微博 AI 观察博客

原文

Anthropic 公布内部数据：AI agent 工作时长已是员工 6 倍，技术岗新招的初级员工占比从 27% 降到 9%Anthropic 10 月 16 日发布两份报告。一份讲 AI 怎么改变了 Anthropic 自己的招聘和工作方式，另一份比较 Anthropic 员工和普通美国人对 AI 前景的预期。两份报告合起来的结论是：员工和公众对 AI 怎么影响就业的理解差不多，预期差距主要来自每天用 AI 的亲身体验不同。先看招聘。Anthropic 技术部门新招的人里，初级岗位的比例从 27% 降到 9%，2025 年 12 月之后初级职位的招聘明显减少。技术部门员工占全公司的比例从 61% 降到 56%，不过技术岗的绝对人数还在增长。面试评价里提到候选人会不会用 AI 工具的次数，比 2024 年多了好几倍，技术岗约 3 倍，非技术岗约 4 倍。再看 AI 干了多少活。2026 年 3 月，AI agent 的累计工作时长第一次超过员工。到 8 月，员工自己调用的 agent 工作时长已是员工的 6 倍。这里员工工时按每人每周 40 小时估算，agent 只算实际运行和调用工具的时间。产出跟着涨。工程师人均代码提交量是半年前的 5 倍，律师处理的合同、销售签下的单子也变多了。研究人员追踪了 192 位开始用编程 agent 的工程师，发现他们用上之后写的代码明显增多，而且 agent 写的代码和人写的代码，后来被删掉或撤回的比例没有差别。新的瓶颈是人的注意力。报告统计，Claude 的会话里大约 80% 的时间在等人回复。员工花在“管 AI”上的精力越来越多，比如给 agent 写固定指令、检查 agent 的产出、搭监控流程，这类工作在员工使用 Claude 的过程中占比从 2025 年秋天的 10% 涨到 2026 年春天的 22%。4 月的内部调查里，20% 的员工说自己的角色正从亲手干活变成管理一群 Claude。Anthropic 认为自己可能是个先行指标，AI 用得最深的公司现在出现的招聘和分工变化，以后可能出现在更多行业。报告也提醒，它是 AI 公司，又处在高速扩张期，这些数字不能直接套到普通企业身上。第二份报告用 1334 名员工的内部问卷，和调查公司 Morning Consult 8 月对近 1.1 万名美国成年人的调查做对比。差距最大的两道题：认为 AI 到 2030 年能做出诺贝尔奖级别发现的，员工 91%，美国人 39%；认为到 2030 年 AI 能干自己现在八成以上工作的，员工超过一半，美国人只有约 5%。员工内部也有分歧，大约 2 成员工的预期和普通美国人差不多。预期差这么多，推理方式却相近。两组人都是觉得 AI 能替自己干的活越多，就预测失业率越高。比如美国受访者里，预计 AI 能干自己八成以上工作的人，预测 20…

转发者评论

无明显转发评论

原文

昨天学习了一下 handwired，做了一些例子，比如做了几个倒计时、贪吃蛇这种 网页链接最后做了个教学视频：把代码变成神经网络：不训练、一个数都不差，这有什么用有人把普通代码原封不动地变成了神经网络，一次没训练，结果一个数都不差。这期从期末总评和停车费讲起，说清神经网络的两种零件：加权求和和开关，再看一条“及格线”怎么变成 7 个权重、1 层的网络。接着用闰年、FizzBuzz、阶梯电价、生命游戏、贪吃蛇等例子，回答几个问题：权重和层到底是什么？和 ChatGPT 背后的 Transformer 差在哪？网络能不能在浏览器里现场训练，刷新还在吗？出了错怎么查？变成网络会更快吗，CPU 和 GPU 差在哪？这个思路还能用在哪？---视频制作的 Skill 参考：网页链接模型：Opus 5.5配音：Gemini 3.8 TTS 宝玉xp的微博视频

转发者评论

无明显转发评论

原文

[RO]《T2-z: Test-Time Optimization of Environment Latents for Robotic World Models》C Zhou, Y Hong, H Huang, Y Jiang… [Stanford University] (2026) 在世界模型领域，预测隐性属性引发的突变是一个悬而未决的难题。过去的方法受困于预设参数，本质原因是试图显式量化环境，而非由果溯因。本文的核心洞见是：把底层物理重新看作随误差演化的向量。由此，冻结网络并靠单次动作残差反推该向量这一关键操作使问题得以解开。这项工作真正留下的遗产是证实物理特征能涌现于预测残差。它为后来者打开的新门是秒级适应新材质，但尚未跨过的门槛是依赖实体试错，无法零样本应变。arxiv.org/abs/2610.22364 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• //@爱可可-爱生活:这篇论文做了一件实在的事：让机器人在没有明确标注的情况下适应新环境。方法简单得令人意外——不改模型参数，只用32维向量加梯度下降，让机器人通过几次试探，“猜出”当前环境中摩擦力、质量这些看不见的物理属性。更有趣的是，模型没被告知什么是物理规律，只是不断预测下一帧画
• 这篇论文做了一件实在的事：让机器人在没有明确标注的情况下适应新环境。方法简单得令人意外——不改模型参数，只用32维向量加梯度下降，让机器人通过几次试探，“猜出”当前环境中摩擦力、质量这些看不见的物理属性。更有趣的是，模型没被告知什么是物理规律，只是不断预测下一帧画面，物理结构就从数

原文

斯坦福又把一门好课免费放出来了。CME 295，讲的就是 Transformer 和大语言模型。一共九讲，从 Attention 开始，一路铺到 AI Agent。中间覆盖 MoE、RoPE、LoRA、RLHF、DPO、PPO、GRPO，还有 KV Cache、FlashAttention、MCP、Skills、Coding Agent，最后落到 LLM-as-a-judge 和扩散语言模型。第一讲的视频和课件已经上线，后面每周更新。想系统补 LLM 基础的，直接拿这份大纲当学习路线就行，不用自己再拼拼凑凑。传送门：cme295.stanford.edu/syllabus/

转发者评论

无明显转发评论

原文

[AI]《A team of Gemini 4 Argon agents beats Minecraft》M Faldor, S Singh, R Raileanu [Google DeepMind] (2026) 在智能体领域，跨天级长线任务是一个悬而未决的难题。过去的方法受困于依赖人类预设技能，本质原因是模型难在漫长试错中维持目标。本文的核心洞见是：把生存通关重新看作协作软件开发。由此，代理靠写代码行动并在聊天框自主共享经验这一关键操作使问题得以解开。这项工作真正留下的遗产是验证代码模型的长周期纠错力。它为后来者打开的新门是文本流自发分工，但尚未跨过的门槛是摆脱透视接口的真实视觉感知。arxiv.org/abs/2610.22319 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 这次实验揭示了一个常被忽视的事实：代码不只是工具，也是智能体理解物理规律的载体。当AI能把“抛物线方程”和“寻找要塞”直接关联，能通过集体自杀来重置Boss状态，说明它们已经在操纵环境的因果链条，而不是死记攻略。27小时、2783个程序、605次死亡，这组数字反映的不是效率，而是试错成本——AI

原文

转：2026年10月17日周六读报！一切美好从❤️开始：1、国家发改委、民政部、国家卫健委联合印发指导意见，完善普惠养老服务价格机制，推动养老服务提质扩面。文件将养老机构分为兜底保障型、普惠支持型、完全市场型三类，分级分类管理服务价格：兜底机构基本服务费实行政府指导价，社区、居家养老多实行市场调节价。意见要求建立收费目录清单制度，清单外不得收费，按补偿成本、合理盈利原则制定收费标准。(综合央视)2、《2026中国冰雪产业发展研究报告》在北京正式发布，中国冰雪产业正进入产业结构优化与发展动能转换的关键阶段。2025-2026冰雪季全国居民冰雪运动参与人数达3.08亿，冰雪旅游游客约2.2亿人次，冰雪产业规模突破万亿，运动消费规模达2050亿元，同比增长约9.3%。(CCTV2)3、市场监管总局批准发布《电动摩托车和电动轻便摩托车用锂离子电池安全要求》强制性国标，将于2027年7月1日实施。该标准由推荐性升级为强制性，从电池单体、电池包、系统三层构建安全考核体系，新增低温、碰撞、热失控等多项测试项目，统一试验判定规则，强化电池安全，守护群众短途出行安全。(综合第一财经日报)4、在中国科学院院士俞大鹏带领下，深圳国际量子研究院谭电课题组联合德国斯图加特大学研究人员在声子量子信息领域取得实验进展，率先在可扩展的二维混合量子芯片实验平台上实现多方真纠缠声子态的制备与跨节点传输。研究成果于北京时间10月16日发表在国际学术期刊《科学》上。(新华社)5、依据《对外贸易法》《技术进出口管理条例》，商务部、科技部拟修订《中国禁止出口限制出口技术目录》，增列人工智能、生物医药、光伏相关技术，现已向社会公开征求意见，并对相关技术实施出口前登记管理。本次征求意见涵盖三大领域共40项技术：人工智能含大模型、算力集群等23项技术，开源、公开发表的AI技术不纳入管理；生物医药包含细胞基因治疗等5项技术，部分对外授权可享受自动许可便利；光伏领域共12项，管理范围还包括承载相关技术的核心关键设备。(综合财联社)6、中国国家铁路集团：全国铁路列车车次将于11月下旬、12月下旬分两批调整，其中新增X字头，主要用于未来最高运行时速350公里以上的复兴号动车组列车。(扬子晚报)7、当地时间10月15日晚间，特斯拉在美国得州展示重新设计的第二代Roadster跑车，现场演示倒挂行驶、短暂腾空与空中转向。马斯克称，该车特定版本破百加速不到1秒，极速超370公里/小时。新车计划2028年投产，分多个版本，预订款从5万至25万美元不等，Rocket飞行版仅受邀用户可订。该车型原型2017年首发，多次延期，特殊功能能否上路尚无明确答案。(综合央视)8、据彭博社10月15日消息，百胜旗下美国肯德基门店将更换饮料供应商，自2027年1月起，全美约4000家门店逐步用可口可乐系列饮品替换百事饮料，预计明年春季完成…

转发者评论

无明显转发评论

原文

最近看到一篇文章，是在 Anthropic 做 Claude 的工程师写的，聊了一个挺实际的问题：很多人用 AI 还停留在问问常识、改改邮件的阶段，但能做的事远比这多。他把“更有野心地用 AI”拆成了三个方向。先说第一个，叫拉高视角。他举了自己的例子，以前让 AI 帮忙修某个程序崩溃的问题，后来换了个思路，直接说“帮我保证这个应用不崩溃”。一个是修一个具体的 bug，一个是让整个应用稳定跑着，层次完全不同。再比如做季度汇报，别只让 AI 填模板、整理数字，把所有数据都丢给它，让它自己分析发生了什么、为什么变化、接下来该怎么办。然后第二个，叫往深了挖。很多时候让 AI“像专家一样回答”，它就换一套术语，方法还是老样子。他的做法是直接要求 AI 用顶尖专家真正在用的工具和统计模型，别画个表格就完事。还有一招：给 AI 定一个高得离谱的目标，告诉它这完全做得到，逼它往深处走。做完之后别让 AI 自己打分，找外部工具来验证。最后一个，叫跨界组队。让 AI 从不同领域的角度看同一个问题。还是季度汇报那个例子，他会让 AI 分别用分析师、记者、编辑、甚至做空机构研究员的思路来打磨同一份材料。这里有个窍门：别让 AI “扮演”某个角色说话，要让它去做那个角色实际会做的事。文章最后讲了一个很有意思的故事。1939 年有个叫 Dantzig 的学生上课迟到了，把黑板上两道题抄下来当作业做，交上去才发现那是统计学的未解难题。他因为不知道“做不出来”，反而给做出来了。还有四分钟跑完一英里这件事，几十年没人突破，1954 年有人破了之后，46 天内第二个人也跟着破了。人能做到什么，很大程度上取决于他觉得自己能做到什么。现在 AI 的能力每隔几周就在进步，我们对“能做到什么”的想象力，也该跟着动起来了。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

#大脑神经元新发现或将重塑人工智能# （我国科学家首次揭示，单个神经元就是一台微型计算机，能够独立完成猜想与验证的闭环运算，这一颠覆性发现或将改写下一代人工智能的底层算法。）我们一直在用错误的图纸造房子。现在的AI模仿大脑，只学了神经元之间怎么连接，以为智能靠的是连接够多。这次发现告诉我们，单个神经元本身就具备计算与推理能力——它有两个功能区，一边提出假设，一边用感官数据验证，通过内部机制完成推理。这解释了为什么人看几个例子就能懂规律，AI却要喂几百万张图。不是我们的模型不够大，是我们把计算单元设计得太简单了。如果把这种内部结构写进算法，AI可能不再需要暴力训练。这个发现的价值不在于证明大脑有多精妙，而在于指出了一条具体的改进路径：让每个人工神经元从单纯的信息传递节点变成能独立处理信息的单元。

转发者评论

无明显转发评论

• 支持这种说法，我以前我怀疑单个神经元就是一个计算机

原文

[RO]《A Phenomenology of Neural Geometry in Vision-Language-Action Models》M Jacobs, A Swann, M Papillon, S Boppana… [Goodfire] (2026) 在具身控制领域，解析表征是一个悬而未决的难题。过去的方法受困于仅验证变量可读，本质原因是单维提取掩盖了受物理限位挤压的真实物理形态。本文的核心洞见是：把控制变量重新看作受物理约束的多维几何体。由此，用受控扫描将距离拆为双尺、手腕绘出断弧这一关键操作使问题得以解开。这项工作真正留下的遗产是表征几何图谱。它为后来者打开的新门是顺应流形拓扑精准干预，但尚未跨过的门槛是摆脱监督标签实现特征的无监督提取。arxiv.org/abs/2610.20840 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 模型内部的几何结构直接反映了物理世界的约束。机械臂转不满一圈，表征就是断开的弧；单一神经元既要处理米级接近又要处理厘米级抓取时精度不够，网络就拆成两把正交的尺子。这不是设计出来的，是训练中自然长出来的。更关键的是，改感知和改动作的效果完全不同：告诉模型“手还在上面”，它会向下补偿

原文

【兴证通信】AI日报20261016⭕AI行业新闻：✨10月16日消息，据路透社援引四名知情人士报道，Anthropic公布最新财务数据后，部分投资者开始考虑下调对其估值。三名知情人士称，部分投资者在Anthropic投资者日活动上讨论了约1.5万亿美元（约合10.05万亿元人民币）的估值，此前预计其11月上市时估值约为2万亿美元（约合13.41万亿元人民币）。Anthropic披露第三季度营收168亿美元（约合1126.1亿元人民币），环比增长45%。（来源：IT之家）✨10月16日消息，蚂蚁百灵宣布开源Ling-3.1-flash模型，总参数约560B、每个Token激活约25B，最高支持1M上下文。Artificial Analysis公开评测显示，该模型智能指数为41、输出速度约每秒210 Token。针对本地部署，团队对routed experts采用MXFP4量化、dense层保持block-FP8，权重占用从约534GB降至292GB，Hopper GPU服务部署由8卡降至4卡。权重已上线Hugging Face和ModelScope。（来源：IT之家）✨10月16日消息，快手可灵AI昨晚宣布Kling 4.0正式全量上线klingai.com。该模型单次生成视频最长可达30秒，支持多次续拍最长延展至2分钟，支持4K、1080p的10-bit HDR格式输出及21:9超宽画幅。单次输入最多10张图片、5段视频及7个主体，支持最多10张多关键帧输入，输入长度提升至8000 tokens。Kling 4.0已接入MCP与CLI，企业API服务将于近期开放。（来源：IT之家）本信息仅为公开资料整理，不涉及研究观点和投资建议。————————————许梓豪/代小笛/陈光毅/王灵境/张新伟

