078044983331
Terence Eden betalte rigtige mennesker for at følge sin README og fandt forkerte links, uklare begreber og en rækkefølge, der kun gav mening for forfatteren. Billigere end endnu en perfekt agentreview af ens egne antagelser.
I paid people to try and follow my READMETerence Eden · 11. oktober 2026