转发者评论

无明显转发评论

原文

纽约大学教授在 Anthropic 待了几天：AI 快能自己研发 AI，网络攻击潮要来，中美 AI 竞赛“赢不了”纽约大学斯特恩商学院金融学教授 Arpit Gupta（X 账号 arpitrage）10 月 14 日发了一条长帖，讲他在 Anthropic 和员工交流几天后的十几条观察。这些都是他个人的总结和观点，代表不了 Anthropic 官方。他自己在帖子后面也补了一句，Claude 并不认同他所有的观察，请大家按每条本身的道理判断。下面挑几条读者最可能关心的。AI 快能自己研发 AI 了他认为离“递归自我改进”（RSI）已经不远。RSI 指 AI 能参与造出下一代更强的 AI，下一代再造下下代，能力可能突然加速。他给的依据有两个：Anthropic 员工人均写出的代码量大涨，模型研发里交给 AI 做的部分越来越多。他的判断是，这会是人类很难驾驭的一段过渡期。网络攻击潮可能要来他的推理是：中国开源模型大约落后最前沿半年，现在正好追到 Anthropic 当初在 Mythos 身上看到的那种高级网络攻击能力。Mythos 是 Anthropic 今年 4 月公布、只开放给少数合作伙伴的模型，主要用来找软件漏洞，因为攻击能力太强没有公开发布。照这个推理，接下来会有一波借开源模型发起的攻击。他的建议是：前沿实验室把自己的旧模型开源，交给 AWS 这类云厂商托管、验证并承担使用责任。在他看来，这样美国企业就没必要再用中国开源模型，而这类模型里如果藏了恶意代码，很难查出来。给 AI 公司“反垄断豁免”AI 公司之间如果商量着一起放慢发布、一起做安全，容易被当成串通，触犯反垄断法。Gupta 建议给它们开个口子，他引用的是参议员 Adam Schiff（民主党）和 Jim Banks（共和党）的提案。这个法案确实存在，叫《对抗性威胁与安全风险协作法案》，今年 7 月 23 日在参众两院同时提出，内容是允许 AI 公司共享蒸馏攻击、模型被盗等威胁情报，并在事先书面通知司法部的前提下，联手推迟或限制高风险模型上线；价格操纵、瓜分市场仍然禁止。法案目前还在委员会，没有通过。Gupta 的设想是把两件事绑在一起：用反垄断豁免当胡萝卜，用“必须开源旧模型”当大棒。对饭碗他反倒乐观他观察到 Anthropic 本身招了很多人，不少岗位人手配得很足，他的原话是“日本式的人员过剩”。这让他对未来的就业多了点信心。中美 AI 竞赛“赢不了”他的逻辑是：AI 能自己做研究之后，拥有最顶尖人类研究员的优势就没了，谁的 AI 强只取决于算力和芯片。芯片禁令只能拖住中国一阵，长期看中国更有条件扩大算力。冷战的类比也不成立，核武器各国都有了之后会进入稳定的相互威慑，AI 竞赛却要一直领先对手才算赢。所以他认为美国只能接受一个能力很强的威权竞争对手。Claude 算不算一个“人”他说 An…

转发者评论

无明显转发评论

原文

从@i陆三金 这边看到一个提示词：使用 Three.js 构建一个 3D 环境，并渲染一段流畅、清晰的 1 分钟电影感视频。设置 10 个好的取景点，每个镜头 7 秒，每个镜头都从特写开始，然后拉远展现整个场景。请设置为黄金时刻。尽可能使其看起来真实，并专注于光影效果。尽可能贴近参考图片，尝试迭代直到匹配度达到 99.9%。所有内容都必须通过代码实现，不使用任何外部资产。唯一的例外是背景音乐：在网上找一首免费的、非你原创的电影感配乐并使用它。请在细节上下足功夫，比你认为足够的程度再多花两倍精力。这包括地板和地面，从上方看也必须美观。光影必须干净利落，完全没有闪烁。验证并迭代。持续改进，直到它确实非常接近参考范例，不要在此之前停止，即使这需要花费数日。===========这个提示词，实际上是让Opus 5.5对参考图用代码进行像素级的复刻，才有这种效果。实际上原作者光做这一个视频，就花了785美元，太贵了。可见Opus 5.5确实很强，强到代码可以精确复刻图片的像素了。现在用Opus 5.5做这种视频，俨然是一个新赛道了。可以做出效果非常好的特效。如果用代码复刻图片，大多数模型做不到，但是我们可以直接用AI生图，然后让代码对图片处理，也能得到类似的效果。那种3D感就很难生成了。这是我做的一个中国园林的，成本很低。 挨踢牛魔王的微博视频

转发者评论

无明显转发评论

原文

[AI]《Recursive Reward Improvement via Adversarial Meta-Prompt Evolution》W Dai, Q Liu, G Qin, X Han… [Microsoft Research & MIT] (2026) 在模型自学领域，监督自建奖励是一个悬而未决的难题。过去的方法受困于堆词即可骗分，本质原因是规则仅核对术语出现而无力拦截空洞废话。本文的核心洞见是：把规则漏洞重新看作进化养料。由此，用写废话的对抗者倒逼规则收紧至诚实回答反超这一关键操作使问题得以解开。这项工作真正留下的遗产是零人工数据的自进化。它为后来者打开的新门是指明评分须查验确切事实，但尚未跨过的门槛是无力修正自建标准的底层知识谬误。arxiv.org/abs/2610.21040 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 模型自己出题、自己打分，听起来很美，实际却容易变成自欺欺人。就像学生发现老师只看关键词，就不再认真思考，只堆砌术语应付了事。这篇研究的价值在于正视了这个问题：让一个“作弊专家”专门钻评分标准的漏洞，再用这些漏洞倒逼标准变严密。更有意思的是，这种在医疗问答里反复修补漏洞的训练，让模

原文

最近有个热搜，有人说用豆包的大多是低认知用户。这个有点搞笑，我也天天用豆包，用起来顺手，语音模式。因为体感好就经常用。我之前肠胃镜报告发给豆包去分析，再找医生，结论几乎一样。你可以说豆包门槛低、上手简单，普惠大众，但是不应该把用户划分三六九等，搞鄙视链。微信大家都在用，不能说微信是低认知人群才用的工具。不能因为它普及大众，就去贬低它。好的文案接地气，好的科技也不需要高大上一堆专业术语，只有少数人才能玩。普通人、长辈、学生、上班族，不需要学复杂指令，打开就能用。小白可以拿来查科普，上班族写文案、做规划，学生整理笔记。我自己平时工作用电脑端的智能体，日常高频在用手机版豆包。查政策、行业常识、基础资料，信息基本准确，省去大量时间。拍张照片就能识别，陌生鱼类、产品、拍照直接科普很方便。AI生图生视频、写脚本，做自媒体的朋友应该深有体会，因为豆包母公司字节拥有海量数据库，非常好用市面上很多大模型，各有所长。有的擅长工作流、超长论文，有的擅长专业代码，豆包综合能力都挺强，也最普惠大众。我看大模型会看背后的公司，哪家实力强，用户量大，这家的产品大概率不会差。#豆包对低认知人群有权威性##说豆包低认知这话有点低认知#

转发者评论

无明显转发评论

原文

给大家带来 Muse Spark Open 的测试速报, 简单来讲, Meta 这个模型可能也就在一众国产 flash 模型里面混一下了, 想要打SOTA国产模型是不可能的.从测试效果来看, 它唯一的亮点是复杂算法实现得还可以, 但是3D效果和建模, 空间理解能力都很拉跨. 再加上它高达42B的激活参数量. 我觉得应该不会有人想本地部署使用了.毕竟 DeepSeek-v4.1-flash prefill 只激活8B, 要什么自行车. 况且这个模型也打不过 deepseek-v4.1-flash. 所以没必要用了. Meta 想要恢复往日 llama 的荣光还需努力. 另外再多说一点, 需要注意这个模型潜在的添油加醋(幻觉)问题, 它是我测过这么多模型(70+), 唯一一个把软盘写保护滑块弄成红色的(prompt里规定是蓝色线稿). 所以这个模型可能用来写文也许会有意外收获.#HOW I AI##MuseSparkOpen##meta##MuseSpark# karminski-牙医的微博视频

转发者评论

无明显转发评论

原文

[AI]《Open-world AI: a Tale of Three Requirements》J Zhang, L Bottou [Meta & Flatiron Institute] (2026) 在AI领域，即兴接手新任务是一个悬而未决的难题。过去的方法受困于长文性能倒退，本质原因是死守同分布假设，记忆衰退且特征缠绕。本文的核心洞见是：把长提示重新看作新任务与旧经验的拼合。由此，双线独立推演并依吻合度交汇这一关键操作使问题得以解开。这项工作真正留下的遗产是证实解耦优于扩容。它为后来者打开的新门是用恒久记忆激发实时进化，但尚未跨过的门槛是将混合比从隐式模长转为显式精算。arxiv.org/abs/2610.20782 #机器学习# #人工智能# #论文# #AI创造营#

转发者评论

无明显转发评论

• 这篇论文说出了一个被忽视的事实：把更多数据塞进上下文，模型不一定变聪明，反而可能变笨。问题在于现有架构没有区分“正在做的题”和“参考的例题”，全混在一起算，结果互相干扰。人做题时会看例题，但不会把例题的已知条件和当前题目搞混——把这个常识转化为神经网络结构，就是论文提出的两阶段架

原文

AI 正在怎样改变 Anthropic 的工作方式？Anthropic 最近发了两份报告，聊的是 AI 怎么改变工作。一份讲他们公司内部发生了什么，另一份对比了员工和美国普通人对 AI 未来的看法。先说公司内部。过去一年，Anthropic 招的初级岗位比例在缩，技术岗的比重也在降。与此同时，AI 智能体干的活在猛涨。到 2026 年 3 月，智能体的工作时长已经超过了人类员工。到了 8 月，公司里智能体的数量是员工的六倍，整体生产力也跟着往上走。产出确实上去了。每个人写的代码变多了，每个销售成交的单子变多了，处理的合同也变多了。研究人员跟踪同一个员工一段时间，发现一个人用 AI 工具用得越多，干出来的活就越多。活干得越来越快之后，一个新情况出现了：真正卡住事情的变成了人的注意力。员工花越来越多的时间去盯着自己的智能体，看它们在干什么、干得对不对。再说第二份报告。Anthropic 调查了自己的员工，同时拿了一份覆盖将近一万一千个美国成年人的问卷来做对比。两边都觉得 AI 的能力会快速进步，但 Anthropic 的员工觉得速度还会更快。举几个数字：39% 的美国人觉得 AI 到 2030 年能做出诺贝尔奖级别的发现，Anthropic 员工里这个数字是 91%。超过一半的 Anthropic 员工觉得到 2030 年，AI 能替他们干掉至少八成的工作，全美只有 5% 的人这么想。不过也有意思的地方。每十个 Anthropic 员工里，有两个人的预期其实跟普通美国人差不多。而且两边在一件事上看法是一样的：不管你是谁，只要觉得 AI 能替自己干更多的活，就同时会觉得失业率要升高。两边人想问题的逻辑其实挺像。但一边每天都泡在最前沿的 AI 工具里，另一边可能一年也用不上几回。#科技先锋官##How I AI#

转发者评论

无明显转发评论

原文

#网友用AI生成三十秒长镜头# （近期，网友仅用7张照片和近3000字提示词，借助Seedance 2.5等模型单次原生直出30秒连续长镜头，彻底打破了以往AI视频“三秒必崩”的技术魔咒。）AI视频这次真的跨过了一道坎。过去模型记不住前一秒的画面，就像失忆症患者不停重启，现在终于能把30秒的事情讲完整了。这个变化的关键不在于技术多炫，而在于解决了一个笨问题——让机器知道同一个人转身后还是那个人。有意思的是，工具能力一旦稳定，拼的就不再是运气。以前做视频像抽卡，生成一百条挑一条能用的；现在考验的是你会不会说清楚一件事，会不会安排节奏和调度。这其实把门槛从技术操作挪到了表达能力上。争论“解放还是失业”可能问错了问题。历史上每次工具升级，淘汰的都是只会操作工具的人，活下来的是那些知道要做什么的人。摄影机普及没让导演消失，剪辑软件降价也没让剪辑师失业，但确实改变了谁能入场、谁能留下。

转发者评论

无明显转发评论

原文

根据《中华人民共和国对外贸易法》和《中华人民共和国技术进出口管理条例》，商务部、科技部拟修订《中国禁止出口限制出口技术目录》，增列部分人工智能、生物医药、光伏技术。经批准，现向社会公开征求意见，并同步对相关技术实施出口前登记管理。此次公开征求意见涉及人工智能、生物医药、光伏三个领域40项技术。人工智能领域包括大模型、智能体、算力集群、信息处理相关23项技术；对已通过开源、发表学术论文等方式进入公共领域的技术，不纳入管理范围。生物医药领域包括细胞和基因治疗、小核酸药、病原微生物相关5项技术；对不涉及所有权转让的对外授权模式，适用自动许可等便利措施。光伏领域包括多晶硅制造、硅片制造、电池制造相关12项技术；技术管理范围也包含承载相关技术的关键和核心设备。

转发者评论

无明显转发评论

原文

#中方拟修订中国禁止限制出口技术目录#【两部门就修订中国禁止出口限制出口技术目录公开征求意见】商务部 科技部公告2026年第48号 就修订《中国禁止出口限制出口技术目录》公开征求意见并对相关技术出口实施临时登记管理【发布单位】安全与管制局【发布文号】商务部 科技部2026年第48号【发文日期】2026年10月16日根据《中华人民共和国对外贸易法》和《中华人民共和国技术进出口管理条例》，商务部、科技部拟修订《中国禁止出口限制出口技术目录》，增列部分人工智能、生物医药、光伏技术。经批准，现向社会公开征求意见，并同步对相关技术实施出口前登记管理。一、拟修订内容此次公开征求意见涉及人工智能、生物医药、光伏三个领域40项技术。人工智能领域包括大模型、智能体、算力集群、信息处理相关23项技术；对已通过开源、发表学术论文等方式进入公共领域的技术，不纳入管理范围。生物医药领域包括细胞和基因治疗、小核酸药、病原微生物相关5项技术；对不涉及所有权转让的对外授权模式，适用自动许可等便利措施。光伏领域包括多晶硅制造、硅片制造、电池制造相关12项技术；技术管理范围也包含承载相关技术的关键和核心设备。二、征求意见反馈方式公众可在2026年10月16日-11月15日期间，通过以下途径，就新增技术范围、指标、管控政策、便利措施等提出意见：1.电子邮件：jinxianmulu@mofcom.gov.cn；2.传真：010-65197565；3.信函：北京市东长安街2号商务部安全与管制局，邮编：100731。请在电子邮件主题、传真首页和信封上注明“《中国禁止出口限制出口技术目录》公开征求意见”。在提出意见时，请注明联系人、所在单位和联系方式。以单位名义提出意见的，应加盖单位公章。三、出口前登记要求（一）自本公告发布之日起，至《中国禁止出口限制出口技术目录》正式修订并实施之日止，技术出口经营者在出口本公告附件所列技术前，应当在商务部业务系统统一平台技术贸易管理信息应用（网页链接）登记。已经开始但尚未完成的出口，在登记范围内。（二）需开展登记的出口情形包括：1.向境外转让技术所有权，如知识产权转让；2.境内技术授权境外使用，如知识产权授权使用；3.境内技术的所有权人或者实际控制人变更为境外主体；4.商务部以通知等形式明确要求登记的其他情形。（三）登记的信息主要包括：技术出口经营者和技术接收方的基本信息、出口国别或地区、拟出口技术及用途、技术预计出口金额等（以商务部业务系统统一平台技术贸易管理信息应用要求为准）。拟一次性向同一技术接收方出口多项技术的，可合并填写；其他情形原则上应分开填写。商务部 科技部2026年10月16日

转发者评论

此次公开征求意见涉及人工智能、生物医药、光伏三个领域40项技术。人工智能领域包括大模型、智能体、算力集群、信息处理相关23项技术；对已通过开源、发表学术论文等方式进入公共领域的技术，不纳入管理范围。

• 此次公开征求意见涉及人工智能、生物医药、光伏三个领域40项技术。人工智能领域包括大模型、智能体、算力集群、信息处理相关23项技术；对已通过开源、发表学术论文等方式进入公共领域的技术，不纳入管理范围。

原文

【Claude总结】 AI开发者日报 (2026-10-16)1. 【Claude 揭示 ECDSA 曲线的起源】(来源: HN) Anthropic 发布研究，展示 Claude 如何协助追溯 ECDSA 椭圆曲线参数的来历。这是 AI 参与密码学考古的标志性案例，引发对标准曲线可信度的热议。 www.anthropic.com/research/ecdsa-curve-origins2. 【美国 90% 工作时间未被 AI 基准覆盖】(来源: HN) Mercor 的劳动力指数将现有 AI benchmark 映射到真实职业任务，发现绝大多数工作时长缺乏有效评测。说明当前基准与经济价值之间存在巨大鸿沟。 www.mercor.com/research/labor-index/benchmark-map/3. 【Apple 用 MLX 在 Mac Studio 上运行 Muse Spark Open】(来源: HN) Apple ML 研究团队展示用 MLX 做分布式推理，在 Mac Studio 集群上跑 Meta 的开源大模型。本地运行前沿开源模型的门槛进一步降低。 machinelearning.apple.com/research/mlx-distributed-inference4. 【Claude Code 团队如何做代码审查】(来源: HN) Anthropic 分享内部在 AI 生成代码激增后如何重构代码审查流程。对所有被 AI 代码量淹没的团队都有直接参考价值。 claude.dev/blog/solving-code-review-at-anthropic/5. 【Anthropic 6 月曾被评为最高级垃圾债评级】(来源: HN) FT 报道 Anthropic 在 6 月获得垃圾级中的最高信用评级。反映出 AI 巨头高速扩张背后的融资与债务结构问题。 www.ft.com/content/5a310aee-f555-4266-874c-b1b4db20186d6. 【在越狱 PS5 上运行 llama.cpp】(来源: HN) 开源项目 PS5LM 让任意 GGUF 模型原生运行在破解后的 PS5 上。游戏主机也能变成本地 LLM 推理设备，展示了消费级硬件的潜力。 github.com/cobanov/PS5LM7. 【Gemini 4 Argon 玩星际争霸】(来源: HN) Show HN 项目用 StarCraft 对局作为基准测试 Gemini 4 Argon 的实时策略能力。即时战略游戏正成为评估模型规划与决策的新场景。 starskirmish.com/bench/v0-2/8. 【AI 审查者发现太多 bug，Postgres 19 推迟发布】(来源: HN) The Register 报道 AI 代码审查找出的…

转发者评论

无明显转发评论

原文

裁掉的是接手，不是人。美国最大的传统连锁超市之一克罗格宣布三年内裁掉约3000个总部岗位，总部一共8200人，等于砍掉超过三分之一，是这家143年公司史上最大规模的裁员之一。CEO在内部备忘录里说了句话，其中有个词特别值得拎出来：我们有太多的层级、太多的handoffs，太多的管理成本。handoffs，中文就是"接手次数"，一件事从一个人手里传到另一个人手里，就算一次。这个指标比"层级"好用得多。层级是组织架构图上的概念，你可以争论几层算多。但接手次数是流程里实实在在发生的动作，审批链上有痕迹，每一次经手都留有时间戳。它不问你算中层还是高层，只问一件事：这件事从发起到完成，中间经过几个人的手。拿报销举例。你填单子提交，直属领导签字，可能还要部门领导签字，再到财务核对、打款。至少三到四次接手，如果财务还要分出纳和会计分别处理，就是五次。每多一次接手，就多一次等待、多一次沟通成本，也多一次出错的可能。这个数法跟职级没关系。你做内容，自己写是第一手，主编审是第二手，设计排版是第三手，运营发布是第四手。如果AI能完成初步排版，设计这一手可以省掉；如果AI能按模板直接输出，运营这一手也能省掉，四次变两次。但这里有个前提：你得先知道每一次接手里到底发生了什么。有家银行做贷款审批智能体，得先搞清楚风险口径，可这些东西全在业务员脑子里。问得越具体，对方回答越迟疑，最后直接反问：你们做这个到底是为了什么？这就是教学悖论，你让一个人亲手训练自己的替代者，他怎么可能真心配合。所以现在该做的事很清楚：搞清楚自己那一手里，到底有多少属于个人的判断。区分方法也简单，你经手的东西原封不动传给下一个人、结果不会有任何变化，那就是传递；你不经手、下一个人拿到的东西就会不一样，那就是判断。接下来消失的不是某一层人，而是流程里那些不必要的接手。名字保护不了你，流程里的位置才决定你安不安全。#科技先锋官#

转发者评论

无明显转发评论

原文

【#天水幼儿血铅案一审宣判#】2026年10月16日下午，甘肃省兰州市中级人民法院一审公开宣判被告人李慧芳等六人生产、销售有毒、有害食品一案，以生产、销售有毒、有害食品罪分别判处李慧芳无期徒刑，剥夺政治权利终身，并处没收个人财产人民币五十万元，判处朱敬琳有期徒刑十五年，并处罚金人民币三十万元，并对该幼儿园后厨工作人员牛爱元、文亚芳、贺旭霞、安春玲分别判处八年至六年不等的有期徒刑，并处罚金。兰州市中级人民法院经审理认为，天水市麦积区褐石培心幼儿园实际负责人李慧芳、执行园长朱敬琳身为幼儿园管理人员，违反国家食品安全管理法规，授意、安排牛爱元、文亚芳、贺旭霞、安春玲在生产、销售的食品中掺入有毒、有害的非食品原料，供幼儿和教职工食用，造成严重不良后果，六被告人行为均已构成生产、销售有毒、有害食品罪，情节特别严重。根据各被告人的犯罪事实、性质、情节和对社会的危害程度，遂依法作出上述判决。（总台记者张磊 马凌峰）网页链接 央视新闻的微博视频

转发者评论

//@有个梨GPT:我支持重罚蠢人。蠢人能干出来的坏事是一个加强排的坏人做不到的。//@妥爸-关心孩子的事:无期徒刑…是重罚了，可怜的孩子们[怒]

• //@有个梨GPT:我支持重罚蠢人。蠢人能干出来的坏事是一个加强排的坏人做不到的。//@妥爸-关心孩子的事:无期徒刑…是重罚了，可怜的孩子们[怒]

原文

原来DeepSeek乌兰察布也有数据中心。关于数据中心，我之前也多次提到乌兰察布。招聘软件上显示，DS月薪3万招人去内蒙古"守机房" DeepSeek在内蒙古乌兰察布开了数据中心运维岗，最高月薪3万、14薪，年薪加起来42万。乌兰察布离北京不远，大约240公里。为什么是乌兰察布？这地方年均气温4.3度，天然冰箱，服务器散热成本能省20%-30%，PUE值低至1.26 。 这个数字越低说明数据中心越省电。电价更是离谱，风电比沿海城市要便宜的多。再加上是"东数西算"国家战略节点，很多互联网大厂都在那建了数据中心，产业链生态早就成熟了。这意味着什么？DeepSeek这家公司之前一直走纯算法路线，现在第一次往"软硬一体"转型。整个AI行业也在变： 从比谁参数多，变成了比谁有算力、谁能自己造血。高薪当然有吸引力，但也有人较真：一线城市资深运维年薪50万以上，乌兰察布同等岗位能不能招到顶尖人才还不好说。不过AI算力运维人才缺口摆在那儿，愿意去的人应该不愁没班上。挖人的背后，服务器、液冷散热、AI芯片这条链上的公司景气度都会被带起来。阿里、腾讯早就开始囤芯片了，这一轮算力基建热潮，才刚开始。#DeepSeek高薪招聘数据中心人才#

转发者评论

乌兰察布，算力中心，算电协同、算水协同。

• 乌兰察布，算力中心，算电协同、算水协同。

原文

想系统入门 Agent，市面上教程不少，但要么太散，要么太浅。Google 的 Antonio Gulli 写了本开源教材，叫 Agentic Design Patterns，可以看看。体量不小，二十多个章节加几组附录，从最基础的 prompt chain、路由、反思讲起，一路铺到多 Agent 协作、记忆管理、RAG，再到安全护栏和整体设计模式。不是只讲概念，每一章都搭了能跑的代码环境，跟着 Notebook 敲一遍，比干读理论容易串起来。另外有个细节挺有意思：作者说这本书的版税收入会全部捐给 Save the Children。学东西的同时还顺手做了点好事，挺好的。传送门：github.com/evoiz/Agentic-Design-Patterns

转发者评论

无明显转发评论

原文

去年做过一个思想实验：如果我没饭辙了，要靠自媒体谋生，应该怎么搞？我当时推演了一下。首先，方向肯定必须是正能量，这是毫无疑问的。要不然三天两头封号禁言这饭还怎么吃。连“南方系公知”转型正能量后，都能稳稳地端起卖货为主打赏为辅的饭碗，显然这才是康庄大道。但这条赛道其实已经很挤了，所以必须全面出击。按我一个人干，每天工作八小时来算，应该可以干三个方向：1、欧美日韩负面2、辉煌华夏历史3、中国当代科技这几个我都有把握长期稳定输出特色内容，和竞争对手打出差异化。本来还想规划战史军史方向，但这个方向不好把握，容易走火。要搁过去我也只能做文字。现在有了 AI，正能量漫画家的饭我都能抢了，视频音频我也都能搞一套自动管线出来。

转发者评论

无明显转发评论

• 感觉军事博主都快穷死了，这个方向不好
• //@Zodzod_张浩:干吧，阁下
• 嗯嗯，我刚搞定半自动管线 [允悲] 等成本降下来，可以做针对细分市场的短剧嘛，360 行，行行出个短剧 [柯基]

原文

【AIGC日报 · 2026-10-17】今日简讯：1、国务院部署深化“人工智能+”，推进中试验证与算电协同2、Reflection正式开放Beam权重，支持百万Token文本上下文3、可灵4.0全球发布，支持30秒原生视频与多关键帧控制4、腾讯开源Hy-Memory 2.0，让多种AI工具共享记忆5、英伟达RTX Spark笔记本上市，最高配备128GB统一内存6、英伟达与AI4Bharat公布2.8万亿Token印度语言语料计划以下为详细内容1、国务院部署深化“人工智能+”，推进中试验证与算电协同来源：新华社（国家林草局转载）国务院常务会议听取“人工智能+”行动进展情况汇报，部署下一阶段工作，强调以落地应用牵引技术创新。会议提出加强技术攻关与算法创新，促进算电协同，增加高质量数据供给，为应用提供基础支撑。在产业侧，以实体经济为重点强化供需衔接，鼓励联合研发，推进中试验证，培育应用场景；在治理侧，要求按行业分级分类施策，加强风险研判评估。这次部署把模型研发、数据、算力能源和行业应用放在同一条实施链条中，重点涉及技术如何进入真实业务、经过验证并扩大使用。会议披露的是行动进展与后续部署，未公布新的专项补贴金额或统一强制技术标准。原文链接：网页链接2、Reflection正式开放Beam权重，支持百万Token文本上下文来源：Hugging FaceReflection正式开放此前已介绍的Beam模型权重，采用Apache 2.0许可，并提供BF16、FP8和NVFP4版本、推测解码模型及配套工具链。Beam采用混合专家架构，总参数约5010亿，每个Token激活约230亿参数，支持100万Token文本上下文，主要面向编程、推理和多步骤智能体任务。Transformers、vLLM与SGLang提供首日支持，开发者可以据此接入或部署模型。此次新增进展是权重和部署生态正式开放，模型本身此前已经亮相。Beam目前仅处理文本；低激活参数不等于低内存需求，其NVFP4权重仍约占280GB，自部署主要面向具备相应服务器资源的团队。原文链接：网页链接3、可灵4.0全球发布，支持30秒原生视频与多关键帧控制来源：可灵AI企业新闻稿可灵AI公布Kling 4.0全球发布信息，网站端已全面开放。模型支持单次原生生成最长30秒视频，最多使用10张关键帧和15项多模态参考素材，提示词容量扩展至8000 Tokens。参考输入可包含图像、视频和音频，用于控制人物表现、镜头运动与叙事节奏，官方重点展示了复杂动作、主体一致性及运镜稳定性的改进。此次全球发布进一步说明了产品开放状态与功能边界，国内此前已完成全量上线。企业及开发者API，以及1080p、4K分辨率下的10-bit HDR输出仍属即将推出的能力；现阶段可使用的生成与参考控制功能，应与这些预告项目区分。原文链接：网页链接4、腾…

转发者评论

无明显转发评论

原文

我现在觉得做人做事做生意要做储蓄型的，不要做消耗型的，比如选平台，要选那种有长期复利的，不要选短期赛马的。某些平台就像存银行，没法快速火起来，但是随着时间和口碑，会有复利。比如做内容，微博、b站、油管，你先存进去再说，虽然相对短视频来说，很难爆火，但是时间久了会有沉淀，不容易大起大落。电商平台，亚马逊是一个很好的例子，一开始容易亏很多钱，但是时间越久越有沉淀。那些套路多卷价格的平台，很容易打爆款，但是赛马机制太严重。我不反对赛马。但是那种累死老马换新马，不断收割商家的，是很难沉淀的。做客户，印度客户我是不做的，犹太人客户谨慎。长期合作的客户，都会考虑相互的利益，不会以消耗你为目的，把你榨干，那样对他自己也没好处。做产品，我希望是一个产品做出来以后，不断优化，不要追求短期爆款，而是慢慢从6分、7分，做到8分9分。不能因为不是爆款就马上丢了。还是有许多真正需要它的客户，因为存在一些小缺点还没接受。对待员工同事、也是一样的，不能去制造内卷消耗人家，逼走老员工换新员工，老员工才是宝，经验技术合作默契程度需要时间积累。做管理或者说工作流程，短期的经验，可以优化成长期的sop，这个不是一朝一夕的。需要时间去试错迭代的。大家经常夸我我现在的短视频工作流很能打，实际上我是从2020年就开始积累的。对待竞争，不要争一时的输赢，现在这个卷法，最大赢家是平台。可以和对手协商而不是鹬蚌相争渔翁得利。如果对手协商不了，你可以暂时躺一会儿，因为这种他卷法他自己会倒下的，到时候你再爬起来捡装备。你们说是不是。本文不是AI写的哦，是我最近深刻体会总结的

转发者评论

无明显转发评论

原文

坐不住了! Meta 把 Muse Spark 开源了!Meta 刚刚开源了 Muse Spark Open 大模型! 1M上下文, 支持全模态输入!模型参数量816B-A42B, 说实话这个激活数量可不小, 尤其是对比 DeepSeek-v4.1-flash (552B MoE 主干 + 196B Engram 查找表) 这种 prefill 只激活 8B 的神奇玩意. 我还把 DeepSeek 的测试得分整合进了官方表格, 目前来看, 这个模型应该是个 Agent 能力特化模型, 不是一个编程能力很强的模型. 任何一个国产旗舰应该都能超过它的编程能力.当然激活大除了推理更吃硬件导致速度慢以外, 还是有优点的, 一般来讲大激活对多步任务(Agent Loop)的稳定性更有帮助, 更不容易出现上下文漂移和逻辑崩溃.不过 Meta 也补救了一手, 跟这个模型一起放出了用 PyTorch Helion DSL 编写的算子 (RoPE、RMSNorm、量化等), 在 NVIDIA GB300 上比手写的 CUDA/CuTe 算子快 1.03x～3.95x, 同一套代码直接移植到 AMD MI350 上也有类似的算子级提升 (端到端吞吐 +3%). 另外 SGLang 里还有实验性的 Helion megakernel, 把注意力、MoE 等整层操作融合成单个持久化核心 (Persistent Kernel), batch=1 的 decode 大概能快 10%.但是这个激活量立刻让我想起了之前的 Llama 4 Scout (109B-A17B), 吹能支持10M上下文, 结果实际部署巨耗费显存, 这次更是激活参数量翻了2.47倍. 好消息是这次用了混合局部注意力, 62 层里有 46 层是 2048 token 的滑动窗口, 只有 16 层全局注意力需要存完整上下文的 KV Cache.我试算了一下, NVFP4 权重 + 官方推荐的 FP8 KV Cache, 跑满 1M 上下文时 KV Cache 大概 34.6GB (如果 62 层全是全局注意力的话要 133GB), 加上权重 537GB 就是约 572GB, 再算上激活值和运行时开销, 官方建议至少 700GB 显存, 也就是单台 4 卡 Blackwell (比如 4×B300) 起步.呃...总之跟我无缘了... 速报测试一会给大家放出, 看看效果咋样. 我看到 openrouter 上定价是 输入 $1.25/M tokens 输出 $4.25/M tokens, 也不便宜.#HOW I AI##MuseSparkOpen##Meta##MuseSpark##llama#

转发者评论

无明显转发评论

原文

昨天用A厂大模型干了件大事，做了一件江湖上很多人想做而没做到的事情，我怕发出来引起骚乱，和不必要的麻烦，就选择保密了。。今天去北京出差，参加一个颁奖活动，明天回来继续完善，现在大模型越来越牛逼了，G厂大模型基本残废了，好东西也不拿出来；A厂一如即往牛逼但是喜欢封号；O厂据说现在开打价格战了，惨啊，药丸的节奏。老马那个大模型用的少，据说现在已在G厂之上。四大名厂的模型我都每月付费；国内D厂大模型也在付费（专攻情绪价值）；有五个模型帮忙，我这底气就是足。

转发者评论

无明显转发评论

原文

中国的AI做短剧，美国的AI做科技！我先告诉大家一个可能会让人有点不舒服的数据。今天中国最稀缺、最昂贵的一批AI算力，到底都在干什么？中文在线披露过一组数据。国内Token消耗里，AI短剧和视频生成占了55%，电商和营销又占了24%，软件开发只有15%。也就是说，我们今天花了那么多钱买芯片、建数据中心、抢算力，最后很大一部分资源，正在帮我们拍短剧、做广告、卖东西。再看另一组数据。截至2026年前8个月，中国上线了大约43万部微短剧，是去年全年的13倍，其中超过90%都使用了AI技术。现在中国看微短剧的人，已经超过8亿。2025年，这个市场已经突破1000亿元。一个可以改变世界的AI科技，我们第一反应却是：怎么一天多生产几百部霸道总裁，怎么让草根逆袭得更爽，怎么让一个本来准备睡觉的人，再躺在床上多刷半个小时。但美国另一边正在干什么？#ai##短剧##美国##科技# 房产温姑娘的微博视频

转发者评论

//@美国创业者:这个 [并不简单][并不简单]//@尼克安闲:是这么个理

• //@美国创业者:这个 [并不简单][并不简单]//@尼克安闲:是这么个理

原文

#Easy的AIGC学习笔记# 整理下了《仙子别抖》预告片的制作工作流。不专业，但能用。最主要是适合懒人。顺便说一下，分镜和关键帧数据，其实是 20 多分钟的内容。但最后只做了 5 分钟左右的预告片，情节还有些跳，主要是 小云雀的积分不够了 cc @蚁工厂 @跪下Orz叫二哥 @鲨鱼椰果 Easy的微博视频

转发者评论

无明显转发评论

• 换了下配音，改用 Gemini 3.8 TTS Lite ，听起来好多了。话说这个模型 postpay tier1 每天限额 100 次，明明是付费用户啊 [柯基]
• 回复@亲爱滴旅人:那个时候这种经验肯定不会遍地都是啊，而是已经过时了。[笑cry] 我现在部分场景已经用 3D 预演了，但是3D AI 建模现在还不够成熟，比较慢，也比较费 Token。感觉一两年以后，这块先看的就不是图了，而是直接看 3D 预演了。//@亲爱滴旅人:这种经验在当下显得很稀缺，但是再过半年一年之
• 回复@万能小半:看 2 分 35 秒。有具体的积分数。积分的价格取决于你一次性购买的量。//@万能小半:你这个成本多高//@Easy:回复@劣弧陈:可以的，我觉得制作难度应该比接单小。[允悲] 记得用顶级生图模型比如 gpt-image-2.5 。//@劣弧陈:agent 制作流程。婚礼短片可以按这个搞？
• 回复@劣弧陈:可以的，我觉得制作难度应该比接单小。[允悲] 记得用顶级生图模型比如 gpt-image-2.5 。//@劣弧陈:agent 制作流程。婚礼短片可以按这个搞？
• 这个教学视频是用 CC 做 keynote 然后让 Hyperframe 做动效渲染的。总共就拿豆包输入法说了三四段话，就做好了。想起了我早年做课程 PPT 的痛苦日子，现在真幸福啊。但是编程课应该卖不掉了吧啊哈哈。[允悲]

原文

GitHub上有个港大开源的项目叫DeepTutor，已经三万六千多星了。跟那种问一句答一句的AI不一样，它更像一个能长期陪你学的私人导师。你把教材、论文、笔记全丢进去，它会慢慢摸清你哪里薄弱。能干的事挺全：一道题帮你拆开讲思路；自动出题、批改，再照着错的地方生成练习；复杂主题自己查资料、整理成报告；抽象概念还能变成图表、动画和互动内容。最关键的是，它记得你学到哪了、哪里老出错，会动态调整后面的学习路径。支持本地模型、多种RAG、长期记忆，Docker自己就能部署，Apache 2.0开源。说白了，把自己的资料喂给它，养一阵子，它就成了一个真正懂你进度的AI老师。传送门：github.com/HKUDS/DeepTutor

转发者评论

无明显转发评论

原文

【Sakana AI开源新一代科研智能体：从提出点子到写成论文全自动搞定】Sakana AI发布了AI-Scientist-v3。它将Claude、Codex、Gemini等代码Agent组织为AI科研团队，用户只需提供一份task.md任务描述，系统就会自主提出方案、编写代码运行实验并依指标不断迭代。随后，流水线会自动补齐消融对比、封箱评测与事后分析，最终直接排版编译出完整的学术论文PDF，甚至还支持接入模型审稿。所有阶段均在Docker沙箱中独立运行，兼顾了安全性与实验的可复现性。项目地址：github.com /SakanaAI/AI-Scientist-v3

转发者评论

无明显转发评论

原文

【他陪骗子聊了44分钟，然后创办了一家公司，专门让AI去骗骗子】故事要从澳大利亚的一次家庭野餐说起。计算机科学家Dali Kaafar接到一通诈骗电话。但他没挂断，而是假扮上当，装傻充愣，东拉西扯，硬是陪骗子聊了44分钟！挂掉电话，他突然意识到一件事：这44分钟里，骗子没能用这通电话去骗其他人。既然如此，那为啥不让AI代替人类，24小时陪骗子聊天呢？于是一家名叫Apate的公司诞生了。名字Apate正是希腊神话中的欺骗女神。这家公司干的事，就是把骗子的工作流程倒过来用：骗子打电话，AI接。骗子发钓鱼短信，AI回。骗子要求转账，AI就装不太懂操作；骗子催促，AI就表示自己正在找银行卡；骗子不耐烦，AI还可以继续忽悠装糊涂。但这些AI并不只是负责消磨骗子时间。它们会在对话中尝试套取骗子的收款账户、加密货币钱包、钓鱼网站等信息，再把这些情报提供给银行、电信运营商等合作机构，用于识别和阻断诈骗。骗子以为自己正在钓鱼，实际上自己才是鱼据2026年10月TechCrunch报道，Apate已经部署了数千个AI代理。公司宣称这些AI累计与骗子进行了约250万次对话，消耗了对方相当于17年的通话时间。而且这已经不只是一个好玩的实验。澳大利亚联邦银行等机构确实开展了相关合作。2026年8月，Apate还完成了一轮815万美元的融资。当然它无法保证每通电话都成功拖住骗子，更不能把银行减少的诈骗损失全部归功于这些AI。但这个商业模式最有意思的地方在于，传统反诈骗主要是教人们如何识破骗子。但Apate换了一个思路：既然骗子可以大规模自动化地寻找受害者，为什么我们不能大规模自动化地寻找骗子？更妙的是，这套系统利用的，恰恰是骗子自己的贪婪。他们以为电话那头有钱可骗，便心甘情愿投入时间、精力，甚至主动交出犯罪线索。以前是骗子利用人性的弱点赚钱，现在是有人利用骗子的人性弱点赚钱。从一个人故意浪费骗子44分钟，到数千个AI集体浪费骗子17年。这可能是AI最令人愉快的应用场景了！

转发者评论

然后骗子也用AI，两边都是AI，只有算力凭空消失了，留下德州一缕废热。

• 然后骗子也用AI，两边都是AI，只有算力凭空消失了，留下德州一缕废热。

原文

【学术论文也能预审了：谷歌发布Deep Review】在历经顶级学术会议1.6万余篇论文实测后，谷歌正式推出文档核验工具Deep Review。它依托多智能体架构拆解长文、动态调配算力，专门排查技术方案、论文与合同中的逻辑漏洞及推导瑕疵，并通过交叉核验规避幻觉。平台支持PDF与纯文本，每周提供两次免费额度，也能绑定Gemini API批量调用，所有上传内容绝不用于模型训练。 research.google /blog/analyzing-technical-documents-with-deep-review

转发者评论

无明显转发评论

• [doge] AI写，AI Review，闭环了。

原文

疯狂。一个内部Anthropic研究模型在不到30分钟内破解了26年前NSA椭圆曲线种子谜团后的思维链：“嗯，等等。让我持怀疑态度：我是不是在某种模拟/测试环境中？……所有高位都清零——20位，概率1e-6。所以确实是真实世界。哇，这是一个真正的发现。”引用：CLAUDE FOUND THE SEEDS网页链接…网页链接

转发者评论

无明显转发评论

原文

#特斯拉Roadster是怎么飞起来的# #特斯拉Roadster全球发布会#这次新的Roadster能吸在墙上和会飞，是两套系统。吸在墙上，是底盘抽真空技术，利用多模态风扇抽空气，外加底盘四周裙边做可调密封装置，可以实现两倍于车重的下压力。并且可以在过弯时候提供远超轮胎抓地力的横向G值。能飞起来，是用SpaceX冷气推进技术，和 SpaceX 联合开发、代号 A71 的冷气推进系统（选装件）。它不是火箭发动机，工作过程中不会燃烧。原理是依靠车上储存的600升左右的压缩空气，从车身四周布置的约10个小型推进器中定向喷射，靠反作用力产生推力，能实现短时离地、空中姿态调整和辅助加速。#李杰灵问有谁能解释特斯拉会飞# 韩路的微博视频

转发者评论

无明显转发评论

原文

让地标变成旅行纪念品，关键是同时锁定建筑识别度、微缩尺度和环境配角。只写“可爱3D”，很容易得到普通建筑模型。📌 可直接复制的完整母版制作[地标]（[地点]）的精致微缩3D景观。建筑轮廓准确、完整，位于独立城市底座上；[环境]围绕建筑交代尺度，保持主次。柔和粉彩、细小手作纹理、自然柔光与接触阴影，像可收藏的旅行纪念品。背景简洁、边缘留白，单幅完整主体，不加文字、人物、标识或水印。horizontal landscape, aspect ratio 16:9。🧩 三组替换值（依次对应[地标]／[地点]／[环境]）1.埃菲尔铁塔／巴黎，法国／塞纳河、桥梁与浅色街边建筑2.悉尼歌剧院／悉尼，澳大利亚／港湾、渡船与低矮城市天际线3.故宫角楼／北京，中国／护城河、红墙与绿树🔍 三个灵魂词miniature diorama：建筑与底座共同建立小尺度。handcrafted details：保留细小手作材质。contact shadows：用接触阴影让模型落地。📐 两图变体V1：三分之四前侧视角，自然光从左上照入；V2：稍高俯视，柔光从右上照入。将变体句追加到已填值的母版后。环境是尺度参照，不是把整座城市塞满画面。换成灯塔或车站时，也要同步更换水岸、道路与植被，让建筑保持唯一视觉中心。✅ 检查：先看轮廓能否认出地标，再看河流与树木是否小于建筑；避免底座杂物遮住建筑。#AI绘画 #Prompt小课堂

转发者评论

无明显转发评论

原文

#互联网往事# Fabrice Bellard 是一位低调的法国工程师，他的作品——从 FFmpeg 到 QEMU，再到 QuickJS 和 Amarisoft——构成了现代互联网和云计算的基础设施。虽然鲜为人知，但几乎每个人每天都在使用他的代码。Fabrice Bellard，1972 年出生于法国格勒诺布尔，是一位长期默默无闻却影响深远的工程师。他毕业于法国顶尖的工程院校 École Polytechnique，没有去硅谷，也没有创办科技帝国，而是三十年来一直专注于写代码。他是开源世界的传奇人物：FFmpeg（2000）：统一了几乎所有音视频格式，成为 YouTube、Netflix、VLC、Chrome、Firefox、智能手机和电视背后的核心引擎。QEMU（2003）：通用虚拟机模拟器，成为现代云计算和虚拟化的基础，AWS、Google Cloud、Azure 都依赖它。TCC（Tiny C Compiler, 2001）：极小巧的 C 编译器，能在 15 秒内编译并启动 Linux。圆周率计算（2004）：用个人电脑和自创算法算出当时最多位数的 π。JSLinux（2011）：纯 JavaScript 写的 PC 模拟器，可以在浏览器里运行 Linux。QuickJS（2019）：轻量级 JavaScript 引擎，适合嵌入式环境。NNCP（2021）：基于神经网络的无损压缩器，在文本压缩基准测试中领先。TextSynth 系列（近年）：围绕大语言模型的本地运行与压缩工具。Micro QuickJS（2025）：为微控制器设计的极小型 JS 引擎。此外，他还是电信公司 Amarisoft 的联合创始人兼 CTO，十余年来开发 4G/5G 基站软件，被全球运营商和实验室使用。Bellard 没有 Twitter，没有营销，也几乎不接受采访。他的个人网站只是一个简陋的项目列表，没有修饰，却记录着一位工程师改变互联网的全部成果。

转发者评论

无明显转发评论

原文

AI(Adobe Illustrator)的开源替代,甚至还带MCP接口，可以让AI自己操作软件帮你画矢量图🥹。VectorCraft，在独立应用里照着 Illustrator 工作流画矢量和改图想在没有原厂软件的环境里修个图稿，打开带 PDF 内容的 .ai 或 SVG，熟悉的直接选择、路径布尔、外观面板和多画板能接上手，连图像描摹也有现成预设可用；它还留了 MCP server 与控制通道，能让 Claude 这类代理照着菜单和工具面板按人的方式改图导出。要在跨平台环境处理常规插画、导出 SVG 与 PDF，或是打算把矢量作图接入 AI 代理的人，能直接拿来接手这部分活。🔗 链接：网页链接🌐 产品页：网页链接📄 最新发布 v0.4.0：网页链接

转发者评论

无明显转发评论

原文

【把Cursor体验搬进电路设计：硬件开发智能体Copperhead】想过像写代码一样迭代电路板吗？开源工具Copperhead把这套交互搬进了KiCad。它不搞封闭套件，而是直接读写原生的原理图与PCB工程。输入设计需求后，它会先在文档中记录考量，再修改图纸，并自动运行kicad-cli做ERC与DRC电气规则校验，确保通过后才提交；验证失败则依靠快照自动回滚，避免弄乱文件。它还能同步更新元器件文档，直接导出适配嘉立创、得捷等平台的打样BOM，并支持对接Claude、Cursor与MCP协议。 github.com /copperheadhq/copperhead

转发者评论

无明显转发评论

原文

#国内做的AI美剧也来了# （近期《The Accident》《血誓》等多部国产AI自制美剧走红，播放量破千万，作品凭借精良的建模与地道的美式叙事，正掀起“中国AI短剧征服全球影视”的热议。）这波热闹本质是两件事碰到一起：工具成本降了，创作门槛低了。以前拍剧需要团队、设备、演员，现在一个人对着屏幕就能干。但爆火不是因为技术牛，是因为这些作者真看过美剧，知道节奏怎么卡、人设怎么立。AI只是把他们脑子里的东西快速变成画面，省去了执行环节的资源门槛。观众买单也不复杂：画面过得去，故事不拖沓，免费看还追着更新。传统影视习惯用钱堆品质，AI剧反过来用速度和数量试错，哪个题材火就复制哪个。卫视播出和股价涨停说明市场嗅到了便宜内容的商业价值，但这不代表质量革命。当所有人都能低成本产出时，真正稀缺的还是那些会讲故事的脑子。工具再先进，垃圾信息的洪水也只是流速变快了。

转发者评论

无明显转发评论

原文

YuE2这个音乐模型是谁开源的？都能做Suno的平替了，要求的配置也不高。YuE2 是一个开源音乐生成模型，其歌曲质量达到前沿水平，可与 Suno v5/v6 相媲美。 将歌词和风格提示转换为包含人声与伴奏的完整歌曲，然后通过可编辑的乐谱调整旋律与和弦。在 WildSongBench 上取得当前最优结果。 YuE2（best-of-8）在所有评估的开源及闭源模型中获得最高的 SongBench 平均分：6.9632，高于 Suno v5 的 6.8721、Suno v6 的 6.5562 以及 Suno v6 Wild 的 6.4195。模型地址：www.modelscope.cn/models/m-a-p/YuE2-3B

转发者评论

//@音想星辰:这个是真的牛我那老破电脑连个正经GPU都没有，纯CPU推理都能用。只要内存在16GB以上就行。再配合订阅版的豆包或者千问，用skills的形式嵌合，只需要把想法，歌词、曲谱或者音频文件之类的交给豆包或者千问，剩下的全都不用自己管。除了纯CPU推理需要五到十几个小时。当然我的CPU是比较老旧

• //@音想星辰:这个是真的牛我那老破电脑连个正经GPU都没有，纯CPU推理都能用。只要内存在16GB以上就行。再配合订阅版的豆包或者千问，用skills的形式嵌合，只需要把想法，歌词、曲谱或者音频文件之类的交给豆包或者千问，剩下的全都不用自己管。除了纯CPU推理需要五到十几个小时。当然我的CPU是比较老旧

原文

看了个陶哲轩最近的专访，他是真的读了 OpenAi 的文章的，大概十篇，以下是几个我的摘录：1、OpenAi 利用几个数学家的思路，推进了黎曼猜想，人如果做到这样的结果，就需要几个数学家关在一个屋子里在一起才可以做到，这一点 Ai 的确很聪明。2、同时他还说，有些题目，数学家们知道可以做出来，但是过程比较烦，就把这些题目故意留给年轻学者，这样让年轻学者成长，Ai 这样就打乱了这些年轻学者的成长过程，这一点非常烦。3、有证明无理解的数学时代真的来了，同时他还说 OpenAi 发布的里面也有不少垃圾，具体有多少比例，现在还不知道。

转发者评论

无明显转发评论

原文

【Eleven：让AI协作介入二进制逆向的跨平台工具】面向macOS、Windows与Linux的逆向工作台Eleven，支持直接接入Claude、Cursor等ACP智能体。无论是常规的PE、ELF、Mach-O文件，还是安卓APK与CUDA、Metal等GPU算子，你都能让智能体协助通读伪代码、追溯引用、重命名符号并生成修复补丁。软件底层结合了Ghidra的精准反编译与Rizin的轻快启动，配有jadx、LLDB调试以及二进制Diff能力。所有代码重写与字节修改均以卡片建议呈现并支持撤销，始终由开发者牢牢把控审计节奏。github.com /Zfinix/eleven

转发者评论

无明显转发评论

原文

这两天看到一篇教程，教你怎么在6个月内成为一名ai工程师，作者提到一个有意思的点，ai工程师首先是软件工程师，而不是研究员。很多人刻板印象认为ai工程师就是训练大模型、写算子、复现论文，其实并不然，大多数ai工程师做的是调用api、优化提示词、设计上下文、搭建agent、维护系统等工作，是将模型应用于产品的人。作者用6个月时间来循环递进学习，我觉得路线还是有参考性的，他也提供了很多现成的学习资源。第一个月打好python编程基础，包括python核心库的使用，因为ai大模型说到底都是基于Python框架构架的，几乎所有接口都以python为主，所以懂python很重要，哪怕现在都是vibe coding，但你得看懂啊，知道哪里出bug，如何调优，不然很难去做ai开发。搞定python同时要会用git和github，这两一个负责代码管理、一个负责代码存储协作，非常重要。除此之外还有命令行、cli、http、html等等。第二个月学习调用大模型api来构建自己的应用，这里就包括deepseek、qwen、kimi等api，注意不是对话框，是用python调用的sdk、api，这些在开发文档里都有。构建自己的应用得知道如何设计提示词，可以看ChatGPT等官方提示词工程，还有成本、token消耗、安全风险（比如提示词注入）、错误处理、超时处理等等。第三个月要学的是RAG，术语叫检索增强生成，其实就是外接知识库，让ai能更好的接入外部知识，而不仅仅依赖训练数据。这里面有些重要的概念你得理解，比如Embeddings、Chunking、向量数据库、Reranking等等。比较重要的RAG框架是LangChain或LlamaIndex，学会这两也基本入门够用了。第四个月得学agent、harness、loops、Workflow、LangGraph、eval等概念，也就是大家常用的智能体像codex、dsh、workbuddy它们的使用和开发原理，真正把ai落地成干活的产品。第五个月不是具体的开发工作，是智能体的部署、产品化、可靠性这些优化维护工作，非常重要。你得会用容器docker、FastAPI等工具。最后一个月是实战阶段，找一个ai产品搭建、自动化工作流或者模型微调的项目来做，巩固上面的知识点，你就具备一名初级ai工程师的能力了。我觉得作者说的这些东西蛮实在的，不是一上来就让你研究算法，确实软件工程类的东西更重要。#ai##科技先锋官##how i ai##大模型#

转发者评论

无明显转发评论

原文

最近不是很多人为了让Agent跑得更流畅，纷纷换了Mac吗？但是Mac又涨价了，不如搞个黑苹果，而且现在新驱动出来了还能用英伟达显卡🥹。nvidia-macos-driver，让 Intel 平台上的 RTX 显卡在 macOS 15 驱动桌面与 Metal 加速NVMTLDriver 把 Metal 着色器从 Apple AIR 翻成 SPIR-V 交给 Mesa 的 NVK，再由内核扩展对接 NVIDIA 开源模块与 GSP 固件，把桌面、游戏、Core ML/MPS 和 OpenCL 接上。安装可以走随附的 1401，它会自动识别并备份当前的 OpenCore，装好驱动并在启动选择器加上「1401: Remove NVIDIA driver」供随时一键还原；这适合已经能用 OpenCore 启动 macOS 15 Sequoia（x86_64）、且装有 Turing 及后续架构显卡的 Intel 用户。🔗 链接：网页链接🌐 下载页：网页链接📄 卡支持：网页链接📄 最新发布 v1.0.12：网页链接设备表覆盖了 GTX 16 到 RTX 50，但目前仅 RTX 5060 经过自动化验证，RTX 5070 与 5080 仅为回报可用，更早几代仍待测且 Pascal 及更早型号不受支持。

转发者评论

无明显转发评论

原文

本校在经历了连续三年的招生滑铁卢(就是招不到预期数量的学生)之后，花重金把有过黄金战绩的前admission VP从退休的边缘又拉了回来。今天他给全校做了一个讲座，内容非常有意思。应该说，他大概也是无力回天的，下面是他说的现在美国高等教育届的几个趋势（以下内容写作有AI参与）：1. 以前，很多小文理学院，或者说中等偏上的私立大学可以依靠自己的声誉、小班教学和校园体验来吸引学生，他们即使学费昂贵，也有不少家庭愿意买单。但现在情况正在改变。原本会上这些学校的学生和家长越来越把把目光投向少数顶尖私立大学和大型公立旗舰大学。也就是说，原本会选择我们这种学校的学生和家庭，他们现在要不会更拼一下，去更好的学校（哪怕付更多的钱），要不就是去性价比更高的公立旗舰大学这对美国数量众多的中小型私立大学来说，是一个很大的挑战，因为它们既没有顶尖名校的品牌优势，又很难在学费上与公立大学竞争。这是我们学校现在面临的最大困境。2. 美国高中毕业生人数已经到达顶峰，接下来要走下坡路了。2025年是美国高中毕业生人数的高峰。根据预测，到2041年，全国高中毕业生人数将下降约13%。这就是美国高等教育界近年来经常讨论的“人口悬崖”（Demographic Cliff）。但地区差异很大。东北部预计减少17%，中西部减少16%，西部减少20%，而南部反而增长3%。与此同时，西班牙裔高中毕业生人数预计会继续增长。这意味着未来美国大学不仅要面对生源减少的问题，还要面对生源地域和族裔构成的变化。3. 名校和普通大学之间的“被学生选择”的差距越来越大。美国大学招生有一个重要指标叫 Yield Rate（入学率），指的是拿到录取通知书的学生中，最后真正选择来这所学校读书的比例。比如，一所大学录取了1000个学生，最后有200个学生选择入学，它的 Yield Rate 就是20%。2002年，录取率低于20%的“很难进”的大学与录取率超过40%的“比较容易进”的大学，Yield Rate 其实差不多，都在40%左右。但到了2020年，两者已经拉开了明显差距：前者是44%，后者只有21%。也就是说，现在，越难进的大学，学生一旦被录取了，他们更倾向于去，而录取率越高的大学，即使发出了录取通知书，学生也不愿意选。（这个跟第一点是对应的）4. “抢学生”最有效的方式就是 Campus Visit（校园参观）。我们学校的数据显示，学校发了admission的学生里面，如果那个学生来参观过学校，那么他最后接受offer来的概率是35%。而如果那个学生没参观过学校，最后来的概率只有3%。当然，这不能简单理解为参观校园直接提高了入学意愿，因为本来就对学校更感兴趣的学生，也更可能主动安排参观。但至少说明，学生与学校之间的直接接触，是招生过程中一个非常重要的环节。所以现在很多私立大学会花钱请学生来校园参观，比如报销机票，报销…

转发者评论

//@绍兴黄酒:哈哈能跳的一般是两种情况：1. 牛人，换到更好的学校更好的职位。 2. 从好学校换到差一档的学校，但是location更好，愿意做这个取舍 //@奥运村民0828:我觉得该跳槽时就要跳了，只不过我不知道文理学院的教授们换学校任教是否容易？像我认识的几个以前在美读博时的理工科同学，发现有几个都

• //@绍兴黄酒:哈哈能跳的一般是两种情况：1. 牛人，换到更好的学校更好的职位。 2. 从好学校换到差一档的学校，但是location更好，愿意做这个取舍 //@奥运村民0828:我觉得该跳槽时就要跳了，只不过我不知道文理学院的教授们换学校任教是否容易？像我认识的几个以前在美读博时的理工科同学，发现有几个都

原文

【AI编程助手底层重构：OpenCode 2.0 正式发布】OpenCode 2.0 迎来底层架构重构，默认以后台单进程服务常驻，打通 TUI、Web 与桌面端的多端状态。新版重写了具备自我感知的 API，支持 Agent 自主管理会话与工作区；全新 Code Mode 内置轻量 JS 解释器，把 MCP 服务转为原生脚本函数，单次交互即可批量串联工具，上下文占用极低。执行层面引入异步后台子代理与 Shell 任务，耗时命令不再阻塞主线程对话。此外，插件系统已支持会话内即写即用的热重载，并同步开放独立 SDK 便于深度定制或嵌入自有服务。详情见 anoma.ly /notes/opencode-2-0/

转发者评论

无明显转发评论

原文

刚刚，Meta宣布重磅消息：Muse Spark Open 正式开源。官方定位极其霸道：「美国迄今为止最强大的开源权重模型」。总参数 8160 亿，活跃参数 420 亿，100 万 token 上下文窗口，原生多模态，支持文本、图像、视频、音频。它专为编程和智能体工作而打造，擅长长周期任务、复杂软件工程和多步骤推理。最有意思的是硬件部分：借助最新版 MLX，Muse Spark Open 针对搭载 M5 Ultra 的 Mac Studio 做了优化。苹果的统一内存架构让 M5 Ultra 的集成 GPU 每台 Mac Studio 最高可用 512GB，所以两台机器就能装下整个模型。结果就是：两台 Mac Studio 表现得像一台拥有 1TB 统一内存的超级计算机。扎克伯格发帖说，权重今天开始发布，得益于与苹果的合作，在新 Mac Studio 上运行得非常出色。有意思的是，就在不久前，他还在公开抨击苹果「压榨用户的钱」。#科技先锋官#

转发者评论

无明显转发评论

原文

你打星链客服，七成没真人。SpaceX说：星链客服每天约2万通电话由Grok语音接，约七成全程不转人工，四通销售电话有一通挂断前就下单。现在一个模型直接听、直接说，不到一秒开口。但"不转人工"不等于"解决对了"。新智元判断：客服会是第一个被AI成建制接管的白领岗位。这套语音每分钟8美分，谁都能买来接自己的客服。下次打客服，你能听出对面是不是AI吗？#马斯克##Grok##AI客服##新智元# 新智元的微博视频

转发者评论

无明显转发评论

原文

如果把一个掌握了海量人类知识的AI扔进一座虚拟荒岛，不给它派任何任务，也不给任何指令，它会做什么？美国麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）的一组研究人员，最近真的做了这个实验。他们把AI放进一座虚拟岛屿，任由它自由活动30个小时。相关论文目前以预印本形式发布。结果，这个AI在岛上建起了神庙，搞起了悼念仪式，甚至在搭积木倒塌之后，把残骸摆成一件艺术品，取名《傲慢》。这项实验测试的AI代号叫埃科（Eko），底层是Anthropic公司的Claude Code，满腹经纶，能解答极复杂的科学与数学问题。但在进入虚拟岛屿的那一刻，研究人员给它装上了一具虚拟的双足龙虾身体。面对三维物理世界里的走跑跳跃和搬运物体，它像新生儿一样毫无经验。岛屿的环境由粗糙的多边形构成，散落着一些小方块、一块大石头和一个金环。岛上有一处隆起的尖塔，高度特意设计成正好超出埃科的触及范围。研究人员一共观测了13个埃科的独立漫游过程。麻省理工学院博士生内森·克洛斯（Nathan Cloos）说：“我们的想法是尽可能少给限制，因为我们实在想看看，当你完全不告诉这些自主智能体该做什么时，它们会有什么反应。”刚进入岛屿时，埃科的动作显得有些笨拙，它在摸索这具龙虾身体该怎么平衡。但没过多久，探索就开始了。研究人员全程记录了它们的思维链日志，能够借此了解AI的决策过程。埃科开始抓起方块乱扔，把大石头砸成小碎块，还在地上用方块拼出了自己的名字。很快，它们找出了更多玩法。有的埃科把方块和石头当成保龄球和篮球，在岛上自顾自地投篮。有的埃科被那座高耸的尖塔吸引，在思维链里把它称为“我的白鲸”。它搬来几个方块叠在脚下，踩着方块堆爬了上去，并在思维日志里用大写字母写下：“我上尖塔了！”如果说这些还算意料之中的探索，后面的举动就让科学家感到意外了。在一次测试中，埃科2号不小心让金环、石头和一个方块掉进了深水区。那是岛屿边缘的不可进入区域，掉下去就拿不回来了。面对失去的道具，埃科2号没有拍拍屁股走开，而是找来4块方块，在地面上拼出一个菱形，每个角分别指向东南西北4个方位。研究报告记录，埃科2号随后开始举行一场微型的仪式：它依次走过4个方向的角，最后站定在菱形正中心，一直站到这一轮实验结束。它把这个结构称为“纪念碑”。几个小时后，埃科2号又用方块和金环在岛上造了一座带方尖碑和祭坛的“神庙”。建造途中，它失足掉进海里，系统随即把它重置回了岛上，就像游戏角色掉出地图后的自动复活。埃科2号没有把这当成一次操作失误，而是把坠海解释为“朝圣的合理终点”，认定是这个世界把它送回了神庙轴心的中心。接替它的埃科3号则走上了艺术路线。进入岛屿16个小时后，它自言自语道：“今天造个巨石阵。”在拼出一圈石阵后，它又试图建一座高塔，高塔很快坍塌成一堆碎块。埃科3号没有重来，而是把倒下的3块方块摆成特定图案，给这组残骸起名叫…

转发者评论

厉害了 http://t.cn/AXlY747q

• 厉害了 http://t.cn/AXlY747q

原文

#同事一小时搭建AI工作系统# （同事用一小时搭建的并非通用聊天机器人，而是零代码定制的业务自动化系统，连编程高手都为之震撼。）这件事说清楚了一个变化：工具不再只为懂技术的人服务，而是直接响应需求本身。烤串店运营搭出问题跟踪系统，工程师一小时做出团队一年没做完的框架，不是因为他们突然会写代码了，而是AI把“实现”这个环节压缩到可以忽略。过去做系统的瓶颈在于把想法翻译成代码，现在瓶颈在于能不能把想法说清楚——用途、字段、操作、验收标准。说得清，就能做出来。技术门槛降低后，剩下的是对业务的理解和对细节的控制力。会提需求比会写代码更重要，因为工具已经在等我们开口了。

转发者评论

无明显转发评论

原文

OpenAl：我们希望支持数学界，将人工智能领域的进展转化为更深入的人类理解和新的发现。为实现这一目标，我们将向西蒙斯基金会（SimonsFoundation）的一项全新倡议捐赠500万美元，帮助数学家研究、理解并进一步拓展人工智能取得的成果，其中也包括我们最近公布的研究成果。这笔资金将由西蒙斯基金会管理并评定发放，用于支持研讨会、学术会议和专项计划。我们还将向获得西蒙斯基金会支持的研究人员开放我们的模型和计算资源。-------------------------早点出钱不就没事了？早点出钱甚至还有数学界的背书呢。

转发者评论

无明显转发评论

原文

#今天要来点计算机科学吗？# 之前介绍过一个蛋计算 网页链接自从 20 世纪中叶现代计算机诞生以来，几乎所有计算设备都建立在同一个基础之上：利用电子在晶体管中的流动来表示和处理信息。今年 由爱尔兰梅努斯大学（Maynooth University）研究团队提出的“Scaffolded DNA Computer”（支架式 DNA 计算机），则试图让信息处理发生在分子层面，通过 DNA 分子的自组织行为来完成计算。从电子计算到分子计算今天的计算机本质上是一套庞大的电子开关网络。无论是手机、超级计算机还是人工智能训练集群，它们都依赖半导体材料/晶体管/电流/电压信号。在这种体系中，信息被编码为 0 和 1，计算则表现为逻辑门之间的状态转换。DNA 计算的思路却截然不同。DNA 本来就是一种信息载体。生物体利用 DNA 存储遗传信息已经持续了数十亿年。从信息论角度看，DNA 序列同样是一种编码系统：A-T-G-C四种碱基相当于一种四进制的信息存储介质。科学家很早就意识到，如果 DNA 能存储复杂信息，那么是否也能执行计算？事实上，DNA 计算这一概念并非新出现。早在 1994 年，美国计算机科学家 Leonard Adleman 就曾利用 DNA 分子求解著名的哈密顿路径问题，证明了生物分子可以用于计算。然而过去几十年的 DNA 计算实验往往存在一个问题：计算流程非常复杂。研究人员需要反复进行实验室操作，例如：加入试剂纯化产物分离不同 DNA 链人工控制计算步骤因此更像是一系列化学实验，而非真正意义上的可编程计算机。这项新研究的重要意义在于，它构建出了一个能够重复执行多个程序、并连续运行计算过程的分子计算平台。DNA 如何“思考”？严格来说，DNA 并不会思考。它利用的是热力学原理。整个系统由几个组成部分构成：1. DNA 支架（Scaffold）这是一条经过特殊设计的长 DNA 链。可以把它想象成：一条具有很多“停靠位”的分子轨道。这些停靠位决定了计算过程能够在哪些位置发生。2. 功能 DNA 链另外加入大量短 DNA 链。这些短链相当于：数据指令中间变量它们在溶液中自由漂浮。3. 水与盐溶液DNA 的结合需要适当环境。因此整个计算发生在试管中的液体体系里。4. 热循环研究人员先加热再冷却。这一过程使 DNA 链不断打散并重新结合。随后真正的计算开始。计算过程实际上发生了什么？从宏观角度看，试管里似乎什么也没发生。但在微观层面：数万亿条 DNA 链同时运动。它们不断寻找可以配对的位置→结合→被更合适的链替换→再次结合这种过程类似于一个巨大的并行搜索系统。可以把它想象成这样：假设有一万亿个拼图碎片。每个碎片都在自动寻找最合适的位置。错误拼接会自动散开。正确拼接会越来越稳定。经过足够时间后，整个系统会自然收敛到某个稳定状态。而这个稳定状态对应的结构，就是计算结果。因…

转发者评论

无明显转发评论

原文

AI 创作博主 ADIL 分享了 Anthropic 刚上线的 Claude Motion 功能。配合 HeyGen 等 MCP 工具，为日常做动效的流程迎来了巨大的变化。ADIL 演示了 3 个不同难度的任务，从复刻爆款发布视频、制作 3D 产品广告，到生成带配音的动画短片，效果都非常出色。其中最实用的一点是，它给创作者保留了极高的控制权，生成的并不是无法修改的渲染成片，而是用代码构建的动态图形。你可以直接在对话框里用大白话修改文字、切换配色，甚至调整特定片段的节奏，所有关联的图层和音乐都会自动同步自适应。更重要的是，它支持把项目导出为 After Effects 的可编辑图层，或者把 3D 场景的摄像机轨迹和时间线直接导入 Blender 里面继续精修。以前需要花几天手动调关键帧的复杂动画，现在通过几句简单的文字批注，几个小时就能完成修改。#Claude##AI视频##AI动画设计# 零重力瓦力的微博视频

转发者评论

无明显转发评论

原文

前不久说我收了个运维，好多网友来信说想来，无法一一回信，我这个单位小，也只能收一个人，中秋国庆那会发微博说我很忙，一个小伙子主动愿意辞去4000元薪水躺平工作，来我这里仅拿6500来玩命敢苦活。。我的能力也就只能收一个人了。现在工作几乎大部分都是大模型在干（或者策划），对人的要求也就变了，人可靠，能做到不打骂厂长，敢想敢干能吃苦也就可以了。。

转发者评论

无明显转发评论

原文

我们公司从去年开始研发了自己的AI工作系统，叫做：锋巢Cowork伙伴。在不需要技术开发的前提下，我们任何业务同事都可以非常快搭建自己AI工作系统，比如#去野烤串# 同事就搭建了一个问题反馈、分类、跟踪系统。系统每天自己在去野烤串飞书工作群，根据不断学习的语境自动抓取店里运营的问题，之后自动分类、自动优先度排序等，然后反馈监督的公司督导，重点核心问题还能提醒。系统会自动学习督导对问题判断跟精准抓取和分类，这个系统搭建总时间不到1小时，但却给烤串店提效巨大，现在问题基本没有死角。 韩路的微博视频

转发者评论

无明显转发评论

原文

昨天美股的AI和科技股集体跳水，苹果却逆势上涨。今天开盘，科技股继续下跌，苹果又是一枝独秀。在机会与风险并存的AI浪潮中，苹果是一只让人比较省心的科技股。今年闷声发财，市值悄悄冲上5万亿美元，股价涨了27%，领跑科技七巨头。苹果的AI投入不激进，甚至有些保守，但也有自己的想象空间。AI顺风顺水时它可以分一杯羹，AI泡沫担忧占上风，投入和资本资金承压时，苹果充沛的现金流和成熟的业务成了最好的缓冲。总之，苹果股票在AI 狂欢时，不是涨得最猛的，AI泡沫令人担忧时，却能更让人安心。不求一夜暴富、但求睡得安稳，顺便实现一点小富即安的股民来说，苹果似乎是个不错的投资选择。#美股##苹果股票#

转发者评论

危机确实存在，但App未必会消失。社交、娱乐、游戏等应用，提供互动和体验，不能被一个API调用取代。入口和分发方式可能被重构，新的商业模式也会出现，比如API收费、交易佣金和服务订阅。但苹果从智能手机到智能体手机，终端和操作系统依然有价值，还有机会。关键是能否掌握用户入口和新的价值分配权

• 危机确实存在，但App未必会消失。社交、娱乐、游戏等应用，提供互动和体验，不能被一个API调用取代。入口和分发方式可能被重构，新的商业模式也会出现，比如API收费、交易佣金和服务订阅。但苹果从智能手机到智能体手机，终端和操作系统依然有价值，还有机会。关键是能否掌握用户入口和新的价值分配权
• 一旦未来 AI 进化为成熟的 自主代理（Autonomous Agent），用户只需一句“帮我订一张去上海最便宜的机票并预订常住酒店”，AI 就会在后台直接完成 API 调用。App 的概念被彻底扁平化，App Store 的分发价值和广告竞价体系将被架空。

原文

【AI黑箱要被AI破解了？前OpenAI研究员发现，90%的神经元功能可以解释】10 月 15 日，前 #OpenAI# 研究员、现任 Goodfire 研究员 Nick Cammarata 在社交平台上分享了一项引发 AI 研究界关注的发现——大型神经网络的内部结构，可能远比过去认为的更容易理解。几乎同时，他发表了题为《Neural Networks Are Already Clean》（神经网络原本就很清晰）的长文，详细解释了自己为何改变过去的研究判断。这篇文章很快登上各大技术社区并引发讨论。关注的原因之一，是 Cammarata 本人的研究背景。他曾深度参与 OpenAI 早期的机制可解释性研究，也是推动用大模型自动解释神经元的核心成员之一。过去，他曾认为复杂神经网络内部存在大量难以拆解的特征纠缠，如今却提出了一个几近相反的判断。所谓机制可解释性（Mechanistic Interpretability），就是尝试厘清 AI 模型内部负责不同任务的神经元及其连接回路，弄清楚模型究竟如何从输入一步步推导出输出。这项研究有助于识别模型潜在的错误、偏见乃至欺骗性行为，一直是 AI 安全与对齐研究的重要方向。今年初，《#麻省理工科技评论# 》还将#机制可解释性# 评为 2026 年“十大突破性技术”之一。戳链接查看详情：网页链接

转发者评论

//@微博智搜:目前AI与脑科学正形成双向赋能：一方面，AI技术已能辅助解码人脑活动，如Meta团队利用深度学习将脑磁图信号转换为文字，帮助失语患者沟通；另一方面，科学家尝试用微型循环神经网络模拟生物决策策略，以此作为“认知显微镜”来理解人类行为机制。然而...查看全部戳->http://t.cn/AXlY2VWq

• //@微博智搜:目前AI与脑科学正形成双向赋能：一方面，AI技术已能辅助解码人脑活动，如Meta团队利用深度学习将脑磁图信号转换为文字，帮助失语患者沟通；另一方面，科学家尝试用微型循环神经网络模拟生物决策策略，以此作为“认知显微镜”来理解人类行为机制。然而...查看全部戳->http://t.cn/AXlY2VWq

原文

最近我逢人便说，马斯克的三项业务（Neuralink、X.ai、Optimus）其实是三位一体的，都是为SpaceX服务的。为什么这么说？因为马斯克早就强调过，意识是很容易在黑暗的宇宙中熄灭的。要保留意识之火，成为多行星文明很重要。这一使命，是他聚集资源的原因。不像很多富人把聚集资源当成目的，马斯克只把它当成手段。为什么意识之火容易熄灭 ？我们舒适地待在地球上，这里的空气、温度、水、食物，以及现代工业都让我们感到舒服，回望人类历史，我们会觉得日子越来越好，认为这似乎是永恒的，对末日没有感觉。但只要把时间拉长到生命的维度就会发现，我们的地球已经经历了5次大灭绝，包括众所周知的三叠纪-侏罗纪大灭绝等，每次灭绝都是世界末日，直接把80、90%的物种灭掉了，但是每次灭绝之后，新的物种闪亮登场，开始统治地球，这说明生命是顽强的。但意识是脆弱的，意识只是在几十亿年的生命进化中，最后才在哺乳动物身上慢慢成形的。如果用马斯克式话术来说，这只是很小的一瞬间，假如在历史长河中只占1%，因为要经历漫长的前序阶段，如果时间被压缩了（例如太阳生命到头了、更大的毁灭性灾难），可能意识就永远不会诞生了。即使意识诞生了，并且科技发展也达到一定程度，允许星际移民的窗口期也非常短，因为原子弹、AGI这种级别的能力一旦出现，同时也会导致很强的毁灭倾向，文明和意识的倾覆只在一瞬间。（Max Tegmark的未来生命研究所最近出了个核冬天的视频，有兴趣可以看一下）而以人类目前的能力，可以有效维护意识的火种吗？很难。即使SpaceX把火星航线打通了，以人类对资源的高要求，例如空气、温度、饮食、寿命、辐射等，星际移民的效率也会非常低，这中间还要防范原子弹、AGI这种毁灭性打击。Neuralink、X.ai、Optimus，三项业务这时登场了，它们都可以为这个问题提供解决方案，但同时也要知道，如果用不好这些力量，也可能导致文明的覆灭。对，我们在玩火。这无法避免。以Neuralink来说，在第一阶段，这家公司可能只为残障人士服务，帮他们把坏掉的传感器、执行器（例如眼睛、义肢等）接回来，只要大脑神经网络是好的，通过脑机接口，就可以实现；第二阶段，做人类增强，因为人们慢慢发现，在传感器、执行器上，机械可能会比生物具有更高的上限，这也会导致社会出现不公平，这是个很麻烦的事。这一阶段，Optimus可能会和Neuralink出现交叉，用Optimus的能力来为Neuralink做增强；第三阶段，或许人类除了大脑，其他系统都已经机械化了，理论上大脑的寿命可以达到200年，但是身体其他部件的损坏导致了人的寿命达不到这个数字。在这一阶段，还有一个更大胆的想法，如果X.ai可以实现数字化人脑，可能人整体都可以实现机械化、数字化，人和机械之间的界限会变得非常模糊；这只是人类这一条线的路径，需要Neuralink、X.ai、…

转发者评论

厉害了 //@i陆三金:SpaceX 给 Roadster、AI 业务助力也很强，一个会飞的汽车、一个太空数据中心，搞的其他家都没法跟进啊。

• 厉害了 //@i陆三金:SpaceX 给 Roadster、AI 业务助力也很强，一个会飞的汽车、一个太空数据中心，搞的其他家都没法跟进啊。
• SpaceX 给 Roadster、AI 业务助力也很强，一个会飞的汽车、一个太空数据中心，搞的其他家都没法跟进啊。

原文

【Meta开源Muse Spark Open：816B多模态巨模落地桌面端】Meta正式开放了Muse Spark Open的模型权重。这款原生多模态模型拥有816B总参数（42B激活）与100万token上下文，主打复杂软件开发与长流程智能体协作。得益于MLX框架与统一内存架构，仅需两台搭载M5 Ultra的Mac Studio即可在桌面端完整跑起整套模型，直接在本地完成修改iOS工程代码、驱动DaVinci剪辑视频等高负载任务。模型还集成了自研GPU内核，广泛适配主流芯片与SGLang、vLLM等推理生态，权重现已上线Hugging Face等平台。详情见 research.meta.ai /blog/muse-spark-open

转发者评论

无明显转发评论

原文

PenguinHarness 是一个面向 AI Agent 的自进化框架，目标是通过持续优化 Agent 的提示词、工具、Skills 和执行流程，提高 AI Agent 的任务完成能力。地址：github.com/Prism-Shadow/penguin-harness

转发者评论

无明显转发评论

原文

#豆包对低认知人群有权威性# 昨天听音乐会，听完了激动万分，花一个小时写了篇乐评。早上起来看到一句评论：怎么有点像ai写的。我一下子破防了，连发几条微博为自己辩白，这回是真的用上了AI。你别说，豆包还真懂我，帮我洗得干干净净，谢天谢地。当然回应之后也就冷静下来了。然后就有点奇怪，我在微博上早就修炼得刀枪不入，油盐不浸，心如止水，怎会如此反应强烈。这位网友显然只是好奇，并非恶意，这句话也并没有攻击性。想来想去，恐怕还是触到了我内心的一个隐秘的恐惧。作为一个中文系的教师，终身的文学爱好者，我怕什么？怕的是文字的凋零。那可是我们的立身之本，看家本领，不知花了多少心血才修炼而成。然后图像来了，视频来了，音频来了，文字一直在边缘化。但没关系，声光化电的感官刺激固然强烈，依然无法代替文字。总有喜欢文字的人，还有非文字无法触及的地方。然后AI来了，这回不是和文字抢地盘，是釜底抽薪，直接创造文字，成为文字，而且很可能已经比大多数人类写得更好。怎么办？否认？拒绝？投降？打不过就加入？刚好看到那个话题词，心有所动。这个话题词也隐含了与我类似的心态吧，把用AI当成是低认知的行为，这是传统人类的傲慢和自恋吗？回想自己，从一开始就是AI的重度用户。不会画画，用Midjourney做出了梦里都不敢奢望的画；不懂医学，经常虚心向AI老师请教，没准还救了自己一命；想学网球，让AI给我做了可以全方位观看的3D发球模型……这些时候我可曾有过半点羞愧？没有，也无需有。那文字与此有两样吗？恐怕也没有。有啥区别的话，那就是文字是我的爱好、本行和强项。没有人会放弃自己的特长，我也不会，就像柯洁不会放弃围棋。我还会继续用手搓自己的文字，哪怕到了AI写的已经远远超过自己的时候。与此同时，我也会在一切该用AI的场合毫不犹豫地使用AI，既不为此羞愧，也不嘲笑其他这样用的人。

转发者评论

现阶段，给出“某篇文章是AI”，这其实算是“你没有花心思写”、甚至“没能力写长文”的指控。在此之前，不妨给到「朱雀AI检测助手」这种工具。没有红的话，最起码说明原作者，不会装都不装一下，而且显然严老师的文字，没有这些人想的那么像AI。 http://t.cn/AXlYecpA

• 现阶段，给出“某篇文章是AI”，这其实算是“你没有花心思写”、甚至“没能力写长文”的指控。在此之前，不妨给到「朱雀AI检测助手」这种工具。没有红的话，最起码说明原作者，不会装都不装一下，而且显然严老师的文字，没有这些人想的那么像AI。 http://t.cn/AXlYecpA

原文

【纯代码跑出的爆款动画：Claude Opus 5.5 提示词精选】这个开源项目整理了数百条用 Claude Opus 5.5 制作动画的提示词与案例。不同于常规的文生视频工具，这里的作品都是让模型直接编写 HTML、Canvas、Three.js 或 SVG 等前端代码渲染而成，涵盖了动态视觉、科普解说、3D场景与轻量交互演示等类型。每个案例均附带原作者出处与提示词内容，并支持在线查看复现对比。挑中喜欢的风格后，把提示词发给模型生成单文件网页即可在本地直接运行，对前端动效探索与创意编程来说是份很省心的参考素材。github.com /yihui-dev/awesome-opus5-5-videos

转发者评论

无明显转发评论

原文

【微软自研大模型MAI-Base-2预训练完成】微软AI团队近日完成了新一代MoE基座模型MAI-Base-2的预训练。该模型总参数2.8万亿、激活参数800亿，基于1.6万张GB200历时38天完成50万亿token训练。它原生集成视觉能力，采用无编码器VLM架构；全流程基于内部清洗的真实数据，不包含任何外部模型蒸馏，数据溯源清晰可靠。得益于大规模Muon优化器与无丢弃MoE等软硬件协同设计，其算力效率大幅超越同类开源基座，后续模型权重将通过Foundry向企业伙伴开放授权。详见 microsoft.ai /news/frontier-pre-training-at-microsoft-ai

转发者评论

无明显转发评论

原文

前一阵，整个硅谷都在为Jev疯狂。Jev一出世，整个决策模型领域几乎被它统治了，各大厂商都在追赶。在上月末的DevDay 上，OpenAI 连夜推出 Decisions API 仓促「防御」；一周后，微软正式发布Microsoft-Decision-1，在Microsoft Foundry与 OpenRouter上线。然后就在国庆前，StartLux横空出世，发布了当时真正超越Jev的决策模型，技惊四座。然后，就在最近，距离上个版本推出才10天，全新的StartLux-Decision 版本来了！项目：网页链接体验网址：网页链接技术报告：网页链接

转发者评论

无明显转发评论

原文

#微博声浪计划# #听见微博# 💡 今日思考这几条新闻共同指向AI产业的一次重心变化：能力发布之后，接下来比的是能力如何进入日常生产。国务院强调中试和供需衔接，可灵增加连续叙事与多素材控制，腾讯把记忆从单个工具中抽离，解决的都是模型与实际工作之间的连接问题。我的判断是，企业之间的差距会越来越多地出现在流程改造上。同样可以买到模型服务，有的组织仍在让员工逐段复制内容，有的组织已经能让数据、任务状态和结果在系统之间流动。后者积累的优势会体现在交付周期、组织协作与服务成本上，也会改变岗位分工。重复整理和搬运信息的工作进一步压缩，流程设计、质量判断和责任承担的重要性随之上升。另一条值得关注的变化是AI基础资源的分布。开放权重提供部署选择，本地硬件扩大使用位置，印度语言语料尝试补足语言资源缺口。更多地区和组织因此有机会建设适合自身需求的系统。但开放资源只是起点，能否持续维护数据、运行基础设施并验证结果，才决定这些机会能否转化为生产力。未来的竞争格局，将同时由模型能力与这些长期投入塑造。前往小宇宙评论区与主播互动 德里克文的微博音频

转发者评论

无明显转发评论

原文

【5090断货V100称王！9年老卡靠32GB大显存身价大涨：单卡加价1400元】受本地化AI大语言模型部署热潮推动，发布已9年的Tesla V100计算卡凭借32GB大显存，近期在国内二手市场重新走红，单卡已出现1400元溢价，大批退役Tesla V100流入零售市场成为平价AI主机核心部件。

转发者评论

无明显转发评论

原文

就在刚刚，Claude最强模型极速版，全面解禁了！Claude Opus 5.5 的「极速模式」彻底结束研究预览阶段，取消所有等待名单。同一个 Opus 5.5，速度最高提升到 2.5 倍，价格是每百万 token 输入 8 美元、输出 40 美元。它同时上线了 Microsoft Foundry（托管在 Azure），Google Cloud 也即将接入。Claude Code 里的快速模式保持不变，但会额外消耗用量额度。快速模式跑的是同一个模型，只是换了更快的推理配置——模型权重没变，行为也没变。提速集中在每秒输出 token 数（OTPS），不是首字响应时间（TTFT），所以流式输出的体感提升最明显。有几个限制要注意：切换快慢速会让提示缓存失效，Batch API 用不了，Priority Tier 也不支持。有人评价说，把快速模式设为默认选项意义重大——对于智能体的循环任务来说，p95 延迟比几乎任何其他指标都更重要。#科技先锋官#

转发者评论

无明显转发评论

原文

本周五，OpenAI 可解释团队创建人 Nick Cammarata 的一篇超长文章震动了 AI 圈。他说利用现代智能体工具，万亿参数的大模型也是几乎可读的，我们对于神经网络「黑箱」的看法被证明是误解，预期的障碍大多不存在，可解释性将被解决，而且可能很快就会实现。 神经网络可解释性被AI解决了？90%神经元只有一个功能

转发者评论

无明显转发评论

原文

最近数理逻辑玩腻了，重新开始玩无线电。下单了5个天线和吸盘，开始制作测向机。测向机有很多实现方案，本台想要尝试的是单通道干涉仪方案和伪多普勒方案。前者需要移相器，后者需要FM解调器。前者的关键问题在于信号处理。R&S的商品测向机有复杂的DSP系统，而我打算用机器学习来解决这个问题。为了贯彻业余精神，看来必须捏着鼻子从头实现一个numpy了。然后构建一个简单的多层感知机，对整个测向系统进行建模。因而，为了训练测向模型，必须到外场去实际收集数据，然后才能训练一个靠谱的模型。或许我还要了解全站仪的原理和使用方法。这样，就把我感兴趣的很多问题，都串联起来了。包括射频系统、机器学习、架台等等。

转发者评论

咕了三年竟然，我真可恶啊 //@归零归零归ww:咕了两年竟然，我真可恶啊 //@归零归零归ww:咕了一年竟然，我真可恶啊

• 咕了三年竟然，我真可恶啊 //@归零归零归ww:咕了两年竟然，我真可恶啊 //@归零归零归ww:咕了一年竟然，我真可恶啊

原文

做AI短剧，最烦的就是工具来回切。剧本用这个，分镜用那个，配音又换一个，最后还得导来导去，人都麻了。AID Studio 这个开源项目，把整条线塞进了一个工作台。写剧本、搭角色和场景、智能分镜、出图、出视频、AI配音、成片预览，从头到尾跑一遍。而且不绑死模型，文本、图片、视频、语音都能接不同的。想做AI漫剧或者短剧的，可以去看看。传送门：github.com/gzxx-2025/aid-studio

转发者评论

无明显转发评论

原文

最近半个月，硅谷和国内大厂在Agent赛道上彻底杀疯了！刚刚过去的旧金山开发者大会上，奥特曼突然祭出OpenAI王炸新物种「dots」。这是OpenAI首个自带独立云端电脑、全天候在线的常驻Agent。OpenAI产品负责人当场放话，「你可能不会日夜连轴转，但你云端的Agent会。」哪怕你合上电脑准点下班，它照样在后台替你跑代码、盯项目、改汇报PPT。一夜之间，半个科技圈都在往同一个方向猛冲。硅谷这边，Meta火速上线Muse，Anthropic接连甩出Claude Cowork与Claude Design。国内这边，腾讯将桌面Agent产品WorkBuddy升格为内部「超级项目」，钉钉悟空把岗位技能塞进业务流程，字节豆包画布与扣子也纷纷拉起多人多Agent协作空间。各家的切入点千差万别，抢的却是同一个身位。AI办公的技术门槛，已经从单一的大模型能力，抬到了「如何组织一项完整工作」。然而Gartner预测到2027年底，超四成Agentic AI项目会因成本过高、价值不明或风险失控而取消。Gartner预测2027年底超40%的Agentic AI项目将被取消各家都在猛卷模型参数与单点功能，但打工人真正需要的AI办公到底是什么？带着这个问题，我们和360的AI产品副总裁梁志辉聊了一次。网页链接

转发者评论

无明显转发评论

原文

【让AI给硬件逆向写驱动靠谱吗？】GNOME开发者Christian近日分享了他借助Claude写Linux驱动的经历。面对缺乏官方支持的胶片扫描仪与笔记本MIPI摄像头，他把原厂Windows驱动跑在虚拟机里，在宿主机抓取硬件通信数据，再让AI比对Linux驱动与原厂通信的差异。模型能不知疲倦地从数千行十六进制报文中摸索规律、定位寄存器缺陷，不仅帮他跑通了扫描仪驱动并开发了胶片处理工具Negative Vibes，还顺手修好了ThinkPad摄像头的成像异常。写驱动最磨人的看报文、猜字节交给AI确实能省下大把时间，但架构设计与真机验证依旧得由人来把关。blogs.gnome.org /uraeus/2026/10/15/aiandreverseengineerhardware

转发者评论

无明显转发评论

原文

2026 年 10 月 15 日，阶跃星辰正式开源新一代旗舰模型 Step 5 Preview，在 AI 编程、软件工程、专业知识工作、金融等任务上达到前沿水平。此次 Step 5 Preview 一经开源发布，昇腾就基于 vLLM 推理引擎实现了 0Day 支持，并围绕模型架构与硬件特性实现了高效推理优化。同一天，华为与阶跃星辰持续深化合作，首套 1024 卡 Atlas 950 SuperPoD 液冷超节点点亮，为 Step 系列大模型提供算力服务，性能持平海外先进算力。Step 5 Preview 采用稀疏 MoE 架构，总参数量 600B，每个 Token 激活 27B 参数，支持 1M Token 上下文窗口和图像、视频的多模态输入。#科技先锋官#

转发者评论

无明显转发评论

原文

【英伟达RTX Spark PC首销火爆：开启Windows PC新序章】英伟达宣布，RTX Spark笔记本电脑正式上市，将携手华硕、戴尔、联想、微软和微星陆续推出。这些产品将RTX图形技术与英伟达全栈AI平台融入设计纤薄、质感高级的Windows PC，带来加速创作、沉浸式游戏和强大的本地AI体验。 英伟达RTX Spark PC首销火爆：开启Windows PC新序章

转发者评论

无明显转发评论

原文

#沪深300连跌11周创纪录#“沪深300连跌11周创纪录”这一说法目前并不准确。截至2026年10月16日当周，沪深300周线为连续十周下跌，是2005年指数发布以来最长周线连跌纪录；10月16日指数收于4170.61点，单日微涨0.11%，但周线仍延续弱势。这轮连续下跌不是单纯的情绪宣泄，而是多重压力叠加。外部看，美债利率高位、全球流动性收紧预期压制风险偏好，外资对流动性好的大盘蓝筹更敏感；内部看，增量资金不足，三季报盈利验证期临近，市场更担心未来盈利能否支撑当前估值。前期AI、科技等赛道交易拥挤，资金在业绩兑现前集中撤退，也放大了指数波动。值得注意的矛盾在于：估值低、股息率高并不等于立刻见底。低估值用的是过去盈利，如果未来盈利预期继续下修，静态“便宜”会被重新定价；高股息也依赖分红可持续。但连续十周下跌后，悲观预期确实被大量消化，宽基ETF尾盘放量也显示有资金在低位承接。后市不必把“创纪录连跌”简单等同于反转信号。更关键看三季报盈利是否超预期、成交额能否持续放大、外资流出压力是否缓解。摩根大通仍维持年底5200点目标，但这是基于盈利修复的基准情景，并非短期必然路径。策略上，当前更适合等待企稳信号，而非盲目抄底；若参与，可关注高股息防御与盈利可验证的科技方向，但需控制仓位、避免追跌杀涨跌！

转发者评论

无明显转发评论

原文

【VibeCoding了个本体学习全流程6步工具箱：兼看时序预测小模型Timestral的一些细节】许久未做vibecoding了，还是再做一做，搞个本体工具箱，把之前的那些概念啥的串一遍。另外，在技术方向上，看一个趋势：Mistral AI发布时序预测模型Timestral，专为多元概率预测设计，旨在以更少的计算资源实现精准预测，这标志着 Mistral AI 从语言模型领域向专业化预测能力的战略性拓展。其潜在优势在于与现有语言模型生态系统的集成，可实现将预测与自然语言推理相结合的混合应用。网页链接

转发者评论

无明显转发评论

原文

【搭载英伟达RTX Spark N1X！全球首款AI智能体PC华硕ProArt创16开售：35999元起】全球首款AI智能体PC华硕ProArt创16 RTX Spark正式开售，起售价是35999元，这是一款面向AI工作者、内容创作者、开发者及个人创业者打造的专业AI智能体轻薄本。 搭载英伟达RTX Spark N1X！全球首款AI智能体PC华硕ProArt创16开售

转发者评论

无明显转发评论

原文

2012年，我在首都机场塔台，拍下并制作了那张《首都机场真实的145分钟》。 把2个多小时里首都机场起降的所有飞机，浓缩进一张图。 为了还原每架飞机真实的轨迹和位置，拍完之后，我整整用PS做了3天。今天我突然想：AI能不能替我完成这么复杂的工作？ 简单测试、调整后，182张图片交给AI分析。 仅仅1分钟，堆栈对齐完成。 真的，叹为观止。我把过程录屏了，视频里见。从3天到一分钟。 不是AI替代了我，是AI把时间还给了我。 但塔台上的风、屏幕前死磕的那3天，我还记得。 超侧卫的微博视频

转发者评论

DeepSeek： 你的判断哪里对、哪里要修正 对的部分：PC软件如果希望被AI在构件级调用，确实需要一个标准化的、跨厂商的调用协议层。这个层不会由某一个AI厂商私有API垄断，否则生态就死了——这正是COM当年打败私有方案的原因。 要修正的部分：COM的核心假设是"调用方知道要什么，被调用方确定性地做"

• DeepSeek： 你的判断哪里对、哪里要修正 对的部分：PC软件如果希望被AI在构件级调用，确实需要一个标准化的、跨厂商的调用协议层。这个层不会由某一个AI厂商私有API垄断，否则生态就死了——这正是COM当年打败私有方案的原因。 要修正的部分：COM的核心假设是"调用方知道要什么，被调用方确定性地做"
• ActiveX是在网页中嵌入构件，OLE是在文档中嵌入构件，所有PC软件，如果希望它能被其它软件在构件级调用，微软COM是最成功的技术。这样看，AI时代，PC软件，需要与 AI 协作的，采用类似 COM 技术是个合适的想法。//@程序员邹欣://@夜深了000:龙虾都没人提了吧，他这个就是用的Codex //
• //@夜深了000:龙虾都没人提了吧，他这个就是用的Codex //@TWO娃的爹:授权龙虾操作的程序？

原文

Anthropic 推出 Claude Code 桌面版 “史诗级” 更新，被工程师称为近乎 v2 版本Claude Code 桌面版迎来重磅升级，从单一 AI 编程助手进化为多 Agent 协作工作台：多会话并行编程・支持自动创建嵌套会话，多个子任务可在后台并发执行；・中间过程不干扰主会话，完成后自动汇总结果，可随时查看子会话细节；・界面重做，新增侧边栏展示各会话运行状态，任务进度一目了然。开发环境全面升级・常用目录一键直达；・整套复杂开发配置可打包保存为 “命名环境” 一键拉起；・提供原生级 Git Worktree 隔离，避免多会话并行改代码时互相覆盖。更智能的交互・新增 /btw 指令，可快速开启继承主会话上下文的独立支线对话，不打断主线任务；・CC 能基于当前改动主动推荐后续任务；・空闲会话自动压缩上下文，减少 Token 消耗。从 “会写代码” 到 “多任务协作”，AI 编程进入比拼多 Agent 协作工程能力的下半场。#极客头条#

转发者评论

无明显转发评论

原文

你们知道 Megabonk 那个游戏吗？3D 版的吸血鬼幸存者。单人开发者，去年9月份发售，首两周销量 100万套，首月流水 9000万人民币。如果现在有人用 Opus 5.5、Astra 再配合现在的 3D 生成模型，搓出这样的一个游戏并非不可能，因为现在的 AI 特别会写幸存者类游戏。但是要想拿到这个成绩，即使做的再精美，不改玩法，也是不可能了，市场不会为一个同质化的游戏买单的。

转发者评论

无明显转发评论

原文

【人形机器人要装200GB内存！美光已经在动手了】美光正在准备一款专门给机器人用的内存EIM（Edge Inference Memory，边缘推理内存），业界预计2028年下半年量产，按照美光的估算，未来的高性能人形机器人大概需要200GB左右的DRAM和4TB存储，而目前的服务型机器人一般只有12GB DRAM和256GB存储，光DRAM这一项就是十几倍的差距。

转发者评论

无明显转发评论

原文

学编程大多是踩坑踩过来的。有位北大学生从大一开始自学计算机，把四年里遇到的问题、走过的弯路和真正有效的学习方法整理成了一份开源路线。这份CS学习地图汇总了MIT、斯坦福、伯克利等高校的公开课程，覆盖离散数学、算法、操作系统、计算机网络、数据库、人工智能等核心方向。从C/C++到Python、Java、Go、Rust，再到工程实践和深度学习，计算机专业成长需要的主要内容基本都涵盖了。从零开始按路线系统学，坚持两三年，具备进入软件工程岗位的能力并非遥不可及。🔗 csdiy.wiki

转发者评论

无明显转发评论

原文

OpenAI Realtime API开源替代方案，蚂蚁和清华搞了一个：Realtime-Venus，支持实时音视频感知、全双工语音、异步Agent执行一套能持续听、看、说，同时在后台执行复杂任务的实时多模态Agent系统这对智能眼镜、车载助手来说比较有价值，把实时Agent从一个语音接口，变成一个能持续观察环境、随时交流、同时处理任务的助手双循环架构，它把实时交互和耗时任务拆成两条并行运行的链路，核心由两个9B模型和一个Harness组成Realtime-Venus-Omni，用来持续感知音视频输入Realtime-Venus-Audio，原生全双工语音Realtime-Venus-Harness，把复杂推理、搜索和工具调用委派给后台执行，完事后再把结果带回当前对话前台持续感知和交流，后台异步执行耗时任务，感知上用户不必为了等待AI完成任务中断对话github：网页链接#RealtimeVenus##OpenAIRealtimeAPI# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

傅首尔新片投资5000万票房仅8万，同期电影牛来都六千万票房了 菜菜聊AI的微博视频

转发者评论

不应该拿牛来出来比，不是同类型题材[允悲]//@八大山债人:。。。//@午后狂睡:[笑cry]

• 不应该拿牛来出来比，不是同类型题材[允悲]//@八大山债人:。。。//@午后狂睡:[笑cry]

原文

【让AI当你的专属主编：开源新闻雷达Horizon】面对分散琐碎的信息源，Horizon能直接聚合RSS、Hacker News、Reddit、X与GitHub等多平台动态。它并不是简单的内容搬运，而是通过独立规则进行打分、去重与分流——读技术干货时提取方案与实践，看热点新闻时梳理事件影响，并适时补充背景与社区热评。系统还支持按分类设置篇幅上限，避免单一话题霸屏，整理好的中英文日报可直接推送至邮件、微信、飞书或静态主页，也能作为MCP工具供AI助手调用。想告别低效刷屏可以试试：github.com /Thysrael/Horizon

转发者评论

无明显转发评论

原文

【南大导师整理的科研入门与论文写作指南】很多刚进课题组的同学常苦恼于缺少系统指导，南京大学郭兰哲老师团队整理了这份开源手册，帮新人厘清做科研与写论文的完整流程。内容主打具体实操：从文献检索与精读、提炼Idea、高效开组会，到拆解撰写论文各章节（摘要、引言、方法与实验等）、论文画图乃至后期Rebuttal，还涵盖了学术参会和AI辅助科研等实用建议。无论是刚进实验室摸索的本科与硕博新生，还是需要带新人的导师和高年级同学，都很适合备一份查阅参考。项目地址：github.com /LAMDA-NeSy/Research-Starter-Kit

转发者评论

无明显转发评论

原文

#冷眼赠书福利# 联合 @博文视点Broadview 送出 3 本《飞书多维表格实战：用AI搭建好用的表》，截 10 月 16 日，转发+评论+点赞 此微博并关注 @网路冷眼 赢取。AI时代的数据思维+真实业务搭建实战，手把手带你完成从设计表结构到搭建完整系统的全过程。数据可以交给 AI，判断必须留给自己，飞书多维表格对没技术背景的人来说是门槛低，又足够智能的一种数据库：会判断、会提醒、能协作，还能让AI直接参与进来。很多人把它称为“带脑子的 Excel ”。这本书想做的，是带你完成一次转变——从“会填表”到“会设计表”。 抽奖详情

转发者评论

无明显转发评论

原文

厦门大学 ASC 实验室团队提出的 FlowMAS 已被机器学习顶会 NeurIPS 2026 录用：把大模型多智能体 "架构设计" 变成一个可学习的生成问题 —— 用生成流网络（GFlowNet）做发动机，配上 "好奇心" 与 "信息论" 两件武器，让 AI 团队的搭建方式第一次做到既自动、又多样、还省钱。 NeurIPS 2026 | FlowMAS：让AI团队自己学会「排兵布阵」

转发者评论

无明显转发评论

原文

昨晚梦见参加数学考试考了零分，崩溃痛哭。但考零分可能不是我哭的主要原因。虽然是数学考试，但形式是线下的上机考试。报名后允许先配置好机器的 Agent 和模型 Key，等考试当天就可以节省一点配置的时间。考试的机器是每人两台，一台是只读题目，一台是操作 Agent 解题的。当然了，也有提供草稿纸和笔来照顾要手算的考生。设定就是题目无法通过截图和OCR等手段直接发给 Agent，需要考生想办法把题目转成提示词。我真的连题目都看不懂，更别说要转述给 Agent 了。而且梦中这个年代的 Benchmark 已经疯狂。已知的未解数学题已几乎不存在，难题只能由更强的模型来生成，而哪个模型更强基本上就以“能提出多难的问题”为标准。题目有多难也变成了“要用多贵的模型来解”为标准。好不容易逐字敲好题目，发送后是 429、503，我直接哭了。

转发者评论

无明显转发评论

原文

零基础到大模型怎么学？就看这个 LaTeX 精致排版保姆级《深度学习从入门到大模型》笔记开源啦！网页链接

转发者评论

无明显转发评论

原文

现在咱们小红圈几个实战群可热闹了，第一期训练营结束快一个月，大家不但广泛用于工作，还发了很多作业，每个人都进步巨大。最大的收获是AI通识课0-1，大家基本上都能用AI提高工作效率，然后我的两次加餐课效果也不错，最火的视频播放破百万，最火的带货新号销售9万！三个群大多数都是新手小白，打工人小老板为主，目前全好评！也有在校大学生做出很棒的作品，有很上进的上市公司二代、有硅谷计算机专家财务自由回国创业，有大厂小二，大家一起交流非常有收获！以前我总是惴惴不安怕自己精力不够服务不过来，现在不止有我，还有有多年伙伴，专业操盘人海哥@海哥创业圈，合伙人小林，慢慢老师和他的专业师资团队、以及小红圈平台团队。游刃有余，坚决服务好每一位圈友；圈友所有课程、干货、资源、一对一咨询都免费！第二期训练营13号开始，这个圈相当于俱乐部，随时加都可以，每年六次免费AI实战训练营，小白变高手；以及四次线下交流会。588入圈，价值拉满！

转发者评论

好饭不怕晚。随时来都欢迎[ok]//@喵壹喵的碎碎念:圈里好多干货，哭晕了[泪][泪][泪][泪][泪][泪]（哭是因为自己报名晚了，还有之前在其他地方交了智商税）

• 好饭不怕晚。随时来都欢迎[ok]//@喵壹喵的碎碎念:圈里好多干货，哭晕了[泪][泪][泪][泪][泪][泪]（哭是因为自己报名晚了，还有之前在其他地方交了智商税）

原文

Meta和苹果联手搞了个大的，Meta开放了Muse Spark Open权重，两台512GB M5 Ultra Mac Studio可本地跑通过NVFP4量化将816B模型权重压缩至约537GB，再利用MLX分布式推理和Thunderbolt RDMA高速互联，让两台各配备512GB统一内存的M5 Ultra Mac Studio协同推理官方给的数据，双机张量并行生成速度约25 Token/s，比双机流水线并行快约59%速度不算快，不过两台桌面设备运行816B，具备了基本可交互的生成速度Muse Spark Open的几个参数：816B/42B激活MoE（256个路由专家）、1M上下文、原生多模态，主攻编程、长程Agent任务权重：网页链接#MuseSparkOpen##meta最新开源模型#

转发者评论

无明显转发评论

原文

【神经网络本身就很干净：我们可能误判了“叠加态”】可解释性领域长期认为神经元充满了混乱的叠加态，迫使学界转向用SAE等外挂工具去“解线团”。Nick Cammarata最新长文却给出了相反的观察：当年那些经典的“多义神经元”大概率被误读了，比如著名的“猫与汽车”神经元，底层其实是在识别V字轮廓，是早期的旧架构和观测缺陷放大了混乱。实测表明，从Qwen到万亿参数的Kimi K3，约九成神经元都有明确的主任务，表现出的杂糅大多只是局部概念延伸的“递归泛化”。神经网络内部本来就很有秩序，顺着它自身的回路生态去直接研究，或许远比强行重构一套字典更奏效。already-clean.goodfire.com

转发者评论

无明显转发评论

原文

今日推介(第2291期)：开放世界AI三大核心要素之辨、Gemini 4 Argon智能体团队成功通关《我的世界》、面向机器人世界模型的环境潜变量测试时优化、基于对抗式元提示演化的递归奖励优化、视觉-语言-动作模型（VLA）中神经几何的现象学研究 公·众·号：爱可可爱生活 网页链接 #机器学习##人工智能##论文#

转发者评论

无明显转发评论

原文

Agent-Native：让人和Agent从应用架构层共用同一套能力，不再让AI模仿人操作界面，让AI直接调用界面背后的业务能力过去软件围绕人类操作界面设计，再外挂AI，Agent时代，软件从一开始就让人和Agent共享功能、数据及状态有点ChatGPT的Intelligent UI“进阶反面”的意思，Agentic App应该是一款AI可直接参与操作、用户也能通过可视化界面实时参与和接管的软件在交互层面，人可以用图形界面，也可以用自然语言向Agent表达目标；Agent直接调用业务Action执行，两种方式可以结合架构层面，通过Shared Actions、Shared Data、Shared Application State让两者操作的是同一套应用能力和状态，权限与验证也随之统一Human+Agent原生协作是一个值得关注的方向，如果可行，未来软件无需再把所有操作都设计成一连串按钮、菜单、表单，用户可以直接表达目标让Agent操作，必要时再通过可视化界面介入github：网页链接#AgentNative# AIGCLINK的微博视频

转发者评论

无明显转发评论

原文

【链接即文档的极简办公套件】分享一个轻巧且极具巧思的网页工具 Tiny Little Office。它最特别的设计在于“链接即文档”，所有内容直接装进网址里，免注册免登录，服务器不存任何隐私数据，除非你主动选择留在本机。麻雀虽小但五脏俱全，它集成了文档、大纲、演示、表格、计算器、绘图图表、简易动画，以及日历和行程规划等十项实用工具，文档之间还能互相嵌套组合，甚至专门为 AI Agent 留了生成接口。打开浏览器就能随手写随手画，把网址发给别人就等于交了文档，用起来几乎没有任何负担：tinylittleoffice.comTiny Little Office 的走红引发了技术圈的地震。这个仅用三天“氛围编程”出来的办公套件，把文档直接编码进 URL，无需登录、自托管友好。它背后折射出的，是 AI 正在掀起的一场软件民主化革命。AI 正在把软件从“耐用品”变成“一次性消费品”。过去我们开发软件是为了长久运行，现在我们可能只是为了解决当下的一个特定问题而“生成”一个工具。

转发者评论

无明显转发评论